监视光伏电池的质量的方法和系统与流程

本发明涉及监视例如通过光致发光或电致发光的光伏电池的质量的方法和系统。

背景技术：

在光伏电池被光照束激发后所获取的该电池的光致发光图像使得有可能定位可能损害电池的性能的缺陷。这些缺陷作为比图像背景更暗的区域出现在图像中。不同的方法建议使用光致发光图像来确定电池的参数，尤其是识别和/或量化存在于电池中的缺陷。

由augarteny.、trupket.、leniom.、bauerj.、weberj.w.、juhlm.kasemannm.、breitensteino.(prog.photovolt.:res.appli.,21:933-941.doi:10.1002/pip.2180(2013))所写的文档“calculationofquantitativeshuntvaluesusingphotoluminescenceimaging”建议根据电池的光致发光图像对由于电池中存在的缺陷造成的电流损耗的量化方法。mchlb.、imperad.、bivourm.、wartaw.、schubertm.c.所写的文档“suns-pliasapowerfultoolforspatiallyresolvedfillfactoranalysisofsolarcells”(prog.photovolt.:res.appl.doi10.1002/pip.2293(2012))描述了根据对电池的光致发光图像的像素测出的光致发光强度确定硅电池的开路电压(voc)图和伪形状因子(pff)图的方法。最后，johnstons.等人所写的文档“correlationsofcu(in,ga)se2imagingwithdeviceperformance,defectsandmicrostructuralproperties”(j.vac.sci.technol.a30,04d111(2012))研究了根据电池的光致发光图像确定的cu(in,ga)se2电池的均值光致发光强度与一方面电池的开路电压和另一方面电池的形状因子之间的相关性。

在现有方法中，被监视的光伏电池的光致发光图像是通过由具有固定光照功率密度的单色(激光)照射激发电池并激发预定义的持续时间来获得的。但是，所获得的结果并不完全令人满意，因为，依赖于被分析的电池，其缺陷在光致发光图像中是或多或少可检测的。

本发明意在改善这种状况。

技术实现要素：

相应地，本发明涉及监视多个光伏电池的质量的方法，包括对每个电池：

·激发步骤，在此期间要被监视的电池经受具有既定激发水平的激发；

·在激发后获取要被监视的电池的至少一个发光图像的步骤；

·处理所获取的图像的步骤；

其特征在于，对于每个电池，提供确定被调整以适应该电池的激发水平的预备步骤，要被监视的不同电池的相应经调整的激发水平被修改为使得由不同电池发射的信号的发光强度等于相同的参照发光强度。

因此本发明包括修改施加到要被监视的不同光伏电池的激发水平，使得，就其发光响应而言，所有电池都被放在相同的水平。由于这一点，大大限制了不同电池之间的缺陷被低估或高估的风险。在调整后的激发水平下对要被监视的电池进行激发之后所获得的发光图像的处理使得有可能实现质量监视，这在不同的电池之间是一致的、可靠的和精确的。

在一种特定的实施例中，在确定被调整以适应电池的激发水平的预备步骤期间：

·响应于初始选定的激发水平而测量由电池发射的发光强度；

·根据测得的发光强度、参照发光强度以及取决于施加到该电池的激发水平的电池发光响应的变化数据确定被调整以适应电池的激发水平。

要被监视的电池最初利用初始选定的激发水平被激发。响应于这个初始激发而由电池发射的光子信号的发光强度被测量，以便计算测得的强度与参照强度之间的比。根据这个比，并且考虑初始施加的激发水平和取决于激发水平的发光强度的已知变化，确定要被施加到电池的经调整的激发水平，使得其发光响应等于参照强度。

有利地，计算参照发光强度与测得的发光强度之间的强度比以及取决于针对初始选定的激发水平归一化的所施加激发水平的发光响应的变化数据，根据被取作发光强度的强度的所述比，借助于所述变化数据，直接获得被调整以适应该电池的激发水平。

