双峰法与otsu法结合在太阳能电池缺陷检测中的应用

格式：pdf
大小：239.56 KB
文档页数：4

下载文档原格式

一种太阳能电池缺陷的自动检测系统及检测方法[发明专利]

专利名称：一种太阳能电池缺陷的自动检测系统及检测方法专利类型：发明专利
发明人：陈少强,许瑾佳,王酉杨,孙逸帆,胡小波,翁国恩
申请号：CN202010679006.1
申请日：20200715
公开号：CN112039439A
公开日：
20201204
专利内容由知识产权出版社提供
摘要：本发明公开了一种太阳能电池缺陷的自动检测系统，包括输入模块、电池位置识别模块、缺陷检测模块和缺陷分析模块；输入模块用于导入太阳能电池电致发光图像和图像信息；电池位置识别模块用于识别和截取输入图像的有效电池区域；缺陷检测模块用于寻找太阳能电池中的缺陷，并导出缺陷所处位置；缺陷分析模块用于提取太阳能电池在不同偏置条件下，缺陷沿某一方向的电致发光强度分布，以及缺陷电致发光强度损失率的变化。

本发明还公开了一种太阳能电池缺陷的自动检测方法。

本发明实现了太阳能电池缺陷的自动检测，提高了太阳能电池缺陷的检测和分析效率，并有助于对缺陷影响做深入研究。

申请人：华东师范大学
地址：200241 上海市闵行区东川路500号
国籍：CN
代理机构：上海德禾翰通律师事务所
代理人：陈艳娟
更多信息请下载全文后查看。

太阳能电池的缺陷检测技术专利分析

太阳能电池的缺陷检测技术专利分析摘要：太阳能电池片具有环保、可持续等优点，已经被广泛运用在各个领域，而电池片的缺陷直接影响着太阳能电池的工作性能，本文对涉及太阳能电池的缺陷检测技术进行了全面检索，并主要得到了基于机器视觉、光致发光原理和激光扫描的三种方法的检测技术，并对三种检测技术进行了介绍，并得到了相关的重要专利。

关键词：太阳能电池；缺陷检测；专利分析引言太阳能电池的主要材料一直以来都是以硅为主，硅的质量优劣直接决定了太阳能电池板的工作性能，进而影响了光伏发电的效率，太阳能电池板的主要材料一直以来都是以硅为主，硅的质量优劣直接决定了太阳能电池板的工作性能，进而影响了光伏发电的效率，在投入市场前，对电池板的缺陷检查成了一项必不可少的环节。

太阳能电池的常见缺陷如下，包括断栅、划痕和破损[1]。

目前太阳能电池的缺陷检测技术主要包括基于机器视觉、激光扫描和光致发光原理。

1基于机器视觉的太阳能电池的缺陷检测技术随着现代化水平的不断提升，自动化技术飞速发展，目前出现了一系列的基于机器视觉的太阳能电池板缺陷检测技术，利用相机代替人眼，与上位机有效结合，具有准确、高效、可靠等优势，相机采集太阳能电池板的图像信息，传输到上位机，对采集到的图像进行分析，判断电池板是否存在缺陷[2]。

该种方法可有效应用于大规模生产电池板的企业，智能化程度高、产品检测具有一致性，可实现太阳能电池板缺陷的自动检测。

基于机器视觉的太阳能电池检测技术的申请人分布如下图所示：公司申请占了一半以上，另外，校企合作的申请也在增多，说明在这方面，高校的研究成果转为应用的较多。

具体参见附图1-1。

图1-1基于机器视觉的太阳能检测技术申请人分布高校和研究所的申请主要在于图像处理算法方面，如河海大学常州校区的专利申请（CN103258206 A 20130821）提出了一种硅太阳能电池表面缺陷检测和识别方法，其获取独立变量分析（ICA）重构分离矩阵和独立分量；获取待检太阳能组件图像重构图像；检测重构图像是否存在缺陷，定位并分割缺陷太阳能片；获取待检太阳能电池片表面图像多元小波纹理特征并检测统计单元内是否含有缺陷；提取待分类缺陷太阳能电池片图像独立分量基元（ICA）纹理特征；训练支持向量机模型；分类识别待分类缺陷太阳能电池片图像组合纹理特征，算法较为复杂。

