太陽能電池缺陷識別的研究與實現(xiàn).pdf

1、機(jī)器視覺是用機(jī)器代替人眼進(jìn)行目標(biāo)對象的檢測、判斷、測量和識別。機(jī)器視覺涉及目標(biāo)對象的圖像獲取，對圖像信息的處理以及對目標(biāo)對象的識別，在工業(yè)生產(chǎn)過程中，相對于傳統(tǒng)測量檢驗方法，機(jī)器視覺的最大優(yōu)點是快速、準(zhǔn)確、可靠與智能化，對提高產(chǎn)品檢驗的一致性、產(chǎn)品生產(chǎn)的安全性、降低工人勞動強(qiáng)度以及實現(xiàn)企業(yè)的高效安全生產(chǎn)和自動化管理具有不可替代的作用。如同在太陽能電池生產(chǎn)環(huán)節(jié)中，由于國內(nèi)太陽能電池產(chǎn)品質(zhì)量檢測大都依靠人眼的視覺檢測，因為人眼的疲勞導(dǎo)致產(chǎn)品

2、的質(zhì)量得不到有效的保證，所以有必要依靠視覺檢測技術(shù)。針對現(xiàn)實生活中出現(xiàn)的新問題，本文在太陽能電池缺陷識別的這一領(lǐng)域做了一定的研究，主要工作如下：
　　 1圖像預(yù)處理環(huán)節(jié)中，由于環(huán)境的光照，采集設(shè)備的位置及本身的缺陷，導(dǎo)致采集的圖像會發(fā)生傾斜畸變，為了保證識別目標(biāo)具有統(tǒng)一的標(biāo)準(zhǔn)，需要對圖像進(jìn)行濾波，校正、旋轉(zhuǎn)、抽取、歸一化等相關(guān)處理。
　　 2針對大樣本主成分分析數(shù)據(jù)計算量大，特征提取和分析的時間長、噪聲對分析結(jié)果的穩(wěn)定性

3、影響嚴(yán)重等因素，首先對預(yù)處理后的圖像進(jìn)行小波變換，然后采用模糊主成分分析的方法，計算圖像的數(shù)字特征，這樣可以減少圖像噪聲的影響，使得這些特征向量對圖像的重建更有幫助。此外根據(jù)圖像本身的缺陷特征，提取了圖像的方差特征、平滑度特征以及圓形度特征。
　　 3根據(jù)主成分分析獲得的像素特征及圖像特征，利用支持向量機(jī)對圖像特征進(jìn)行訓(xùn)練分類。影響支持向量機(jī)分類效果的因素有很多，這里主要選擇其中的核函數(shù)來討論。選取適當(dāng)?shù)暮撕瘮?shù)對分類識別的精度和