太阳电池自适应色系分类方法研究

发布时间：2019-09-21 23:21

【摘要】：提出一种基于机器视觉的太阳电池色系分类方法,可以自适应不同的分类标准。借助Lab VIEW软件平台,通过彩色图像分割、图像抽取、图像滤波、图像去噪等算法,并利用欧几里德距离算法,获得太阳电池与标准样片的相似度,从而实现对太阳电池的色系分选。实验结果显示,该方法速度快,自适应程度高,准确率达99.7%以上,基本符合不同生产厂家对太阳电池实时在线的色系分类要求。
【作者单位】： 江苏大学工业中心;江苏大学电气信息工程学院;江苏大学机械工程学院;
【基金】：镇江市科技项目(GY2015038)
【分类号】：TM914.4;TP391.41

【相似文献】

相关期刊论文 前10条

1 刘学山;;基于机器视觉的全自动电池检测系统的研究[J];微型机与应用;2009年23期

2 欧习洋;侯兴哲;周孔均;郑可;吴华;梁艳阳;;基于机器视觉的智能电表识别与精确定位技术研究[J];微计算机信息;2012年10期

3 李睿;耿璐;程武山;;基于机器视觉的螺母定位系统[J];机床与液压;2013年23期

4 孙海杰;林俊强;李铮涛;李涛;欧阳高飞;;基于彩色机器视觉的多晶硅太阳能电池颜色分选技术研究[J];制造业自动化;2012年21期

5 居玲;;基于机器视觉的太阳能电池片位置误差检测[J];机械制造与自动化;2012年05期

6 徐红霞;郑龙;王厅列;赵晓东;李方洲;;基于机器视觉的色环电阻阻值测量[J];中国科技信息;2009年24期

7 吴杰;;基于机器视觉的电线绝缘厚度自动测量设备的研究[J];中国新技术新产品;2010年05期

8 马飞;刑立国;程荣花;鲁书喜;;基于机器视觉的挤包型电缆表层色斑点检测[J];平顶山学院学报;2013年02期

9 陈向伟;肖冰;高强;;基于机器视觉的电容器铝壳端面缺陷检测[J];制造技术与机床;2013年12期

10 ;肖特和MORITEX推出LED照明产品系列Compa Vis——专为中国市场量身打造的新品牌机器视觉产品[J];现代显示;2012年11期

相关硕士学位论文 前10条

1 陈昕然;基于机器视觉的电力仪表自动检定系统研究[D];哈尔滨工业大学;2015年

2 李高磊;基于机器视觉的无人机电力巡线技术研究[D];安徽理工大学;2016年

3 陈观应;基于机器视觉的干电池缺陷并行检测方法研究[D];广东工业大学;2016年

4 李桥;基于机器视觉的太阳能电池外观检测技术研究[D];苏州大学;2016年

5 卞桂平;基于机器视觉的电容器表面缺陷检测系统的研究与开发[D];江苏科技大学;2016年

6 褚乐添;基于视觉的LED照明产品的自动装配[D];上海交通大学;2015年

7 张晓涛;基于机器视觉的电器安全性能测试功能扩充及测试平台[D];广东工业大学;2005年

8 刘玉峰;基于机器视觉的手机电池尺寸检测研究[D];安徽理工大学;2013年

9 郭金华;基于机器视觉的双尖灯泡检测系统研发[D];广东工业大学;2015年

10 汪成;基于机器视觉和直线电机的连接器检测系统开发[D];广东工业大学;2013年

，

本文编号：2539607