太阳能电池硅片缺陷检测

合集下载

硅片缺陷自动检测分类方法探究

… ｎ
ＳｉｌｌＣＯｎＷａ，Ｉｅｒ
ＳｈａｏＱｉ，ＸｉｏｎｇＣｈｅｎｇｌｅｉ
（ＬｕｏｙａｎｇｓｉｎｇｌｅｃｒｙｓｔａｌｓｉｌｉｃｏｎＲｅｆｃｏＧｒｏｕｐＬｔｄ．４７１０００）
用的是人眼观察以及自动检测方式。采用人眼进行观察往往具有异方面。且因为多晶硅片在缺陷种类方面的表现较少，使得判断
ቤተ መጻሕፍቲ ባይዱ
主观性缺陷，同时因为人眼很容易发生疲劳，这就可能极大的降分类的主要依据较为明显，区分度也相对更高，检测分类难度更低检测有效性与准确性。为此，采用何种方式进行硅片缺陷检测，加低。并通过自动检测完成缺陷问题分类是关键。通过结合实际情况，
除此之外，在进行阈值设计阶段需要综合考虑人为因素，并
运用数字处理技术可以解决相关问题。
对生产试验过程中的相关细节进行严格限定。单晶硅片检测过程
分类方法进行研究具有重要意义。
关键词：硅片；缺晤；自动检测
ＫｅＳｎｅａｒｃｎｌ０ｎａｕｔ－ＯｍａｔＪｌ ● Ｃｄｅｔ１ ● ｅＣｔ・ｌ ● ｏｎａＪ【Ｉｄ１Ｃｌ１ａＳＳｎ ● 一ｌＣａｌｔ ■ ｌ ● ｏｎ０Ｉｎ１ｄｅＩｎｅＣｔＪＳｌ ● ｉｔ
Ａｂｓｔｒａｃｔ：Ａｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｆｂａｔｔｅｒｙｐｏｗｅｒａｃｔｕａｌｅｆｆｉｃｉｅｎｃｙｓｉｌｉｃｏｎｗａｆｅｒｑｕａｌｉｔｙｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅ．Ｓｈｏｕｌｄｂｅｃｏｎｓｉｄｅｒｅｄｉｎｔｈｅｐｒｏｃｅｓｓｏｆｐｒｏｄｕｃｔｉｏｎｏｆａｖａｒｉｅｔｙｏｆｆａｃｔｏｒｓ，ｔｈｉｓｉＳｂｅｃａｕｓｅｔｈｅＳｉｌｉｃｏｎｗａｆｅｒｐｒｏｄｕｃｔｉｏｎｉｔｓｅｌｆｈａｓｓｏｍｅｓｈｏｒｔｃ０ｍｉｎｇｓ．Ｔｈｅｐｏｌｙｃｒｙｓｔａｌ１ｉｎｅＳｉｌｉｃｏｎｓｌｉｃｅｏｆｒｅｇｕｌａｒｄｅｆｅｃｔｓａｒｅｍａｉｎｌｙｐｕｒｉｔｙｉｓｎｏｔｈｉｇｈａｎｄｄｉｓｌｏｃａｔｉｏｎｄｅｆｅｃｔｓ．ＳｗｉｒｌｉＳｍａｉｎｌｙｐｒｏｄｕｃｅｄｂｙｄｅｆｅｃｔｓｏｆｍｏｎｏｃｒｙｓｔａｌｌｉｎｅＳｉ１ｉｃｏｎｓｌｉｃｅ．Ｓｉｌｉｃｏｎｗａｆｅｒｄｅｆｅｃｔｓｍａｙｃａｕｓｅｃｅｌ１ｃａｐａｃｉｔｙｉＳａｆｆｅｃｔｅｄ，

晶体硅光伏组件EL测试的缺陷分析

晶体硅光伏组件EL测试的缺陷分析随着光伏技术的发展，晶体硅光伏组件已成为主流的光伏发电设备之一、在光伏组件生产过程中，常常会进行电致发光（EL）测试，通过对组件的EL图像进行分析，可以有效地检测出组件的缺陷。

