| 中文摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 太阳能电池板表面缺陷检测工作的国内外研究现状 | 第12-14页 |
| 1.3 本文的创新点及结构安排 | 第14-16页 |
| 1.3.1 本文的创新点 | 第14-15页 |
| 1.3.2 本文的结构安排 | 第15-16页 |
| 第二章 太阳能电池板的实验样本分析 | 第16-25页 |
| 2.1 太阳能电池的分类 | 第16-18页 |
| 2.1.1 单晶硅太阳能电池 | 第16-17页 |
| 2.1.2 多晶硅太阳能电池 | 第17-18页 |
| 2.1.3 非晶硅太阳能电池 | 第18页 |
| 2.1.4 化合物太阳能电池 | 第18页 |
| 2.2 太阳能电池板图像样本的特点 | 第18-20页 |
| 2.3 图像样本的扩充 | 第20-21页 |
| 2.4 太阳能电池板的分类要求 | 第21-24页 |
| 2.5 本文图像分类系统的流程 | 第24-25页 |
| 第三章 太阳能电池板图像的预处理 | 第25-44页 |
| 3.1 颜色模型的选择 | 第25-33页 |
| 3.1.1 几种常见的颜色模型简介 | 第25-28页 |
| 3.1.2 RGB模型和YUV模型的实验效果对比 | 第28-33页 |
| 3.2 实验样本的角度矫正及裁剪 | 第33-39页 |
| 3.2.1 基于霍夫变换的直线检测原理 | 第33-35页 |
| 3.2.2 本文的栅线检测方法 | 第35-37页 |
| 3.2.3 样本图像的裁剪方法 | 第37-39页 |
| 3.3 去除样本表面栅线的方法 | 第39-43页 |
| 3.3.1 竖直栅线的定位与去除 | 第40-41页 |
| 3.3.2 水平栅线的处理 | 第41-43页 |
| 3.4 样本图像的尺寸规格化 | 第43-44页 |
| 第四章 样本特征提取方法 | 第44-59页 |
| 4.1 一级分类器的分类特征——U2LBP特征 | 第44-54页 |
| 4.1.1 LBP特征的介绍 | 第44页 |
| 4.1.2 LBP特征的性能分析 | 第44-46页 |
| 4.1.3 LBP特征的计算过程 | 第46-50页 |
| 4.1.4 U2LBP算法及样本的U2LBP特征分析 | 第50-54页 |
| 4.2 U2LBP特征提取算法的改进 | 第54-57页 |
| 4.3 二级分类器的分类特征——局部对比度特征 | 第57-59页 |
| 第五章 分类实验及结果分析 | 第59-64页 |
| 5.1 分类系统的性能要求 | 第59页 |
| 5.2 分类系统的硬件和软件平台 | 第59-60页 |
| 5.3 图像识别系统的性能分析 | 第60-64页 |
| 5.3.1 不同操作系统之间的时间差异 | 第60-61页 |
| 5.3.2 训练样本数对识别率的影响 | 第61-63页 |
| 5.3.3 U2LBP特征数量对识别率的影响 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间取得的相关科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |