太阳能电池片是光伏发电系统的核心部分,其表面质量的好坏直接影响着光伏系统的发电效率和使用寿命。由于电池片表面缺陷形式多变、缺陷与背景对比度差、背景纹理不均匀等问题,使得太阳能电池片表面缺陷检测成为一项具有挑战性的任务。因此,本文分别从纹理分析与特征融合角度提出了两种方法,并设计研究了太阳能电池片表面缺陷检测算法,具体研究内容如下:(1)为解决复杂背景下随机纹理干扰的问题,本文提出了一种基于结构纹理分解的太阳能电池片弱表面缺陷检测方法。首先,对采集到的太阳能电池片进行预处理,由三通道彩色图像转换到单通道黑白图像;然后,使用改进的Retinex算法对缺陷信息进行增强,同时去除太阳能电池片表面栅线;其次,使用自适应参数的TV-L~2结构纹理分解模型处理图像,提取图像的结构部分;最后,对结构部分做自适应阈值分割,并使用形态学操作优化分割结果,得到最终的缺陷检测结果。实验结果表明,该方法能够有效增强缺陷,克服复杂背景的干扰。但是当缺陷与周围背景对比度较低时,易出现漏检问题,检测性能有待进一步提高;(2)针对低对比度及复杂背景干扰问题,本文提出了一种新的基于多特征融合的图像弱表面缺陷检测方法。融合过程包括四个阶段:多尺度分解,构建决策图,决策图优化,图像融合。首先,对图像做拉普拉斯多尺度分解,将源图像分解到五个不同的尺度并使用插值算法将子图像缩放到与源图像相同尺寸;然后,分别从太阳能电池片子图像中提取结构显著性特征和细节清晰度特征来构建初始决策图;之后,通过考虑邻域像素间的相关性,使用梯度域引导滤波对决策图进行优化;最后,将优化后的决策图进行融合。该方法对多特征进行融合,充分利用了图像中的结构显著性信息和细节清晰度信息。此外,本文还完成了太阳能电池片视觉采集系统的选型、搭建及测试工作,并开发了太阳能电池片视觉缺陷检测的软件系统。