以这种方式，以简单快捷的方式确定调整后的激发水平，无需补充的计算。

再次有利地，如果要被监视的电池由生产线制造，则指定学习阶段，在此期间：

·测量在所述生产线上制造的多个学习电池的开路电压；

·确定参照开路电压，包含在由所测得的开路电压的均值加上或减去测得的开路电压的分布的标准差的两倍定义的范围内；

·根据所确定的并用于初始选定的激发水平的参照开路电压确定参照发光强度。

以这种方式，参照发光强度适于被监视的电池的生产线。

在一种特定的实施例中，在学习阶段期间

·使学习电池经受初始选定的激发水平并响应于激发而测量学习电池的发光强度；

·依据所述学习电池的开路电压，确定经受初始选定的激发水平的学习电池的发光强度的变化数据。

通过学习，由此可以确定取决于其开路电压的电池的发光强度的变化数据，并根据这个数据选择参照发光强度。

有利地，对于要被监视的每个电池，该电池的发光图像由一组向其分配了相应发光强度值的像素组成，在处理步骤期间：

·将要被监视的电池的发光图像分解成对应于该电池在无缺陷情况下的第一图像和对应于该电池的缺陷的第二图像，

·计算与第二图像的像素关联的发光强度值的均值，以便确定该电池的缺陷的量化参数。

在要被监视的电池的经调整的激发之后，该电池的发光响应图像被获取，然后被分解成分别对应于图像背景和电池的缺陷的两个辅助图像。根据包含电池的缺陷的辅助图像，可以构建像素的发光强度的均值并由此确定缺陷的量化参数。

再次有利地，缺陷的量化参数通过从第一图像的像素的值的均值确定的校正因子被校正。

由于施加到要被监视的电池的激发水平的调整，图像背景应当理想地全都相同。但是，特别是由于调整误差，轻微的偏差是可能的。其结果是对缺陷的低估或高估。为了校正这种情况，缺陷的量化参数通过从背景图像的发光强度的均值确定的校正因子被加权。

在一种特定的实施例中，在学习阶段期间，为学习电池确定形状因子的损失的参数与缺陷的量化参数之间的相关性数据。

在这种情况下，有利地，对于要被监视的每个电池，根据已确定的缺陷量化参数和所述相关性数据评估该电池的形状因子的损失的参数。

因此，基于要被监视的电池的缺陷量化参数，可以估计缺陷对形状因子的影响。更精确地说，借助由学习过程获得的缺陷量化参数与形状因子的损失之间的相关性数据，并根据要被监视的电池的确定的缺陷量化参数，可以评估由缺陷产生的电池的形状因子的损失。

再次有利地，对于要被监视的每个电池，前述步骤是在制造过程期间在该电池的金属化的步骤之前或之后被执行的。

以这种方式，可以暂停有缺陷的电池的制造，尤其是在金属化之前，并因此节约金属。

要被监视的电池的激发模式可以是光束或电流。

本发明还涉及监视多个光伏电池的质量的系统，包括用于实现刚才定义的方法的步骤的硬件和软件装置。

在一种特定的实施例中，该系统包括：

·激发设备，适于向要被监视的电池施加具有既定的激发水平的激发；

·用于在激发后获取电池的发光图像的设备；

·图像处理模块；

并且其特征在于，该系统包括确定被调整以适应要被监视的电池的激发水平的模块，所述模块适于调整要被监视的电池的相应激发水平，使得由所述电池发射的发光强度等于相同的参照发光强度。

该系统可以包括下列附加特征当中全部或一些：

-确定被调整以适应要被监视的电池的激发水平的模块，该模块被布置为，响应于初始选定的激发水平、参照发光强度以及取决于施加到电池的激发水平的电池发光响应的变化数据，根据所述电池的测得的发光强度确定被调整以适应要被监视的电池的激发水平；

-它包括被适于确定以下的学习模块

·根据测得的学习电池的开路电压，确定参照开路电压，所述参照开路电压被包含在由所测得的开路电压的均值加上或减去测得的开路电压的分布的标准差的两倍定义的范围内，及

·根据所确定的并用于初始选定的激发水平的参照开路电压确定参照发光强度；

-图像处理模块适于将在要被监视的电池在经调整的激发水平下被激发之后所获取的所述电池的发光图像分解成对应于该电池在无缺陷情况下的第一图像和对应于该电池的缺陷的第二图像，并且它包括确定要被监视的电池的缺陷的量化参数的模块，该模块被布置为计算与第二图像的像素关联的发光强度值的均值；

