CN103872983B - 太阳能电池表面缺陷检测方法 - Google Patents

Abstract

本发明涉及太阳能电池表面缺陷检测方法，包括结构件和检测电路***，结构件由陈列架、观察台和安装架构成，检测电路***包括光照单元、图像采集单元、图像处理单元、显示单元；检测时采用低角度环形白色LED光源，通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；对于裂纹，通过对图像进行二维中值滤波、小波变换、图像二值化、边缘检测和形态学算子处理得到裂纹的缺陷图像，获得缺陷识别结果，图像处理单元最终将处理结果传送到显示单元的上位计算机，其有益效果是：与人工目视检测和红外扫描检测法相比，检测效率与准确率大幅提高，该方法操作简单易行，节省大量劳动力，减轻了劳动强度。

Description

太阳能电池表面缺陷检测方法

技术领域

本发明涉及能源领域，特别涉及一种太阳能电池表面缺陷检测方法，用于对太阳能电池板表面的缺陷检测。

背景技术

太阳能电池表面质量的好坏是影响太阳能电池发电效率高低的主要因素，因此太阳能电池的表面质量检测成为其生产过程中不可或缺的一个环节。目前检测设备及方法主要有：

(1)人工目视检测。人为通过目测检测电池板表面质量。该方法只适用于表面缺陷较为明显的太阳能电池，对于尺寸微小的缺陷则难以检测出来。而且该方法人为因素大，缺陷指标不统一，难以适应大规模工业生产需求。

(2)红外扫描检测。红外扫描检测采用的检测设备的结构特征为包括陈列架、观察台和红外发光体，所述观察台的下方安装有陈列架，所述陈列架的下方设有红外发光体。光源类型为激光，利用该光源采取逐点扫描的方式对太阳能电池板进行扫描，相应的光敏元件可完成对缺陷的检测。但是，该方法仅适合检测尺寸较小的太阳能电池板，对于检测尺寸较大或非晶硅类型的太阳能电池板则不适合，因此，作为工业生产检验设备，其局限性比较大。

由于太阳能电池片表面的强反射特性，光源照明技术对表面缺陷检测的影响很大，以往检测设备采用的光源通常为白炽灯，其工作寿命短，光效低，工作不稳定，有频闪现象；太阳能电池表面具有纹理性强、规律性的特点，以往采用的检测的方法均未针对太阳能电池表面具体缺陷进行分类处理，对于包含缺角、裂纹和电极的缺陷不能进行有效的分辨和识别，也影响了检验的结果的正确性。

为了克服以往检测设备和方法的局限性，需要设计和开发新型的太阳能电池表面缺陷检测设备和方法。

发明内容

本发明的目的就是为克服现有技术的不足，针对现有技术存在的问题，提供一种新型的太阳能电池表面缺陷检测设备的设计方案，及利用该设备进行检验的方法。针对太阳能电池片表面的强反射特性，考虑光源照明技术对表面缺陷检测的影响，采用了低角度环形白色LED光源。

考虑太阳能电池表面具有纹理性强、规律性的特点，采用了针对具体缺陷分类检测的方法。对于缺角，通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；对于裂纹，通过对图像进行二维中值滤波、小波变换、图像二值化和边缘检测处理得到包含缺角、裂纹和电极的缺陷图像。为了消除缺角和电极对裂纹判别的影响，对待测图像进行形态学处理中的移除与边界相通区域，得到只包含裂纹缺陷的图像。然后通过选取相应的特征参数进行缺陷的识别。

本发明是通过这样的技术方案实现的：太阳能电池表面缺陷检测方法，包括结构件和检测电路***，结构件由陈列架、观察台和安装架构成，观察台上固定安装光源架、相机架、电箱；电箱内安装检测电路***；检测电路***包括光照单元、图像采集单元、图像处理单元、显示单元；

光照单元由艾菲特光电生产的AFT-D12光源控制器和白色低角度环形LED冷光源连接构成；图像采集单元包括CCD相机VS078FC和M0814MP型号镜头；

图像处理单元包括自制V6000图像处理器和MV-E1394Dual图像采集卡，自制V6000图像处理器由计算机主板、内存、CPU、硬盘和机箱构成，自制V6000图像处理器的计算机主板总线插槽内安装MV-E1394Dual图像采集卡；显示单元由19英寸液晶显示屏组成；作为被检测对象的太阳能电池置于陈列架上；

