基于視覺的硅太陽能電池檢測方法的研究.pdf

1、隨著能源危機的出現(xiàn)，太陽能光伏發(fā)電已經(jīng)應(yīng)用在各個領(lǐng)域中，如日常生活、工業(yè)生產(chǎn)和農(nóng)業(yè)生產(chǎn)中。作為太陽能光電轉(zhuǎn)換核心部分的太陽能電池，其在生產(chǎn)過程中所產(chǎn)生的瑕疵，會導(dǎo)致光電轉(zhuǎn)換效率的下降和產(chǎn)品生產(chǎn)成本的提高，因此在生產(chǎn)過程中需對其進行檢測。傳統(tǒng)的太陽能電池檢測依賴于人工判別，存在著人工檢測易出現(xiàn)偏差誤判且成本偏高等弊端。本文將基于視覺的檢測算法應(yīng)用在硅太陽能電池生產(chǎn)的各階段，依次為對太陽能硅片瑕疵檢測算法的研究、對硅太陽能電池片瑕疵檢測算法

2、的研究以及對硅太陽能電池組件瑕疵檢測算法和分類算法的研究。
　　針對太陽能硅片瑕疵檢測，本文采用近紅外LED作為光源設(shè)備和近紅外CCD相機作為圖像采集設(shè)備，得到太陽能硅片表面和內(nèi)部的隱裂圖像。在隱裂瑕疵檢測算法設(shè)計上，根據(jù)隱裂瑕疵在硅片上呈現(xiàn)出低灰度級和高梯度級的特點，傳統(tǒng)邊緣檢測法或二值化法對于低對比度圖像并不適用。因此本文采用各向異性擴散算法進行隱裂檢測，算法根據(jù)圖像中不同的梯度分布，對高梯度值—瑕疵區(qū)域進行銳化處理，對低梯度

3、值—無瑕疵區(qū)域進行平滑處理，即實現(xiàn)在銳化瑕疵的同時抑制噪聲的目的。但在算法中，擴散函數(shù)、銳化參數(shù)等數(shù)值的改變直接影響到瑕疵檢測的結(jié)果，目前也缺乏統(tǒng)一的擴散函數(shù)表達方式。因此本文提出將改進的異性擴散算法作為圖像銳化算子進行圖像邊緣提取后，根據(jù)確定的種子像素利用區(qū)域生長算法將隱裂瑕疵從背景中分割出來，經(jīng)試驗算法運算精度高，可滿足在線太陽能硅片瑕疵檢測的要求。
　　針對太陽能電池片瑕疵檢測，本文在分析了各種圖像分割算法后，提出了一種改進

4、的Otsu算法作為瑕疵特征提取方法。在線瑕疵檢測分為兩種情況:第一種為判斷電池片是否出現(xiàn)瑕疵，如果出現(xiàn)瑕疵則立即丟棄，不影響生產(chǎn);第二種為檢測出瑕疵電池片后需要對瑕疵進行定位回溯，以使用戶發(fā)現(xiàn)造成瑕疵的原因，進行產(chǎn)品質(zhì)量追蹤。針對第一種情況，本文在研究了典型瑕疵特征后，采用空間域的方法進行瑕疵檢測。針對第二種情況，本文采用“空間域-＞頻率域-＞空間域”的圖像重建方法得到了無瑕疵圖像，再將原始圖像和重建圖像進行差分運算，進而實現(xiàn)圖像瑕疵定

5、位。根據(jù)單晶硅和多晶硅表面紋理呈現(xiàn)出的差異性，對具有規(guī)律紋理特征的單晶硅太陽能電池采用多解析度、多分辨率的小波變換進行圖像重建;對具有隨機紋理特征的多晶硅太陽能電池采用代表全局頻域信息的傅里葉圖像重建算法。
　　針對太陽能電池組件瑕疵檢測，由于太陽能電池組件是由一系列太陽能電池片經(jīng)過串聯(lián)或并聯(lián)形式得到的，但瑕疵并不會出現(xiàn)在太陽能電池組件中每個子部分。因此如果以單一電池片作為模板應(yīng)用前面介紹的圖像重建算法進行逐一搜索，數(shù)據(jù)冗余大、并

6、且效率低。針對這一問題，本文采用通過訓(xùn)練得到的獨立成份分析(ICA)分離矩陣重構(gòu)待檢圖像，以增強瑕疵信息并濾除組件圖像的規(guī)律性紋理。ICA方法之一的FastICA具有了收斂速度快等優(yōu)點，但也存在當(dāng)初始點遠離極值點而無法收斂等缺點，弱化了ICA算法的瑕疵檢測能力。本文提出將粒子群優(yōu)化算法(PSO)引入到FastICA算法中，由PSO算法得到的全局最佳位置作為最佳分類矩陣，并求出獨立分量IC，最后重建檢測圖像以判斷其是否存在瑕疵。針對太陽能