本文将结合实际情况，介绍晶体硅光伏组件EL测试的缺陷分析。

首先，晶体硅光伏组件EL测试是一种非破坏性测试方法，通过在组件背面施加电压，使组件辐射出可见光，然后使用相机拍摄组件的照片。

通过分析照片中出现的亮点、暗点等特征，可以判断出组件是否存在缺陷。

在EL测试中，常见的缺陷包括细小裂纹、污染、气泡、焊点问题等。

细小裂纹是由于光伏组件在生产过程中产生的温度应力和机械应力引起的。

在EL图像中，细小裂纹会呈现为条状或弧状的亮线，通常与电池片之间的连接有关。

污染是指组件表面存在的杂质，如灰尘、油渍等。

在EL图像中，污染会呈现为不规则的暗斑点，通常分布在整个组件表面。

气泡是由于生产工艺不当或材料质量问题导致的。

在EL图像中，气泡通常呈现为圆形或半圆形的亮斑点。

焊点问题主要包括焊接不良、焊点开路等。

在EL图像中，焊接不良的区域会显示为不规则形状的亮斑，而焊点开路则没有亮斑。

针对这些常见的缺陷，可以采取一些措施进行分析和修复。

对于细小裂纹，可以通过改善工艺和材料选择来减轻温度和机械应力，同时加强的胶水的粘合度。

对于污染问题，可以通过增加清洗步骤或改进清洗工艺来减少。

对于气泡问题，可以通过改进生产工艺和选择更好的材料来避免气泡形成。

对于焊接问题，可以通过调整焊接参数、提高焊接工艺的稳定性来改善。

需要注意的是，EL测试虽然能够有效地检测出组件的缺陷，但并不能判断缺陷对组件性能的具体影响。

因此，在EL测试结果出现异常时，需要进一步进行其他测试来评估组件的性能和质量。

总之，晶体硅光伏组件EL测试是一种重要的缺陷分析方法，通过对EL图像的分析，可以有效地检测出组件的缺陷，为组件生产和质量控制提供有力的支持。

通过对常见的缺陷进行分析和修复措施的探讨，可以进一步提高光伏组件的质量和性能。

基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究

摘要为了解决在丝网印刷流水线末端光伏太阳能晶硅电池的自动缺陷检测和颜色分类的问题，通过对太阳能电池的检测方法进行分析，提出了基于机器视觉的电池片缺陷检测及颜色分选的解决方案，开发了光伏太阳能晶硅电池片检测系统。

首先介绍了太阳能电池的制备工艺，分析了太阳能电池的常见缺陷种类和色系等级及其形成原因，并提出了相应的检测标准和要求。

同时进行光伏太阳能晶硅电池片检测系统整体方案设计，分别对系统硬件和系统软件进行分析设计，然后根据检测系统要求完成了工业相机，镜头，灰度卡等核心元件的选型以及检测功能模块化，离线在线相结合的软件系统设计。

