1、太陽能電池硅片的質量是影響電池片轉換效率以及電池組件發(fā)電效率的一個關鍵因素，因此對太陽能電池硅片的質量檢測在生產和實驗中顯得尤為重要。常用的太陽能電池硅片有單晶硅片和多晶硅片，硅片在生產過程中受諸多因素的影響，或多或少地存在一些缺陷。多晶硅片常見的缺陷有邊緣不純、高不純度、位錯缺陷，單晶硅片常見的缺陷有漩渦缺陷。硅片缺陷的存在會極大地降低電池片的發(fā)電效率，減少電池組件的使用壽命，甚至影響光伏發(fā)電系統(tǒng)的穩(wěn)定性。
　　目前在實際生產實

2、驗中，大都是采用太陽能電池片電致發(fā)光缺陷檢測，以人眼觀察或者自動檢測的方法進行檢測。由于人眼觀察的方法具有很強的主觀性，并且人眼容易疲勞，大大降低了檢測的可靠性和效率。另外，由于電致發(fā)光缺陷檢測是針對電池片進行的檢測，不能夠檢測生產過程中硅片、擴散片等過程片的缺陷，這樣就提高了生產成本，降低了生產效率;并且電致發(fā)光檢測技術是接觸式檢測，會給電池片帶來不同程度的損傷。因此，一種能在生產過程中可以針對太陽能電池硅片缺陷的非接觸式高效準確的自

3、動檢測方法是非常有價值的。本文以數(shù)字圖像處理技術作為基礎，對太陽能電池硅片光致發(fā)光缺陷檢測分類方法進行了相關研究，并且提出了硅片缺陷的自動檢測分類方法。
　　本文的工作主要包括以下部分:
　　1.首先對光致發(fā)光圖像預處理，包括圖像去噪、增強、邊緣檢測、直線檢測、圖像旋轉，目標硅片自動分割。
　　2.然后利用高斯曲線擬合多晶硅片圖像灰度曲線方法計算分割閾值并分割缺陷，提取缺陷的面積比例與分布特征;對于單晶硅片，利用高斯曲

4、線擬合圖像中抽樣像素的灰度和值曲線，提取擬合標準差;通過頻域濾波結合二值化方法提取高頻圖像中高強度部分面積比;在高頻二值化圖像細化后，提取霍夫變換檢測圓結果;得到漩渦缺陷的三個特征。
　　3.最后構造出缺陷檢測分類樹模型，實現(xiàn)缺陷的檢測分類，對多晶硅片的三種缺陷采用排除法依次檢測。并且基于C＃完成系統(tǒng)軟件各個功能模塊的設計編寫與整合。在實際應用中完成系統(tǒng)軟件的測試，結果顯示缺陷的檢測分類準確率可以達到95％以上，證明本文方法的正確