太阳能作为一种可再生能源,在能源更迭的板块中逐渐占据了主要地位。太阳能电池片作为太阳能光电转换的载体,在生产制备过程中易出现裂缝、阴影等缺陷,这些缺陷的出现会严重影响光电转换效率、降低使用寿命,甚至威胁到生命财产安全。因此研究出有效的太阳能电池片缺陷检测算法,具有重要的实用价值。本文针对太阳能电池片电致发光（Electroluminescent,EL）测试图像进行实验研究,介绍了针对裂缝及阴影缺陷的检测算法设计方案,具体工作概括如下:（1）研究了太阳能电池片EL测试图像裂缝缺陷分类检测算法。太阳能电池片的缺陷中,裂缝缺陷因其细微性是检测过程中的一大难点。因此,提出应用粒子群算法（Particle Swarm Optimization,PSO）优化支持向量机（Support Vector Machines,SVM）的太阳能电池片裂缝缺陷分类检测算法。首先,为减少图像采集过程中由电致发光检测产生的光照分布不均影响,对太阳能电池片EL测试图像进行Retinex增强处理;其次,在频域上利用Gabor滤波器对图像进行纹理特征提取,以获取裂缝特征;最后,对所获得的纹理特征经主成分分析法降维后输入到粒子群-支持向量机（Particle Swarm Optimization＿Support Vector Machines,PSO＿SVM）系统中进行分类识别。实验结果表明,该算法的最高分类识别准确率为99.33%,通过进行10次实验,得到平均分类识别准确率为98.80%。与其它算法相比,获得最高准确率。（2）研究了太阳能电池片EL测试图像缺陷定位检测算法。针对太阳能电池片EL测试图像中的裂缝、阴影缺陷,进行缺陷定位检测算法设计。首先,运用Label Image对缺陷图像进行标注,建立实验所需数据集;然后通过对SSD算法以及Mobilenetv3算法进行改进,建立适合太阳能电池片EL测试图像的缺陷定位检测算法,达到以较高的检测精确度完成定位检测缺陷的目的,实现在用矩形框定位缺陷位置的同时能够识别并标注缺陷类型的效果。实验表明,该算法取得了99.62%的识别精度,相比于改进前的模型有效降低了一些计算成本。对比其它算法,该算法取得了最好的定位检测效果。（3）设计了太阳能电池片EL测试图像缺陷检测系统。针对本文提出的缺陷检测算法,利用Matlab GUI平台进行具有可操作性的可视化系统设计,实现太阳能电池片EL测试图像裂缝、阴影缺陷检测过程直观明了地显示,体现了实际的应用价值。该论文有图60幅,表17个,参考文献68篇。