研究了太阳能晶硅电池片缺陷检测算法，介绍了电池片图像的色彩校正，区域提取，硅片定位，工艺点屏蔽等预处理过程。

提出了基于亚像素的电池片的尺寸测量方法。

针对破损缺陷，分别使用形态学和参考模板的检测方法进行实验，通过比较分析选择合适的检测算法。

针对栅线印刷缺陷，根据栅线分布特征将检测步骤细分为栅线提取，细栅检测，主栅检测。

针对脏污缺陷，提取出基于改进的局部阈值分割方法。

研究了太阳能晶硅电池片颜色分选算法，介绍了常用的颜色空间及其转化方法，并使用HSI通道进行颜色直方图特征提取。

分析了传统的颜色分选算法后，提出了一种基于神经网络的颜色分选算法，并通过实验对比分析两种方法的运行效率和精确度，验证了本算法的优越性。

最后，针对本课题的太阳能晶硅电池片缺陷检测及颜色分选系统，在线检测与人工目检相结合，分别从系统的精确度，高效性以及稳定性进行综合性能的实验分析。

实验数据表明，系统的综合性能可以满足实际生产需求。

关键词：机器视觉；检测系统；缺陷检测；颜色分选；神经网络AbstractIn order to solve the problem of automatic defect detection and color classification of silicon cells at the end of screen printing pipeline,through the analysis of solar cell detection methods,a solution based on machine vision for defect detection and color sorting of cells is proposed,and developing an inspection system of photovoltaic solar crystalline silicon cell.Firstly,analyzing the common defect types,color grades and their causes of formation of solar cells by introducing the preparation process of solar cells,afterwards putting forward the corresponding detection standards and requirements.At the same time the overall scheme design of photovoltaic solar crystal silicon cell detection system is carried out,and the system hardware and system software are analyzed and designed respectively.Then,the selection of core components,such as industrial camera,lens and gray card,and offline online software system design with detection function modular are completed according to the requirements of the detection system.secondly,the defect detection algorithm of solar crystalline silicon cells is discussed.First, introducing the preprocessing processes including color correction,region extraction,silicon wafer positioning,process point shielding and so on.After that,proposing a subpixel-based cell size measurement method.Aiming at the damage defects,the detection methods of morphology and reference template are used to carry out experiments,and the appropriate detection algorithm is selected through comparative analysis.Aiming at the defects of grid line printing,the detection steps are subdivided into grid line extraction,fingers detection and busbars detection according to the distribution characteristics of grid line.Aiming at the dirt defect,an improved local threshold segmentation method was extracted.Then,research on the color sorting algorithm of solar crystalline silicon cells.First the color histogram feature extraction is carried out using HSI channel through introducing the common color space and its transformation method.Then a color sorting algorithm based on neural network is advanced with the traditional color sorting algorithm analyzed,and the operation efficiency and accuracy of the two methods are compared and analyzed experimentally,which proves the superiority of the algorithm.Finally,aiming at the defect detection and color sorting system of solar crystal silicon cells in this topic,the comprehensive performance of the system was analyzed from the perspective of accuracy，efficiency and stability combined with online detection and manual eye inspection.Experimental data show that the comprehensive performance of the system can meet the actual production requirements.Key Words:Machine Vision;Detection System;Defect Detection;Color Sorting;Neural Network目录摘要 (I)Abstract ............................................................................................................................. I I 第一章绪论. (1)1.1 研究背景 (1)1.2 国内外研究现状 (2)1.2.1 机器视觉研究现状 (2)1.2.2 太阳能电池检测的研究现状 (3)1.3 本文研究目的与意义 (5)1.4 本文研究内容和组织结构 (6)1.4.1 研究内容 (6)1.4.2 组织结构 (6)第二章缺陷检测与颜色分选系统的分析与设计 (8)2.1 引言 (8)2.2 电池片视觉检测关键问题 (8)2.2.1 太阳能电池制备工艺 (8)2.2.2 电池片缺陷与色系 (9)2.2.3 检测标准与要求 (12)2.3 检测系统整体方案设计 (13)2.4 检测系统硬件选型与设计 (14)2.4.1 工业相机选型 (15)2.4.2 相机镜头选型 (17)2.4.3 灰度卡的选型 (19)2.4.4 其他硬件 (20)2.5 检测系统软件设计 (21)2.6 本章小结 (23)第三章电池片缺陷检测算法研究 (24)3.1 引言 (24)3.2 电池片图像预处理 (24)3.2.1 图像的白平衡色彩校正算法 (24)3.2.2太阳能晶硅电池片区域提取 (26)3.2.3基于模板匹配的电池片定位 (27)3.2.4基于仿射变换的工艺点屏蔽 (30)3.3基于亚像素的电池片尺寸测量 (32)3.4电池片破损缺陷检测算法研究 (37)3.4.1基于形态学检测方法 (37)3.4.2基于模板检测方法 (39)3.4.3破损检测实验分析 (40)3.5电池片栅线缺陷检测算法研究 (40)3.5.1电池片栅线提取 (40)3.5.2电池片细栅检测 (41)3.5.3电池片主栅检测 (43)3.6电池片脏污缺陷检测算法研究 (44)3.7本章小结 (46)第四章电池片颜色分选算法研究 (47)4.1引言 (47)4.2颜色空间变换与特征提取 (47)4.3电池片颜色分选算法 (50)4.3.1基于相似度和距离的颜色分选算法 (50)4.3.2基于神经网络的颜色分选算法 (51)4.3.3颜色分选算法的对比分析 (57)4.4本章小结 (58)第五章检测系统性能分析 (59)5.1引言 (59)5.2检测系统精确度实验 (60)5.3检测系统高效性实验 (60)5.4检测系统稳定性实验 (61)5.5本章小结 (62)总结与展望 (63)研究成果 (63)研究展望 (63)参考文献 (65)攻读硕士学位期间取得的研究成果 (70)致谢 (71)第一章绪论第一章绪论1.1研究背景众所周知，当今科技和经济的高速发展给我们的生活带来了前所未有的变革，不断更新迭代的生产设备及消费产品对能源的需求也在日益增长[1,2]。

