基于机器视觉的太阳能电池片分选系统
来源：www.mvcreating.com2016年05月04日热度：307
目前，对转换效率的测试分选主要通过模拟太阳能光照射，把不同条件下对电池片的相关电参数进行测试，不同电性能的电池片进行分类，而对颜色的分选，主要还是通过人工检测的方式，依赖作业人员的视觉判断，因此也带来了很多的检测问题，同时对产品质量很难得到保证。针对这种情况，开发研究人员提出了彩色机器视觉的多晶硅太阳能点颜色分选算法，运用彩色机器视觉分析，对产品的颜色质量进行检测分类，并开发出了模块化的人机交互界面，有效解决人工作业造成的问题和困难，提升了产品的品质和竞争力。
多晶硅太阳能电池颜色分选是机器视觉的一种典型应用，太阳能电池颜色分选系统利用工业照明相机采集图像，然后通过一系列图像预处理，对图像进行去噪处理和图像增强的预处理，进而进行颜色分选，并构建颜色分选系统。采用矢量中值滤波法来对图像去噪采用直方图均衡化的方法来增强图像的细节信息，最后采用边缘检测算法对图像进行边缘检测以让系统准确地识别出图像的边界。此外还利用卡尺上灰度值的变化来确保硅片图像能很准确的校正定位。此外，颜色分类系统是在图像灰度直方图上进行分析。采用基于欧儿里德距离公式来实现图像与模板的相似度测量。
针对太阳能电池片表面的断栅、栅线变厚、变薄、孔洞、凹凸、微粒、表面脏污、表面裂纹等纹理缺陷，提出了一种采用方向可变滤波器提出纹理缺陷特征的方法。从与Cabor滤波器、小滤波器的滤波结果比较来看，方向可变滤波器在规则线性纹理缺陷方面具有最佳效果，能够提取到比较细微的纹理缺陷，同时能够有效去除规则纹理本身对纹理缺陷提取的影响。
针对太阳能电池片表面的断栅、栅线变厚、变薄、孔洞、凹凸、微粒、表面脏污、表面裂纹等纹理缺陷，提出了一种采用方向可变滤波器提出纹理缺陷特征的方法。从与Cabor滤波器、小滤波器的滤波结果比较来看，方向可变滤波器在规则线性纹理缺陷方面具有最佳效果，能够提取到比较细微的纹理缺陷，同时能够有效去除规则纹理本身对纹理缺陷提取的影响。
实际应用证明太阳能能电池片在机器视觉系统下的分选，完全实现了太阳能表面缺陷和颜色异常缺陷自动化分选。个性化的工作界面使检测过程大大简化，并且易于人工操作，广泛应用于太阳能电池片生产线。
上一条： 基于机器视觉的产品质量在线自动检测系统
下一条： 机器视觉锂电池极片检测设备的技术优势
