CN104614372B - 一种太阳能硅片检测方法 - Google Patents

Abstract

本发明公开一种太阳能硅片检测方法，包括以下步骤：首先图像采集，对采集的图像进行中值滤波和去除噪声处理，再利用Hessian矩阵法获得潜在亚像素级图像，分解图像(RGB)即把彩色图像转换成黑白图像，然后都图像进行设定threshold值，对图像进行提取特征值，再计算两个区域的差异，变换图像形状，扩张有圆形元素区，选择带有某些特征的区域，显示检测结果，最后保存缺陷数据。本发明的图像采集基于双目扫描测量的方法，该方法不仅实现了太阳能硅片的自动检测，而且提高了检测效率和增强了检测结果的可靠性。在图像处理的过程，利用Hessian矩阵法获得潜在亚像素级图像，进一步把图像的噪声去除，从而增强图像质量，为提高检测可靠性打下良好的基础。

Description

一种太阳能硅片检测方法

技术领域

本发明涉及太阳能硅片检测技术领域，尤其涉及一种太阳能硅片检测方法。

背景技术

影响太阳能硅片质量的因素主要包括尺寸、表面缺陷以及表面颜色。一方面传统的接触式测量技术制约了太阳能硅片生产效率和加工精度，另一方面传统的离线、静态测量技术又满足不了现代加工中测量的要求，不能及时检测产品、控制生产过程容易造成废品，严重影响了产品质量。如果不能实现速度快、精度高、在线自动检测，则会降低企业生产效率，甚至直接影响企业经济效益。另外，传统的太阳能硅片检测是人工操作，检测效果和效率主要依赖检验人员的经验，人为影响因素大、自动化程度低。此外，纯人工检测操作也存在工人劳动强度大、生产效率低的缺陷。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种检测误差小、可靠性好的太阳能硅片检测方法。

为达到以上目的，本发明采用如下技术方案。

一种太阳能硅片检测方法，其特征在于，包括以下步骤：

1)图像采集，采用激光发射器投射到太阳能硅片上，得到相应的人工纹理，并利用两个相机采集图像信息；

2)噪声去除，利用中值滤波法对采集到图像进行噪声的去除；

3)亚像素级图像获取，采用Hessian矩阵法获得潜在亚像素级图像；

4)提取图像特征，把彩色图像转换成黑白图像，并对分解的图像进行阈值设定，通过设定的阀值提取相应区域的图像特征；

5)计算两个区域的差异，根据不同区域提取到的图像特征，计算出两个区域的差异性；

6)变换图像形状，变换图像形状同时扩张有圆形特征区域；

7)硅片检查，选择带有一定特征的区域，通过该特征对硅片进行检查；

8)数据存储，显示相应的检查结果同时把相关缺陷信息保存在相应的数据库里面。这样便于统计硅片的产品优良率和便于产品的管理。

作为上述方案的进一步说明，所述相机为工业CCD相机。

作为上述方案的进一步说明，两个相机通过丝杆与伺服电机连接，并在伺服电机变换拍摄位置。

作为上述方案的进一步说明，所述提取图像特征、计算两个区域的差异、变换图像形状、硅片检查和数据存储步骤通过机器视觉软件(Halcon)来实现。

本发明提供的一种太阳能硅片检测方法，其有益效果是：

一、采用激光发射器投射到硅片上形成人工纹理的方式，有效增强所检测的太阳能硅片的条理特征。

二、采用两个相机构成双目扫描测量，不仅实现了太阳能硅片的自动检测，而且提高了检测效率和增强了检测结果的可靠性。

三、利用Hessian矩阵法获得潜在亚像素级图像，进一步把图像的噪声去除，从而增强图像质量，为提高检测可靠性打下良好的基础。

四、通过设置丝杆和伺服电机，在太阳能硅片缺陷检查过程中，完全可以代替人工操作，自动化程度高。工业CCD相机在采集太能硅片图像的过程，根据待检测太阳能硅片的类型，上位机发送太能硅片类型到PLC中，通过伺服电机带动丝杆传动，把相机移动到相应位置，实现对不同规格太能硅片的图像采集，使用方便。