光照单元的白色低角度环形LED冷光源由AFT-D12光源控制器控制，直接照射在被检测对象的太阳能电池表面，图像采集单元的CCD相机VS078FC采集到太阳能电池板表面图像信息，然后CCD相机VS078FC通过连接MV-E1394Dual图像采集卡的视频电缆，将图像信息传送到图像处理单元的V6000图像处理器进行处理，V6000图像处理器最终将处理结果传送到显示单元的上位计算机，通过显示器显示结果。

其特征在于，采用低角度环形白色LED光源，通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；对于裂纹，通过对图像进行二维中值滤波、小波变换、图像二值化、边缘检测和形态学算子处理得到裂纹的缺陷图像，包括如下步骤：

步骤1、利用检测设备获得太阳能电池板图像，打开光源，采用摄像机将太阳能电池板图像采集到处理单元，太阳能电池板图像读入图像处理单元，并在上位计算机界面进行显示；

步骤2、由图像处理单元将图像转化为灰度图像；

步骤3、通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；其中包括：

a)二维7×7像素邻域中值滤波处理：(7×7像素为像素个数)

即二维中值滤波，其特点是在不减小对比度的情况下剔除异常点，抑制干扰脉冲和点状噪声，保持平滑或圆滑的图像边缘；

b)图像增强，图像二值化，去除电极处理：利用小波变换对图像进行增强；之后进行二值化处理，使得显示出黑白两种明显的视觉效果；再用Canny算子进行边缘检测，标记处图像边缘；最后利用形态学算子按先膨胀再腐蚀的顺序，对图像进行处理，去掉图像边缘，以便后续检测；

c)缺角特征提取：采用8连通标记法把分割得到的不同缺陷正确分开；

d)缺角缺陷识别：选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行缺角识别；

步骤4、在与步骤3进行的同时，通过对图像进行二维中值滤波、小波变换、图像二值化和边缘检测处理得到包含缺角、裂纹和电极的缺陷图像，其中包括：

a)二维3×3像素邻域中值滤波，小波变换：亦即二维中值滤波，其特点是在不减小对比度的情况下剔除异常点，抑制干扰脉冲和点状噪声，保持平滑或圆滑图像边缘；(3×3为像素个数)

b)图像增强，二值化，形态学处理，移除与边界相通的区域；

与缺角相同，利用小波变换对图像进行增强；之后进行二值化处理，使得显示出黑白两种明显的视觉效果；再用Canny算子进行边缘检测，标记图像边缘；最后利用形态学算子(先膨胀再腐蚀)对图像进行处理，去掉图像边缘，以便后续检测；

c)裂纹特征提取：采用8连通标记法把分割得到的不同缺陷正确分开；

d)裂纹缺陷识别：

选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行裂纹识别；

步骤5、获得缺陷识别结果，图像处理单元最终将处理结果传送到显示单元的上位计算机，通过显示器显示结果。

有益效果是：本发明与人工目视检测和红外扫描检测法相比，检测效率与准确率大幅提高。该方法操作简单易行，节省大量劳动力，减轻了劳动强度。

附图说明

图1、太阳能电池表面缺陷检测设备电路框图；

图2、太阳能电池表面缺陷检测流程图；

图3、结构件示意图；

图中：1.陈列架，2.光源架，3.相机架。

具体实施方式

为了更清楚的理解本发明，结合附图和实施例详细描述本发明：

太阳能电池表面缺陷检测设备，电路包括光照单元、图像采集单元、图像处理单元、显示单元，光照单元由AFT-D12型光源控制器(直流12V电源适配器)和白色低角度环形LED冷光源构成(光源控制器为12V直流电源)。

