热成像太阳能单晶硅片裂纹检测方法.docx

摘  要：太阳能资源取之不尽用之不竭，它是二十一世纪最具潜力的可再生能源。全球不可再生能源短缺，非可再生资源对环境的污染日益严重，太阳能光伏发电技术凭借其便捷、高效、清洁和安全的优势，已经成为备受世界关注的新兴产业。在此背景下，全球光伏发电产业迅猛发展，产业规模也在不断扩大，光伏组件的质量决定着太阳能电池板的光电转换效率。由于光伏组件的材料比较特殊，仅用肉眼去检查缺陷，不仅效率低下，而且错检、漏检的概率极高，因此利用计算机技术，设计合适的机器视觉检测算法，并与工业生产线相结合，显得尤其重要。

本文先从最基本的光伏组件的基本组成开始，简单概括并介绍了当前太阳能电池板的缺陷检测算法现状以及研究意义；然后对工业上光伏组件的常见缺陷和生产过程中的图像采集方式进行了概述。接着是对采集的图像进行图像预处理，主要是通过图像平滑和形态学处理，在消除图像裂纹的基础上获取图像的二值化模板；接着，通过Canny算子对预处理后的图像进行边缘检测，利用霍夫变换定位到图像中的栅线位置；填充栅线后，通过图像二值化，只保留图像中的裂纹。最后通过图像像素在水平和垂直方向上的分布，获取裂纹的坐标，并在原始图像中框出裂纹的具体位置。完成算法后，进行相关的隐裂的检测测试，来论证本算法是否到达了稳健性的标准。在检测测试中，为了能够提现本文算法的优势，将本文算法与基于生物视觉模型的缺陷检测算法进行对比。发现本文算法，无论是在隐裂的识别率和算法的运行速度上面，都要优于同等的隐裂识别算法。

关键字：形态学处理；Canny算子；边缘检测

目录

摘要

Abstract

1绪论-1

1.1研究背景及意义-1

1.2光伏组件缺陷检测技术的国内外现状-2

1.3论文主要工作和内容-3

2待检测图像的采集和裂纹特征介绍-5

2.1光伏组件外形简介-5

2.2光伏组件图像采集及其原理简介-6

2.2.1采用光致发光的光伏组件成像原理-6

2.2.2采用电致发光的光伏组件成像原理-6

2.3光伏组件常见缺陷简介-7

2.3裂纹识别算法设计-8

3 图像预处理-10

3.1 用于去除图片噪声的中值滤波器-10

3.2 灰度级形态学图像处理-11

3.2.1 腐蚀和膨胀-12

3.2.2 开操作和闭操作-14

3.3 图像二值化-16

4 隐裂提取-20

4.1 Canny算法获取边缘图像-21

4.1.1 对图像进行高斯滤波-22

4.1.2 用一阶偏导的有限差分来计算梯度的幅值和方向-23

4.1.3 对梯度幅值进行非极大值抑制-23

4.1.4 用双阈值算法检测和连接边缘-24

4.2 Hough变换定位栅线-25

4.3 填充栅线并去除-27

4.4 基于图像投影定位确定裂纹位置-29

5算法测试和结果分析-32

5.1 算法对比实验-32

5.1.1 基于生物视觉模型的检测算法-32

5.1.2基于频域分析的检测算法-35

5.13 基于机器学习的裂纹检测算法-36

5.2 实验结果分析-37

6 总结-39

参 考 文 献-40

致 谢-42