基于图像纹理特征的多晶硅太阳能电池板分类系统

发布时间：2020-07-15 04:56

【摘要】：随着能源短缺和环境恶劣的情况日益严重,太阳能、风能、核能等新能源的研发工作也在不断推进,其中,太阳能的利用主要是太阳能发电技术。太阳能电池板作为太阳能发电的主要载体,其质量的好坏直接决定光电转换效率的高低。太阳能电池板的质量检测常检测电池板的表面缺陷,传统缺陷检测技术以检测尺寸缺陷和栅线缺陷为主,晶界缺陷较少被关注。本文针对太阳能电池板晶界缺陷的特点及工业生产线的要求,将太阳能电池板图像分为三类:“强晶花”、“弱晶花”、“无晶花”,实现了晶界缺陷的自动化识别。本文主要完成了以下的研究工作:(1)分类系统的设计。针对太阳能电池板的晶界特点,采用两级串联分类器,两级分类器均为BP神经网络。第一级分类器使用U2LBP特征,将“有晶花”样本和“无晶花”样本分开,第二级分类使用对比度特征,将“有晶花”样本再细分为“强晶花”样本和“弱晶花”样本。(2)样本图像的预处理。首先利用霍夫变换进行图像角度矫正,然后对图像作规格化处理,解决样本倾斜的问题,最后针对不同类型的样本实施相应的栅线消除和弱化操作,减小栅线对识别样本的干扰。(3)样本图像的特征提取。介绍了U2LBP特征的提取方法和优势,将U2LBP特征用于样本分类;利用假设检验方法对U2LBP计算得出的特征进行甄选,保留了差异性显著的8个特征作为第一级分类器的分类特征,完成“有”、“无”晶花的分类。再将“有晶花”的样本图像分割为32块,计算每一块的对比度,构成32维特征,作为第二级分类器的分类特征,完成“强”、“弱”晶花的分类。(4)分类系统的性能分析。设计了3组对照实验,分析了分类系统在不同样本数、不同特征数中运行的识别率的变化情况,以及分类系统在不同系统中运行时间的变化情况。实验结果表明,分类系统的识别率在90%以上,识别时间每片不超过900毫秒,满足工业生产线每小时检测4000片的速度要求。
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM914.4
【图文】：

自动分拣,太阳能电池板,设备,池板

图 1.1 太阳能电池板自动分拣设备分。本文将针对多晶硅太阳能电池板表面的晶界花纹对晶界花纹进行分析，并设计一套根据晶界花纹强弱板的软件系统，以完善太阳能电池板表面缺陷检测池板表面缺陷检测工作的国内外研究现状池板制作完成后，太阳能电池板的表面组成大致为：和较粗的主栅线电极，如图 1.2 所示，这类样本就是的主要研究对象。

太阳能电池板,池板,表面缺陷检测,花纹

图 1.1 太阳能电池板自动分拣设备分。本文将针对多晶硅太阳能电池板表面的晶界花纹对晶界花纹进行分析，并设计一套根据晶界花纹强弱板的软件系统，以完善太阳能电池板表面缺陷检测池板表面缺陷检测工作的国内外研究现状池板制作完成后，太阳能电池板的表面组成大致为和较粗的主栅线电极，如图 1.2 所示，这类样本就是的主要研究对象。

太阳能电池,单晶硅

太阳能电池和化合物太阳能电池，其中晶硅太阳能电池还可以再细分为单晶硅太阳能电池和多晶硅太阳能电池。2.1.1 单晶硅太阳能电池单晶硅太阳能电池是以高纯度单晶硅为原材料进行开发研制的太阳能电池。相比多晶硅电池和非晶硅电池，单晶硅电池的光电转换效率最高，一般情况下至少为 15%以上[22]。经过工业处理，单晶硅电池的光电转换效率较易维持在 20%以上。1990 年澳大利亚南威尔士大学研究的单晶硅太阳能电池 PERL，经 2000 年再次改良后光电转换效率达到了 24.5%，接近单晶硅光电转换效率的理论值，创造了光电转换效率的最高世界记录[23]。在太阳能电池中，单片太阳能电池称为太阳能电池板，多片太阳能电池板的组合称为太阳能电池组件，也称作太阳能光伏组件。图 2.1 为基于单晶硅的太阳能电池板和太阳能电池组件。

【参考文献】