硅太阳能电池阵列缺陷的检测与识别方法研究

VIP免费

3.0 牛悦 2024-11-19 4 4 3.81MB 76 页 15积分

侵权投诉

摘要

随着光伏发电这种新兴产业的蓬勃发展，用户对光伏产品的质量提出了更高

的要求。硅太阳能电池片的质量检测是生产中非常重要的环节之一。由于电池片

缺陷的种类对电池的性能、寿命及工作效率影响不同，因此对其进行检测和分类

识别是十分有必要的。由于目前国内的太阳电池检测技术还不成熟，检测方法相

对国外较落后，因此对其图像处理方法的研究有重要的意义。本文根据电致发光

原理，通过数字图像处理的方法对硅太阳能电池缺陷问题作了相关的研究工作。

本文首先简要回顾了在太阳能电池缺陷检测领域的研究现状，简要交待硅太

阳能电池的工作原理和生产工艺，并归纳其常见的缺陷；在比较常用的检测方法

基础上，选用了电致发光法采集图像；接着总结了数字图像的主要处理方法，提

出了针对硅太阳能电池缺陷处理的整体工作方案。

在硅太阳能电池图像的去噪处理这一重要的步骤上，采用了通过 Haar 小波的

软阈值降噪的办法，得到了较传统方法更好的效果。之后对降噪的灰度图像采用

了自适应直方图均衡化的方法，对图像进行直方图增强。为了突出图像缺陷的边

缘等特征，采用拉普拉斯算子算子进行锐化。又根据不同缺陷图像的特点，采用

分类分割的方法：对细节明显的图像采用 Canny 算子分割，对细节不明显的图像

则运用 C-V 模型，采用有限差分半隐式方案求解方法分割。然后图像经过形态学

处理，选取其特征采用线性分类器对缺陷进行识别分类。对硅太阳能电池缺陷图

像的整个处理过程均在 MATLAB R2009a 上实现和验证。经过对实验得到的数据

的分析，验证了这种处理办法正确可行。

关键词：太阳电池缺陷电致发光图像处理识别

ABSTRACT

With this new industry (photovoltaic) power of booming development, users to the

quality of the photovoltaic products put forward higher request. Silicon solar cells’

quality testing is very important in the production of one of the link. Because of the type

of defect battery to the battery life and performance, efficiency is different, so the

detection and classification is very necessary. While the present domestic solar cell

detection technology still not advanced, detection method is relatively backward abroad,

so the image processing method research has important significance. This paper

according to electroluminescent principle, through the digital image processing methods

of the defects of silicon solar energy problems related research work.

This paper firstly reviews in solar cell defects detection of research in the field of

present situation, this paper briefly explain silicon solar cells work principle and

production process, and sums up the common defects; More commonly used in the

detection based on method, choose the electroluminescent method acquisition image;

Then summarized the main processing method of digital image, the paper silicon solar

cell defects treatment whole work plan.

For silicon solar cells in image denoising this important step, used through the

Haar wavelet soft threshold noise reduction method, get better effect than the traditional

methods. The noise of the gray image after using the method of adaptive histogram

equalization, enhance the image histogram. In order to give prominence to the edge of

the defect image features, such as using Laplace operator operators are sharpening. And

according to the different characteristics of the defect images, the classification

segmentation method: the details of the obvious image segmentation Canny operator,

the details are not obvious image used the C-V level set method division. And then the

image after morphological processing, the selection of its features using linear classifier

to defect recognition classification. For silicon solar cell defects of the image of the

process are in MATLAB R2009a realize and verified. To get through the analysis of the

data, shows that this treatment method is feasible.

