CN105388162B - 基于机器视觉的原料硅片表面划痕检测方法 - Google Patents

基于机器视觉的原料硅片表面划痕检测方法 Download PDF

Info

Publication number
CN105388162B
CN105388162B CN201510713473.0A CN201510713473A CN105388162B CN 105388162 B CN105388162 B CN 105388162B CN 201510713473 A CN201510713473 A CN 201510713473A CN 105388162 B CN105388162 B CN 105388162B
Authority
CN
China
Prior art keywords
silicon chip
raw
image
line
scratch
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510713473.0A
Other languages
English (en)
Other versions
CN105388162A (zh
Inventor
孙智权
童钢
周奇
张千
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZHENJIANG SYD TECHNOLOGY Co Ltd
Original Assignee
ZHENJIANG SYD TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZHENJIANG SYD TECHNOLOGY Co Ltd filed Critical ZHENJIANG SYD TECHNOLOGY Co Ltd
Priority to CN201510713473.0A priority Critical patent/CN105388162B/zh
Publication of CN105388162A publication Critical patent/CN105388162A/zh
Application granted granted Critical
Publication of CN105388162B publication Critical patent/CN105388162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明公开了基于机器视觉的原料硅片表面划痕检测方法,属于机器视觉缺陷检测技术领域,采用了图像位置矫正技术、灰度图像分割技术、线性滤波技术、边缘检测技术、数据统计与分析技术、图像处理技术以及形态学分析等对采集的图像进行处理和分析;对图像进行滤波处理、初步提取出表面划痕信息,经二值化处理后进一步凸显出划痕位置及大小,最后经形态学分析与粒子过滤的方法筛选出主要划痕。本发明可对原料硅片表面划痕实现在线稳定准确的存在性与方向性的判断,且实时显示检测结果;并可以通过数据采集模块向控制传送带的PLC控制器发出信号,使其对应不同的类别快速控制传送带采取不同的动作。

