CN101587078B - 硅片的快速检测方法 - Google Patents

Abstract

本发明公开了一种硅片的快速检测方法，由两个数字式相机分别摄取两片硅片的图像，并经分析、比较、计算得到缺陷覆盖面积。本发明检测方便、可进行实时检测，误判少，速度快。

Description

硅片的快速检测方法

技术领域：

本发明涉及一种硅片的快速检测方法。

背景技术：

太阳能硅片的表面和次表面的缺陷，如缺损、杂质、锯痕、裂缝，特别是隐性裂缝(不能由目视察觉的裂缝)，现有技术主要测试太阳能硅片的电参数，这种测试一般在生产过程的后期进行，这样早期生产中产生的不合格硅片还继续留在生产线一直到最后才被发现，从而造成了人力和物力的浪费。

发明内容：

本发明的目的在于提供一种检测方便、可进行实时检测的硅片的快速检测方法。

本发明的技术解决方案是：

一种硅片的快速检测方法，其特征是：包括下列步骤：

(1)由两个数字式相机分别摄取两片硅片的图像，两个相机摄取的图像分别为f₀(x，y)和g₀(x，y)；

(2)通过图像中心计算模块分别计算f₀(x，y)和g₀(x，y)的图像中心(f_xc，f_yc)和(g_xc，g_yc)；

(3)通过位移计算模块计算f₀(x，y)相对于g₀(x，y)的位移；

(4)通过对准图心模块，将f₀(x，y)与g₀(x，y)的图像中心对准产生与g₀(x，y)有一致坐标系统的新图像f(x，y)、g(x，y)，其中g(x，y)＝g₀(x，y)；

(5)通过寻找本地非正常像元模块对每一组(x，y)分别在f(x，y)和g(x，y)上寻找本地非正常像元，得到本地非正常图像f_a(x，y)和g_a(x，y)；

(6)通过计算和去除f(x，y)、g(x，y)的模块，计算并去除f(x，y)和g(x，y)的直流分量，得到图像f_d(x，y)和g_d(x，y)；

(7)用中值滤波模块分别去除f_d(x，y)和g_d(x，y)的椒盐噪声(peppernoise)，得到图像f_m(x，y)和g_m(x，y)；

(8)通过差值图像计算模块得到出差值图像d(x，y)；

(9)通过预处理模块去除由各种因素(如图像摄取时不均匀光照条件、硅片表面的不平等等)造成的f_m(x，y)和g_m(x，y)的差异；

(10)通过计算缺陷图像模块，得到缺陷图像f₀(x，y)和g₀(x，y)；

(11)通过缺陷覆盖面积计算模块，得到缺陷覆盖面积。

本发明检测方便、可进行实时检测；本地像元是由它与邻近像元的对比产生的，也就是说判定非正常像元所用的门槛是浮动的，这就避免了在整个图像只用单一门槛进行判定常常有的顾此失彼的缺点；同时检测两片硅片，不仅加快了速度，而且由于使用了逻辑上的与操作，仅仅当本地发现的非正常像元在与另一个硅片的图像相比也被认为非正常德时候，这个非正常像元才能被判为缺陷，这就大大减少了误判的可能；运算速度快。

附图说明：

下面结合附图和实施例对本发明作进一步说明。

图1是本发明一个实施例的工作原理框图。

具体实施方式：

一种硅片的快速检测方法，包括下列步骤：

(1)由两个数字式相机1、2分别摄取两片硅片的图像，两个相机摄取的图像分别为f₀(x，y)和g₀(x，y)；

(2)通过图像中心计算模块3、4分别计算f₀(x，y)和g₀(x，y)的图像中心(f_xc，f_yc)和(g_xc，g_yc)；

$f_{\mathrm{xc}}=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}x\·f_0(x,y)\mathrm{\Δx\Δy}/\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{f}_0(x,y)\mathrm{\Δx\Δy}$

$f_{\mathrm{yc}}=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}y\·f_0(x,y)\mathrm{\Δx\Δy}/\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{f}_0(x,y)\mathrm{\Δx\Δy}$

$g_{\mathrm{xc}}=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}x\·g_0(x,y)\mathrm{\Δx\Δy}/\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{g}_0(x,y)\mathrm{\Δx\Δy}$

