1.预期和容忍细胞或模块之间发光的大变化。
2.一些缺陷如微裂纹或接触形成错误可能非常微妙，难以从强烈和高度不规则的背景纹理中辨别出来。
3. 存在许多非常不同的缺陷类型，这使得不可能开发一种简单而强大的算法来检测它们。
软件算法可以对不同缺陷类型的标注图像的一组代表性以及已知的良好样本进行训练。 学习系统自动并入上下文信息，以形成可靠的缺陷模型。
一旦这个培训阶段完成，检查准备就绪。可以快速识别和报告细胞的不良区域
最具挑战性的缺陷类型是微裂纹，主要是由于具有强大结构的背景，通常与它们具有许多特征。 提供了一组代表性的样品裂纹，学习系统形成了该缺陷的可靠模型。同时，它学会区分裂缝与背景图案的类似外观。 因此，所得到的检测同时是高度特异性和选择性的。
强大的检测：通过EL成像显示的光伏模块中的大多数类型的缺陷可以自动检测和识别（裂纹，断裂，短路，栅格指中断，接触形成错误）

外观缺陷检测解决方案

单晶的比较好，多晶的污染比较严重。我是做太阳能板的