多晶硅電池片在太陽(yáng)能光伏行業(yè)應(yīng)用十分廣泛,但在多晶硅電池片的實(shí)際生產(chǎn)中不可避免的會(huì)出現(xiàn)裂紋、崩邊、斷角、色差等缺陷,無(wú)缺的電池片也會(huì)存在顏色差異,嚴(yán)重影響到電池片的發(fā)電效率和組件的美觀性,因此需對(duì)電池片進(jìn)行檢測(cè)。具有非接觸、檢測(cè)速度快等優(yōu)點(diǎn)的機(jī)器視覺表面檢測(cè)技術(shù)廣泛應(yīng)用于電池片檢測(cè),檢測(cè)算法是實(shí)現(xiàn)機(jī)器視覺檢測(cè)的關(guān)鍵技術(shù),本文對(duì)多晶硅電池片的色差檢測(cè)和顏色分類算法進(jìn)行研究。主要研究?jī)?nèi)容如下:（1）圖像預(yù)處理。為了給后續(xù)的色差檢測(cè)和顏色分類提供高質(zhì)量的圖像支持,首先分析原始電池片圖像的特點(diǎn),針對(duì)原始圖像的傾斜問題,通過閾值分割、邊緣輪廓檢測(cè)等方法實(shí)現(xiàn)電池片圖像的傾斜校正;針對(duì)傳送帶等外界特征干擾問題,通過構(gòu)建頂點(diǎn)坐標(biāo)的方法確定電池片的位置,實(shí)現(xiàn)對(duì)于電池片區(qū)域的高效提取。（2）基于最大區(qū)域?qū)Ρ榷鹊纳顧z測(cè)。針對(duì)多晶硅電池片色差檢測(cè)問題,本文在分析多晶硅電池片色差缺陷的特點(diǎn)的基礎(chǔ)上,提出一種基于最大區(qū)域?qū)Ρ榷鹊臋z測(cè)方法。該方法通過顏色空間轉(zhuǎn)換、通道分離、閾值分割、區(qū)域?qū)Ρ鹊确椒▽⑸羁梢蓞^(qū)域與圖像的背景區(qū)域進(jìn)行分離,并以此為基礎(chǔ)實(shí)現(xiàn)對(duì)電池片圖像的特征提取和表征,利用分類算法完成對(duì)多晶硅電池片色... 

【文章來源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

電池片圖像閾

第 3 章 基于最大區(qū)域?qū)Ρ榷鹊亩嗑Ч桦姵仄顧z測(cè)FN ——將正常圖像預(yù)測(cè)為缺陷圖像的數(shù)量；FP ——將缺陷圖像預(yù)測(cè)為正常圖像的數(shù)量。多晶硅電池片測(cè)試集和整個(gè)數(shù)據(jù)集的混淆矩陣如表 3-4，3-5 所示，其中測(cè)試集中只有一張顏色不均圖像被錯(cuò)誤地預(yù)測(cè)為正常圖像，精確度為 96.88%，誤檢率為 5%；而整個(gè)數(shù)據(jù)集中有兩張顏色變色圖像和一張顏色不均圖像被錯(cuò)誤地預(yù)測(cè)為正常圖像，精確度為 98.11%，誤檢率為 3%，檢測(cè)速度為 109ms，利用訓(xùn)練好的 SVM 模型對(duì)電池片進(jìn)行色差檢測(cè)的結(jié)果如圖 3-10 所示。表 3-4 基于測(cè)試集的混淆矩陣 表 3-5 基于整個(gè)數(shù)據(jù)集的混淆矩陣顏色變色 顏色不均 正常顏色變色 12 0 0顏色不均 0 7 1正常 0 0 12顏色變色 顏色不均 正常顏色變色 49 0 2顏色不均 0 51 1正常 0 0 56

