复杂背景下太阳能电池表面缺陷多光谱视觉感知与认知计算

According to the National Natural Science Foundation and the reviewers opinion, this project was approved as a 1-year project, the abstract of this review has been adjusted accordingly..Aiming at the uncertainty originating from complex background for artificial feature extraction of solar cell's surface defects, this project proposes to combine the human cognitive process, and studies the surface defect detection theory and method based on visual perception and deep learning..A multi-type feature collaborative fusion perception method for Multi-spectra surface defects with high dynamic range is presented to address the discrimination uncertainties of spectral crossover caused by the non-gaussian color distribution, which helps to mine and perceive the compact spectral feature information of each spectral band image..The research of this project will bring some important practical value to build the surface defect's intelligent detection theory for solar cell based on visual perception and deep learning as well as advance the application of intelligent vision detection theory in the some important fields such as strip, LCD panel, semiconductor wafer etc..

根据自然科学基金委和评审意见，本项目被批为1年期的项目，本计摘要做了相应调整。 .针对复杂背景下太阳能电池表面缺陷人工特征提取的不确定性问题，结合人类认知机理，研究基于视觉感知和深度学习的表面缺陷检测理论和方法。考虑非高斯颜色分布导致的光谱交叉不确定性，提出表面缺陷多光谱高动态多类型特征协同融合感知方法，挖掘和感知各个光谱波段图像的特征信息；本项目的研究，有助于构建太阳能电池表面缺陷智能视觉感知理论，对于推动智能视觉缺陷检测理论在带钢、液晶面板、半导体晶片等领域的应用有重要的实用价值。.

太阳能是最具应用前景的可再生能源之一，光伏发电是利用太阳能的最佳途径。光伏电池制造质量对于提升光伏电站发电效率和稳定性至关重要。通过开展光伏电池制造的新一代智能化质量缺陷视觉感知技术和应用研究，优化光伏电池制造工艺，推动光伏电池制造行业向高端制造业转型，是信息技术领域的重要研究分支之一。.项目研究了光伏电池色差分类、外观质量缺陷识别、内部质量缺陷识别等先进技术，研发了基于视觉感知的智能质量缺陷识别系统，掌握了智能化视觉感知系统的设计、生产工艺优化等关键技术，重点解决了现有光伏电池生产线质量感知能力弱、数字化智能化功能落后等问题。.项目创新地采用多颜色子空间可视化性能评估方法，引导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，提出了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，提升了复杂背景下多尺度缺陷目标识别性能。针对采用电致发光技术表征的光伏电池内部结构近红外图像，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。.