基于視覺的硅太陽(yáng)能電池檢測(cè)方法的研究.pdf

1、隨著能源危機(jī)的出現(xiàn)，太陽(yáng)能光伏發(fā)電已經(jīng)應(yīng)用在各個(gè)領(lǐng)域中，如日常生活、工業(yè)生產(chǎn)和農(nóng)業(yè)生產(chǎn)中。作為太陽(yáng)能光電轉(zhuǎn)換核心部分的太陽(yáng)能電池，其在生產(chǎn)過程中所產(chǎn)生的瑕疵，會(huì)導(dǎo)致光電轉(zhuǎn)換效率的下降和產(chǎn)品生產(chǎn)成本的提高，因此在生產(chǎn)過程中需對(duì)其進(jìn)行檢測(cè)。傳統(tǒng)的太陽(yáng)能電池檢測(cè)依賴于人工判別，存在著人工檢測(cè)易出現(xiàn)偏差誤判且成本偏高等弊端。本文將基于視覺的檢測(cè)算法應(yīng)用在硅太陽(yáng)能電池生產(chǎn)的各階段，依次為對(duì)太陽(yáng)能硅片瑕疵檢測(cè)算法的研究、對(duì)硅太陽(yáng)能電池片瑕疵檢測(cè)算法

2、的研究以及對(duì)硅太陽(yáng)能電池組件瑕疵檢測(cè)算法和分類算法的研究。
　　針對(duì)太陽(yáng)能硅片瑕疵檢測(cè)，本文采用近紅外LED作為光源設(shè)備和近紅外CCD相機(jī)作為圖像采集設(shè)備，得到太陽(yáng)能硅片表面和內(nèi)部的隱裂圖像。在隱裂瑕疵檢測(cè)算法設(shè)計(jì)上，根據(jù)隱裂瑕疵在硅片上呈現(xiàn)出低灰度級(jí)和高梯度級(jí)的特點(diǎn)，傳統(tǒng)邊緣檢測(cè)法或二值化法對(duì)于低對(duì)比度圖像并不適用。因此本文采用各向異性擴(kuò)散算法進(jìn)行隱裂檢測(cè)，算法根據(jù)圖像中不同的梯度分布，對(duì)高梯度值—瑕疵區(qū)域進(jìn)行銳化處理，對(duì)低梯度

3、值—無(wú)瑕疵區(qū)域進(jìn)行平滑處理，即實(shí)現(xiàn)在銳化瑕疵的同時(shí)抑制噪聲的目的。但在算法中，擴(kuò)散函數(shù)、銳化參數(shù)等數(shù)值的改變直接影響到瑕疵檢測(cè)的結(jié)果，目前也缺乏統(tǒng)一的擴(kuò)散函數(shù)表達(dá)方式。因此本文提出將改進(jìn)的異性擴(kuò)散算法作為圖像銳化算子進(jìn)行圖像邊緣提取后，根據(jù)確定的種子像素利用區(qū)域生長(zhǎng)算法將隱裂瑕疵從背景中分割出來，經(jīng)試驗(yàn)算法運(yùn)算精度高，可滿足在線太陽(yáng)能硅片瑕疵檢測(cè)的要求。
　　針對(duì)太陽(yáng)能電池片瑕疵檢測(cè)，本文在分析了各種圖像分割算法后，提出了一種改進(jìn)

4、的Otsu算法作為瑕疵特征提取方法。在線瑕疵檢測(cè)分為兩種情況:第一種為判斷電池片是否出現(xiàn)瑕疵，如果出現(xiàn)瑕疵則立即丟棄，不影響生產(chǎn);第二種為檢測(cè)出瑕疵電池片后需要對(duì)瑕疵進(jìn)行定位回溯，以使用戶發(fā)現(xiàn)造成瑕疵的原因，進(jìn)行產(chǎn)品質(zhì)量追蹤。針對(duì)第一種情況，本文在研究了典型瑕疵特征后，采用空間域的方法進(jìn)行瑕疵檢測(cè)。針對(duì)第二種情況，本文采用“空間域-＞頻率域-＞空間域”的圖像重建方法得到了無(wú)瑕疵圖像，再將原始圖像和重建圖像進(jìn)行差分運(yùn)算，進(jìn)而實(shí)現(xiàn)圖像瑕疵定

5、位。根據(jù)單晶硅和多晶硅表面紋理呈現(xiàn)出的差異性，對(duì)具有規(guī)律紋理特征的單晶硅太陽(yáng)能電池采用多解析度、多分辨率的小波變換進(jìn)行圖像重建;對(duì)具有隨機(jī)紋理特征的多晶硅太陽(yáng)能電池采用代表全局頻域信息的傅里葉圖像重建算法。
　　針對(duì)太陽(yáng)能電池組件瑕疵檢測(cè)，由于太陽(yáng)能電池組件是由一系列太陽(yáng)能電池片經(jīng)過串聯(lián)或并聯(lián)形式得到的，但瑕疵并不會(huì)出現(xiàn)在太陽(yáng)能電池組件中每個(gè)子部分。因此如果以單一電池片作為模板應(yīng)用前面介紹的圖像重建算法進(jìn)行逐一搜索，數(shù)據(jù)冗余大、并

6、且效率低。針對(duì)這一問題，本文采用通過訓(xùn)練得到的獨(dú)立成份分析(ICA)分離矩陣重構(gòu)待檢圖像，以增強(qiáng)瑕疵信息并濾除組件圖像的規(guī)律性紋理。ICA方法之一的FastICA具有了收斂速度快等優(yōu)點(diǎn)，但也存在當(dāng)初始點(diǎn)遠(yuǎn)離極值點(diǎn)而無(wú)法收斂等缺點(diǎn)，弱化了ICA算法的瑕疵檢測(cè)能力。本文提出將粒子群優(yōu)化算法(PSO)引入到FastICA算法中，由PSO算法得到的全局最佳位置作為最佳分類矩陣，并求出獨(dú)立分量IC，最后重建檢測(cè)圖像以判斷其是否存在瑕疵。針對(duì)太陽(yáng)能