Otsu法在织物疵点检测中的研究及应用

出两部分的平均灰度值，记做１和２。（）３重新选择新阈值，新的阈值＋记做Ｔ＋＝（１）１ｋ１＋２２。重新／将图像进行分割。（）＋一Ｔ＜为一个极小数），４当１ｋ（时阈值选择结束，时对此应的阈值就是最佳阈值，否则转到（）进行迭代计算。２，１３大津法大津法是日本人大津展之于１７年提出的，９９该方法是一种自适应阈
科技信息
高校理科研究
Ｏｓｔｕ法在织物疵点楦测巾硇研夯及应用
兰州交通大学电子与信息工程学院李红梅李玉超
【摘要］在织物疵点检测中，阈值分割是极其重要的一个环节。本文对常用的三种阈值分割算法进行比较，并提出了一种改进的Ｏｓ法。该方法自ｔｕ适应性更强，分割结果更加完善，通过数学形态学处理得到疵点二值图像。仿真实验结果证明了该方法行使最后之有效，值得借鉴。［关键词］ｔ阈值分割织物疵点数学形态学Ｏｓｕ
Ｏ引言．
均灰度为１；１背景出现的概率为甜，均灰度为ｔ。图像总的灰度。平１１
在纺织生产过程中，织物质量的检测和控制至关重要，而疵点检测就是极其重要的一个环节。长期以来，物疵点检测都是由人工完成织的，也就是工作人员借助外界光线或者辅助的照明系统，按照自己的经验对织物进行评定。该方法检测速度低，测结果容易受到外界及工检作人员主观影响，并且误检率和漏检率比较高。为了克服以上缺点，国内外许多学者都致力于织物疵点自动检测的研究，并取得了一些成就｝２Ｊｃ图像分割是织物疵点检测中常用的方法，分割的目的是产生疵点的二值图像。图像分割的好坏直接关系到疵点特征的提取，的图像好分割效果应具备以下的特征：（）割出来的各区域对某种特征（１分如灰度和纹理）而言具有相似性，区域内部是联通的且没有过多的小孔。（）２相邻区域对分割所依据的性质有明显的差异。（）３区域边界是明确的。现实生活中，图像处理和分析都是面向某种具体应用，以上述条所件也要视具体情况而定。目前还没有一种方法可以很好的兼顾这些约束条件，也没有一种通用的方法可以完成不同图像的分割任务。１常用的阈值分割方法及比较．阈值分割是常用的图像分割方法，也是一种简单有效的方法。阈值分割主要是在灰度取值范围内选择一个灰度值作为阈值，分别记输人输出图像为ｆＹ和ＦｘＹ，单阈值分割算法为：（）ｘ，（，）则

基于鲁棒Otsu的红外无损检测缺陷分割算法

0204004-1
第2期
Abstract: In infrared nondestructive testing, the proportion of defects is very different from that of background, and the low contrast region of infrared image has not been completely eliminated after image sequence enhancement, resulting in impaired accuracy of defect segmentation. In order to solve this problem, a defect segmentation method based on robust Otsu algorithm was proposed, which combined the relative threshold idea of local threshold segmentation method. Firstly, the mean value and the total gradient of the neighborhood were used to represent the category and spatial state of the pixels. Secondly, a point block fusion statistical adjusted model on this basis was established for dynamically adjusting the gray sts and non-defect regions. Finally, the improved two-dimensional histogram and its region division method based on gray value and neighborhood gray deviation was set for calculation of fitness function in genetic algorithm through which the optimal threshold could be determined from the mutative neighborhood size, then segmentation of defects could be achieved. The results show that this method improves the robustness of Otsu and the accuracy of defect segmentation. Key words: Otsu; improved algorithm; infrared nondestructive testing; defects; genetic algorithm

