| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 前言 | 第11页 |
| 1.2 课题研究背景和意义 | 第11-13页 |
| 1.2.1 课题研究背景 | 第11-12页 |
| 1.2.2 课题研究目的意义 | 第12-13页 |
| 1.3 太阳能电池瑕疵检测国内外研究概况 | 第13-16页 |
| 1.3.1 国外关于太阳能电池瑕疵检测研究情况 | 第13-14页 |
| 1.3.2 国内关于太阳能电池瑕疵检测研究情况 | 第14-16页 |
| 1.3.3 当前太阳能电池瑕疵检测面临的问题 | 第16页 |
| 1.4 本文主要研究内容和结构 | 第16-18页 |
| 2 太阳能电池瑕疵分类和检测方法综述 | 第18-38页 |
| 2.1 太阳能电池的工作原理和特性 | 第18-21页 |
| 2.1.1 太阳能电池结构和工作原理 | 第18-19页 |
| 2.1.2 太阳能电池的工作特性 | 第19-21页 |
| 2.2 太阳能电池的分类和生产工艺 | 第21-28页 |
| 2.2.1 太阳能电池分类 | 第21-24页 |
| 2.2.2 晶硅太阳能电池的生产过程 | 第24-25页 |
| 2.2.3 太阳能电池生产各阶段的瑕疵类型和成因分析 | 第25-28页 |
| 2.3 太阳能电池瑕疵检测常用方法 | 第28-32页 |
| 2.3.1 背景知识介绍 | 第28-29页 |
| 2.3.2 现有晶硅太阳能电池瑕疵检测方法概述 | 第29-32页 |
| 2.4 自动光学检测法在晶硅太阳能电池瑕疵检测中的应用 | 第32-37页 |
| 2.4.1 电致发光检测技术概述 | 第32-34页 |
| 2.4.2 光致发光检测技术概述 | 第34页 |
| 2.4.3 AOI 在基于电致发光成像的太阳能电池片检测中的应用 | 第34-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 太阳能硅片隐裂检测算法的研究 | 第38-57页 |
| 3.1 太阳能硅片检测系统的组成 | 第38-41页 |
| 3.2 改进的各向异性扩散算法在太阳能电池隐裂检测中的研究 | 第41-45页 |
| 3.2.1 算法研究背景介绍 | 第41页 |
| 3.2.2 各向异性扩散算法 | 第41-42页 |
| 3.2.3 改进的各向异性扩散算法 | 第42-43页 |
| 3.2.4 实验结果分析 | 第43-45页 |
| 3.3 区域生长法在太阳能硅片在线瑕疵检测中的研究 | 第45-56页 |
| 3.3.1 采用异性扩散算法的梯度运算 | 第46-47页 |
| 3.3.2 区域生长法 | 第47-50页 |
| 3.3.3 形态学处理 | 第50-53页 |
| 3.3.4 物体标号输出图像 | 第53-54页 |
| 3.3.5 太阳能硅片瑕疵检测结果分析 | 第54-56页 |
| 3.4 本章小结 | 第56-57页 |
| 4 太阳能电池片瑕疵检测算法的研究 | 第57-88页 |
| 4.1 基于太阳能电池片瑕疵特征检测算法的研究 | 第57-69页 |
| 4.1.1 太阳能电池典型瑕疵类型、特征及成因 | 第57-59页 |
| 4.1.2 太阳能电池瑕疵特征提取算法的讨论 | 第59-65页 |
| 4.1.3 采用投影法进行太阳能电池隐裂瑕疵检测 | 第65-67页 |
| 4.1.4 采用 SUSAN 检测法进行太阳能电池边缘瑕疵检测 | 第67-68页 |
| 4.1.5 采用 Haar-like 特征算子进行太阳能电池断栅瑕疵检测 | 第68-69页 |
| 4.2 基于小波变换算法的单晶硅太阳能电池瑕疵检测 | 第69-82页 |
| 4.2.1 小波变换概述 | 第71-75页 |
| 4.2.2 图像预处理算法 | 第75-77页 |
| 4.2.3 灰度图像形态学处理 | 第77-79页 |
| 4.2.4 应用小波变换于太阳能电池表面可见瑕疵检测结果分析 | 第79-80页 |
| 4.2.5 方向可变滤波器于太阳能电池表面可见瑕疵检测结果分析 | 第80-82页 |
| 4.3 基于傅里叶图像重建算法的多晶硅太阳能电池瑕疵检测 | 第82-87页 |
| 4.3.1 多晶硅太阳能电池傅里叶图像频谱 | 第82-84页 |
| 4.3.2 傅里叶频谱图像直线检测原理 | 第84-85页 |
| 4.3.3 傅里叶图像重建算法瑕疵检测原理 | 第85-86页 |
| 4.3.4 检测结果分析 | 第86-87页 |
| 4.4 本章小结 | 第87-88页 |
| 5 太阳能电池组件瑕疵检测算法和缺陷分类算法的研究 | 第88-111页 |
| 5.1 太阳能电池组件瑕疵检测算法的研究 | 第88-97页 |
| 5.1.1 太阳能电池组件瑕疵检测研究背景 | 第88页 |
| 5.1.2 图像特征参数和特征提取算法概述 | 第88-93页 |
| 5.1.3 粒子群优化算法概述 | 第93-94页 |
| 5.1.4 应用 ICA 和 PSO 算法于太阳能电池组件瑕疵检测 | 第94-97页 |
| 5.2 瑕疵分类算法的研究 | 第97-104页 |
| 5.2.1 AdaBoost 算法概述 | 第98-99页 |
| 5.2.2 SVM 算法概述 | 第99-102页 |
| 5.2.3 基于 AdaBoost 算法的 SVM 分类器的研究 | 第102-104页 |
| 5.2.4 瑕疵分类结果分析 | 第104页 |
| 5.3 改进 Otsu 算法在太阳能电池组件瑕疵检测和分类中的研究 | 第104-110页 |
| 5.3.1 改进 Otsu 算法在太阳能电池组件瑕疵检测上的研究 | 第104-108页 |
| 5.3.2 改进 Otsu 算法在瑕疵分类上的研究 | 第108-110页 |
| 5.4 本章小结 | 第110-111页 |
| 6 总结和展望 | 第111-113页 |
| 6.1 本文主要工作和创新点 | 第111-112页 |
| 6.2 展望 | 第112-113页 |
| 参考文献 | 第113-120页 |
| 博士学位在读期间发表的论文和著作 | 第120-121页 |
| 作者简介 | 第121-122页 |
| 致谢 | 第122-123页 |
