随着近年来光伏产业不断发展，太阳能光伏发电市场的热度不断提升。在太阳能电池片的生产过程中，对电池片的计数是分拣中不可或缺的一环。传统的电池片计数方法是采用人工对电池片进行计数，由于电池片本身薄而脆而容易造成其破损，且效率较低。国内外已经存在一些采用机器视觉技术对电池片进行计数的处理装置。但由于电池片生产流程中印刷时侧边残留杂质，导致其图像纹理复杂，侧面图像噪音高，为图像处理带来困难，这些装置的计数精度尚有待提高。　　针对以上问题，本文对基于机器视觉的电池片计数进行了研究，分析了电池片的成像特点与规律，并分析了算法需要解决的难点。设计了电池片计数所需的硬件构架，选择了对应的软件环境，对预处理中如何取得特征更为明显的电池片图像进行了多种方法的综合研究，并设计了一套基于判别分析的计数系统。　　首先，电池片的整体呈现纵向平行条纹形状，具有微量倾斜或弯曲，片上纹理复杂，灰度差距大。针对这些特征，本文设计了整体硬件结构，构建了软件环境。硬件系统由单片机、工业相机、放置平台与上位机构成，人工将电池片放置于平台上，由工业相机进行图像采集，上位机进行图像处理与分析，单片机进行数据传输与结果显示。　　其次，在图像预处理过程中，本文针对太阳能电池片图像特点设计了基于周边灰度的自适应阈值滤波器，和基于卡尔曼滤波的纵向纹理滤波器。自适应阈值滤波器针对每个非边缘像素点，按灰度阈值排除周边的边缘像素。该方法使边缘像素点不参与滤波运算，保证了滤波过程中边缘像素灰度的稳定性，并能在保留更多图像细节的同时，滤除图像噪声。卡尔曼滤波是一种最优估计算法，由于在理想情况下，电池片同列的灰度值恒定，因此可以通过对每列进行卡尔曼滤波，完成整个图像的滤波过程。该滤波方法对滤除电池片亮斑与杂质有较好的效果。通过对比，这两种滤波方法比高斯滤波、小波滤波等算法对电池片图像有着更好的噪音滤除作用。　　最后，设计了基于Bayes判别分析的电池片计数算法。根据电池片图像投影值选定波峰与上个波峰的波峰间距、波峰与上个最低波谷的纵向灰度差作为特征变量。对已知样本进行分类、训练，得到样本分类判别式，用判别式对未知样本分类，实现电池片计数。试验结果表明，在对多组数量为100～150间的层叠电池片进行计数时，最大误差不超过2片，能够满足实际生产需求。