硅太阳能电池纹理缺陷检测

图 2 高斯二阶导数 H ilbert变换方向可变滤波器结构
图 3 不同下 H 2 三维图及投影图
3 纹理缺陷特征提取方法
3. 1 边缘图像提取由滤波器的对称性及方向性可知 , 当规则的纹理方向和滤波器的方向一致时 , 经滤波器滤波后和纹理方向一致的边缘能量最小。利用这一特性 , 可有效地除去规则纹理 , 保留缺陷特征。图 4 中有规则的水平和垂直直线纹理 , 从图中可以看出 , 当直线方向和滤波器方向一致时 , 直线被滤掉了。
1 硅太阳能电池片纹理缺陷特征
太阳能电池表面由栅线和电极组成 , 表面纹理主要是有规则的白色条纹 ( 栅线 ), 其缺陷主要表现为 : 断栅 , 栅线变厚、变薄 , 孔洞 , 凹、凸微粒 , 表面脏污 , 表面裂纹等。几种常见的硅太阳能电池片表面纹理缺陷如图 1 所示。
第 10 期
张舞杰等 : 硅太阳能电池纹理缺陷检测 H 2a = 0. 987 0 ( - 2. 254x + x2 ) e- ( x H 2 c = 0. 987 0 ( - 0. 751 5y + y ) e ( 1) H 2d = 0. 987 0 ( - 2. 254y + y ) e ka ( ) = co s3 ( ) kb ( ) = - 3cos ( ) s in ( ) kc ( ) = - 3cos( ) sin2 ( ) kd ( ) = - s in3 ( )
0 引言
太阳能作为一种清洁能源得到了飞速发展 , 截至 2007 年的统计数据 , 光伏产业最近 10 年平均年增长率为 41. 3% , 最近 5 年平均年增长率为 49 . 5% [ 1- 3] 。太阳能电池的生产工序相当多 , 而检测又是其中必不可少的一道工序。目前全球太阳光伏产业快速成长 , 同时对太阳能电池的质量检查也提出了更高的要求 , 其质量检测可分为电性能测试与表面质量检测。目前 , 绝大多数的太阳能电池生产厂家 , 其表面质量还是采用人工检测的方式 , 依赖作业人员的视觉判断 , 因此也带来了许多检测问题 , 同时产品质量很难得到保证。本文研究以视觉检测技术来实现太阳电池的表面质量检测 , 以克服人工检测的不足 [ 4] 。太阳能电池完成丝印工序后 , 表面呈现有规则的纹理。由于纹理的存在 , 纹理中缺陷很难检测和定位。目前 , 纹理特征提取和识别是图像处理和模式识别领域研究的重点和热点问题之一 [ 5- 6] 。由于图像的纹理具有复杂多样性 , 从文献 [ 6] 的分析可知 , 目前还没有一种方法能够适用于所有纹理缺陷的检测、识别和提取。具有代表性的纹理特征识别方法有基于共生矩阵 [ 7] 、小波变换 [ 8] 、小波框架 [ 9] 及二维 G abor 滤波器

太阳能电池片表面缺陷检测方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910471773.0(22)申请日 2019.05.31(71)申请人湖北工业大学地址 430068 湖北省武汉市洪山区李纸路(72)发明人王娟　蔡霖康　张鹏飞　宋薇薇　周聪　石豪　刘敏　王晓光　曾春艳　朱莉　孔祥斌　(74)专利代理机构北京科家知识产权代理事务所(普通合伙) 11427代理人陈娟(51)Int.Cl.G06T 7/00(2017.01)G01N 21/88(2006.01)H02S 50/10(2014.01)(54)发明名称太阳能电池片表面缺陷检测方法(57)摘要本发明公开了一种太阳能电池片表面缺陷检测方法，图片进行归一化处理，得到太阳能电池表面图像的二值图；基于卷积神经网络结构建立深度学习模型；构成深度置信网络；通过深度学习模型训练深度置信网络；通过误差反向传播算法调整深度置信网络；选取深度置信网络的学习速率、迭代次数和权重；将训练好的深度置信网络对测试集的二值图进行太阳能电池片表面缺陷检测，深度置信网络输出检测结果。

本发明通过将特征提取和图像处理合二为一，缩短缺陷检测时间，并且能够快速适应训练的环境和位置的变化，满足生产需求，节约经济成本，同时深度置信网络与误差反向传播算法相结合完成特征提取与图像处理为之后的图像缺陷检测提供事实依据。