-它包括根据既定的所述电池的缺陷的量化参数和形状因子的损失的参数与缺陷量化参数之间的相关性的数据来评估要被监视的电池的形状因子的损失的参数的模块。

本发明还涉及监视多个光伏电池的质量的方法，该方法对于每个电池包括：

·激发步骤，在此期间要被监视的电池经受激发；

·在激发后获取要被监视的电池的至少一个发光图像的步骤；

·处理所获取的图像的步骤；

其特征在于，对于要被监视的每个电池，在处理步骤期间，将要被监视的电池的发光图像分解成对应于该电池在无缺陷情况下的第一图像和对应于该电池的缺陷的第二图像。

有利地，为了分解要被监视的电池的发光图像，该电池的发光图像由一组为其分配了相应发光强度值的像素组成：

·选择所述发光图像的多个像素；

·向选定的像素当中每一个分配表示所述像素的局部环境的值；

·根据被选像素的值向图像的每个像素分配新的值，以便获得对应于该电池在无缺陷情况下的第一图像；

·根据发光图像和第一图像确定对应于所述电池的缺陷的第二图像。

再次有利地，计算与第二图像的像素关联的发光强度值的均值，以便确定电池的缺陷的量化参数。

该方法有利地涉及下列附加特征当中一些或全部：

-通过形成电池的发光图像与第一图像之间的比值或差集来获得所述第二图像；

-通过被选像素的值的内插向图像的每个像素分配新的值；

-缺陷量化参数通过根据第一图像的像素的值的均值确定的校正因子被校正；

-发光图像的被选像素位于周期性隔开的位置。

最后，本发明涉及监视多个光伏电池的质量的系统，包括：

·激发设备，适于对要被监视的电池施加激发；

·用于在激发后获取电池的发光图像的设备；

·图像处理模块；

其特征在于图像处理模块适于将要被监视的每个电池的发光图像分解成对应于该电池在无缺陷情况下的第一图像和对应于该电池的缺陷的第二图像。

图像处理模块有利地被设计为选择所述发光图像的多个像素，向选定的每个像素分配表示所述像素的局部环境的值，根据被选像素的值向图像的每个像素分配新的值以便获得第一图像，根据发光图像和第一图像确定第二图像。

而且，图像处理模块有利地适于计算与第二图像的像素关联的发光强度值的均值，以便确定该电池的缺陷的量化参数。

附图说明

参照附图，借助以下对本发明监视多个光伏电池的质量的方法和系统的特定实施例的描述，本发明将被更好地理解，其中：

图1示出了根据本发明一种特定实施例的质量监视系统；

图2示出了取决于所施加的激发水平的光伏电池的发光响应的变化数据，其中激发水平的强度相对于选定的激发水平归一化；

图3示出了取决于光伏学习电池的开路电压的这些电池的发光强度的变化数据；

图4a示出了相对于要被监视的光伏电池的发光图像；

图4b和4c示出了通过图4a的图像的分解而获得的两个图像；

图5a和5b示出了根据一种特定实施例的方法的学习阶段的步骤；

图6a和6b示出了根据一种特定实施例的本发明方法的质量监视阶段的步骤；

图7示出了光伏电池的电流/电压和功率/电压的特性；

图8示出了形状因子的损失的参数与电池的缺陷量化参数之间的相关性的数据。

具体实施方式

本发明的质量监视方法使得有可能监视在生产线l上被制造的光伏电池的质量，以便，如果合适的话，检测与期望的性能相比具有不足性能的一个或多个电池。

质量监视由一个系统实现，该系统包括：

-激发设备1，意在激发光伏电池通过发光发射光子，

-获取发光图像的设备2，诸如相机，意在获取表示响应于激发而由光伏电池发射的光子的数字图像，换句话说，在激发后电池的发光响应的图像，

-测量发光强度的传感器3，适于测量在激发后由光伏电池发射的光子的信号的发光强度，

-控制设备4。

质量监视系统包括硬件和软件装置，以实现下面描述的方法的步骤。

控制设备4特别包括中央单元(未示出)，在本例中是微处理器，以及各种软件模块：

-学习模块40，能够控制学习阶段的步骤的执行，

-确定被调整为适应光伏电池的激发水平的模块41，

-图像处理和光伏电池的缺陷量化参数的确定的模块42，

-评估形状因子的损失的参数的模块43，

-电池选择的模块44。

控制设备4还包括储存存储器45，尤其是保存在学习阶段期间获得的数据，以及人机接口46(屏幕、键盘，等等)。

在这里描述的示例实施例中，光伏电池的激发模式是激光束。激发设备1是激光发射源。在一个变体中，可以使用另一种类型的光束或通过电流的激发。

光伏电池是，例如，硅异质结(shj)电池或太阳能电池。但是，可以预期本发明对任何其它类型的光伏电池的应用。例如，可以提及硅同质结电池、基于无定形硅或其它半导体的薄层电池，诸如cdte(碲化镉)、cuingase(铜铟镓硒)或gaas(砷化镓)电池或者甚至多结电池。

