一种太阳能电池缺陷导致性能损耗的自动评估系统技术方案

本发明专利技术公开了一种太阳能电池缺陷导致性能损耗的自动评估系统，其中，输入模块，用于读取太阳能电池片的电致发光光谱、外量子效率和不同正向注入电流密度下采集的一组电致发光图像；电池边缘检测模块，用于确定太阳能电池在电致发光图像中的准确位置；电池缺陷恢复模块，用于识别太阳能电池表面的缺陷区，计算各个缺陷区的预测发光强度并对缺陷进行恢复；电池伏安特性计算模块，根据实际或者预测电致发光强度与电池内部电压的关系，得到太阳能电池实际或者预测的伏安特性曲线；电池性能损耗评估模块，根据实际或者预测的伏安特性曲线，获得电池实际或者预测的性能参数并进行对比，定量评估由于缺陷导致的太阳能电池性能损耗。量评估由于缺陷导致的太阳能电池性能损耗。

An automatic evaluation system of performance loss caused by solar cell defects

【技术实现步骤摘要】
一种太阳能电池缺陷导致性能损耗的自动评估系统


[0001]本专利技术属于电池检测
，涉及一种太阳能电池缺陷导致性能损耗的自动评估系统。

技术介绍

[0002]为了获得更高转换效率的太阳能电池，在实际生产中需要不断改变工艺参数，以对比采用不同制造工艺生产的样品性能。然而，太阳能电池材料本身以及在生产和制造的过程中，会不可避免的产生或引入一些缺陷，导致转换效率的异常降低，影响了不同样品性能对比的可靠性。因此，设法人为地消除缺陷对太阳能电池的影响，量化缺陷所导致的太阳能电池性能损耗情况，有利于制造人员对工艺的针对性改进，降低高效太阳能电池的研发成本。