权利要求书1页说明书5页附图4页CN 110349120 A 2019.10.18C N 110349120A1.一种太阳能电池片表面缺陷检测方法，应用于太阳能电池片表面检测，其特征在于,所述太阳能电池片表面缺陷检测方法步骤如下：S1：对训练集图片进行归一化处理，将训练集中为太阳能电池表面的图像进行压缩处理，压缩处理后的图像再次进行归一化处理，得到太阳能电池表面图像的二值图；S2：基于卷积神经网络结构建立深度学习模型；S3：应用步骤S1中得到的二值图，将检测二值图需要的多个受限波尔兹曼机依次相连，以构成深度置信网络；S4：应用步骤S3中得到的深度置信网络，通过误差反向传播算法调整深度置信网络；S5：应用步骤S4中得到的深度置信网络，通过深度学习模型训练深度置信网络；S6：应用步骤S5中得到的深度置信网络，选取深度置信网络的学习速率、迭代次数和权重；S7：应用步骤S6中得到的深度置信网络，将训练好的深度置信网络对测试集的二值图进行太阳能电池片表面缺陷检测，深度置信网络输出检测结果。

改进的OTSU法在遥感水体信息提取中的应用

改进的OTSU法在遥感水体信息提取中的应用武国瑛;邓正栋;陈一村【摘要】在遥感信息解译中,利用指数法提取水体信息一直存在阈值选取困难的问题.为了进一步解决该问题,将改进的OTSU法用于阈值选取.综合考虑目标像元和背景像元类间方差、类内方差两个指标,并结合粒子群算法,对研究区水体信息进行提取.实验结果表明,提出的算法能更快地确定阈值,有效地提取水体信息.【期刊名称】《微型机与应用》【年(卷),期】2017(036)020【总页数】3页(P17-18,22)【关键词】MNDWI;大津法;粒子群算法;遥感水体信息提取【作者】武国瑛;邓正栋;陈一村【作者单位】解放军理工大学国防工程学院,江苏南京210007;解放军理工大学国防工程学院,江苏南京210007;解放军理工大学国防工程学院,江苏南京210007【正文语种】中文【中图分类】TP751卫星遥感数据具有监测范围广、更新速度快、不受地域限制等优势，近年来已成为我国农业、工业、军事监测的重要数据来源。

多光谱遥感影像是众多遥感影像中的一种，可被用于地表水体信息的快速提取，为洪涝灾害监测以及湖泊、水库监测提供了极大便利。

指数法是利用多光谱遥感数据提取水体信息的一种重要方法，如归一化差异水体指数(NDWI)、修正归一化差异水体指数(MNDW I)等。

利用指数法提取水体信息，合理选取阈值对于地物的精确分类至关重要，是目前遥感信息提取的一个重要研究方向。

文献[1]中利用直方图分割和最大似然法对NDWI影像进行阈值分割实现全域水体信息提取，进而搜索水体像元进行区域填充并建立缓冲区，对局部水体信息采用分布迭代的方式确定阈值，实现对局部水体信息的提取；文献[2]利用数值较大的阈值确定水体范围，再将研究区分为K×K个子区域应用大津法确定阈值，实现自适应阈值水体信息提取；文献[3]融合OTSU法对Canny算子进行改进，算法较好地适用于噪声图像的边缘检测；文献[4]将类内平均距离引入最大类间方差分割，文献[5]将均方差因素引入最大类间方差分割法，并对结果进行验证，均取得较好的效果[4-6]。

