基于图像处理的太阳能电池无损检测技术研究

发布时间：2020-11-13 05:30

　　 太阳能电池片作为光电转换的载体,其质量的好坏会直接影响产品的发电效率和使用寿命。应用数字图像处理学科的图像增强和图像分割技术,分别以太阳能电池片的可见光图像及电致发光图像为研究对象,对其缺陷检测技术进行研究。首先,对太阳能电池片图像表面缺陷检测算法进行研究。为了得到高质量的太阳能电池片图像,利用LED条形组合光源模拟自然光,搭建太阳能电池片图像采集平台并采集可见光成像技术下的太阳能电池片图像。为了消除图像中特定的干扰信息,先通过中值滤波和形态学处理等方法对图像进行预处理。接着,通过Otsu算法提取电池片划痕、掉片、脏污等表面外观缺陷。之后,填充Otsu算法处理后太阳能电池片的倒角和电极区域并计算太阳能电池片的缺损率。与相关算法相比,本文算法检测的缺陷面积更接近缺陷的实际面积,检测准确度约是其他算法的2倍。其次,由于太阳能电池片EL图像中缺陷处与背景的灰度对比度较小,为了提高图像的对比度,本文提出了一种改进的双直方图均衡算法,能够在拉大图像对比度的同时提高图像的信噪比;同时,提出了一种全局阈值和Frangi滤波融合的图像分割算法,能够实现太阳能电池片EL图像缺陷的准确提取。数据表明:本文算法的缺陷检测精准度是其他算法的将近4倍。最后,利用几何特征、灰度特征等特征参数对检测到的缺陷进行描述,分析、总结不同缺陷的特征参数特点,为缺陷分类识别提供帮助。
【学位单位】：西安科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM914.4
【部分图文】：

为此，世界各国都开始了新能源的探索，太阳能、风能、海洋能、地热能等新取之不尽用之不竭、绿色、环保及无污染等特点赢得了广泛关注。而且，新能与应用打破了以石油、煤炭、天然气为主的三足鼎立的能源结构局面，为其加能源元素。其中太阳能凭借其资源储备无限量且可持续利用的特点受到多方青随着太阳能发电技术的不断发展与提升，使得光伏发电系统具备模块化和造价点，让其不仅在发达国家具有广阔的发展前景同样也适合发展中国家使用，这阳能能够在已知的可再生能源中占据主导地位的主要原因，可以预见太阳能将可持续能源的开发和利用中扮演重要的角色。有关数据显示，预计到 2030 年，可再生能源在总能源结构中的比重将达到 3其中太阳能发电占世界总电力供应中的 10%以上；到 2040 年，可再生能源在的占比预计可达到 50%，而光伏发电在总电力中的比重预计将上升到 20%以上1 世纪末，可再生能源将占据能源结构中约 80%的比重，同样太阳能发电在总比重也将会有大幅度提升，将占到 60%以上[1]，图 1.1 对近年来全球光伏产业进行了统计。太阳能作为新能源的主力军，成功开拓出了属于可再生能源的新天

1 绪论工大学某科研团队提出了一种通过拟合圆和直线对硅太阳能电池的缺陷进行外形尺寸测量，并使用差影结合多模板匹配的方法进行缺陷检测[15]；文献[16]利用一致性测量的聚类方法实现了多晶硅太阳能电池的缺陷检测，该方法提取图像的 Harris 特征作为改进的模糊聚类分类的特征参数，在裂纹缺陷检测方面取得了较好的效果；文献[17]对太阳能电池片色差问题进行了研究，通过采集标准色系样片，建立了庞大的样片库；文献[18]在此基础上通过对图像进行分块的颜色相似度分析，可以实现色差电池片的准确分类；文献[19]将红外热成像技术与图像处理技术相结合，根据电池片缺陷的特点对检测系统和算法进行设计和优化，并对太阳能电池片缺陷检测系统进行了开发。除了上述优秀的检测算法外，苏州莱科斯科技有限公司推出的一款太阳能电池片色差分选机不仅可以快速识别片内色差和片外色差并进行快速分选，也可对电池片崩边、缺角等外观缺陷进行自动检测，检测设备如图 1.2 所示。陕西众森电能科技有限公司、常州市恒辉光电科技有限公司、乐利士实业股份有限公司等都推出了太阳能电池组件检测设备，如图 1.3 所示是陕西众森推出的利用 EL 技术对太阳能组件进行缺陷检测的仪器。