技术实现思路

[0003]为了解决现有技术存在的不足，本专利技术基于电致发光成像检测技术及图像恢复技术，提出了一种太阳能电池缺陷导致性能损耗的自动评估系统。
[0004]本专利技术提出了一种太阳能电池缺陷导致性能损耗的自动评估系统，包括：输入模块、电池边缘检测模块、电池缺陷恢复模块、电池伏安特性计算模块和电池性能损耗评估模块。
[0005]其中，所述输入模块，用于读取太阳能电池片的电致发光光谱、外量子效率和不同正向注入电流密度下采集的一组电致发光图像。
[0006]所述读取的太阳能电池电致发光图像用CCD照相机或CMOS照相机拍摄得到，所述电致发光光谱由光谱仪获得，所述外量子效率由太阳能电池外量子效率测试仪获得。
[0007]所述电池边缘检测模块，用于确定太阳能电池在电致发光图像中的准确位置。
[0008]所述太阳能电池在电致发光图像中的位置定义为：使用高斯滤波和大津算法对输入电致发光图像进行阈值化处理后，阈值化图像中白色轮廓所对应的外接矩形区域。
[0009]所述电池缺陷恢复模块，用于识别太阳能电池表面的缺陷区，计算各个缺陷区的预测发光强度并对缺陷进行恢复，得到不同注入电流密度下的预测电致发光图像；
[0010]所述电池伏安特性计算模块，根据实际或者预测电致发光强度与电池内部电压的关系，得到太阳能电池实际或者预测的伏安特性曲线。
[0011]所述电池性能损耗评估模块，根据实际或者预测的伏安特性曲线，获得电池实际或者预测的性能参数并进行对比，定量评估由于缺陷导致的太阳能电池性能损耗。
[0012]所述输入模块读取太阳能电池片的电致发光光谱、外量子效率和在不同注入电流密度下的电致发光图像，并将上述数据信息传输给电池边缘检测模块。
[0013]所述太阳能电池电致发光图像用CCD照相机或CMOS照相机拍摄得到，所述电致发光光谱由光谱仪获得，所述外量子效率由太阳能电池外量子效率测试仪获得；所述注入电流密度的范围为0到太阳能电池的短路电流密度；所述太阳能电池的短路电流密度与太阳
能电池的材料类型、制造工艺有关。
[0014]所述电池边缘检测模块通过高斯滤波和大津算法对输入的电致发光图像进行阈值化处理后，获得阈值化图像中白色轮廓所对应的外接矩形区域即为太阳能电池在电致发光图像中的准确位置；
[0015]所述高斯滤波是指一种线性平滑算法，用于图像处理的降噪过程，从而改善太阳能电池边缘的毛刺，获得信噪比更高的电致发光图像；所述高斯滤波的窗口大小为S，S为正整数；所述大津算法是一种自适应选择阈值的算法，使用该方法可以使程序自动给经过高斯滤波后的电致发光图像设定阈值，从而获得阈值化的图像；阈值的设定与图像的灰度特性有关，采用该阈值时，阈值化图像的黑色和白色两类区域之间满足类间方差最大，且阈值化的错误概率最小。具体来说，大津算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。
[0016]所述大津算法是按图像的灰度特性，将图像分成背景(黑色)和前景(白色)两部分。通常用“方差”作为灰度分布均匀性的一种度量，背景和前景之间的类间方差越大，说明构成图像的两部分(即黑白两部分)的差别越大。因此，使类间方差最大的分割(分割即阈值选取)意味着错分概率最小。
[0017]因此大津算法做出了使类间方差最大的阈值选取。
[0018]根据获得的太阳能电池的准确位置，电池缺陷恢复模块选择某一注入电流密度下电致发光图像，遍历整个电致发光图像获得所有的缺陷区D1到D
i
；
[0019]所述缺陷区的定义为该区域的电致发光强度同时满足以下条件：1)该区域内存在一个电致发光强度最低的点P
i
，点P
i
的强度值低于指定区域N1平均强度值的1/k1，k1为一个给定的系数；2)该区域内所有点的强度值均低于指定区域N2平均强度值的1/k2，k2为一个给定的系数；i为正整数；
[0020]指定区域N1和N2是以点P
i
为中心，指定不同边长或半径的方形或圆形区域，且缺陷区D
i
包含于N1和N2；对于同一个电致发光图像，多个缺陷区的边长或者半径保持一致，且不同缺陷区的N1或者不同缺陷区的N2各自不发生重叠；所述系数k1和k2均为大于1的实数。
[0021]根据获得的所有缺陷区D1到D
i
，电池缺陷恢复模块将缺陷区的电致发光强度逐一替换为缺陷区预测的电致发光强度，获得太阳能电池的预测电致发光图像；
[0022]所述缺陷区D
i
预测的电致发光强度定义为：区域N2中除缺陷区D
i
以外部分的平均电致发光强度。
[0023]所述电池缺陷恢复模块按照注入电流密度从小到大的顺序，依次选择对应的电致发光图像，获得每个注入电流密度下的实际或者预测电致发光图像，计算电池在每个注入电流密度下的电致发光强度，根据太阳能电池实际或者预测电致发光强度与内部电压的互易关系，获得注入电流密度与实际或者预测内部电压的关系曲线，输出太阳能电池的实际或者预测伏安特性；