电致发光成像技术在硅太阳能电池隐性缺陷检测中的应用_李艳华

本文利用该仪器对 5片存在缺陷的多晶硅太阳能电池进行了 EL成像缺陷分析。
3 结果与讨论
3.1 利用 EL成像检测电极缺陷图 2(a)是 1#多晶硅太阳能电池在常温 +2 V
偏压下的 EL成像 , 可以观察到电池右边区域多处存在 EL强度低的情况。将该电池片放在 10 倍放大显微镜下观察 , 发现该电池存在多处电极的断栅和脱落现象。图 2(b)是图 2(a)方框处在 10倍放大显微镜下拍摄的。从图 2(b)可清晰地观察到该处存在电极断开的缺陷 , 电极断开使得该处右边偏压减小 , 导致右边区域 EL强度降低 , 图 2(a)很好地反映了这一情况。
＊:通讯联系人 ;E-mail:cchen@, Tel:(0592)2182458
第 4期
李艳华 , 等 :电致发光成像技术在硅太阳能电池隐性缺陷检测中的应用
37 9
子的扩散长度。若某区域 EL强度较低 , 则表明该处存在质量缺陷[ 5] 。施加 0.7 ～ 3.0 V正向偏压时 , 在硅太阳能电池的内在缺陷处 , 由于载流子的复合最终大多数以热量的形式发射 , 因此缺陷处发光强度较弱 ;而在外在缺陷处 , 由于偏压小甚至未能形成偏压 , 该处的发光强度同样较弱。对硅太阳能电池施加反向偏压并接近反向击穿电压时 , 由于预击穿产生碰撞离化 , 电子与空穴复合将产生发光现象。因为发光较容易发生在 pn结存在杂质缺陷处 , 所以太阳电池反偏下预击穿所产生的 EL现象和强度也能反映其隐性缺陷的分布。我们使用可探测波长范围为 400 ～ 1 050 nm 的硅 CCD相机对电池 EL快速成像 , 然后根据 EL 成像的明暗强度来检测分析硅太阳能电池的缺陷。硅太阳能电池的缺陷一般分为内在缺陷 (位错、断层、pn结存在杂质导致预击穿缺陷等 )和外在缺陷 (电极脱落、断栅、电池微裂等 )。由于实验过程中使用黑白硅 CCD相机 , 所以缺陷的性质很难被区分。硅太阳能电池内在缺陷的 EL强度受温度的影响比外在缺陷受温度的影响大 , 利用这个性质即可有效辨别出电池的缺陷类型 [ 6] 。

基于粒子群优化的Otsu的刀具侧面图像阈值分割

基于粒子群优化的Otsu的刀具侧面图像阈值分割
牛孝通;马英辉;冯正林
【期刊名称】《电脑知识与技术》
【年(卷),期】2017(013)015
【摘要】:文中分别利用一维最大熵法、一维Otsu法及二维Otsu法对刀具磨损图像进行处理.相比较而言,二维Otsu法是一种效果较好的图像分割方法.针对二维Otsu在寻找最佳阈值时计算量大,提出了基于粒子群算法优化的二维Otsu法阈值分割方法.实验表明,在设定了合适的粒子群算法参数条件下,该算法不仅可精准地完成刀具磨损图像的分割,且提高了分割效率.
【总页数】3页(P146-148)
【作者】牛孝通;马英辉;冯正林
【作者单位】宿迁学院信息工程学院,江苏宿迁 223800;宿迁学院信息工程学院,江苏宿迁 223800;宿迁学院信息工程学院,江苏宿迁 223800
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种改进粒子群优化算法的Otsu图像阈值分割方法 [J], 刘桂红;赵亮;孙劲光;王星
2.基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法 [J], 邵闯;王生怀;邹春龙;周红勋
3.基于改进Otsu的煤体CT图像阈值分割算法的研究 [J], 王刚;陈雪畅;韩冬阳;秦
相杰;冯净
4.基于SOA-Otsu的图像多阈值分割算法研究 [J], 王海龙;张宏伟;张文
5.基于SSA-Otsu的彩色图像多阈值分割研究 [J], 韩超杰;郝玉然;刘亚飞
因版权原因，仅展示原文概要，查看原文内容请购买。

基于OTSU处理不均匀光照图像改进算法研究

基于OTSU处理不均匀光照图像改进算法研究作者：刘明兴刘泽平李斌符朝兴孟含来源：《青岛大学学报（工程技术版）》2020年第03期摘要：为解决不均匀光照下图像二值化问题，提出一种基于最大类间方差法（OTSU算法）的改进二值化算法，将图片分为明亮区域和阴暗区域两部分，分别计算两部分最大类间方差对应的阈值，通过分析阴暗区域特征，判断每一像素点位于明亮区域还是阴暗区域，从而确定每一点的阈值。

实验结果表明，该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题，可广泛应用于光照不均匀条件下的文本图像二值化处理，针对特殊情况较好，相对于其他算法适用性更强，本算法可通过提高OTSU算法的运算速度，缩减算法的运行时间。

该研究提取信息较为完整，可以作为字符识别及缺陷检测等工作的预处理方法，提高识别精度。

关键词：二值化; OTSU; 不均匀光照; 阈值分割; 最大类间方差; 全局阈值中图分类号： TP391.413文献标识码： A近年来，数字化图像技术在许多学科都得到了广泛应用[1]。

