基于Matlab的太阳电池片缺陷EL图像识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 光伏产业的发展与现状 | 第8-9页 |
| 1.2 晶体硅太阳电池 EL 检测技术的发展现状 | 第9-10页 |
| 1.2.1 光致发光 | 第9-10页 |
| 1.2.2 电致发光 | 第10页 |
| 1.2.3 太阳电池缺陷 EL 图像识别现状 | 第10页 |
| 1.3 数字图像处理技术的发展 | 第10-11页 |
| 1.4 MATLAB 简介 | 第11页 |
| 1.5 本文主要工作 | 第11-12页 |
| 第二章 太阳电池片的缺陷分类及图像处理技术 | 第12-21页 |
| 2.1 太阳电池原理以及组件制作工艺 | 第12-13页 |
| 2.1.1 晶体硅太阳电池原理 | 第12页 |
| 2.1.2 太阳电池组件制作工艺 | 第12-13页 |
| 2.2 EL 测试太阳电池组件缺陷类型 | 第13-16页 |
| 2.2.1 裂纹与碎片 | 第14页 |
| 2.2.2 黑心和黑斑片 | 第14-15页 |
| 2.2.3 暗片和黑片 | 第15页 |
| 2.2.4 断栅 | 第15-16页 |
| 2.3 数字图像处理方法及 MATLAB 函数 | 第16-20页 |
| 2.3.1 图像的几何变换 | 第16-17页 |
| 2.3.2 图像的边缘检测 | 第17页 |
| 2.3.3 图像的形态学处理 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 太阳电池组件 EL 图像分割 | 第21-32页 |
| 3.1 桶形畸变校正 | 第21-26页 |
| 3.1.1 畸变校正模型 | 第21-24页 |
| 3.1.2 模型校正改进 | 第24-25页 |
| 3.1.3 局部最大值滤波消除孔洞 | 第25-26页 |
| 3.2 图像几何校正 | 第26-28页 |
| 3.2.1 霍夫变换提取直线角度 | 第26-27页 |
| 3.2.2 利用仿射变换校正图像 | 第27-28页 |
| 3.3 单个太阳电池片提取 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 太阳电池组件缺陷 EL 图像识别 | 第32-48页 |
| 4.1 利用灰度值分类 | 第32-38页 |
| 4.1.1 线性回归与逻辑回归 | 第32-34页 |
| 4.1.2 一般线性模型（GLM） | 第34-35页 |
| 4.1.3 多项分布模型分类 | 第35-37页 |
| 4.1.4 测试结果 | 第37-38页 |
| 4.2 形态学识别断栅与隐裂 | 第38-41页 |
| 4.2.1 单个太阳电池增强处理 | 第38-39页 |
| 4.2.2 断栅检测 | 第39页 |
| 4.2.3 隐裂检测 | 第39-40页 |
| 4.2.4 测试结果 | 第40-41页 |
| 4.3 利用 BP 神经网络识别断栅和隐裂缺陷 | 第41-47页 |
| 4.3.1 BP 神经网络 | 第41-43页 |
| 4.3.2 特征提取 | 第43-45页 |
| 4.3.3 网络选择与训练 | 第45-46页 |
| 4.3.4 结果与分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 5.1 本文主要完成的工作和创新 | 第48页 |
| 5.2 本文的不足和下一步期望 | 第48-49页 |
| 参考文献 | 第49-50页 |
| 攻读硕士期间发表的论文 | 第50-52页 |
| 作者简介 | 第52-53页 |
| 致谢 | 第53-54页 |
