基于生物視覺模型的太陽(yáng)能電池板缺陷檢測(cè)的應(yīng)用研究.pdf

1、太陽(yáng)能電池板作為太陽(yáng)能轉(zhuǎn)化為電能的器件，其研究與制造得到人們廣泛的關(guān)注。在太陽(yáng)能電池板生產(chǎn)過程中，難免會(huì)產(chǎn)生一些缺陷，將很大的影響產(chǎn)品的壽命及光電效率。因此在被投入市場(chǎng)之前，缺陷的檢測(cè)成為一項(xiàng)非常重要的環(huán)節(jié)。隨著自動(dòng)化技術(shù)的發(fā)展，目前基于軟件的圖像處理方法檢測(cè)缺陷，對(duì)采集的圖像要求比較高，且識(shí)別率達(dá)不到工業(yè)檢測(cè)的要求。
　　本文根據(jù)計(jì)算機(jī)視覺中模擬生物視覺機(jī)制模型的最新研究進(jìn)展以及研究成果，對(duì)能夠模擬具有物體識(shí)別能力的腹側(cè)視覺通路

2、的Serre標(biāo)準(zhǔn)模型加以改進(jìn)，并加入結(jié)合高斯拉普拉斯算子LOG和自適應(yīng)維納濾波的去噪聲斑預(yù)處理方案，同時(shí)預(yù)處理得到LGBPHS特征，并利用檢測(cè)明顯裂紋的Percolation-Based圖像處理方法，判定該算法定位和基于改進(jìn)的標(biāo)準(zhǔn)模型方法計(jì)算結(jié)果，主要是C2層輸出的MAX值和是否有裂紋的分類識(shí)別結(jié)果，完成裂紋的定位功能。通過對(duì)實(shí)驗(yàn)結(jié)果的分析得知，該方法克服了傳統(tǒng)圖像處理方法識(shí)別率低的問題，但仍有諸多應(yīng)該改進(jìn)的地方，譬如引入貝葉斯模型為該