例如可以结合边缘检测对采煤沉陷、耕地作物绝产边界识别，结合快速行进方法完成风洞试验缺陷修复等[23]。

在对数字化图像进行二值化处理时，通过选取适当的阈值，将图像分为背景与目标，提取其中的特征和有效信息[45]。

作为图像处理的预处理手段，当背景光照均匀时，可以有效地过滤图像背景信息，不均匀光照的二值化算法可以有效提高自然光照下的文本识别和QR码识别等[67]工作的速度和准确度。

对光照均匀的图片进行二值化处理时，使用全局阈值方法可以将图片中的信息提取出来，并取得较好的效果。

全局阈值方法主要有灰度平均值法、基于谷底最小值的阈值、迭代法、OTSU法等[89]。

其中，OTSU算法计算简单快速，受亮度和对比度影响较小，应用较为广泛。

例如基于OTSU算法和HU不变矩进行信号灯识别、生物组织损伤辨识等[1011]。

目前，改进OTSU算法多针对OTSU算法时间复杂度高、实时性差的问题，对OTSU算法运行速度进行改进，王玉银等人[1214]基于狼群优化或粒子群算法，提高了OTSU算法的运行效率。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘
要：图像分割在太阳能电池组件缺陷检测系统中，起着非常重要的作用。通过双峰法和最大类间方差法结
合对太阳能电池的近红外图像进行图像分割和二值化，并得出缺陷的二值图。实验表明所提出的太阳能电池硅
片的图像分割方法能快速准确地实现对图像的分割，得到了较好的二值图。为太阳能电池图像的缺陷特征的提
片组织）［１８组成，在目标或者背景内部的相邻像素间，９
的灰度值是高度相关的，但在目标与背景交界处两边的像素在灰度值上有很大的差异。图２分别是原始图像（左上）、直方图（右上）及双峰法得到的尺度变换结果（图）下太阳电池单片的整体亮度虽存在差异，但直方图的形状都很相似，如图３所示，大部分像素分布在较高灰度级，也就是背景区域，灰度值接近０的附近为少部分背景和缺陷。阈值Ｔ的选取的步骤如下：
２
（）ａ。／一）ａｌ．）ｆ（ｏ／一２（２
＝口。（１ｘ）口。一／
采用遍历的方法得到使类间方差最大的阈值Ｔ，即
为所求。
４双峰法与最大类间方差法结合
假设图像只由目标（陷）和背景（缺无缺陷的硅
图像视为具有不同灰度级的两类区域的组合，选取一
主要载体，太阳能电池阵列近些年来得到飞速发展和
广泛的应用。太阳能电池阵列的供电装置为太阳电池
片。由于太阳电池片是易碎产品，其破损将直接影响到电池阵的输出功率。太阳电池的相关规范上，都对太阳电池片的裂纹、碎片、断栅、虚焊、缺角、崩边
２１０２年第２卷第１期１
ｈｔ：ｗｗ．Ｓａｒ．ｔ／ｗｃ－．ｇｃｐ／・ｏａ
计算机系统应用
双峰法与ｏｕｔ法结合在太阳能电池缺陷检测中的应用① ｓ
张翰进，傅志中，念蓓，张忠亮，张冉
（上海理工大学光电信息与计算机工程学院，上海２０９）００３
结合二值化图
从图５可看出，最大类间方差法的二值图只分开了缺陷的一部分，在太阳电池左下角的碎片没有分开，并参杂了一些背景，说明这种方法不能完全分离背景