$g_{\mathrm{yc}}=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}y\·g_0(x,y)\mathrm{\Δx\Δy}/\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}{g}_0(x,y)\mathrm{\Δx\Δy}$

(3)通过位移计算模块5计算f₀(x，y)相对于g₀(x，y)的位移(dx，dy)；

dx＝g_xc-f_xc

dy＝g_yc-f_yc

(4)通过对准图心模块6，将f₀(x，y)与g₀(x，y)的图像中心对准产生与g₀(x，y)有一致坐标系统的新图像f(x，y)、g(x，y)，其中g(x，y)＝g₀(x，y)；

f(x，y)＝f₀(x-dx，y-dy)

g(x，y)＝g₀(x，y)

(5)通过寻找本地非正常像元模块7、8对每一组(x，y)分别在f(x，y)和g(x，y)上寻找本地非正常像元，得到本地非正常图像f_a(x，y)和g_a(x，y)；

以f(x，y)为例，使用的法则是：

计算本地像元平均值：

f_avg(x，y)＝(f(x-1，y)+f(x-1，y-1)+f(x-1，y+1)

            +f(x，y-1)+f(x，y+1)+f(x+1，y-1)

             +f(x+1，y)+f(x+1，y+1))/8

设门槛值t_n(x，y)和t_-n(x，y)

t_n(x，y)＝a*f_avg(x，y)t_-n(x，y)＝b*f_avg(x，y)

其中a可选取1.1～2.0，b可选取0.3～0.8

●产生本地非正常图像f_a(x，y)，和g_a(x，y)，法则如下：

如果f(x，y)＞t_n(x，y)或f(x，y)＜t_-n(x，y)

则f_a(x，y)＝1

反之   f_a(x，y)＝0

g(x，y)计算方法完全一样，将f(x，y)以及其他f表达式换成g(x，y)等等即可。

(6)通过计算和去除f(x，y)、g(x，y)的模块9、10，计算并去除f(x，y)和g(x，y)的直流分量，得到图像f_d(x，y)和g_d(x，y)；

$d_c\left(f\right)=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)/(M*N)$

$d_c\left(g\right)=\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}g(x,y)/(M*N)$

f_d(x，y)＝f(x，y)-d_c(f)     x∈[0，M-1]，y∈[0，N-1]

g_d(x，y)＝g(x，y)-d_c(g)     x∈[0，M-1]，y∈[0，N-1]

(7)用中值滤波模块11、12分别去除f_d(x，y)和g_d(x，y)的椒盐噪声(pepper noise)，得到图像f_m(x，y)和g_m(x，y)；

定义f_d(x，y)的中值为：f_m(x，y)；g_d(x，y)的中值为：g_m(x，y)

以f_d(x，y)的中值的计算方法为例：

对每一对座标标x∈[0，M-1]，y∈[0，N-1]，将f_d(x，y)，f_d(x-1，y)，f_d(x+1，y)，f_d(x，y-1)，f_d(x，y+1)以非递減的方式排成一个序列，即序列后面的元素必须大于或等于序列前面的元素。接下来設f_m(x，y)＝序列的第三个值。比如排列的结果是：

f_d(x-1，y)≤f_d(x，y)≤f_d(x+1，y)≤f_d(x，y+1)≤

f_d(x，y-1)

则f_m(x，y)＝f_d(x+1，y)

用同样的方法可以得到g_m(x，y)。

(8)通过差值图像计算模块13得到出差值图像d(x，y)；

d(x，y)＝|f_m(x，y)-g_m(x，y)|   x∈[0，M-1]，y∈[0，N-1]

(9)通过预处理模块14去除由各种因素(如图像摄取时不均匀光照条件、硅片表面的不平等等)造成的f_m(x，y)和g_m(x，y)的差异；

为此设一个门槛值：

t_d＝k*(Max(d(x，y))-Min(d(x，y)))    x∈[0，M-1]，y∈[0，N-1]

其中，Max(d(x，y))和Min(d(x，y))分别是差值图像d(x，y)的最大值和最小值。参数k取0.15～0.3。

接下来，对低于门槛值的d(x，y)设成零值：

如果d(x，y)＜t_d，x∈[0，M-1]，y∈[0，N-1]