1 绪论工大学某科研团队提出了一种通过拟合圆和直线对硅太阳能电池的缺陷进行外形尺寸测量，并使用差影结合多模板匹配的方法进行缺陷检测[15]；文献[16]利用一致性测量的聚类方法实现了多晶硅太阳能电池的缺陷检测，该方法提取图像的 Harris 特征作为改进的模糊聚类分类的特征参数，在裂纹缺陷检测方面取得了较好的效果；文献[17]对太阳能电池片色差问题进行了研究，通过采集标准色系样片，建立了庞大的样片库；文献[18]在此基础上通过对图像进行分块的颜色相似度分析，可以实现色差电池片的准确分类；文献[19]将红外热成像技术与图像处理技术相结合，根据电池片缺陷的特点对检测系统和算法进行设计和优化，并对太阳能电池片缺陷检测系统进行了开发。除了上述优秀的检测算法外，苏州莱科斯科技有限公司推出的一款太阳能电池片色差分选机不仅可以快速识别片内色差和片外色差并进行快速分选，也可对电池片崩边、缺角等外观缺陷进行自动检测，检测设备如图 1.2 所示。陕西众森电能科技有限公司、常州市恒辉光电科技有限公司、乐利士实业股份有限公司等都推出了太阳能电池组件检测设备，如图 1.3 所示是陕西众森推出的利用 EL 技术对太阳能组件进行缺陷检测的仪器。
【参考文献】

相关期刊论文 前6条

1 王伟;李强;;太阳能电池片的主栅线提取及缺陷检测方法研究[J];西安工业大学学报;2015年04期

2 王志欣;田学民;;太阳能电池缺陷检测图像的分割技术[J];电子设计工程;2014年10期

3 殷苏民;朱锦萍;王祖声;江煜;陆文俊;;基于顶帽变换和最大类间方差法的图像分割方法研究[J];科学技术与工程;2014年07期

4 陈文志;张凤燕;张然;李超;;基于电致发光成像的太阳能电池缺陷检测[J];发光学报;2013年08期

5 张伟;王军锋;王涛;白青;;一种基于改进算子的形态学边缘检测算法[J];计算机技术与发展;2013年06期

6 张翰进;傅志中;念蓓;张忠亮;张冉;;双峰法与otsu法结合在太阳能电池缺陷检测中的应用[J];计算机系统应用;2012年01期

相关博士学位论文 前1条

1 王楠;基于视觉的硅太阳能电池检测方法的研究[D];河北农业大学;2014年

相关硕士学位论文 前10条

1 张鹤庆;基于视觉显著性的太阳能电池片表面缺陷检测方法研究[D];郑州轻工业学院;2018年

2 孙雯;太阳能电池板缺陷的检测研究[D];淮北师范大学;2017年

3 周奇;基于HALCON的太阳能电池片缺陷检测系统设计[D];江苏大学;2017年

4 邱洁;基于图像处理的电池片表面缺陷检测方法研究与应用[D];云南大学;2016年

5 李明阳;基于条纹反射的太阳能电池硅晶片表面质量检测方法研究[D];电子科技大学;2016年

6 童钢;太阳能电池片分色及缺陷检测系统的研究[D];江苏大学;2016年

7 王亚丽;基于红外热成像的太阳能板缺陷检测[D];中国计量学院;2015年

8 吉网存;基于图像技术的太阳能电池表面缺陷检测[D];华东理工大学;2015年

9 王晗;多晶硅表面缺陷识别及软件检测系统设计与开发[D];上海交通大学;2014年

10 张玮华;太阳能电池硅片缺陷自动检测分类方法研究[D];东华大学;2014年

本文编号：2881802