Key Words ：Solar cells ，defects ，electroluminescent ，Image

processing，Recognition

中文摘要

ABSTRACT

第一章绪论 ...................................................... 1

§1.1 课题研究的背景及意义 ....................................... 1

§1.2 国内外的研究现状 ........................................... 2

§1.2.1 国外研究现状 ............................................2

§1.2.2 国内研究现状 ............................................3

§1.3 论文研究的主要内容 ......................................... 4

第二章硅太阳能电池综述及其图像检测的理论基础 .................... 5

§2.1 硅太阳电池简介 ............................................. 5

§2.1.1 太阳电池的种类 ..........................................5

§2.1.2 硅太阳电池的工作原理及其特性 ............................5

§2.1.3 硅太阳电池的常见生产工艺 ................................7

§2.1.4 硅太阳电池的常见缺陷 ...................................10

§2.2 缺陷检测方法及基本原理 .................................... 13

§2.2.1 太阳能电池表面缺陷检测常用的检测手段 ...................13

§2.2.2 电致发光原理简述 .......................................14

§2.3 数字图像处理基础 .......................................... 14

第三章硅太阳能电池检测与识别的总体方案 ......................... 18

§3.1 硅太阳能电池近红外图像的采集 .............................. 18

§3.2 总体检测与识别方案 ........................................ 21

§3.2.1 电池图像处理与识别总体方案简介 .........................21

§3.2.2 电池组件图像的几何校正 .................................22

§3.2.3 电池组件的单片划分 .....................................24

§3.2.4 其他后续处理 ...........................................27

第四章基于小波和多尺度模型的图像增强算法的研究 ................. 28

§4.1 噪声及常用图像去噪算法 .................................... 28

§4.1.1 硅太阳能电池噪声的来源分析 .............................28

§4.1.2 常用图像去噪方法 .......................................29

§4.2 基于 Haar 小波的阈值法去噪 ................................. 31

§4.2.1 小波与小波变换 .........................................31

§4.2.2 多分辨率分析与 Mallat 算法 .............................. 33

§4.2.3 缺陷图像噪声的 Haar 小波去除 ............................35

§4.3 去噪图像的自适应直方图均衡化 .............................. 37

§4.4 去噪后图像的锐化 .......................................... 39

§4.5 实验结果与分析 ............................................ 40

第五章缺陷图像的检测与分割算法研究 ............................. 46

§5.1 图像分割方法概述 .......................................... 46

§5.1.1 基于边缘的图像分割 .....................................46

§5.1.2 基于阈值的图像分割 .....................................47

§5.1.3 基于区域的图像分割 .....................................48

§5.2 缺陷的分类分割 ............................................ 49

§5.3 缺陷图像的变分-偏微分分割方法 ............................. 51

§5.3.1Mumford- Shah 自由边界分割模型 ......................... 51

§5.3.2 缺陷图像的 Chan-Vese 水平集算法分割 ..................... 52

§5.4 实验结果与分析 ............................................ 54

第六章太阳电池缺陷的特征描述与识别 ............................. 58

§6.1 缺陷图像的形态学处理 ...................................... 58

§6.2 缺陷的分类与识别 .......................................... 59

§6.2.1 缺陷图像的特征分析与选择 ...............................59

§6.2.2 缺陷的分类与识别 .......................................61

§6.3 实验结果与分析 ............................................ 63

