随着光伏产业的迅猛发展，太阳电池质量变得愈发重要，质量好的太阳电池不仅稳定性好、使用时间长而且光电转换效率高，成为太阳电池生产商市场竞争力的一项重要指标。太阳电池的缺陷严重影响着电池质量，而且大部分的电池缺陷在不借助其他设备的情况下是难以发现的。因此，寻找一种快速准确识别太阳电池缺陷的技术是非常必要的。电致发光(EL)检测技术能利用红外成像检测出太阳电池的多种缺陷，包括一些难以发现的隐性缺陷，而成为太阳电池缺陷检测的一项重要的技术被广泛应用。但是，目前太阳电池的EL图像大部分是人工识别，严重影响了识别效率，而且容易出错。随着数字图像处理技术和模式识别的广泛应用，利用图像处理技术实现太阳电池缺陷的自动识别具有重要的意义。本文利用数字图像处理技术对太阳电池EL图像进行了预处理包括：利用多项式模型进行了图像桶形畸变校正，用霍夫变换和图像旋转变换进行了图像的角度校正，最后进行了电池片的分割。对分割后的电池片进行了增强处理包括：灰度值拉伸变换，低灰度值对比度增强和图像锐化。利用一般线性模型(GLM)对正常电池片、黑心黑斑片、暗片和黑片进行了分类。然后利用断栅和隐裂的缺陷特点，利用形态学的处理方法进行了缺陷识别，取得了比较好的效果。为了更好的识别断栅和隐裂缺陷，通过提取断栅和隐裂边缘邻域的像素点特征，利用训练好的BP神经网络对点进行判别，然后利用统计特性对边缘缺陷进行了分类。