五、采用伺服电机控制丝杆传动，丝杆再带动滑块运动，从而实现对各种规格太能硅片的图像采集，自动化程度高，定位准确。

附图说明

图1所示为本发明提供太阳能硅片检测方法流程图；

图2所示为太阳能硅片图像采集示意图。

附图标记说明：

1、激光发射器， 2、太能硅片， 3、相机， 4、相机。

具体实施方式

为方便本领域普通技术人员更好地理解本发明的实质，下面结合附图对本发明的具体实施方式进行详细阐述。

如图1所示，一种太阳能硅片检测方法，包括以下步骤：

1)图像采集，采用激光发射器投射到太阳能硅片上，得到相应的人工纹理，并利用两个工业CCD相机采集图像信息。

2)噪声去除，利用中值滤波法对采集到图像进行噪声的去除，以增强图像质量。

3)亚像素级图像获取，采用Hessian矩阵法获得潜在亚像素级图像。

4)提取图像特征，把彩色图像转换成黑白图像，并对分解的图像进行阈值设定，通过设定的阀值提取相应区域的图像特征。

5)计算两个区域的差异，根据不同区域提取到的图像特征，计算出两个区域的差异性。

6)变换图像形状，变换图像形状同时扩张有圆形特征区域。

7)硅片检查，选择带有一定特征的区域，通过该特征对硅片进行检查。

8)数据存储，显示相应的检查结果同时把相关缺陷信息保存在相应的数据库里面。

与现有技术相比，本实施例采用激光发射器投射到太阳能硅片上，从而得到相应的图像人工纹理，有效增强被检测太阳能硅片的条理特征。同时，在对图像去除噪声的过程除了采用中值滤波法，并采用Hessian矩阵获得潜在亚像素，有效减少误差，提高了检测的可靠性。

其中，如图2所示，在图像采集步骤中，采用双目立体法对太阳能硅片进行采集。激光发射器1投射的平面II被太能硅片2表面调制形成一条激光线L。相机3和相机4构成同名像点对，同时对贴有激光线的硅片拍摄图像。

实际确定太阳能硅片表面的三维结构时，首先通过线条中心定位得到激光线L的像平面坐标,再通过像点匹配技术得到同名像点对A₁(u₁,v₁)和A₂(u₂,v₂),最后将同名像点对代入式(1)共线方程。

式中：Xs、Ys、Zs为外方位线元素；a₁、a₂、a₃、b₁、b₂、b₃、c₁、c₂、c₃为旋转矩阵元素；f为相机的焦距。因此可得：

物方点A在两像片上成像，则对A点的两个像点都按照(2)式列方程可得：

整理得：

则物方A点的坐标近似值可由下面方程式求解：

为了得到太阳能硅片表面的三维结构，激光投线仪需要不断的旋转。在这里，拍摄了一对没有投射的激光线的像片，通过边缘定位得到太阳能硅片边缘的像平面坐标，再采用与激光线条同样的后续处理得到边缘点的三维坐标。

在亚像素级图像获取步骤中，所述采用Hessian矩阵法获得潜在亚像素级图像方法如下：

对于图像中的任何一点A(x，y)其对应的一阶导数和二阶导数分别为r_x、r_yy、r_xy、r_yx、r_xx、r_yy。则A点对应的Hessian矩阵可表示为：

求取H(x,y)的所有特征值和特征向量。设λ为最大的特征值,n＝(nx,ny)为λ对应的特征向量。由Hessian矩阵的性质可知λ为等价梯度幅值,n为梯度方向。r_x、r_yy、r_xy、r_yx、r_xx、r_yy可用下面的模板(7)通过卷积的方式求取。

在已经求得边缘点的方向向量n＝(nx,ny)后,以点(x,y)为基点,边缘点垂直方向上的灰度分布函数进行二阶泰勒展开,边缘点垂直方向上的点(x+tnx,y+tny)的灰度可以表示为:

令由式(7)可得：

若(tn_x,tn_y)∈[-0.50.5]×[-0.50.5]，则x+tn_x,y+tn_y就为潜在的边缘点。

所述提取图像特征、计算两个区域的差异、变换图像形状、硅片检查、数据存储等步骤通过机器视觉软件(Halcon)来实现。

以上具体实施方式对本发明的实质进行了详细说明，但并不能以此来对本发明的保护范围进行限制。显而易见地，在本发明实质的启示下，本技术领域普通技术人员还可进行许多改进和修饰，需要注意的是，这些改进和修饰都落在本发明的权利要求保护范围之内。

Claims (4)

1.一种太阳能硅片检测方法，包括：1）图像采集，其特征在于，采用激光发射器投射到太阳能硅片上，得到相应的人工纹理，并利用两个相机采集图像信息；

还包括以下步骤：

2）噪声去除，利用中值滤波法对采集到图像进行噪声的去除；

3）亚像素级图像获取，采用Hessian矩阵法获得潜在亚像素级图像；

4）提取图像特征，把彩色图像转换成黑白图像，并对分解的图像进行阈值设定，通过设定的阀值提取相应区域的图像特征；

5）计算两个区域的差异，根据不同区域提取到的图像特征，计算出两个区域的差异性；

6）变换图像形状，变换图像形状同时扩张有圆形特征区域；

7）硅片检查，选择带有一定特征的区域，通过该特征对硅片进行检查；

8）数据存储，显示相应的检查结果同时把相关缺陷信息保存在相应的数据库里面。

2.根据权利要求1所述的一种太阳能硅片检测方法，其特征在于，所述相机为工业CCD相机。

3.根据权利要求1所述的一种太阳能硅片检测方法，其特征在于，两个相机通过丝杆与伺服电机连接，并在伺服电机变换拍摄位置。

4.根据权利要求1所述的一种太阳能硅片检测方法，其特征在于，所述提取图像特征、计算两个区域的差异、变换图像形状、硅片检查和数据存储步骤通过机器视觉软件来实现。