137工艺与装备基于机器视觉的光伏电池板检测系统肖慧慧汪倩玉（华北水利水电大学，郑州450045）摘要：光伏电池板生产过程中存在缺陷检测漏检、误检以及人工检测效率低的问题，容易造成二次损伤，为此提出一种基于机器视觉的光伏电池板检测系统。该系统使用图像预处理、图像去噪、图像分割以及特征提取等技术算法，采用卷积神经网络模型，通过交叉熵损失目标函数进行自主学习，提升检测的准确性。应用验证，该系统具有较高的检测效率和准确率，为企业带来提质、降本、增效的效果。关键词：机器视觉；缺陷检测；光伏电池板；卷积神经网络（CNN）PhotovoltaicPanelDetectionSystemBasedonMachineVisionXIAOHuihui,WANGQianyu(NorthChinaUniversityofWaterResourcesandElectricPower,Zhengzhou450045)Abstract:Intheproductionprocessofphotovoltaicpanels,thereareproblemssuchasmissingdetection,falsedetectionandlowefficiencyofmanualdetection,whichiseasytocausesecondarydamage.Therefore,aphotovoltaicpaneldetectionsystembasedonmachinevisionisproposed.Inthissystem,imagepreprocessing,imagedenoising,imagesegmentation,featureextractionandothertechnicalalgorithmsareused,andConvolutionalNeuralNetworkmodelisadoptedtocarryoutself-learningthroughcross-entropylossobjectivefunction,soastoimprovetheaccuracyofdetection.Theapplicationverifiesthatthesystemhashighdetectionefficiencyandaccuracy,andbringstheeffectofimprovingquality,reducingcostandincreasingefficiencyforenterprises.Keywords:machinevision;defectdetection;photovoltaicpanels;ConvolutionalNeuralNetwork(CNN)随着“工业4.0”智能制造的到来，人工智能（ArtificialIntelligence，AI）和图像处理技术取得了极大进展，成为新一代的“质检员”[1]。“质检员”通过深度学习图像识别算法快速处理图像，让质检设备自动判断缺陷，大幅降低人力劳动强度，节约用工成本，提高了产品的生产效率和检测精度。1系统结构和实现原理1.1系统结构基于机器视觉的光伏电池板检测系统分为硬件系统和软件系统。其中：硬件系统由图像采集单元、网络模块、数据处理单元、控制单元、服务器及辅助执行单元等部分组成；软件系统主要由图像处理与分析、特征提取与识别模块等部分组成。1.2实现原理近年来，深度学习技术和AI图像识别算法广泛应用于计算机领域，WANG等提出了一种...
