机器视觉是用机器代替人眼进行目标对象的检测、判断、测量和识别。机器视觉涉及目标对象的图像获取,对图像信息的处理以及对目标对象的识别,在工业生产过程中,相对于传统测量检验方法,机器视觉的最大优点是快速、准确、可靠与智能化,对提高产品检验的一致性、产品生产的安全性、降低工人劳动强度以及实现企业的高效安全生产和自动化管理具有不可替代的作用。如同在太阳能电池生产环节中,由于国内太阳能电池产品质量检测大都依靠人眼的视觉检测,因为人眼的疲劳导致产品的质量得不到有效的保证,所以有必要依靠视觉检测技术。针对现实生活中出现的新问题,本文在太阳能电池缺陷识别的这一领域做了一定的研究,主要工作如下：1图像预处理环节中,由于环境的光照,采集设备的位置及本身的缺陷,导致采集的图像会发生倾斜畸变,为了保证识别目标具有统一的标准,需要对图像进行滤波,校正、旋转、抽取、归一化等相关处理。2针对大样本主成分分析数据计算量大,特征提取和分析的时间长、噪声对分析结果的稳定性影响严重等因素,首先对预处理后的图像进行小波变换,然后采用模糊主成分分析的方法,计算图像的数字特征,这样可以减少图像噪声的影响,使得这些特征向量对图像的重建更有帮助。此外根据图像本身的缺陷特征,提取了图像的方差特征、平滑度特征以及圆形度特征。3根据主成分分析获得的像素特征及图像特征,利用支持向量机对图像特征进行训练分类。影响支持向量机分类效果的因素有很多,这里主要选择其中的核函数来讨论。选取适当的核函数对分类识别的精度和稳定性都有很大的提高,本文主要的工作量在于构造了一种新的组合核函数,该核函数在一定程度上提高了识别精度,并且核函数的参数可手动调节。最后通过大量样本的训练、测试,所获得的实验结果可以准确的用来测试未知图片,大大改善了识别系统综合性能。