该方法包括在下文中描述的生产线l的初始学习阶段。

学习阶段：

学习阶段使得有可能确定关于由生产线l生产的光伏电池的不同参数，即：

-取决于开路电压的、由生产线l生产的光伏电池的发光强度的变化数据(曲线c1)；

-用于要被监视的光伏电池的发光强度的参照值，或目标，被标记为ipl，ref；

-取决于施加到光伏电池的激发水平的、光伏电池的发光响应的变化数据(曲线c2)；

-光伏电池的缺陷的量化参数gl与该电池的形状因子的损失的参数之间的相关性的数据；

-缺陷量化参数的阈值tshgl。

学习阶段包括由生产线l制造一批n个被称为“学习电池”的光伏电池的第一步e00，电池被标记为cla1、cla2、...、clai、...、clan。例如，按照期望的精度程度(代表性样本)，数字n可以是几百乃至几千个电池。

步骤e01至e06使得有可能确定曲线c1和参照发光强度ipl，ref。

以已知的方式，光伏电池的特征在于开路电压“voc”，其对应于当没有电流i流动时(i＝0)电池的端子上的电压。生产线一般生产其相应电压voc可能从一个电池到另一个略有不同的电池。通常，由生产线生产的一个批次的光伏电池的电压voc关于均值以高斯分布分布并具有给定的标准偏差σ。

在步骤e01期间，每个学习电池clai的开路电压voc_i以已知的方式被测量。

在步骤e02期间，根据为电池cla1到clan测得的电压voc_i计算开路电压均值

然后，当学习电池借助于激光发射设备1经受具有选定照度水平的激发激光束时，测量学习电池cla1到clan当中每一个的光致发光响应。在这里描述的例子中，选择等于激光发射设备1的最大激光发射功率的40％的照度水平，最大激光功率密度是大约120mw/cm²，并且激光束的发射持续时间为大约10ms。可以选择不同的照度水平，但在任何情况下该照度水平都适于使得光伏电池的光致发光响应不令获取设备2饱和。我们把这个初始选定的照度水平标记为pinit。在一个变体中，为了获得期望的照度水平，可以选择固定的激光功率密度(诸如，最大功率的40％)并且通过改变电池的激发时间的持续时间，即，激光束发射的持续时间，来调整照度水平。

为了测量电池在初始选定的照度水平pinit的光致发光响应，在步骤e03期间，让每个学习电池clai经受激光束，其中索引i初始等于1，激光设备1被调整到其最大发射功率的40％的选定功率。

在步骤e04期间，测量响应于在步骤e03期间所施加的激光激发而由学习电池clai发射的信号的光致发光强度ipl_i。

对于给定的照度水平，已知光伏电池的光致发光强度ipl依赖于该电池的开路电压voc。更精确地说，强度ipl与成正比。换句话说，得到以下关系：

其中：

-e表示基本电荷；

-k表示玻耳兹曼常数，及

-t表示温度。

步骤e03和e04对每个学习电池clai重复，索引i的范围从1到n。测试步骤e05被提供，使得如果索引i小于n则该方法返回到步骤e03(在图4中的分支n)。当所有电池clai的光致发光响应都已经测出，其中i的范围从1到n，该方法移动到步骤e06(图5a中的分支y)。

在步骤e05结束时，对每个学习电池clai(其中i在1和n之间)都具有一对测量值(voc_i，ipl_i)，每一个都包含测得的开路电压voc_i，以及响应于等于设备1的最大激光发射功率的40％的选定照度而测得的电池clai的光致发光强度。

在步骤e06期间，根据对(voc_i，ipl_i)并且考虑已知的比例关系(1)，控制设备4确定取决于学习电池的开路电压voc的光致发光强度ipl的第一变化数据。这些第一变化数据形成如图3所示的曲线c1。因此这个曲线c1是根据由对(voc_i，ipl_i)和关系(1)构成的学习数据确定的。

在步骤e07期间，控制设备4根据参照开路电压值voc，ref并借助曲线c1确定光致发光强度ipl，ref的参照值。在这里描述的示例实施例中，参照开路电压voc，ref被选择为等于开路电压的均值因此参照强度等于与参照电压voc，ref关联的(或耦合到其的)光致发光强度，在这里等于曲线c1上的在一个变体中，参照电压voc，ref可以是均值增加两倍的标准差σ和均值减去两倍的标准差σ之间的任何一个电压值voc，即，在区间之内。