图像采集单元由MV-VS078FC型号CCD相机(最高分辨率1024X768，8位数据输出，帧率30fps，逐行扫描彩色CCD)、M0814MP型号镜头(像面尺寸2/3”,最小物距0.1m，焦距8mm)、MV-E1394Dual型号图像采集卡(采用专业TSB43AB22A双控制芯片，高速串行实时数据流传输，数据传输率每通道达400Mb/s，6芯接口提供12V电源)和IEEE1394A型号相机输出接口构成，图像处理单元由Intel(R)Core(TM)I3-2120CPU3.30GHz的CPU、3.29GHz,1.98GB的内存、500GB硬盘构成，显示单元包括DELL19英寸液晶显示屏。

即图像采集单元在光照单元的作用下，将采集到的太阳能电池板信息发送到图像处理单元进行处理，最终将处理结果显示在显示单元。

光照单元：白色低角度环形LED冷光源；

采集单元：MV-VS078FC型号CCD相机、M0814MP型号镜头、MV-E1394Dual型号图像采集卡、IEEE1394A型号相机输出接口；

处理单元：CPU:Intel(R)Core(TM)I3-2120CPU3.30GHz；

内存：3.29GHz,1.98GB硬盘：500GB

显示单元：DELL19英寸液晶显示屏；

利用所述太阳能电池表面缺陷检测设备进行检测方法，采用低角度环形白色LED光源，通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；对于裂纹，通过对图像进行二维中值滤波、小波变换、图像二值化、边缘检测和形态学算子处理得到裂纹的缺陷图像，包括如下步骤：

步骤1、利用检测设备获得太阳能电池板图像，打开光源，采用摄像机将太阳能电池板图像采集到处理单元，太阳能电池板图像读入图像处理单元并在上位计算机界面进行显示。

步骤2、由图像处理单元将图像转化为灰度图像；

步骤3、通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；其中包括：

a)二维7×7像素邻域中值滤波：

即二维中值滤波，其特点是在不减小对比度的情况下剔除异常点，抑制干扰脉冲和点状噪声，保持平滑或圆滑的图像边缘。

二维图像f(x,y)二维中值滤波的原理为：

g(x，y)＝median{f(x，y)}

式中，f(x,y)为二维数据矩阵集合，g(x,y)为窗口中心点经过中值滤波后的灰度值。

b)图像增强，图像二值化，去除电极：

利用小波变换对图像进行增强；之后进行二值化处理，使得显示出黑白两种明显的视觉效果；再用Canny算子进行边缘检测，标记图像边缘；最后利用形态学算子(先膨胀再腐蚀)对图像进行处理，去掉图像边缘，以便后续检测。

令f(i,j)为原始图像，g(i,j)为二值化以后的图像，阈值为T，其取值范围为0～255，则二值化变换的表达式 $g\&lsqb;f(i,j)\&rsqb;=\left\{\begin{array}{c}0,f(i,j)<T\\ 1,f(i,j)\&GreaterEqual;T\end{array}\right..$

Canny算法首先选取二维高斯函数进行平滑处理：

采用Canny算法中的2×2邻域一阶偏导的有限差分来计算：

$G(x,y)=\sqrt{g_x^2(x,y)+g_y^2(x,y)}$

$\mathrm{\&theta;}(x,y)=\arctan \left(\frac{g_y(x,y)}{g_x(x,y)}\right)$

$\begin{array}{cc}{f}_x=\left[\begin{array}{cc}1/2& -1/2\\ 1/2& -1/2\end{array}\right]& f_y=\&lsqb;\begin{array}{cc}1/2& 1/2\end{array}\&rsqb;\end{array}$

式中，g_x(x，y)和g_y(x，y)分别为原图像被滤波器f_x和f_y在行、列作用的结果。

常用的数学形态算子有膨胀(dilation)、腐蚀(erosion)，以及在此基础上发展的开(opening)和闭(closing)运算。利用这些算子及它们的组合对图像的形状和结构进行分析和处理，解决抑制噪声、边缘检测、特征提取领域的问题。下面介绍一下几种算子的概念。