令d(x，y)＝0

(10)通过计算缺陷图像模块15、16，得到缺陷图像f₀(x，y)和g₀(x，y)；

在缺陷图像上，正常像元为零值非正常像元保持原值。計算

公式如下：

f₀(x，y)＝d(x，y)∩f_a(x，y)   x∈[0，M-1]，y∈[0，N-1]

g₀(x，y)＝d(x，y)∩g_a(x，y)   x∈[0，M-1]，y∈[0，N-1]

(11)通过缺陷覆盖面积计算模块17、18，得到缺陷覆盖面积A1、A2。

A₁＝f₀(x，y)上非正常像元的总和

A₂＝g₀(x，y)上非正常像元的总和。

Claims (1)

1.一种硅片的快速检测方法，其特征是：包括下列步骤：

(1)由两个数字式相机(1)、(2)分别摄取两片硅片的图像，两个相机摄取的图像分别为f₀(x，y)和g₀(x，y)；

(2)通过图像中心计算模块(3)、(4)分别计算f₀(x，y)和g₀(x，y)的图像中心(f_xc，f_yc)和(g_xc，g_yc)；

(3)通过位移计算模块(5)计算f₀(x，y)相对于g₀(x，y)的位移(dx，dy)；

dx＝g_xc-f_xc

dy＝g_yc-f_yc

(4)通过对准图心模块(6)，将f₀(x，y)与g₀(x，y)的图像中心对准产生与g₀(x，y)有一致坐标系统的新图像f(x，y)、g(x，y)，其中g(x，y)＝g₀(x，y)；

f(x，y)＝f₀(x-dx，y-dy)

g(x，y)＝g₀(x，y) 

(5)通过寻找本地非正常像元模块(7)、(8)对每一组(x，y)分别在f(x，y)和g(x，y)上寻找本地非正常像元，得到本地非正常图像f_a(x，y)和g_a(x，y)；

(6)通过计算和去除f(x，y)、g(x，y)的模块(9)、(10)，计算并去除f(x，y)和g(x，y)的直流分量，得到图像f_d(x，y)和g_d(x，y)；

f_d(x，y)＝f(x，y)-d_c(f)    x∈[0，M-1]，y∈[0，N-1]

g_d(x，y)＝g(x，y)-d_c(g)    x∈[0，M-1]，y∈[0，N-1]

(7)用中值滤波模块(11)、(12)分别去除f_d(x，y)和g_d(x，y)的椒盐噪声，得到图像f_m(x，y)和g_m(x，y)；

(8)通过差值图像计算模块(13)得到出差值图像d(x，y)；

d(x，y)＝|f_m(x，y)-g_m(x，y)|   x∈[0，M-1]，y∈[0，N-1]

(9)通过预处理模块(14)去除由各种因素造成的f_m(x，y)和g_m(x，y)的差异；

为此设一个门槛值：

t_d＝k^*(Max(d(x，y))-Min(d(x，y)))       x∈[0，M-1]，y∈[0，N-1]

其中，Max(d(x，y))和Min(d(x，y))分别是差值图像d(x，y)

的最大值和最小值，参数k取0.15～0.3；

接下来，对低于门槛值的d(x，y)设成零值： 

如果d(x，y)＜t_d，x∈[0，M-1]，y∈[0，N-1]

令d(x，y)＝0

(10)通过计算缺陷图像模块(15)、(16)，得到缺陷图像f₀(x，y)和g₀(x，y)；

在缺陷图像上，正常像元为零值非正常像元保持原值，计算

公式如下：

f₀(x，y)＝d(x，y)∩f_a(x，y)   x∈[0，M-1]，y∈[0，N-1]

g₀(x，y)＝d(x，y)∩g_a(x，y)   x∈[0，M-1]，y∈[0，N-1]

(11)通过缺陷覆盖面积计算模块(17)、(18)，得到缺陷覆盖面积A1、A2；

A₁＝f₀(x，y)上非正常像元的总和

A₂＝g₀(x，y)上非正常像元的总和。 

Images