Description

基于机器视觉的原料硅片表面划痕检测方法
技术领域
[0001]本发明属于机器视觉缺陷检测技术领域,具体涉及基于机器视觉的原料鞋片表面 划痕检测方法。
背景技术
[0002]硅片是太阳能电池片生产的主要原料,由于存在于整个电池片生产线的起始环 节,其质量的优劣直接决定后续制绒,镀膜,印刷等所有工序中的半成品甚至电池片成品的 工艺质量,从而影响太阳能电池片的使用性能;而在娃片原料的生产过程中,对原料切片时 由于切割工具的抖动等原因,有时会在原料表面形成划痕,因此须对原料硅片进行表面划 痕检测,将存在过多划痕的缺陷娃片予以剔除。但由于原料娃片表面的纹理性,灰度的差 异、光线对于划痕的不敏感、外界环境噪声等因素的影响,对其表面划痕的检测带来了一定 的不确定性。
[0003]目前,很多太阳能电池片生产厂家主要还是以人工检测的方法来应对这一问题, 这样不仅成本高,而且也带来了人为因素不可忽略、没有固定标准、容易造成碎片,等一系 列问题,从而降低生产效率,最终也很难达到高度自动化的现代化工厂的需求。
发明内容
[0004]发明£的:本发明的目的在于提供基于机器视觉的原料硅片表面划痕检测方法, 其具有准确率尚、非接触式检测、速度快、效率高等优点,能够实时准确、快速、高效、地检测 出原料硅片的表面划痕的存在性及其方向,能自动对硅片进行分选,同时发送特定信号给 PLC,利用PLC电控设备控制机械吸盘吸取将缺陷产品送入指定硅片盒内。 <
[0005]技术方案:为实现上述发明目的,本发明采用如下技术方案:
[0006]基于机器视觉的原料硅片表面划痕检测方法,包括如下步骤:
[0007]步骤1:接收信号,采集图像,其包括:
[0008]步骤1-1,原料硅片到达传感器位置,传感器发送模拟信号给数据采集设备,经由 采集卡转换为数字信号传递给系统;
[0009] 步骤1 _2,系统接收到采集信号后,触发相机,采集图像,并将采集到的原料硅片灰 度图像传送至图像处理模块;
[0010] 步骤2:对原料硅片的灰度图像进行位置矫正和图像分割,其包括:
[0011] 步骤2—1对原料硅片的灰度图像进行位置矫正,采用直边查找算法确定原料硅片 的一个直边,获取其角度信息;其方法是先确定一个包含有完整底边的目标区域,在该区域 内,设置合5的查找密度,按照从下往上的方向查找所有灰度从低到高跃迀的像素点,将这 些像素点彳女照线性拟合的方式自动拟合为一条直线,并从中获取角度信息;直线角度为:
[0012] angleQ=a ⑴
[0013]然后利用公式(2),将图像按顺时针旋转至水平,实现位置矫正,为图像分割做准 备; Lwu II」 ⑴化丄以―_a ^ _5]频2-2,細麵麵籠侧聰碰彳酬紐撕舰顏;總各舰 线的部分坐标信息如下:
[0016] line left: (Xll,yu)⑶
[0017] line right: (X22,y22)⑷
[0018] line top: (X3i,y3i)⑸
[0019] line bottom: (X42,y42)⑹
[0020] 其中line left,line right,line top,line bottom分别为所得到的左、右、上、 下四条直边纖的两个端点坐标中的-个,坐标点下标第二个数字“丨,,代表是起点坐标, “2”代表是终点坐标;
[0021]步骤2-3,分别以式(3)、⑷、(5)、⑹所得的两个顶点坐标为基础,进行坐标点重 组,得到如下两个点坐标:
[0022] point left top: (Xu,y3i)⑺
[0023] point right bottom: (X22,y42)⑻
[0024]对公式(7),⑻两个点坐标作如下变换:
[0025] x’ii = xii+10;⑼
[0026] y’3i = y3i+10; (10)
[0027] X’ 22 = X22_10; (11)
[0028] y’42 = y42—10; (12)
[0029]得到两个新点坐标:
[0030] pointl: (x’u,y’3i) (13)
[0031] point2: (x’22,y’42) (14)
[0032]以点pointl,point2确定的线段作为对角线所确定的矩形区域作为目标区域,对 图像进行分割,获得与原背景分离出来并且失去四个直边缘以内10个像素点宽度的本体图 像,得到无边缘本体图像;
[0033]步骤3,对上述步骤2获得的无边缘本体图像进行滤波处理和边缘检测,采用线性 滤波器对所得图像进行滤波去噪处理,以最大限度的削弱噪声和环境的影响,同时凸显检 测目标的信息;
[0034]采用canny边缘检测法对滤波后图像进行处理,从而检测出所有可能是划痕的“边 缘”(canny边缘检测法的原理是保留参与灰度跃迁的像素点,并非只是用于检测真正意义 上的图像边缘);
[0035]步骤4,对所获得滤波处理,边缘检测后的图像进行二值化;采用自动阈值二值化 法对图像进行二值化处理为形态学分析和粒子过滤做好准备;