令Ω为二维欧几里德空间，A是图像，B为结构元素，A、B均是Ω的子集，Φ是空集。

膨胀：

式中，是结构元素B关于原点的映射。上述表达式的意义是图像A被B膨胀后被所有x平移后的和A至少存在一个非零的公共元素。膨胀用来填充孔洞。

腐蚀：

上式的含义B腐蚀A的结果是所有B平移x后均被A的点x的集合包含。腐蚀是膨胀的对偶运算，其作用是去除图像的孤点和尖峰。

开运算的定义是：

上式的含义是A经过B腐蚀后再被B膨胀，开运算用来滤除小于结构元素的突刺，用于抑制正脉冲噪声，消除图像孤立斑点以及毛刺；

闭运算的定义是：

上式的含义是A经过B膨胀后再被B腐蚀，闭运算可以填充小于结构元素的缺口或者孔洞，常用于抑制负脉冲噪声，填补图像裂缝和漏洞。

c)缺角特征提取

采用8连通标记法把分割得到的不同缺陷正确分开；

标记过程如下：

1)如果所考虑的四个邻点值均为0，那么赋予P点新的标记值。

2)如果这四个邻点中只有一个点的值为1，则将P点的符号标记成与其相同。

3)如果有两个或者两个以上邻点的值为1，则标记P点的符号与这几个点中其中一个相同，同时记录下这个邻点符号的等价性。

d)缺角缺陷识别

选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行缺角识别。

缺角缺陷特征参数范围表

缺陷类型	面积A(像素)	矩形度R	伸长度L	分散度K
					缺角	A＞30	R＞0.48	L＞1.0	K＞13.2

同时对于裂纹，通过对图像进行二维中值滤波、小波变换、图像二值化、边缘检测和形态学算子处理得到裂纹的缺陷图像，其中包括：

a)3×3像素邻域中值滤波，小波变换：

亦即二维中值滤波，其特点是在不减小对比度的情况下剔除异常点，用来抑制干扰脉冲和点状噪声，保持平滑或圆滑图像边缘；

二维图像f(x,y)二维中值滤波的原理为：

g(x，y)＝median{f(x，y)}

式中，f(x,y)为二维数据矩阵集合，g(x,y)为窗口中心点经过中值滤波后的灰度值。

b)图像增强，二值化，形态学处理，移除与边界相通的区域；

与缺角相同，利用小波变换对图像进行增强；之后进行二值化处理，使得显示出黑白两种明显的视觉效果；再用Canny算子进行边缘检测，标记处图像边缘；最后利用形态学算子(先膨胀再腐蚀)对图像进行处理，去掉图像边缘，以便后续检测。

令f(i,j)为原始图像，g(i,j)为二值化以后的图像，阈值为T，其取值范围为0～255，则二值化变换的表达式

Canny算法首先选取二维高斯函数进行平滑处理：采用Canny算法中的2×2邻域一阶偏导的有限差分来计算：

$G(x,y)=\sqrt{g_x^2(x,y)+g_y^2(x,y)}$

$\mathrm{\&theta;}(x,y)=\arctan \left(\frac{g_y(x,y)}{g_x(x,y)}\right)$

$\begin{array}{cc}{f}_x=\left[\begin{array}{cc}1/2& -1/2\\ 1/2& -1/2\end{array}\right]& f_y=\&lsqb;\begin{array}{cc}1/2& 1/2\end{array}\&rsqb;\end{array}$

式中，g_x(x，y)和g_y(x，y)分别为原图像被滤波器f_x和f_y在行、列作用的结果。

常用的数学形态算子有膨胀(dilation)、腐蚀(erosion)，以及在此基础上发展的开(opening)和闭(closing)运算。利用这些算子及它们的组合对图像的形状和结构进行分析和处理，以解决抑制噪声、边缘检测、特征提取领域的问题。下面介绍一下几种算子的概念。