硅片检验标准

版本状态临时版文件名称硅片检验页码1/5编制/日期：审核/日期批准/日期：1．目的监测硅片质量，确保电池片质量稳定。

J2．适用范围适用于本公司品质部对所有来料硅片质量的监视和测量。

3．职责3.1 品质部负责制订硅片检验文件。

3.2 品质部负责来料硅片质量的控制。

4．检验4.1核对对照送检单，核对硅片的来源、规格和数量，供方所提供的参数、如电阻率、厚度、对角线长、边长。

检查供方出具的材质报告（碳含量、氧含量、晶向及位错密度），如有不符，须先与采购部沟通，无误后进行检验。

4.2 外观检验4.2.1用刀片划开封条，划时刀片不宜切入太深，刀尖深入不要超过5mm，防止划伤泡沫盒内的硅片。

塑封好的硅片，用刀尖轻轻划开热缩膜四个角，然后撕开热缩膜。

4.2.2 抽出两边的隔版，观察盒内有没有碎片，如有则要及时清理碎片。

4.2.3 检验时戴PVC手套。

从盒内拿出100片硅片（不得超过100片），先把硅片并齐并拢后观察硅片四边是否对齐平整,并用硅片模板进行对照，鉴别是否存在尺寸不对的现象，如不符合，则用游标卡尺测量，并及时记录于硅片外观检验原始记录表上。

4.2.4 再将100片硅片分出一部分使其旋转90度或180度，再并拢观察硅片间是否有缝隙，如有则说明有线痕或是TTV超标的现象。

将缝隙处的硅片拿出来，用MS-203测硅片上不固定的数点厚度(硅片边缘2-5cm以内取点),根据厚度结果确定是否超标。

将线痕、TTV超标片区别放置。

再观察四个倒角是否能对齐，如有偏差，对照硅片模板进行鉴别，把倒角不一致硅片分开放置。

并在硅片外观检验原始记录表上分别记录数量。

4.2.5 观察硅片是否有翘曲现象，翘曲表现为硅片放在平面上成弧形或是一叠硅片并拢后容易散开。

如有，则要把硅片放在大理石平面上，用塞尺测量其翘曲度，将翘曲度超标片区别放置，在硅片外观检验原始记录表上记录数量。

4.2.6 逐片检验硅片，将碎片、缺角、崩边、裂纹、针孔、污物、微晶（特指多晶硅片）等不合格品单独挑出，分别存放，并在硅片外观检验原始记录表上记录。

太阳能硅片检测工作技能经验

太阳能硅片检测工作技能经验（实用版）目录一、引言二、太阳能硅片的概述三、硅片检测的重要性四、硅片检测的工作技能五、硅片检测的经验分享六、结论正文【引言】随着环保意识的不断增强和可再生能源的广泛应用，太阳能光伏产业得到了快速发展。