使用該模型完成電池片顏色分類。4.1 電池片顏色分類概述太陽(yáng)能電池片的主要作用是將光能轉(zhuǎn)化為電能，影響太陽(yáng)能電池片光電轉(zhuǎn)化效率的因素有很多，其中制作氮化硅減反射膜是提高光電轉(zhuǎn)化效率的一種重要方式，但是由于工藝問題造成制作的膜厚并不是完全一致，使得多晶硅太陽(yáng)能電池片表面顏色深淺不一。在電池片的銷售過程中，電池片組件的顏色一致性是影響其銷售數(shù)量和銷售價(jià)格的重要因素，所以在實(shí)際生產(chǎn)過程中，需要對(duì)電池片的顏色進(jìn)行分類。傳統(tǒng)的顏色分類方法是尋找可以表征該圖像顏色的顏色特征值，然后利用分類器對(duì)其進(jìn)行分類，但這種方法在尋找最優(yōu)顏色特征方面是較為漫長(zhǎng)的，同時(shí)當(dāng)所要區(qū)分的顏色種類較多時(shí)，一些顏色特征值可能較為接近，區(qū)分難度較大。本文在顏色分類方法上借鑒了文獻(xiàn)[23]：利用卷積神經(jīng)網(wǎng)絡(luò)方法來識(shí)別顏色。該方法可以自動(dòng)完成對(duì)特征的提取，通過離線訓(xùn)練和在線檢測(cè)來完成對(duì)電池片圖像的顏色分類，如圖 4-1 所示。離線訓(xùn)練

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器視覺表面缺陷檢測(cè)綜述[J]. 湯勃,孔建益,伍世虔.  中國(guó)圖象圖形學(xué)報(bào). 2017(12)
[2]基于機(jī)器視覺的太陽(yáng)能電池顏色自動(dòng)分選研究[J]. 周奇,孫智權(quán),趙不賄,陶鶴鳴.  組合機(jī)床與自動(dòng)化加工技術(shù). 2017(10)
[3]太陽(yáng)電池自適應(yīng)色系分類方法研究[J]. 孫智權(quán),童鋼,趙不賄,張千,周奇,呂興琴.  太陽(yáng)能學(xué)報(bào). 2017(06)
[4]基于改進(jìn)最大類間方差法的手勢(shì)分割方法研究[J]. 李擎,唐歡,遲健男,邢永躍,李華通.  自動(dòng)化學(xué)報(bào). 2017(04)
[5]基于機(jī)器視覺的太陽(yáng)能電池片表面缺陷檢測(cè)研究現(xiàn)狀及展望[J]. 錢曉亮,張鶴慶,陳永信,曾黎,刁智華,劉玉翠,楊存祥.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(01)
[6]基于HCGA的三坐標(biāo)測(cè)量路徑優(yōu)化[J]. 吳鳳和,孫迎兵,王鑫.  計(jì)量學(xué)報(bào). 2016 (03)
[7]基于高斯混合模型的太陽(yáng)電池片顏色分類設(shè)想與驗(yàn)證[J]. 封小云,邱龍剛.  太陽(yáng)能. 2016(03)
[8]最小化類內(nèi)距離和分類算法[J]. 王曉初,王士同,包芳,蔣亦樟.  電子與信息學(xué)報(bào). 2016(03)
[9]基于彩色機(jī)器視覺的多晶硅太陽(yáng)能電池顏色分選技術(shù)研究[J]. 孫海杰,林俊強(qiáng),李錚濤,李濤,歐陽(yáng)高飛.  制造業(yè)自動(dòng)化. 2012(21)
[10]隨機(jī)紋理圖像的色差檢測(cè)[J]. 高春甫,賀新升,唐可洪,程麗麗.  光學(xué)精密工程. 2009(08)

碩士論文
[1]基于HALCON的太陽(yáng)能電池片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[D]. 周奇.江蘇大學(xué) 2017
[2]多晶硅表面缺陷識(shí)別及軟件檢測(cè)系統(tǒng)設(shè)計(jì)與開發(fā)[D]. 王晗.上海交通大學(xué) 2014
[3]基于機(jī)器視覺的硅片表面缺陷檢測(cè)和顏色檢測(cè)[D]. 李春龍.江南大學(xué) 2013
[4]基于顏色空間剖分的彩色圖像分割算法研究[D]. 王菁.曲阜師范大學(xué) 2010



本文編號(hào)：3388060