令Ω为二维欧几里德空间，A是图像，B为结构元素，A、B均是Ω的子集，Φ是空集。

膨胀：

式中，是结构元素B关于原点的映射。上述表达式的意义是图像A被B膨胀后被所有x平移后的和A至少存在一个非零的公共元素。膨胀用来填充孔洞。

腐蚀：

上式的含义B腐蚀A的结果是所有B平移x后均被A的点x的集合包含。腐蚀是膨胀的对偶运算，其作用是去除图像的孤点和尖峰。

开运算的定义是：

上式的含义是A经过B腐蚀后再被B膨胀。开运算用来滤除小于结构元素的突刺，多用于抑制正脉冲噪声，消除图像孤立斑点以及毛刺。

闭运算的定义是：

上式的含义是A经过B膨胀后再被B腐蚀。闭运算用来填充小于结构元素的缺口或者孔洞，抑制负脉冲噪声，填补图像裂缝和漏洞。

c)裂纹特征提取采用8连通标记法把分割得到的不同缺陷正确分开；

标记过程如下：

1)如果所考虑的四个邻点值均为0，那么赋予P点新的标记值。

2)如果这四个邻点中只有一个点的值为1，则将P点的符号标记成与其相同。

3)如果有两个或者两个以上邻点的值为1，则标记P点的符号与这几个点中其中一个相同，同时记录下这个邻点符号的等价性。

d)裂纹缺陷识别

选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行裂纹识别。

裂纹缺陷特征参数范围表

缺陷类型	面积A(像素)	矩形度R	伸长度L	分散度K
					裂纹		R＜0.66	L＞1.3	K＞8.5

步骤4、获得缺陷识别结果；

应用于研发一个基于VC++6.0的人机交互的***操作界面。进入该***后，左上方区域会显示实时采取到的太阳能电池板的图像，点击运行按钮，***会对当前电池板进行缺陷检测，检测完成后的缺陷图像会分别显示在界面下方的相应区域，而检测出的缺角和裂纹缺陷的数目会通过弹出窗口显示。

根据上述说明，结合本领域技术可实现本发明的方案。

Claims (8)

1.太阳能电池表面缺陷检测方法，包括结构件和检测电路***，结构件由陈列架、观察台和安装架构成，观察台上固定安装光源架、相机架、电箱；电箱内安装检测电路***；检测电路***包括光照单元、图像采集单元、图像处理单元、显示单元；

光照单元由艾菲特光电生产的AFT-D12光源控制器和白色低角度环形LED冷光源连接构成；

图像采集单元包括CCD相机VS078FC和M0814MP型号镜头；

图像处理单元包括自制V6000图像处理器和MV-E1394Dual，图像采集卡，自制V6000图像处理器由计算机主板、内存、CPU、硬盘和机箱构成，自制V6000图像处理器的计算机主板总线插槽内安装MV-E1394Dual图像采集卡；显示单元由19英寸液晶显示屏组成；作为被检测对象的太阳能电池置于陈列架上；

光照单元的白色低角度环形LED冷光源由AFT-D12光源控制器控制，直接照射在被检测对象的太阳能电池表面，图像采集单元的CCD相机VS078FC采集到太阳能电池板表面图像信息，然后CCD相机VS078FC通过连接MV-E1394Dual图像采集卡的视频电缆，将图像信息传送到图像处理单元的V6000图像处理器进行处理，V6000图像处理器最终将处理结果传送到显示单元的上位计算机，通过显示器显示结果；

其特征在于，采用低角度环形白色LED光源，通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；对于裂纹，通过对图像进行二维中值滤波、小波变换、图像二值化、边缘检测和形态学算子处理得到裂纹的缺陷图像，所述方法包括如下步骤：

步骤1、利用检测设备获得太阳能电池板图像，打开光源，采用摄像机将太阳能电池板图像采集到处理单元，太阳能电池板图像读入图像处理单元，并在上位计算机界面进行显示；

步骤2、由图像处理单元将图像转化为灰度图像；

步骤3、通过对图像进行图像分割、小波变换和二维7×7像素领域中值滤波处理得到缺角缺陷图像；其中包括：

a)二维7×7像素邻域中值滤波处理：

即二维中值滤波，其特点是在不减小对比度的情况下剔除异常点，抑制干扰脉冲和点状噪声，保持平滑或圆滑的图像边缘；

b)图像增强，图像二值化，去除电极处理：利用小波变换对图像进行增强；之后进行二值化处理，使得显示出黑白两种明显的视觉效果；再用Canny算子进行边缘检测，标记图像边缘；最后利用形态学算子按先膨胀再腐蚀的顺序，对图像进行处理，去掉图像边缘，以便后续检测；