其中，太阳能硅片作为光伏组件的关键原材料，其质量直接影响到光伏组件的性能和寿命。

因此，硅片检测工作在光伏产业中具有举足轻重的地位。

本文将为大家分享一些太阳能硅片检测的工作技能和经验。

【太阳能硅片的概述】太阳能硅片，又称为光伏硅片，是利用太阳能光伏效应将光能转化为电能的关键部件。

硅片表面具有光吸收层，通过吸收太阳光，产生电子与空穴，从而形成电流。

硅片的质量、表面粗糙度、杂质含量等因素都会影响其光电转换效率。

【硅片检测的重要性】硅片检测是在硅片生产和应用过程中的关键环节，其目的是确保硅片的质量符合标准，提高光伏组件的性能和寿命。

硅片检测主要包括表面质量、缺陷、厚度、电阻率、光电转换效率等方面的检测。

【硅片检测的工作技能】1.掌握检测仪器的使用方法：硅片检测涉及多种仪器，如光学显微镜、扫描电子显微镜、红外热像仪、光电性能测试仪等。

操作人员需要熟练掌握各种仪器的使用方法，以保证检测结果的准确性。

2.熟悉检测标准和方法：硅片检测需要遵循一定的标准和方法，操作人员应熟悉相关标准和方法，确保检测过程的规范性。

3.提高检测效率：硅片检测工作量大，操作人员需要提高检测效率，缩短检测时间，降低生产成本。

【硅片检测的经验分享】1.细致观察：在检测过程中，操作人员要仔细观察硅片的表面质量、缺陷、厚度等，发现问题及时处理。

2.沟通协作：硅片检测涉及多个环节，操作人员之间要进行有效沟通，确保检测工作的顺利进行。

3.不断学习：硅片检测技术不断发展，操作人员要关注行业动态，学习新知识，提高自己的技能水平。

【结论】总之，硅片检测工作对于保障太阳能硅片质量和提高光伏组件性能具有重要意义。

操作人员要具备一定的工作技能和经验，才能确保检测结果的准确性和可靠性。

太阳能电池的缺陷检测技术专利分析

太阳能电池的缺陷检测技术专利分析摘要：太阳能电池片具有环保、可持续等优点，已经被广泛运用在各个领域，而电池片的缺陷直接影响着太阳能电池的工作性能，本文对涉及太阳能电池的缺陷检测技术进行了全面检索，并主要得到了基于机器视觉、光致发光原理和激光扫描的三种方法的检测技术，并对三种检测技术进行了介绍，并得到了相关的重要专利。

关键词：太阳能电池；缺陷检测；专利分析引言太阳能电池的主要材料一直以来都是以硅为主，硅的质量优劣直接决定了太阳能电池板的工作性能，进而影响了光伏发电的效率，太阳能电池板的主要材料一直以来都是以硅为主，硅的质量优劣直接决定了太阳能电池板的工作性能，进而影响了光伏发电的效率，在投入市场前，对电池板的缺陷检查成了一项必不可少的环节。

太阳能电池的常见缺陷如下，包括断栅、划痕和破损[1]。

目前太阳能电池的缺陷检测技术主要包括基于机器视觉、激光扫描和光致发光原理。

1基于机器视觉的太阳能电池的缺陷检测技术随着现代化水平的不断提升，自动化技术飞速发展，目前出现了一系列的基于机器视觉的太阳能电池板缺陷检测技术，利用相机代替人眼，与上位机有效结合，具有准确、高效、可靠等优势，相机采集太阳能电池板的图像信息，传输到上位机，对采集到的图像进行分析，判断电池板是否存在缺陷[2]。

该种方法可有效应用于大规模生产电池板的企业，智能化程度高、产品检测具有一致性，可实现太阳能电池板缺陷的自动检测。

基于机器视觉的太阳能电池检测技术的申请人分布如下图所示：公司申请占了一半以上，另外，校企合作的申请也在增多，说明在这方面，高校的研究成果转为应用的较多。

具体参见附图1-1。

图1-1基于机器视觉的太阳能检测技术申请人分布高校和研究所的申请主要在于图像处理算法方面，如河海大学常州校区的专利申请（CN103258206 A 20130821）提出了一种硅太阳能电池表面缺陷检测和识别方法，其获取独立变量分析（ICA）重构分离矩阵和独立分量；获取待检太阳能组件图像重构图像；检测重构图像是否存在缺陷，定位并分割缺陷太阳能片；获取待检太阳能电池片表面图像多元小波纹理特征并检测统计单元内是否含有缺陷；提取待分类缺陷太阳能电池片图像独立分量基元（ICA）纹理特征；训练支持向量机模型；分类识别待分类缺陷太阳能电池片图像组合纹理特征，算法较为复杂。

双峰法与otsu法结合在太阳能电池缺陷检测中的应用

摘
要：图像分割在太阳能电池组件缺陷检测系统中，起着非常重要的作用。通过双峰法和最大类间方差法结
合对太阳能电池的近红外图像进行图像分割和二值化，并得出缺陷的二值图。实验表明所提出的太阳能电池硅
片的图像分割方法能快速准确地实现对图像的分割，得到了较好的二值图。为太阳能电池图像的缺陷特征的提
片组织）［１８组成，在目标或者背景内部的相邻像素间，９
的灰度值是高度相关的，但在目标与背景交界处两边的像素在灰度值上有很大的差异。图２分别是原始图像（左上）、直方图（右上）及双峰法得到的尺度变换结果（图）下太阳电池单片的整体亮度虽存在差异，但直方图的形状都很相似，如图３所示，大部分像素分布在较高灰度级，也就是背景区域，灰度值接近０的附近为少部分背景和缺陷。阈值Ｔ的选取的步骤如下：
２
（）ａ。／一）ａｌ．）ｆ（ｏ／一２（２
＝口。（１ｘ）口。一／
采用遍历的方法得到使类间方差最大的阈值Ｔ，即
为所求。
４双峰法与最大类间方差法结合
假设图像只由目标（陷）和背景（缺无缺陷的硅
图像视为具有不同灰度级的两类区域的组合，选取一
主要载体，太阳能电池阵列近些年来得到飞速发展和
广泛的应用。太阳能电池阵列的供电装置为太阳电池
片。由于太阳电池片是易碎产品，其破损将直接影响到电池阵的输出功率。太阳电池的相关规范上，都对太阳电池片的裂纹、碎片、断栅、虚焊、缺角、崩边