然后该方法转到步骤e08至e011，这些步骤使得能够确定取决于施加到光伏电池的照度水平的、由生产线l生产的该电池的光致发光响应的第二变化数据。“光致发光响应”在这里意味着响应于激发而由电池发射的光子信号的光致发光强度。这些第二变化数据形成标记为c2的第二曲线，诸如在图2中表示的。注意，变化曲线c2可以从单个学习电池或甚至几个学习电池确定。事实上，取决于照度水平的、由生产线l生产的电池的光致发光响应的变化从一个电池到另一个电池，特别是电池的开路电压，是类似或基本上类似的。在这里描述的特定示例实施例中，步骤e08至e11在这里对诸如电池cla1的学习电池执行。在变体中，可以对有限数量的学习电池重复这些步骤e08至e011。

参照图5b，在步骤e08期间，使电池cla1经受激光功率电平pj，索引j初始等于1。例如，所施加的第一激光功率电平p1对应于激光设备1的最大激光功率发射的10％。

在步骤e09期间，测量电池cla1响应于功率为pj的激光激发的光致发光响应，即，由它发射的光子信号的发光强度，标记为ipl_1[pj]。

步骤e08和e09对多个激光功率电平重复，其中j＝1，2，3，...，m，例如从激光器1的最大激光功率的10％至80％左右。例如，对对应的多个不同激光功率电平执行发光强度ipl_1[pj]的数十个测量。

提供了测试步骤e010，使得，如果索引j小于m(在图5b中的分支n)，则该方法返回步骤e08。当电池cla1的光致发光响应已对m个照度水平pj测量之后，其中j＝1，2，3，...，m，该方法移动到步骤e011(图5b中的分支y)。

在步骤e010结束时，一旦步骤e08和e09已经重复m次，就获得m个值对(pj,ipl_1[pj])，其中j＝1，2，3，...，m。

在步骤e011期间，根据m个值对(pj,ipl_1[pj])，控制设备4确定取决于照度水平的、由生产线l生产的光伏电池的光致发光强度的第二变化数据。这些第二变化数据形成曲线c2，如图2中所表示的。这个曲线c2对于由生产线l生产的所有电池是相同的，或基本上相同，而不考虑其各自的值voc。在图2所示的情况下，曲线c2可通过类型的多项式法来调整。

因此，学习阶段使得有可能基于学习数据(即，关于学习电池的测量数据)确定变化曲线c1和c2，并且可在生产线l被置于服务的第一时间执行。

学习阶段还包括步骤e012和e013，使得有可能确定缺陷量化参数的临界阈值tshgl。这些步骤e012和e013将在下面进一步描述。

质量监视

我们现在将描述由生产线l生产的光伏电池的质量监视的阶段，这是在学习阶段之后被执行的。我们将要被监视的一组光伏电池标记为clck，其中k＝1，2，...。

在这里描述的特定实施例中，在电池的制造过程结束之前，并且更精确地是在其金属化之前，质量监视对要被监视的每个电池clck执行。

质量监视包括对于要被监视的每个电池clck：

·预备步骤e2，确定被调整为适应要被监视的每个电池clck的激发水平；

·激发步骤e3，在此期间，所述电池clck经受在调整后的激发水平下的激发；

·在激发后获取电池clck的至少一个发光图像的步骤e4；

·处理所获取的图像的步骤e5。

激发水平的调整：

预备步骤e2包括确定被调整以适应所述电池clck的激发水平，在目前的情况下是照度水平。根据定义，“被调整以适应”光伏电池的激发水平是适于使得响应于所施加的激发水平而由所讨论的电池发射的光子信号的发光强度ipl，k等于参照强度ipl，ref。我们将被调整以适应电池clck的激发水平标记为p[clck]，在这里对应于通过激光发射设备1的最大发射功率的百分比定义的照度水平。

步骤e2包括以下参照图6a描述的子步骤e20至e23。

子步骤e20包括借助激光发射设备1让要被监视的电池clck经受初始选定的激发水平pinit。初始激发水平pinit对应于照度水平，在这里等于激光设备1的最大激光发射功率的40％。

传感器2在子步骤e21期间测量响应于激发pinit而由电池clck发射的光子信号的光致发光强度ipl，k[pinit]。

在子步骤e22期间，控制设备4计算发光强度的参照值与发光强度的测定值之间的强度比，即，在ipl，ref和ipl，k[pinit]之间。我们把这个强度比标记为rik：