c)、缺角特征提取：采用8连通标记法把分割得到的不同缺陷正确分开；

d)、缺角缺陷识别：选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行缺角识别；

步骤4、通过对图像进行二维中值滤波、小波变换、图像二值化和边缘检测处理得到裂纹的缺陷图像，其中包括：

a)二维3×3像素邻域中值滤波，小波变换：亦即二维中值滤波，其特点是在不减小对比度的情况下剔除异常点，抑制干扰脉冲和点状噪声，保持平滑或圆滑图像边缘；

b)图像增强，二值化，形态学处理，移除与边界相通的区域；

与缺角相同，利用小波变换对图像进行增强；之后进行二值化处理，使得显示出黑白两种明显的视觉效果；再用Canny算子进行边缘检测，标记处图像边缘；最后利用形态学算子按先膨胀再腐蚀的顺序，对图像进行处理，去掉图像边缘，以便后续检测；

c)裂纹特征提取：采用8连通标记法把分割得到的不同缺陷正确分开；

d)裂纹缺陷识别：

选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行裂纹识别；

步骤5、获得缺陷识别结果。

2.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤3中的a)二维7×7像素邻域中值滤波处理过程为：

利用二维图像f(x,y)二维中值滤波的原理：

g(x，y)＝median{f(x，y)}

式中，f(x,y)为二维数据矩阵集合，g(x,y)为窗口中心点经过中值滤波后的灰度值。

3.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤3中的b)图像增强，图像二值化，去除电极处理过程为：

令f(i,j)为原始图像，g(i,j)为二值化以后的图像，阈值为T，其取值范围为0～255，i,＝1，2，3……n,j＝1，2，3……n；

则：

二值化变换的表达式 $g\&lsqb;f(i,j)\&rsqb;=\left\{\begin{array}{c}0,f(i,j)<T\\ 1,f(i,j)\&GreaterEqual;T\end{array}\right.;$

Canny算法首先选取二维高斯函数进行平滑处理：

$G(x,y)=\frac{1}{2{\mathrm{\&pi;\&sigma;}}^2}\exp \&lsqb;\frac{-(x^2+y^2)}{2{\mathrm{\&sigma;}}^2}\&rsqb;$

采用Canny算法中的2×2邻域一阶偏导的有限差分来计算：

$G(x,y)=\sqrt{g_x^2(x,y)+g_y^2(x,y)}$

$\mathrm{\&theta;}(x,y)=arctan\left(\frac{g_y(x,y)}{g_x(x,y)}\right)$

$\begin{array}{cc}{f}_x=\left[\begin{array}{cc}1/2& -1/2\\ 1/2& -1/2\end{array}\right]& f_y=\left[\begin{array}{cc}1/2& 1/2\end{array}\right]\end{array}$

式中，g_x(x，y)和g_y(x，y)分别为原图像被滤波器f_x和f_y在行、列作用的结果；

数学形态算子有膨胀(dilation)、腐蚀(erosion)，以及在此基础上发展的开(opening)和闭(closing)运算，利用这些算子及它们的组合对图像的形状和结构进行分析和处理来解决抑制噪声、边缘检测或提取领域的问题；

令Ω为二维欧几里德空间，A是图像，B为结构元素，A、B均是Ω的子集，Φ是空集；

膨胀：

式中，是结构元素B关于原点的映射，上述表达式的意义是图像A被B膨胀后被所有x平移后的和A至少存在一个非零的公共元素，膨胀用来填充孔洞；

腐蚀： $A\mathrm{\&Theta;}B=\left\{x\right|\&lsqb;{\left(B\right)}_x\&SubsetEqual;A\&rsqb;\}$