太阳能硅片隐裂检测原理

太阳能硅片隐裂检测原理
太阳能硅片隐裂检测是指在太阳能电池片制造过程中对硅片进行隐裂的检测。

隐裂是指硅片表面或内部存在微裂纹或裂痕，这些裂纹在裸眼或常规光学显微镜下难以观察到，但会对硅片的性能和稳定性产生不利影响。

因此，隐裂检测对于确保太阳能电池片的质量和性能至关重要。

太阳能硅片隐裂检测的原理主要包括以下几个方面：
1. 光学显微镜检测，传统的方法是使用光学显微镜对硅片进行检测，通过放大和观察硅片表面的微观结构来判断是否存在隐裂。

然而，这种方法存在局限性，因为微裂纹可能非常细小，难以在显微镜下观察到。

2. 热成像检测，利用红外热成像技术，通过测量硅片表面的温度分布来判断是否存在隐裂。

由于裂纹会导致局部热量的不均匀分布，因此可以通过热成像技术来识别隐裂。

3. 激光扫描检测，利用激光扫描技术对硅片进行扫描，通过检测激光在硅片表面反射的特征来判断是否存在隐裂。

这种方法可以
快速、准确地识别硅片表面的微裂纹。

4. 声发射检测，利用声发射技术对硅片进行检测，当硅片表面存在隐裂时，裂纹会在外力作用下产生微小的位移和振动，从而产生特定的声波信号，通过检测这些声波信号来识别隐裂。