在步骤e23期间，控制设备4根据强度比rik并借助曲线c2确定被调整以适应电池clck的激发水平p[clck]。

这个强度比rik对应于构成要应用到初始激发水平pinit的调整因子αk的照度水平的比，以获得被调整以适应电池clck的激发水平。

在这里描述的特定实施例中，曲线c2是针对初始选定的照度水平pinit归一化的。这意味着在由pinit定义的照度水平(在此为40％)下的光致发光响应升至1并且曲线c2的所有点以类似的方式被修改。由于这一点，根据取作光致发光响应的比rik，经调整的照度水平p[clck]直接由曲线c2给出。换句话说，被调整以适应电池clck的照度水平是曲线c2上与等于强度比rik的光致发光响应关联的照度水平。

以要被监视的电池，例如clc1，作为例子，对其施加等于激光发射设备1的最大功率的40％的初始选定的照度水平pinit。参照图2，响应于在pinit的照度(40％)而由电池clc1发射的光子信号的光致发光强度ipl，1[pinit]是大约40000个光子。如果图2中的参照强度ipl,ref等于20000个光子，则强度比等于0.5。在曲线c2上，0.5的光致发光响应(ri1)的归一化值对应于为最大激光功率的25％的照度水平。由此确定被调整以适应电池clc1的照度水平等于最大激光功率的25％。

激发

在激发步骤e3期间，要被监视的电池clck经受处于如在步骤e2期间确定的调整后的激发水平的激发。在这里描述的特定例子中，要被监视的电池clck因此经受调整后的照度，其水平由先前在步骤e2中确定的功率p[clck]定义。

获取

在步骤e4期间，获取设备2在处于照度水平p[clck]下的激发后取得电池clck的光致发光响应的光致发光图像，标记为impl，k。要被监视的所述电池clck的光致发光图像impl，k由与相应的发光强度值(标记为impl，k，i)关联的一组像素pi组成，其中i在这里表示像素索引。换句话说，发光强度impl，k，i被分配给每个图像像素pi。我们把所获取的光致发光图像的像素pi的总数标记为n。

图像处理

然后控制设备4执行涉及下文参照图6b描述的子步骤e50至e53中的图像处理步骤e5。图像处理e5使得有可能根据光致发光图像impl，k确定要被监视的电池clck的缺陷的量化参数glk。

在子步骤e50期间，控制设备4将要被监视的电池clck的光致发光图像impl，k分解成对应于该电池在无缺陷情况下的第一图像imopl，k和对应于该电池的缺陷的第二图像imdpl，k。因此，解耦电池clck的光致发光响应与电池中缺陷的存在而产生的效果。图像imopl，k表示原始图像impl，k的背景并且对应于电池clck在无缺陷情况下的光致发光响应。

为了获得第一图像imopl，k，可以例如通过选择这个原始图像的n个像素来分解原始图像impl，k。这n个像素可以有利地位于周期性隔开的位置。它们形成像素的矩阵。

然后向这n个像素中每一个分配表示其直接局部环境的值。给定像素的局部环境是由包含那个像素的空间区域定义的，例如其中心为被选像素的正方形区域。这个局部环境区域的尺寸被修改为大于易于涉及该电池的当前缺陷，这一般是众所周知的。

分配给n个被选像素当中每一个的值是围绕那个像素并构成其局部环境的区域的最高像素值。

接下来，根据分配给n个被选像素的值向图像的每个像素分配新的值，以便获得对应于电池在无缺陷情况下的第一图像。有利地，图像像素的新值通过分配给n个被选像素的值的内插来确定。换句话说，除了最初被选的n个像素(其具有它们的环境的最高值)，通过内插计算，向图像的每个像素重新分配新的值。因此获得对应于该电池在无缺陷情况下的第一图像。

代替向n个被选像素当中每一个分配其局部环境的最高像素值，可以向其分配表示其局部环境的不同的值，例如这个局部环境的像素值的均值。

接下来，根据发光图像(或原始图像)impl，k和第一图像imopl，k确定对应于该电池的缺陷的第二图像imdpl，k。电池的缺陷的第二图像imdpl，k是通过形成原始图像impl，k与无缺陷情况下的图像imopl，k之间的比值或者通过执行原始图像impl，k与无缺陷情况下的图像imopl，k之间的差集来获得的。

