| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题的研究背景及研究意义 | 第12-13页 |
| ·课题的研究背景 | 第12页 |
| ·课题的研究意义 | 第12-13页 |
| ·太阳能电池板缺陷检测的研究现状 | 第13-14页 |
| ·硬件主导的太阳能电池板缺陷检测方法 | 第13页 |
| ·软件主导的太阳能电池板缺陷检测方法 | 第13-14页 |
| ·太阳能电池板图像特点及检测难点 | 第14-16页 |
| ·太阳能电池板实物图特征 | 第14-15页 |
| ·光致发光太阳能电池板图像特点及检测难点 | 第15-16页 |
| ·本文的主要内容及章节安排 | 第16-17页 |
| 第二章 基于计算机视觉的检测技术基础 | 第17-29页 |
| ·检测图像采集的基本方法 | 第17-20页 |
| ·太阳能电池发光特征 | 第17页 |
| ·电致发光的短波红外成像 | 第17-18页 |
| ·光致发光的太阳能电池成像 | 第18-19页 |
| ·其他采集方法及本文方法 | 第19-20页 |
| ·相关的数字图像处理知识 | 第20-25页 |
| ·OTSU 阈值化处理 | 第20-21页 |
| ·图像形态学操作 | 第21-22页 |
| ·Blob 分析 | 第22-23页 |
| ·其他图像处理方法 | 第23-25页 |
| ·视觉感知模型与分类识别的理论基础 | 第25-27页 |
| ·视觉感知模型的理论基础 | 第25-26页 |
| ·分类识别的理论基础 | 第26-27页 |
| ·检测结果的评估与分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 太阳能电池板图像预处理技术 | 第29-36页 |
| ·引言 | 第29页 |
| ·去噪声斑处理 | 第29-32页 |
| ·高斯拉普拉斯算子 | 第29-31页 |
| ·自适应维纳滤波 | 第31-32页 |
| ·直方图序列化处理 | 第32-33页 |
| ·Percolation-Based 图像处理方法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于生物视觉模型的检测方法 | 第36-49页 |
| ·生物视觉感知系统生理机制 | 第36-38页 |
| ·视觉皮层 | 第36页 |
| ·视觉通路 | 第36-37页 |
| ·视觉感受野 | 第37-38页 |
| ·视觉选择注意 | 第38页 |
| ·基于生物视觉感知机理的特征计算模型 | 第38-43页 |
| ·Serre 标准模型 | 第38-42页 |
| ·其他改进模型 | 第42-43页 |
| ·太阳能电池板表面缺陷检测对比实验 | 第43-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文的工作总结 | 第49-50页 |
| ·工作的未来展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |