本文提出了全新的太阳能电池制造过程中质量缺陷视觉感知理论及分析方法,解决了复杂背景下的色差识别与缺陷识别问题.采用多颜色子空间可视化性能评估方法,实现了多颜色子空间的特征融合,增强了微弱类间色差的辨别能力,开创了多晶硅光伏电池高精度的色差识别与分类新模式.结合光伏电池外观缺陷的多尺度和背景纹理复杂特点,提出多光谱深度卷积神经网络模型,实现了缺陷多光谱信息特征解耦式提取,增强了模型对纹理背景特征和缺陷特征的区分能力,达到了复杂背景下多尺度缺陷目标识别性能的新提升.针对采用电致发光技术表征的近红外光伏电池内部结构图像,提出了一种新颖的可控证明滤波器,显著地增强了缺陷区域,同时抑制了近红外图像复杂背景干扰,实现了光伏电池内部结构缺陷信息的可靠识别.综合运用图像处理技术、模式识别技术、机器人控制技术,取得了实现了光伏电池制造工艺质量动态监控与优化,全面提升了光伏电池质量管控的智能化水平.率先实现了太阳能电池质量视觉感知的数字化、集成化、组合化、系列化、系统化设计,符合企业信息化和智能化的发展要求,完成了工业化开发与产品定型.