这种方法使得有可能通过消除其中光致发光响应弱的区域，即，被认为是缺陷的区域，来重建图像，从而获得对应于电池在无缺陷情况下的图像的第一图像imopl，k。

每个图像(impl，k,imopl，k,imdpl，k)包含索引为i的n个相应像素并且所述像素被分配发光强度的相应值(ipl，k，i,iopl，k，i,idpl，k，i)。

在子步骤e51期间，借助于以下等式，控制设备4计算分配给缺陷的图像imdpl，k的像素的发光强度的均值：

其中

-idpl，k，i表示与图像imdpl，k的索引i的像素关联的光致发光强度；

-n表示所考虑的图像中的像素的总数。

等式(2)的结果构成用于要被监视的电池clck的缺陷的量化的第一参数。

在子步骤e52期间，借助于以下等式，控制设备4计算与无缺陷情况下的图像imopl，k的像素关联的发光强度的均值：

其中

-iopl，k，i表示与图像imopl，k的索引i的像素关联的光致发光强度；

-n表示所考虑的图像中像素的总数。

在子步骤e53期间，控制设备4根据以下等式借助均值go，k校正缺陷的量化的第一参数gd，k：

这个等式glk的结果构成电池clck的缺陷的量化的校正参数。

参数gd，k通过元素的加权使得有可能校正由于施加到不同电池的经调整的照度水平的精度缺乏所造成的可能偏差。理想的是，在照度水平已被调节或调整的情况下，该参数go，k对于要被监视的所有电池都是相同的，因此光致发光强度都相同(等于参照发光强度)。但是，在实践中，响应于经调整的照度水平而由要被监视的电池clck发射的发光强度ipl，k会相对于预期的参照发光强度ipl，ref稍微偏离，例如，由于激光发射设备1的调节的微小误差。这导致缺陷量化参数gd，k的高估或低估，分别在ipl，k大于或小于ipl，ref的情况下。元素构成参数gd，k的校正因子，从而使得有可能补偿要被监视的电池clck的发光强度的可能偏差。

参数gl和△ff之间的相关性

图7示出了光伏电池的电流/电压(曲线ci_v)和功率/电压(曲线cp)特性。在这个图7中：

-isc表示电池的短路电流，即，当其端子上的电压为零时(v＝0)流过电池的电流；

-voc表示电池的开路电压，即，当流动的电流为零时(i＝0)在电池的端子上的电压；

-imp和vmp分别表示由电池提供的功率处于最大值时电池的工作点的电流和电压。

根据定义，光伏电池的形状因子等于

形式因子ff是由电池提供的最大功率与如果它无缺陷/是完美的话将提供的理想功率之间的比。这个因子ff最终表示电池的理想程度并且它构成指示电池的性能的参数。某些缺陷(例如，化学杂质、微裂纹、位错，等等)易于在其制造过程中在电池中发生并造成形状因子ff的减小。我们把形状因子的损失的参数标记为△ff，表示形状因子的减小幅度。

如前面所指出的，该方法的学习阶段包括对于学习电池clai(i的范围从1到n)确定用于缺陷量化参数gli与形状因子的损失的参数△ffi之间的相关性的步骤e012。这个步骤e012涉及，对于每个学习电池clai：

-第一子步骤e0120，包括为电池clai测量形状因子的损失，即△ffi；

-第二子步骤e0121，包括为学习电池clai计算参数gli。

步骤e0120和e0121对每个学习电池重复(测试e0122)。

在步骤e0120期间，形状因子的损失△ffi对金属化后完成的学习电池进行评估。例如，形状因子的损失△ffi可以被定义为如对电池clai测量的实际形状因子与用于电池clai的参照形状因子之间的差。作为变体，可以使用考虑影响形状因子的不同的物理现象(串联电阻、并联电阻、重组，等等)的△ffi量化的更精确方法，如在2013年10月ieeejournalofphotovoltaics,vol.3,no.4上发表的、数字对象标识符10.1109/jphotov.2013.2270348的文章“afillfactorlossanalysismethodforsiliconwafersolarcells”中所描述的。

子步骤e0121包括在执行步骤e2至e4之后执行对学习电池clai计算缺陷量化参数gli的步骤e5，其中步骤e2至e4包括确定被调整为适应电池clai的照度水平、利用最初选定的照度水平pinit激发电池clai，并且响应于调整后的照度获取电池clai的光致发光图像。

在步骤e012结束时，设备4保存取决于缺陷量化参数gl的、形状因子的损失的参数△ff的变化数据，如图8所示。

在步骤e013期间，设备4确定缺陷量化参数的临界阈值，标记为tshgl，超出该阈值的形状因子的损失被估计为非常重要，因为该电池的性能是令人满意的。例如，参照图8，这个阈值tshgl被设定在4.75。当然，这个阈值可以对另一电池生产线不同。

被监视的电池clck的选择

要被监视的每个电池clck的质量监视阶段包括，在确定电池的参数glk的步骤(步骤e5)之后，测试步骤e6包括确定电池clck的性能是否令人满意。测试e6包括确定缺陷量化参数glk是大于还是等于临界阈值tshgl。

如果测试是否定的，则电池clck的质量被判断为令人满意的并且电池clck可以移动到其制造过程中的下一步，在目前的情况下是金属化步骤e7。

如果测试是肯定的，则电池clck的性能被认为是不令人满意的并且电池clck从生产线l中被除去(步骤e8)。

在这里刚描述的示例实施例中，质量监视方法在电池的金属化步骤之前执行，金属化步骤是在制造结束时执行的。由于这一点，有缺陷的电池可以在金属化之前从生产线被去除，这使得有可能节省金属。但是，可以预期质量监视方法在电池制造结束时执行。

该方法的不同步骤是由控制设备4的对应模块执行或者在其控制下执行的，特别是：

-学习模块40能够执行学习阶段的步骤；

-确定激发的模块41能够执行确定激发水平的步骤e2；

-图像处理模块42能够执行图像处理步骤e5；

-电池选择模块44能够执行步骤e6至e8。

在刚描述的特定实施例中，提供了学习阶段(步骤e00至e011)，使得有可能确定变化曲线c1和c2，然后，对每个电池clck，确定被调整以适应所讨论的电池clck的激发水平p[clck]步骤e2。

在另一个特定实施例中，电池clck在预定义的、非自适应的激发水平被激发，这可以对所有的电池都相同。要被监视的电池clck的激发水平在这种情况下没有被调整以适应所讨论的电池。典型的激发水平为大约1个太阳。但是，这个激发水平可以更低或更高，特别地，在0.1和10个太阳之间。在这种情况下，监视电池clck的质量的方法类似于刚刚描述的方法，区别在于它不包括学习阶段(步骤e00至e011)或确定被调整为适应每个电池的激发水平的步骤(e2)。根据这另一实施例的方法包括，对于每个电池：

·激发步骤e3，在此其间，要被监视的电池clck经受处于预定义激发水平的激发(未具体被调整以适应该电池)；

·在激发后获取要被监视的电池clck的至少一个发光图像impl，k的步骤e4；

·处理所获取的图像impl，k的步骤e5。

在处理步骤e5期间，要被监视的每个电池clck的发光图像被分解成对应于电池在无缺陷情况下的第一图像和对应于所述电池的缺陷的第二图像(步骤e50)。电池的发光图像由向其分配相应发光强度值的一组像素组成，以便分解图像impl，k：

·选择所述发光图像impl，k的n个像素；

·向每个被选像素分配表示所述像素的局部环境的值；

·根据被选像素的值向图像的每个像素分配新的值，以便获得第一图像imopl，k；

·确定第二图像imdpl，k，例如，通过形成电池impl，k的发光图像与第一图像imopl，k之间的比值或差集。

发光图像的被选像素可位于周期性隔开的位置。被选像素的局部环境是包含被选像素的区域，例如，中心在该被选像素的正方形。获得分配给图像的每个像素的新的值，例如，通过被选像素的值的内插。

然后计算(步骤e51)与第二图像的像素关联的发光强度值的均值，以便确定电池的缺陷量化参数，如先前所解释的。

对于这个另一实施例的实现，监视系统类似于先前所描述的，区别在于控制设备4不包括学习模块40或确定经调整的激发水平的模块41。因此，该系统包括适于对要被监视的电池施加激发的激发设备、在激发后获取电池的发光图像的设备和包括图像处理模块42的控制设备、评估形状因子的损失的参数的模块43，以及电池选择模块44。图像处理模块42适于将每个要被监视的电池的发光图像分解成对应于电池在无缺陷情况下的第一图像和对应于电池的缺陷的第二图像，尤其是适于选择所述发光图像的n个像素，向每个被选像素分配表示所述像素的局部环境的值，根据被选像素的值向图像的每个像素分配新的值以便获得第一图像、根据发光图像和第一图像确定第二图像。而且，图像处理模块可以适于计算与第二图像的像素关联的发光强度值的均值，以便确定电池的缺陷的量化参数。