本文關鍵詞：基于機器視覺的太陽能電池外觀檢測技術研究　出處：《蘇州大學》2016年碩士論文　論文類型：學位論文

  更多相關文章： 太陽能電池 機器視覺 缺陷檢測 圖像分割 相機標定 桶形畸變

【摘要】：隨著能源需求的不斷增長,太陽能作為一種清潔環(huán)保的可再生資源,逐漸開始被廣泛利用。太陽能電池在制作過程中通常需要通過嚴格的質(zhì)量檢測,如是否存在物理破損、表面劃痕,是否存在斷柵,印刷圖案是否清晰正確等問題。傳統(tǒng)工業(yè)模式下,這些檢測工序需要檢測人員人工目測,人工檢測不僅檢測效率低下而且容易出現(xiàn)因視覺疲勞和主觀臆斷造成檢測錯誤情況。近年來隨著計算機技術和數(shù)字圖像處理技術的快速發(fā)展,使得利用機器視覺對太陽能電池進行外觀缺陷檢測成為現(xiàn)實。本文首先分析了一般檢測系統(tǒng)中使用簡單閾值法進行圖像分割的缺點,由于亮度不均以及缺陷區(qū)域?qū)Ρ榷炔桓?使用單一閾值往往容易造成圖像分割錯誤。針對此問題,通過結合局部自適應閾值處理法和區(qū)域生長法的優(yōu)點,提出了一種更為有效的圖像分割方法。實驗結果驗證新方法對亮度不均具有較好的魯棒性,并且能夠準確的提取隱藏型的外觀缺陷。太陽能電池組件通常由多個太陽能電池片通過串聯(lián)焊接在一起,因此相機標定的精度對于太陽能視覺檢測系統(tǒng)也尤為重要。但是用于圖像采集的廣角鏡頭存在桶形畸變。本文采用基于線性插值的畸變校準方法,并利用最小二乘法對內(nèi)部柵線進行直線擬合,較少了鏡頭畸變造成的坐標誤差。最后,本文在Windows平臺上實現(xiàn)了太陽能外觀視覺檢測系統(tǒng),程序測試結果表明本文所述缺陷檢測方法和坐標標定方法均具有較好的可行性和較高的準確度。
[Abstract]:With the growing demand for energy, solar energy as a renewable resource, gradually began to be widely used in the production process. The solar battery is usually required by strict quality testing, such as the presence of physical damage, surface scratches, the presence of broken gate, the printing pattern is clear and correct. The traditional industrial mode. These detection procedures need to detect artificial visual inspection, manual testing is not only low detection efficiency and prone to visual fatigue and subjective cause detection error. In recent years, with the rapid development of computer technology and digital image processing technology, the solar cell appearance defect detection based on machine vision become a reality. This paper firstly analyzes the general detection system use a simple threshold method of defect image segmentation, because of uneven brightness and defect area of High contrast, using a single threshold image segmentation is often likely to cause errors. To solve this problem, by combining the advantages of local adaptive thresholding method and region growing method, put forward a more effective method in image segmentation. The experimental results verify that the new method of uneven brightness has better robustness, and can look accurate extraction of hidden defects. Solar cell components are usually composed of a plurality of solar cells by welded together in series, so the precision of camera calibration for the solar visual detection system is also very important. But the existence of barrel distortion of wide-angle lens for image acquisition. This paper uses distortion calibration method based on linear interpolation, and linear fitting the internal gate line by using least squares method, less error caused by coordinate lens distortion. Finally, this paper implements solar appearance on the Windows platform The result of the program test shows that the defect detection method and the coordinate calibration method described in this paper have good feasibility and high accuracy.

【學位授予單位】：蘇州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TM914.4

【相似文獻】

相關期刊論文 前10條

1 錢競業(yè);;機器視覺的發(fā)展方向探討[J];現(xiàn)代制造;2006年06期

2 傅昆;;行者無疆——機器視覺的中國崛起[J];現(xiàn)代制造;2006年21期

3 ;機器視覺的應用使生產(chǎn)加工更加智能、高效[J];現(xiàn)代制造;2009年06期

4 張楠;;機器視覺正迎來發(fā)展的“春天”[J];中國包裝工業(yè);2012年02期

5 文浩;;歐洲機器視覺市場發(fā)展迅速[J];儀表工業(yè);1993年03期

6 戴君,趙海洋,馮心海;機器視覺[J];機械設計與制造工程;1998年04期

7 劉曙光,劉明遠,何鉞;機器視覺及其應用[J];機械制造;2000年07期

8 謝勇,彭濤;機器視覺及其在現(xiàn)代包裝行業(yè)中的應用[J];株洲工學院學報;2002年04期

9 唐向陽,張勇,李江有,黃崗,楊松,關宏;機器視覺關鍵技術的現(xiàn)狀及應用展望[J];昆明理工大學學報(理工版);2004年02期

10 顏發(fā)根,劉建群,陳新,丁少華;機器視覺及其在制造業(yè)中的應用[J];機械制造;2004年11期

相關會議論文 前10條

1 趙磊;董吉文;李金屏;;拓撲理論在機器視覺中的研究進展[A];全國第十五屆計算機科學與技術應用學術會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學會、河北省計算機學會、河北省自動化學會、河北省人工智能學會、河北省計算機輔助設計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學術年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術研究[A];第十一屆全國包裝工程學術會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術高層論壇暨第九屆制造業(yè)自動化與信息化技術研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應用研究[A];中國糧油學會第三屆學術年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應用綜述[A];2007年中國農(nóng)業(yè)工程學會學術年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

相關重要報紙文章 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術產(chǎn)業(yè)導報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術產(chǎn)業(yè)導報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學技術轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

相關博士學位論文 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學;2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學;2014年

3 田明銳;基于機器視覺的散料裝車控制系統(tǒng)研究[D];長安大學;2016年

4 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學;2013年

5 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學;2006年

6 龔愛平;基于嵌入式機器視覺的信息采集與處理技術研究[D];浙江大學;2013年

7 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學;2009年

8 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學;2006年

9 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學;2004年

10 程洪;面向園藝應用的機器視覺目標辨識方法創(chuàng)新[D];中國農(nóng)業(yè)大學;2015年

相關碩士學位論文 前10條

1 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學;2015年

2 許哲;基于機器視覺的快速測溫熱電偶焊接技術研究[D];河北聯(lián)合大學;2014年

3 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學;2015年

4 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關系研究[D];華南理工大學;2015年

5 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學;2015年

6 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學;2015年

7 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學;2015年

8 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學;2015年

9 馮康;基于機器視覺的棉花識別與定位技術的研究[D];石河子大學;2015年

10 須嘯海;嵌入式智能交通車流量監(jiān)控系統(tǒng)的實現(xiàn)[D];電子科技大學;2015年

，

本文編號：1409617