太阳能电池组件是光伏发电技术的核心器件，它的质量直接影响着整个光伏发电系统的质量和成本。由于多晶硅兼具单晶硅和非晶硅太阳能电池的优点，故多晶硅硅片在太阳能电池产业中被广泛作为衬底使用。多晶硅衬底的结晶度直接影响太阳能电池的光电转换效率，因此硅片的结晶度是衡量衬底质量的重要指标。传统的多晶硅衬底结晶度检测采用抽样进行人工目测的方法，该方法必然会因为工作者长期用眼疲劳、个人经验等人为因素的干扰而导致检测过程中出现错误，且抽检仅可以检测一部分产品，无法对所有衬底进行常规检测。为了避免人工抽检的不足，我们尝试一种基于图像识别的多晶硅结晶度机器自动检测技术。在本文中，我们通过多次实验，确定了采用图像分块、提取边缘、边缘拼接的技术路线，最终统计出硅片晶畴区域的数量和面积，结合相应的标准完成结晶度的检测。我们根据硅片晶畴区域的大小将原始图像分成大小相等的若干子块，有利于克服光照不均对后期图像处理的影响；在每一个子块内利用改进的双峰法结合最大类间方差法（Otsu法）进行图像分割，此方法可自动确定分割阈值的个数，并自动确定分割阈值的准确取值，是机器自动检测技术的基础；再利用Sobel算子对分割后的图像进行边缘提取并细化，通过尝试数学形态学方法和蚁群算法等边缘拼接方法后，采用改进的边缘拼接算法实现自适应地寻找端点和边缘点，将图像中边缘断开部分拼接起来，形成连续的闭合区域，为统计图像中的晶畴区域数量和面积提供保证。实验结果表明，本文设计的整体算法框架可以满足自适应检测的要求，方法的简洁性和自适应特性为整幅图像的在线自动处理奠定了基础，经过进一步优化，将可投入实际应用。