总的来说，太阳能硅片隐裂检测的原理是利用光学、热学、激光和声学等多种技术手段，通过对硅片表面或内部的微裂纹进行检测和识别，以确保太阳能电池片的质量和性能。

不同的原理和方法可以相互补充，提高隐裂检测的准确性和可靠性。

太阳能光伏电池制造中的缺陷检测与处理技术研究

太阳能光伏电池制造中的缺陷检测与处理技术研究太阳能光伏电池是一种绿色、可持续、非污染的能源，被广泛应用于生产电力和供暖。

然而，由于材料、加工、装配、运输等环节的影响，光伏电池在制造过程中很容易出现缺陷，如材料结构不均匀、电池片暗痕、接触不良、热点效应等。

这些缺陷会影响太阳能光伏电池的产能、稳定性和寿命。

为了保证太阳能光伏电池的质量和性能，缺陷的检测和处理成为制造过程中的一项核心技术。

一、缺陷的检测技术1、光伏电池的外观检测光伏电池的外观缺陷可以通过人工目测和镜片显微镜检测来发现。

常见的外观缺陷包括：裂纹、磨损、划伤、气泡等。

人工检测的优点是直观易懂，可以发现细微的问题。

但是，人工检测费时费力，不适合大规模生产。

显微镜检测可以提高检测速度和精度，但是需要专业人员进行操作。

2、电池片电性能检测电池片的电性能检测是衡量光伏电池质量的重要指标。

电池片电性能的主要参数包括开路电压、短路电流、填充因子和转换效率。

这些参数可以通过测试仪器进行测量。

常见的电性能测试方法包括：暗 IV 曲线测量、光电流—电压特性测量、闪烁测试、电致发光测试等。

其中，暗 IV 曲线测量是最常用的方法。

3、外部缺陷检测光伏电池的外部缺陷包括气泡、裂缝、锈蚀等。

这些缺陷会影响电池片的性能和寿命。

常见的外部缺陷检测技术包括电容成像、红外热像、激光扫描等。

这些技术具有高效、快速、便携等优点。

4、内部缺陷检测光伏电池的内部缺陷包括晶格缺陷、金属污染、微裂纹等。

这些缺陷会导致导电性能下降、热点效应等问题。

常见的内部缺陷检测技术包括电感成像、扫描电子显微镜、热释光成像等。

这些技术具有高灵敏度、高分辨率等优点。

二、缺陷的处理技术1、电池片的退火电池片的退火是一种消除缺陷的方法。

通过加热电池片，可以消除晶格缺陷、金属污染等一些表层缺陷。

同时，退火也有助于提高电池片的性能和寿命。

但是，退火需要注意温度、时间、气氛等控制条件。

2、光照修复光照修复是一种将电池片暴露于光线下，以修复光伏电池缺陷的方法。

晶体硅组件电致光(EL)检测应用及缺陷分析

晶体硅组件电致光（EL）检测应用及缺陷分析作者：王盛强李婷婷来源：《科技创新与应用》2016年第01期摘要：面对日益严重的生态环境和传统能源短缺等危机，光伏组件制造行业迅猛发展，光伏组件质量控制环节中测试手段的不断增强，原来的外观和电性能测试已经远远不能满足行业的需求。

目前一种可以测试晶体硅太阳电池及组件潜在缺陷的方法为行业内广泛采用，文章基于电致发光（Electroluminescence）的理论，介绍利用近红外检测方法，可以检测出晶体硅太阳电池及组件中常见的隐性缺陷。

主要包括：隐裂、黑心片、花片、断栅、短路等组件缺陷，同时结合组件测试过程中发现的缺陷对造成的原因加以分析总结。

关键词：太阳能电池；组件；电致发光；缺陷分析；检测1 概述随着社会对绿色清洁能源的需求量急剧飙升，我国的组件生产量将进一步扩大，2010年中国太阳能电池产量达10673MW，占世界总额的44.7%，位居世界前列。

缺陷检测是太阳能电池组件生产制备过程中的核心步骤，因硅电池单元一般采用硅棒切割生产，在生产过程中容易受到损伤，产生虚焊、隐裂、断栅等问题，这些问题对电池的转换效率和使用寿命有着严重的影响，严重时将危害组件甚至光伏发电系统的稳定性[1]。

为了提高组件的效率及合格率，并能够针对各生产环节中产生的缺陷情况及时调整维护生产设备，需配备大量的在线缺陷检测设备。

电致发光（EL）检测由于其质量高、成本低、且能快速、准确识别出组件电池单元常见缺陷等特点，在组件封装生产环节中得到了广泛应用，该检测应用对整个光伏产业具有深刻意义和重大价值[1]。

2 电致发光（EL）测试原理在太阳能电池中，少子的扩散长度远远大于势垒宽度，因此电子和空穴通过势垒区时因复合而消失的几率很小，继续向扩散区扩散。

在正向偏压下，p-n结势垒区和扩散区注入了少数载流子。

这些非平衡少数载流子不断与多数载流子复合而发光，这就是太阳电池电致发光的基本原理[2]。

太阳能电池电致发光（Electroluminescence）测试，又称场致发光测试，简称EL测试。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

硅片缺陷自动检测仪
中科院上海光机所研制成功“硅片缺陷自动检测仪”样机（图1），灵敏度优于180纳米（图2），检测速度30片/小时（8英寸硅片），拥有6项专利（3项发明），具有自主知识产权。

该类型设备市场非常大，目前我国完全依赖进口，单台价格达千万元人民币以上。

该样机研制成功，对于改变我国IC专用检测设备长期依赖进口局面、研制和开发国产化设备取得重要进展。

该技术还可用于检测卫星用太阳能电池帆板碎片(图3)以及光学元件表面疵病。

An Automated Wafer Defects Detection System An automated wafer defects detection system has been developed in Shanghai Institute of Optics and Fine Mechanics, CAS. The photograph of this detector is shown in figure 1. The apparatus can detect defects of size of 180nm on wafer surface, with velocity of 30 pieces per hour for 8 inch wafer. The oscilloscope signal is shown in figure 2. This type of detecting apparatus will have large demand in China in future. It entirely depends on importing now and its unit price outvalues ten millions yuan. Therefore, the successful development of this detecting apparatus (having 6 Chinese patents) is very important to change the situation of depending on importing and manufacture home-made products. This detecting technology can also be used to detect flaws on surfaces of solar cell array and large-caliber optical elements. The oscilloscope signal of detecting solar cell array is shown in figure 3.
图1硅片缺陷检测仪(置于洁净台中)
Fig.1 The automated wafer defects detection system (in cleaning platform)
图2 检测硅片表面0.18μm粒子的示波器信号
Fig.2 The oscilloscope signal of 180nm wafer defects
图3 检测太阳能电池帆板表面缺陷的示波器信号(中间小峰为缺陷信号)
Fig.3 The oscilloscope signal of solar cell array flaws (small peak in the middle)。