[0024]电池性能损耗评估模块根据实际或者预测伏安特性曲线，获得电池的实际或者预测性能参数并进行对比，定量评估电池实际性能与电池预测性能的差异，即缺陷导致的电池性能损耗。
[0025]所述电池的实际或者预测电致发光强度定义为：电池实际或者预测电致发光图像上所有像素点的平均电致发光强度；
时的理想电致发光图像。
[0040]图5为通过本专利技术预测的GaAs太阳能电池缺陷导致性能损耗曲线。
[0041]图6为GaAs太阳能电池片的理想伏安特性曲线(部分)和理想开路电压与实际结果对比图。
具体实施方式
[0042]结合以下具体实施例和附图，对专利技术作进一步的详细说明。实施本专利技术的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本专利技术没有特别限制内容。
[0043]如图1所示，本专利技术的一种太阳能电池缺陷导致性能损耗的自动评估系统包括：输入模块、电池边缘检测模块、电池缺陷恢复模块和电池伏安特性评估模块。
[0044]其中，输入模块用于读取太阳能电池片的电致发光光谱、外量子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳能电池缺陷导致性能损耗的自动评估系统，其特征在于，所述系统包括：输入模块、电池边缘检测模块、电池缺陷恢复模块、电池伏安特性计算模块和电池性能损耗评估模块；其中，所述输入模块，用于读取太阳能电池片的电致发光光谱、外量子效率和不同正向注入电流密度下采集的一组电致发光图像；所述电池边缘检测模块，用于确定太阳能电池在电致发光图像中的准确位置；所述电池缺陷恢复模块，用于识别太阳能电池表面的缺陷区，计算各个缺陷区的预测发光强度并对缺陷进行恢复，得到不同注入电流密度下的预测电致发光图像；所述电池伏安特性计算模块，根据实际或者预测电致发光强度与电池内部电压的关系，得到太阳能电池实际或者预测的伏安特性曲线；所述电池性能损耗评估模块，根据实际或者预测的伏安特性曲线，获得电池实际或者预测的性能参数并进行对比，定量评估由于缺陷导致的太阳能电池性能损耗。2.如权利要求1所述的太阳能电池缺陷导致性能损耗的自动评估系统，其特征在于，输入模块读取太阳能电池片的电致发光光谱、外量子效率和在不同注入电流密度下的电致发光图像，并将上述数据信息传输给电池边缘检测模块；电池边缘检测模块通过高斯滤波和大津算法对输入的电致发光图像进行阈值化处理后，获得阈值化图像中白色轮廓所对应的外接矩形区域，即为太阳能电池在电致发光图像中的准确位置；根据太阳能电池的准确位置，电池缺陷恢复模块选择某一注入电流密度对应的电致发光图像，遍历整个电致发光图像获得所有的缺陷区D1到D
i
；根据所有缺陷区D1到D
i
，电池缺陷恢复模块将缺陷区的电致发光强度逐一替换为缺陷区的预测电致发光强度，获得太阳能电池的预测电致发光图像；电池缺陷恢复模块按照注入电流密度从小到大的顺序，依次选择对应的电致发光图像，获得每个注入电流密度下的预测电致发光图像；电池伏安特性计算模块计算电池在每个注入电流密度下的实际或者预测电致发光强度，根据太阳能电池实际或者预测电致发光强度和内部电压的互易关系，获得注入电流密度与实际或者预测内部电压的关系曲线，输出太阳能电池的实际或者预测伏安特性；电池性能损耗评估模块根据实际或者预测伏安特性曲线，获得电池的实际或者预测性能参数并进行对比，定量评估电池实际性能与电池预测性能的差异，即缺陷导致的电池性能损耗。3.如权利要求2所述的自动评估系统，其特征在于，所述太阳能电池电致发光图像用CCD照相机或CMOS照相机拍摄得到，所述电致发光光谱由光谱仪获得，所述外量子效率由太阳能电池外量子效率测试仪获得；所述注入电流密度的范围为0到太阳能电池的短路电流密度；所述太阳能电池的短路电流密度与太阳能电池的材料类型、制造工艺有关。4.如权利要求2所述的自动评估系统，其特征在于，所述高斯滤波是指一种线性平滑算法，用于图像处理的降噪过程，从而改善太阳能电池边缘的毛刺，获得信噪比更高的电致发光图像；所述高斯滤波的窗口大小为S，S为正整数；所述大津算法是一种自适应选择阈值的算法，程序使用该方法自动给电致发光图像设定阈值，从而获得阈值化的图像。5.如权利要求2所...

【专利技术属性】
技术研发人员：陈少强，王酉杨，李丽颖，许瑾佳，胡小波，翁国恩，罗显佳，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：