| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 太阳能电池片表面图像的成像方式 | 第10-11页 |
| 1.2.2 太阳能电池片表面缺陷类型 | 第11-12页 |
| 1.2.3 太阳能电池片表面缺陷检测方法 | 第12-14页 |
| 1.3 当前研究存在的问题 | 第14-15页 |
| 1.4 论文的研究内容及创新点 | 第15-19页 |
| 1.4.1 论文的研究内容及篇章结构 | 第15-17页 |
| 1.4.2 论文研究的创新点 | 第17-19页 |
| 第二章 太阳能电池片表面缺陷图像预处理 | 第19-25页 |
| 2.1 图像采集 | 第19-21页 |
| 2.2 缺陷图像的降噪 | 第21-22页 |
| 2.2.1 中值滤波降噪 | 第21-22页 |
| 2.2.2 各项异性扩散滤波降噪 | 第22页 |
| 2.3 缺陷图像栅线的删除与填充 | 第22-24页 |
| 2.3.1 缺陷图像栅线的删除 | 第22-23页 |
| 2.3.2 缺陷图像栅线的填充 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于视觉显著性的缺陷初始检测 | 第25-33页 |
| 3.1 自学习特征提取 | 第25-27页 |
| 3.1.1 现有特征提取方法存在的问题 | 第25页 |
| 3.1.2 自学习特征模板的获取 | 第25-27页 |
| 3.1.3 自学习特征的获取 | 第27页 |
| 3.2 基于自学习特征的视觉显著性检测 | 第27-30页 |
| 3.2.1 低秩矩阵复原 | 第27-29页 |
| 3.2.2 稀疏矩阵获取 | 第29-30页 |
| 3.3 视觉显著图的获取 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于视觉显著性和图像分割的缺陷精确检测 | 第33-39页 |
| 4.1 图像分割 | 第33-36页 |
| 4.1.1 图像分割算法的选择 | 第33-35页 |
| 4.1.2 基于SLIC的太阳能电池片表面图像的分割 | 第35-36页 |
| 4.2 视觉显著性和图像分割相结合的缺陷区域定位 | 第36-37页 |
| 4.3 本章小结 | 第37-39页 |
| 第五章 基于形态学操作的检测结果优化 | 第39-43页 |
| 5.1 相关形态学操作 | 第39-41页 |
| 5.2 检测结果优化 | 第41-42页 |
| 5.2.1 片状缺陷优化 | 第41-42页 |
| 5.2.2 微裂纹缺陷优化 | 第42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 实验分析和软件设计 | 第43-57页 |
| 6.1 实验分析 | 第43-51页 |
| 6.1.1 试验设计 | 第43-45页 |
| 6.1.2 主观评估 | 第45-47页 |
| 6.1.3 客观评估 | 第47-51页 |
| 6.2 软件设计与使用 | 第51-55页 |
| 6.2.1 检测软件的设计 | 第52-53页 |
| 6.2.2 软件功能及操作的介绍 | 第53-55页 |
| 6.3 本章小结 | 第55-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 本文研究工作总结 | 第57-58页 |
| 7.2 后续工作展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 附录 攻读硕士学位期间的科研成果 | 第69-70页 |