上式的含义B腐蚀A的结果是所有B平移x后均被A的点x的集合包含，腐蚀是膨胀的对偶运算，其作用是去除图像的孤点和尖峰；

开运算的定义是：

上式的含义是A经过B腐蚀后再被B膨胀，开运算用来滤除小于结构元素的突刺，抑制正脉冲噪声，消除图像孤立斑点以及毛刺；

闭运算的定义是： $A\&CenterDot;B=(A\&CirclePlus;B)\mathrm{\&Theta;}B$

上式的含义是A经过B膨胀后再被B腐蚀，闭运算用来填充小于结构元素的缺口或者孔洞，抑制负脉冲噪声，填补图像裂缝和漏洞。

4.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤3中的c)、缺角特征提取过程为：

采用8连通标记法把分割得到的不同缺陷正确分开；

标记过程如下：

1)如果所考虑的四个邻点值均为0，那么赋予P点新的标记值；

2)如果这四个邻点中只有一个点的值为1，则将P点的符号标记成与其相同；

3)如果有两个或者两个以上邻点的值为1，则标记P点的符号与这几个点中其中一个相同，同时记录下这个邻点符号的等价性。

5.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤3中的d)、缺角缺陷识别过程为：

选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行缺角识别：

缺角缺陷特征参数范围表

缺陷类型 面积A(像素) 矩形度R 伸长度L 分散度K 缺角 A＞30 R＞0.48 L＞1.0 R＞13.2

所述步骤4中的a)二维3×3像素邻域中值滤波，小波变换处理为：

利用二维图像f(x,y)二维中值滤波的原理：

g(x，y)＝median{f(x，y)}

式中，f(x,y)为二维数据矩阵集合，g(x,y)为窗口中心点经过中值滤波后的灰度值。

6.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤4中的b)图像增强、二值化、形态学处理、移除与边界相通的区域的处理过程为：

令f(i,j)为原始图像，g(i,j)为二值化以后的图像，阈值为T，其取值范围为0～255，则二值化变换的表达式 $g\&lsqb;f(i,j)\&rsqb;=\left\{\begin{array}{c}0,f(i,j)<T\\ 1,f(i,j)\&GreaterEqual;T\end{array}\right.;$

Canny算法首先选取二维高斯函数进行平滑处理：

采用Canny算法中的2×2邻域一阶偏导的有限差分来计算：

$G(x,y)=\sqrt{g_x^2(x,y)+g_y^2(x,y)}$

$\mathrm{\&theta;}(x,y)=arctan\left(\frac{g_y(x,y)}{g_x(x,y)}\right)$

$\begin{array}{cc}{f}_x=\left[\begin{array}{cc}1/2& -1/2\\ 1/2& -1/2\end{array}\right]& f_y=\left[\begin{array}{cc}1/2& 1/2\end{array}\right]\end{array}$

式中，g_x(x，y)和g_y(x，y)分别为原图像被滤波器f_x和f_y在行、列作用的结果；

令Ω为二维欧几里德空间，A是图像，B为结构元素，A、B均是Ω的子集，Φ是空集；

膨胀：

式中，是结构元素B关于原点的映射；上述表达式的意义是图像A被B膨胀后被所有x平移后的和A至少存在一个非零的公共元素；膨胀用来填充孔洞；

腐蚀： $A\mathrm{\&Theta;}B=\left\{x\right|\&lsqb;{\left(B\right)}_x\&SubsetEqual;A\&rsqb;\}$

上式的含义B腐蚀A的结果是所有B平移x后均被A的点x的集合包含；腐蚀是膨胀的对偶运算，其作用是去除图像的孤点和尖峰；

开运算的定义是：

上式的含义是A经过B腐蚀后再被B膨胀；开运算用来滤除小于结构元素的突刺，抑制正脉冲噪声，消除图像孤立斑点以及毛刺；

闭运算的定义是：

上式的含义是A经过B膨胀后再被B腐蚀，闭运算用来填充小于结构元素的缺口或者孔洞，抑制负脉冲噪声，填补图像裂缝和漏洞。

7.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤4中的c)裂纹特征提取过程为：

采用8连通标记法把分割得到的不同缺陷正确分开；标记过程如下：

1)如果所考虑的四个邻点值均为0，那么赋予P点新的标记值；

2)如果这四个邻点中只有一个点的值为1，则将P点的符号标记成与其相同；

3)如果有两个或者两个以上邻点的值为1，则标记P点的符号与这几个点中其中一个相同，同时记录下这个邻点符号的等价性。

8.如权利要求1所述的太阳能电池表面缺陷检测方法，其特征在于，所述步骤4中的d)、裂纹缺陷识别过程为：

选取区域面积A、矩形度R、伸长度L、分散度K四种特征参数进行裂纹识别；

裂纹缺陷特征参数范围表

缺陷类型 面积A(像素) 矩形度R 伸长度L 分散度K 裂纹 R＜0.66 L＞1.3 K＞8.5