和缺陷；而双峰法及最大类间方差法结合后所获得的
二值图ｃ则完全分开了缺陷和背景，得到了较好的二值图。如图所示。这说明改进后的方法能够有效地区分出有缺陷的电池片，并将。由于太阳能电池板的表面以及边缘瑕疵会影响到其整体系统的光
个合适的阈值，产生相应的图像。本文采用双峰法与
ｏｓ法相结合的方法对其进行分割。ｔｕ
电转换效率及品质，所以对其外观的缺陷检测就变得
十分重要。
一
２基于双峰法的太阳电池单片灰度变换
取，以及进一步描述和分析奠定了良好的基础。关键词：双峰法；最大类间方差法：检测；图像分割；二值化
ＣｏｂｉｔｏｆＢｉｏｌｅｈｄａｓｅｈｏｎＤｅｅｔｔｃｉｎｉｌｒＣｅｌｍｎａｉｎｏｍｄａｔｏｎｄ０ｔｎＭｔｄｉｆｃｓＤｅｅｔｏｎＳｏａｌＭｓ
图３上为原始图像，下为灰度像素直方图
由图４太阳电池单片直方图模型可看出，太阳电池单片大部分为背景，目标即缺陷分布在低灰度级，
等特征反映出来。
５结语
在分析太阳能电池硅片特点及其现有检测方法的基础上，文提出了一种基于双峰法和ｏｓ法结合本ｔｕ
Ｏ．２
＼
＼
－
值
图４
太阳电池单片经过灰度变换后，再利用最大类间方差法来分割图像，可得到较理想的效果。实验结果如下图５示：所
（原始图像ａ）
（）ｂ最大类间方差法
二值化图
（双峰法及最大类间ｃ）
方差法结合后．｜二馑化图
图５太阳电池单片双峰法及最大类间方差法
１引言
太阳能作为一种新型的清洁的能源，很早就被认为是化石原料的替代能源；而作为利用太阳能供电的
着至关重要的作用。图像分割是按照一定的图像特征，如图像的灰度特征【、图像的纹理特征等将图像分成４】
若干有意义的区域的过程。图像的分割处理的结果直接影响到太阳能电池片缺陷特征的后续分类和识别。阈值分割是一种广泛使用的分割技术，它利用了图像中要提取的目标物与其背景在灰度特性上的差异，把
，，：
刍丝盟一
ｌｕ ¨ 【Ｉ ¨ 【ｌ
选取双峰之间的低谷（波谷）为分割阈值ｔ作，对
图像进行尺度变换。
其中
１
篓Ｉ ¨ ＝ｌＩ＋Ｊ ”
／２＝∑ ｉｐ／＝∑ ｉｆ．ｔ，ｐ
准则函数定义为两类的类间方差：
① 收稿时间：１－５０；２１－５收到修改稿时Ｉ：１－５３００￣２１．１ｑ００
度上有一定差别，那么该灰度的直方图会呈现双峰状（图１的形式）即背景和目标在图像的灰度直方图如，
上各自形成一个波峰，且区域和波峰一一对应。由于
ＡｐｉｅｈｉｕｐｌｄＴｃｎｑｅ应用技术１５ｅ１
ＺＨＡＮＧｎ－ｉ，ＨａＪｎＦＵｉＺｈｎ，ＡＮｉＺＨＡＮＧｏｇＬｉｎ，Ｚｈ－ｏｇＮＩＢｅ，Ｚｈｎ－ａｇＺＨＡＮＧｎＲａ
（ｃｏｌｆｐｉｌｌｌｃｄＣｍｐｔｎｉｅｉ，ｎｖｒｉｆｈｇａｆｒｃｎｅｎｃｎｌｇ，ｈｎｈｉ００３ＣｉａＳｈｏｏＯｔａＥｅａａａｏｕｅＥｇｎｒｇＵｉｅｓｙｏＳａｈｉｏｉｃｄＴｈｏｏｙＳａｇａ２０９，ｈｎ）ｃ－ｃ＇ｌｎｉｒｅｎｔｎＳｅａｅ
２１０２年第２卷第１期ｌ
ｈｔ：ｗｗｃＳ．ｇｎｔｌｗ． — ｏ．ｐｌ —ａｒｃ
像
个