第七章总结与展望 ............................................... 67

§7.1 总结 ...................................................... 67

§7.2 展望 ...................................................... 67

参考文献 ........................................................ 69

在读期间公开发表的论文和承担科研项目及取得成果 .................. 73

致谢 .......................................................... 74

第一章绪论

§1.1 课题研究的背景及意义

能源在人类的生产和生活中扮演着非常重要的角色。随着煤炭、石油等化石

燃料日趋枯竭，能源供给紧张与能源需求旺盛的矛盾越来越突出，能源问题现已

成为制约可持续发展的瓶颈之一。用新能源替代现有的化石能源，是有效缓解能

源危机的必然途径。而作为新型替代能源之一的太阳能，在未来能源格局中的地

位则尤为突出。

与传统能源比较，太阳能具有如下优点：

能源充足。相对于人类来说，太阳能是取之不尽、用之不竭的，能极大地缓

解化石燃料的枯竭对人类的生产和生活带来的影响。

绿色、环保、无污染。太阳能可直接把光能转换为热能、电能，而无需经过

化学变化。与传统能源的供能方式相比较，能源使用过程中没有通过燃烧等化学

过程，即太阳能在转化为人类所能直接利用的能源的过程中，不会产生温室气体

和有害气体（传统能源在转换过程中必然产生的、目前我们已知的二氧化碳、一

氧化碳、硫化物、粉尘等），能有效地缓解温室效应进程，并减轻对环境的污染。

可分布式供能，方式灵活。目前传统能源主要采取集中型的供能方式，对太

阳能的利用可以改变这种供能方式，可以充分利用建筑物向阳部分铺设太阳能光

伏发电板、制热装备，组成分布式的能量供应体系，并相互连通。在突发情况（如

灾害、战争等）发生时，部分供能区域受到破坏时，受影响仅为该区域，而不会

影响其他区域，能够最大限度的保障社会各种生产、生活活动的进行，不会造成

破坏性、毁灭性的影响。

对太阳能的利用，目前主要集中在两个方面：一种是将太阳能转化为热能，

如太阳能集热器、太阳能温室、太阳能空调和制冷系统以及生活中的太阳能热水

器等等；另一种是将太阳能转化为电能，这种转化则集中在光伏发电上。

光伏是一种当半导体受到光照可以从半导体产生直流电的发电技术[1]。当有光

照射到太阳电池上时，它就产生电能；当光照结束，发电过程也结束。

而作为光伏发电的主要载体，硅太阳能电池在将太阳能转化为电能的过程中

占有举足轻重的地位。硅太阳电池的性能和质量直接影响着太阳能电池阵列的转

换效率和使用寿命。太阳电池的相关生产和使用规范上，都对太阳电池片的裂纹、

碎片、断栅、虚焊、缺角、崩边以及黑片等电池片缺陷比例有较为严格的要求；

由于太阳能电池板的表面以及边缘缺陷会影响到其整体系统的光电转换效率及使

硅太阳能电池阵列缺陷的检测与识别方法研究

用周期，所以对其表面的缺陷检测就变得十分重要[2]。

太阳能电池片缺陷的识别主要是传统的靠目测法，由工程技术人员对缺陷的

位置、面积、长度及宽度进行检测和记录，然后把测量记录获取的数据进行归类

和统计，并存档。这种方法工作量大且效率较低，检测结果受制于检测人员的视

力、主观意识、身体状态、疲劳度等；其次这种检测方法的粗大误差较多，从而

给检测结果带来较大的偏差，导致测量精度不理想；另外这种方法且漏检的情况

比较多，而且检测到的大多数是玻璃盖片上的碎片，有时甚至不能检测到硅片上

的缺陷，对隐形缺陷更是无法检测；还有就是长期对硅片检测，由于电池中含有

少量铜等重金属，因此对检测人员的健康不利。

国内在太阳能电池缺陷检测方法上，除无锡尚德等少数较为先进的光伏企业

引进了国外的检测技术外，其他多数企业依然用传统的目测法或者交给第三方专

门的检测单位处理。这样无形当中提高了企业的生产成本，延长了生产周期，增

加了企业的负担，从而导致生产效率无法提高，对提高竞争不利，因此在太阳能

电池组件的检测技术，尤其是在图像处理和特征识别技术上进行比较、改进是十

分有必要的。这也就是本课题研究的意义所在。

§1.2 国内外的研究现状

§1.2.1 国外研究现状

针对太阳能电池缺陷的检测，国外的研究开展较早，以对电池片内部缺陷机

理的为重点研究方向，对于缺陷的检测已有多种高精度商用设备。

其中美国颐光科技公司针对硅、多元化合物和高分子材料制备的各种系列的

太阳能电池，都准备了不同的测试系统，其测试系统信噪比高，设备运行稳定，

能实现长期自动化检测，且测试结果在业内具有一定的代表性[2]。

美国康耐视公司的 In-Sight 传感系统已被运用于德国太阳能电池制造商

Würth Solar 的太阳能电池板的生产线，可以实现太阳能电池片缺陷的自动检测[3]。

德国 OPTESTING AB 公司对太阳电池片缺陷检测领域提供了较为全面的解

决方案。该公司通过电致发光和光致发光原理研制了多种检测仪器，可以对原料

太阳能晶片和成品太阳能电池片进行检测。其中，SW I-1 型基于光致发光原理的

太阳能晶片检测设备，能检测出晶片上的、堵孔、杂质沉淀和脏污；同时另外一

些检测仪器运用电致发光原理，可以检测出隐裂、显裂、电极接触缺陷和低效片

等缺陷。

德国 InfraTec(英福泰克)利用 ORI 图像增强功能，即 ORI(Optic Resolution

Improvement)光学分辨率提升，研发了与插值法原理不同的、采用独特的的四次微

扫光机成像的技术。并利用光机位移成像技术，将 4次采样结果生成一帧高分辨

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要随着光伏发电这种新兴产业的蓬勃发展，用户对光伏产品的质量提出了更高的要求。硅太阳能电池片的质量检测是生产中非常重要的环节之一。由于电池片缺陷的种类对电池的性能、寿命及工作效率影响不同，因此对其进行检测和分类识别是十分有必要的。由于目前国内的太阳电池检测技术还不成熟，检测方法相对国外较落后，因此对其图像处理方法的研究有重要的意义。本文根据电致发光原理，通过数字图像处理的方法对硅太阳能电池缺陷问题作了相关的研究工作。本文首先简要回顾了在太阳能电池缺陷检测领域的研究现状，简要交待硅太阳能电池的工作原理和生产工艺，并归纳其常见的缺陷；在比较常用的检测方法基础上，选用了电致发光法采集图像；接着总结了...

展开>> 收起<<

硅太阳能电池阵列缺陷的检测与识别方法研究.pdf

共76页,预览8页

还剩页未读，继续阅读

硅太阳能电池阵列缺陷的检测与识别方法研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: