1.一种太阳能电池板质量分级方法，其特征在于，包括以下步骤：

获取待检测的太阳能电池板的灰度图像；

基于灰度图像提取太阳能电池板的栅线特征，基于所述栅线特征对太阳能电池板的灰度图像进行校正，得到校正后的区域，对校正后的区域进行划分得到子区域，识别各子区域的缺陷面积；根据各区域的缺陷面积，计算太阳能电池板的损坏率；

根据损坏率进行待检测的太阳能电池板的质量分级；

对各子区域进行对比度增强和去除噪声点的处理，以子区域左上角为第一个像素点开始向右遍历，第一行遍历完成之后遍历第二行，步长为单个像素点，获得灰度值集合，其中n为各子区域内的像素点数量，再计算每个像素点相邻8个像素点的灰度均值，获得灰度均值集合 ，然后计算每个像素点的灰度值与其相邻8个像素点的灰度均值之和，获得集合 ，利用集合 重新组成电池板子区域，获得增强后的子区域，统计增强后的子区域的灰度直方图；

对电池板子区域的灰度直方图进行波动曲线拟合，确定拟合曲线中的波谷，基于波谷的个数，确定理想分割阈值；

令增强后的子区域内像素灰度值小于理想分割阈值的像素点为缺陷区域，计算电池板子区域的缺陷区域的面积；

理想分割阈值的具体获取过程为：

对电池板子区域的灰度直方图进行波动曲线拟合，若拟合曲线中只存在一个波谷，以波谷点的横坐标值为起始分割点将两波峰点的横坐标值区间分为两份，再将分割后的两区间分别等分为5个小区间，获得9个分割点，以这9个分割点对应的横坐标值为t值，计算加权后的类间方差 ，对这组数据进行抛物线拟合，取抛物线顶点时的 最大时对应的t值为灰度直方图上的理想分割阈值；

若拟合曲线中存在多个波谷，则以各波谷对应的两波峰点的横坐标值区间，根据上述方式求取各区间内的理想分割阈值，取最大值为理想分割阈值；

其中，加权后的类间方差 值：

其中t为遍历阈值在区间[ , ]内逐灰度级遍历， 为标准的Otsu算法的类间方差， 为直方图上的灰度均值， 和 分别表示阈值分割的第一类和第二类内的灰度均值， 和 分别表示阈值分割的第一类和第二类内像素点数量占总数的比例，w为其权重， 表示灰度级为t时对应的像素点数量占像素点总和的比例，即其像素概率， 为限定灰度级的加权Otsu算法的类间方差，其灰度直方图的分割阈值t从相邻两波峰向其波谷靠近时，权值w越大。

2.根据权利要求1所述的一种太阳能电池板质量分级方法，其特征在于，所述栅线特征为采用Hough变换检测出主栅线的角度和细栅线的角度。

3.根据权利要求1所述的一种太阳能电池板质量分级方法，其特征在于，对校正后的区域进行划分得到子区域之前，还包括：对校正后的图像进行连通域分析，得到太阳能电池板连通域，获得其最小外接矩形；根据连通域内的像素点的数量，统计连通域的面积；并获取最小外接矩形的面积，则连通域的边缘的缺陷面积为：其中 为太阳能电池板连通域的面积， 为其最小外接矩形的面积，若 为0，则连通域的边缘不存在崩边或者缺角缺陷。

4.根据权利要求3所述的一种太阳能电池板质量分级方法，其特征在于，对校正后的区域进行划分得到子区域的过程为：计算太阳能电池板的灰度图像的灰度均值为R，然后从上到下逐行计算太阳能电池板表面灰度图像每行的灰度均值，获得行灰度均值集合 ，其中N为太阳能电池板表面图像的纵向长度；进而使用集合 中的每个数据与R作比较，当其中一数据大于R时，此行为主栅线区域，否则此行为非主栅线区域；

将分类的行按照集合 中的顺序重新组合，获得主栅线的子区域和非主栅线的子区域；再从左至右逐列统计非主栅线的子区域的每列灰度均值，获得列灰度均值集合，其中M为太阳能电池板表面图像的横向长度；进而使用集合 中的每个数据与R作比较，当其大于R时，此列为细栅线区域，否则此列为电池板区域；最后将分类的列按照集合 中的顺序重新组合，获得细栅线的子区域和电池板的子区域。

5.根据权利要求1所述的一种太阳能电池板质量分级方法，其特征在于，所述损坏率P为：其中 为太阳能电池板的最小外接矩形的面积， 为连通域的边缘的崩边或者缺角缺陷面积， 为电池板的子区域中缺陷区域的缺陷面积， 为主栅线的子区域中缺陷区域的缺陷面积， 为细栅线的子区域中缺陷区域的缺陷面积。

6.根据权利要求1所述的一种太阳能电池板质量分级方法，其特征在于，质量分级的方法为：当 时，太阳能电池板质量为优，当 时，为太阳能电池板质量为

良，当 时，太阳能电池板质量不合格。