计算机系统应用
③ 找到直方图中具有个数最大的灰度值Ａ；
④ 根据经验值０，找到个数在０－２．的灰度值，２处记录灰度值Ａ之前的Ｂ、Ｃ或者Ｄ点： ⑤ 求Ｂ、Ｃ或者Ｄ点的平均灰度Ｔ，Ｔ就是进行灰度变换的阈值。
现的概率是，阈值ｔ图像分为两类＝０］［１．］将【，和＝ｔ，１。ｔ＋Ｌ
和Ｇ类的概率分别为：
ｔ
＝
∑Ｐ
ｉ０＝
ａ ∑ Ｐ：－。１己ｉ１口
：
上式中Ｐ为灰度值为的概率密度函数。．
Ｃ和ｃ类的平均灰度为：ｎｌ图１灰度像素直方图
着错分概率最小。
１６应用技术Ａｐｌｄｅｈｉｕ１ｐｉｃｎｅｅＴｑ
① 统计太阳电池单片的直方图，除干扰，判断去
灰度值为２５的脉冲干扰，若有，去除干扰，否则转５
下一步；
② 归一化，将去除干扰后的直方图中具有最大个
数的数目作为归一化的标准。
双峰法［利用灰度直方图特性确定灰度分割阈值５】的原理是：如果图像所含的目标区域和背景区域在灰
般对太阳能电池阵列采用近红外相机采集图
像【】ｌ，然后对去噪后的图像进行分割，之后对缺陷的特征进行描述和分类识别和检测。在太阳能电池组件缺陷检测系统中，图像分割起
可选取阂值Ｔ来对太阳电池单片进行灰度变换。考虑
到感兴趣的区域分布在低灰度级，选取背景与目标之间的波谷作为阈值Ｔ，大于等于Ｔ的灰度值赋为２５５，
的太阳能电池硅片缺陷图像的分割方法。实验结果显示，出的太阳能电池硅片的图像分割方法能快所提速准确地实现对图像的分割，得到了较好的二值图，
计算机系统应用
ｈｐ／ｗｗ．Ｓ．ｇｃｔ：ｗｔ／Ｃ－ｏ． —ａｒｎ
２１０２年第２卷第１１期
波峰之间有一个波谷，因而选择双峰之间低谷处所对应的灰度值为分割阈值，将背景和目标两个区域分离开来。
日标
假设图像灰度级的范围为Ｇ［，一］各灰度级出＝０１，Ｌ
Ａｂｓｒｃ：ｇｎａｉｎｄｆｃｓｉｈｏａｅｌｄｌｅｅｔｏｙｓｅｐａｓａｖｒｏｔｎｏｅＩｈｓｐｐｒｔｔａｔＳｅｍｅｔｔｏｅｅｔｎｔｅｓｌｒｃｌｍｏｕｅｄｔｃｎｓｔｍｌｙｅｙｉｉｍｐｒａｔｒｌ．ｎｔｉａｅ，ｗｏｐｅｋｄｍａｉｍｅｅｎｃａｓｖｒａｃｆｓｌｅ－ｆａｅａｅｓｇｅｔｔｏｎｄｉａｅｂａｉａｉｎａｄａｓａｘｍｕｂｔｅ — ｌｓａｉｅｏｏａｎａｉｒｄｉｇｅｎｗｎｒｒｎｒｍｍｎｉｎａａｍｇｉｒｚｔｎｏｎｂｉａｙｉｇｂｉｄｄｆｃｓｎｒｍａｅｏｔｎｅｅｅｔ．ＥｘｅｉｎｓｓｏｔａｈｒｐｅｉｉｏｏａｅｌｉｇｅｅｔｔｏｍｅｏａａｐｒｍｅｔｈｗｈｔｔｅｐｏｏｓｄｓｌｃｎｓｌｃｌｍａｅｓｇｎｉｎｔｄＣｒｍａｈｎａｈｅｅｆｔａｄａｃｒｔａｅｓｇｅｔｔｏ，ｇｔａｇｏｎａｙｉａ．Ｄｅｅｔｅｓｌａｅｆａｕｅｅｔａｔｎ，ｃｉｖａｃｕａｅｉｇｅｓｎｍｍｎａｉｎｅｏｄｂｉｒｇｅｍｆｃｓｉｔｏａｉｇｅｔｒｘｒｃｉｎｈｒｍｏａｄｆｒｈｒｄｓｒｐｏｎｄａａｙｉｆｌｙｎｎａｔｅｅｃｉｔｎａｉｎｌｓｓｏａｉｇａｇｏｏｎａｉｎ．ｏｄｆｕｄｔｏＫｅｒｓｂｏａｔｏｏｓｔｏ；ｅｅｔｏ；ａｅｓｇｅｔｔｏｂｉａｙａｉｎｙｗｏｄ：ｉｄｌｍｍｅｈｄ；ｔｕｍｅｄｄｔｃｉｎｉｇｅｈｍｍｎｉｎ；ｎｒｚｔａｏ