基于机器视觉的太阳能电池片缺陷检测算法综述

目录介绍

1 引言

2 太阳能电池片表面成像方式及缺陷类型

2.1 太阳能电池片表面成像方式

2.2 太阳能电池片表面缺陷检测类型

3 基于传统机器视觉算法的太阳能电池片缺陷检测方法

3.1 图像域分析法

3.1.1 基于特征的太阳能电池片缺陷检测方法

3.1.1.1 基于梯度特征的太阳能电池片缺陷检测方法

3.1.1.2 基于其他特征的太阳能电池片缺陷检测方法

3.1.2 基于区域的太阳能电池片缺陷检测方法

3.2 变换域分析法

3.2.1 基于矩阵分解的太阳能电池片缺陷检测方法

3.2.2 基于傅里叶变换的太阳能电池片缺陷检测方法

3.2.3 基于小波变换的太阳能电池片缺陷检测方法

3.2.4 基于独立成分分析的太阳能电池片缺陷检测方法

3.3 小结

4 基于深度学习的太阳能电池片缺陷检测方法

4.1 有监督学习

4.1.1 分类网络

4.1.1.1 直接利用分类网络

（1）单类别分类

（2）多类别分类

4.1.1.2 利用网络做特征提取器

4.1.2 检测网络

4.1.2.1 基于两阶段的缺陷检测网络

4.1.2.2 基于单阶段的缺陷检测网络

4.1.2.3 基于Transformer 网络

4.1.3 分割网络

4.1.3.1 FCN 方法

4.1.3.2 Mask R-CNN 方法

4.1.4 混合网络及轻量化网络

4.1.4.1 混合网络

4.1.4.2 轻量化网络

4.2 无监督学习

4.2.1 生成对抗网络

4.2.2 深度置信网络

4.2.3 自编码器

4.3 弱监督及半监督学习

4.4 小结

5 太阳能电池片数据集及评价指标

5.1 数据集概述

5.2 缺陷检测评价指标

5.2.1 分类网络和检测网络评价指标

5.2.2 分割网络评价指标

5.3 性能评估

6 现存问题及进一步研究工作的展望

6.1 现存问题

6.2 进一步研究工作的展望