[0036]步骤5,对二值化图像进行形态学分析与粒子过滤;采用结构元素尺寸为3的水平 腐蚀法和竖直腐蚀法去除原料硅片本身纹理粒子;
[0037]再使用基于面积的粒子过滤器对图像进行过滤,进一步去除原料硅片本身的纹理 粒子,并得到过滤后粒子数目;
[0038]步骤6,将上述步骤得到的粒子数目与由样本数据统计得到的粒子数目阚值进行 比较和判断,获得原料硅片表面划痕存在性的判定结果;
[0039]步骤7,根据步骤6的判定结果,对存在划痕的原料硅片进行水平和竖直粒子过滤; 采用基于横纵坐标延续长度的粒子过滤器对图像分别进行水平和竖直粒子过滤,并获得两 种过滤法后存留粒子的两个数目值;
[0040]步骤8,将步骤7所获得的两个数值进行比较,通过粒子数目的多少判定划痕的方 向,得到原料硅片的检测结果。
[0041]步骤6和步骤8中,将所述的原料硅片的检测结果分为无划痕片、水平划痕片和竖 直划痕片;当检测为水平或竖直中某一种划痕片时,发送相应的特定信号给PLC,由PLC电控 设备控制机械吸盘吸取对应硅片放入指定硅片盒;而当检测为无划痕片时,将不发送任何 信号给PLC,让其直接向前传送。
[0042]发明原理:本发明的检测的对象是原料阶段的硅片,其检测方案采用了图像位置 矫正技术、灰度图像分割技术、线性滤波技术、边缘检测技术、数据统计与分析技术、图像处 理技术以及形态学分析等对实时采集的原料硅片图像进行处理和分析,将原料硅片分为无 划痕片、水平划痕片和竖直划痕片三类。其中,步骤6中,数据统计与分析的结果是在分析和 研究大量实际样本的基础上,对按照上述方法所采集到的灰度图像进行实验,分析、总结并 验证的。
[0043]有益效果:与现有技术相比,本发明的基于机器视觉的原料硅片划痕检测方法,通 过实时快速采集原料硅片的灰度图像,获得原料硅片表面灰度信息并进行一系列的处理, 可实时快速高效稳定准确地进行硅片表面划痕检测,且实时显示检测结果,自动将检测对 象分为无划痕片、水平划痕片和竖直划痕片三类,还可通过数据采集模块向PLC控制器发送 信号,使其对应不同的类别快速控制传送带采取不同的动作。
附图说明
[0044]图1是原料硅片表面划痕检测与分类流程图;
[0045]图2是硅片与传感器位置示意图;
[0046]图3是原料硅片经过步骤2-1中查找直边缘之后的结果示意图;
[0047] 图4是原料硅片经过步骤2-1中位置矫正前后的对比示意图;
[0048] 图5是步骤2-3中原料硅片四条直边缘查找结果示意图;
[0049]图6是步骤2-3中原料硅片与背景分离并去除边缘前后对比示意图;
[0050]图7是步骤5中有划痕片和无划痕片图像粒子过滤结果对比示意图;
[0051]图8是步骤7中竖直划痕片图像粒子水平、竖直过滤结果对比示意图;
[0052]图9是步骤7中水平划痕片图像粒子水平、竖直过滤结果对比示意图。
具体实施方式
[0053]以下结合附图和具体实施方式对本发明做进一步的说明。
[0054] 如图1所示,基于机器视觉的原料硅片的表面划痕检测方法,包括如下步@.
[0055]步骤1:接收信号,采集图像,其包括:
[0056]步骤1 -1,如图2所示白传送带1,光电传感器2,原料硅片3;原料硅片传送到图2所 示位置遮住光电传感器,传感器发送模拟信号给数据采集设备,经由采集卡转换为数字_ 号传递给系统; H LUU0/J步知1—2,糸统接收到采集信号后,触发相机,采集图像,并将采集的原料硅片彩色 图像传送至图像处理模块;
[0058] 步骤2:对原料硅片的灰度图像进行位置矫正和图像分割,其包括:
[0059] 步骤2-1,对原料硅片的灰度图像进行位置矫正,采用直边查找算法确定原料硅片 的一个直边,获取其角度信息;其方法是先确定一个包含有完整底边的目标区域,在该区域 内,设置合理的查找密度,按照从下往上的方向查找所有灰度从低到高跃迀的像素点,将这 些像素点按照线性拟合的方式自动拟合为一条直线4,如图3所示,并从中获取角度信息;直 线水平角度为:
[0060] angleo=a ⑴
[0061]然后利用公式(2),将图像按顺指针旋转至水平,如图4,实现位置矫正,为图像分 割做准备;
[0062] anglei = —a (2)
[0063]—步骤2-2,采用直边查找算法分别对原料硅片的四条边进行直边查找,查找效果如 图5所示,获得各直边线的部分坐标信息如下:
[0064] line left: (Xu,yn)⑶
[0065] line right: (X22,y22)⑷
[0066] line top: (X31,y31)⑸
[0067] line bottom: (X42,y42)⑹
[0068] 其中line left, line right, line top,line bottom 分别为所得到的左、右、上、 下四条直边线段的两个端点坐标中的一个,坐标点下标第二个数字“丨,,代表是起点坐标, “2”代表是终点坐标;
[0069]步骤2-3,分别以式(3)、⑷、(5)、(6)所得的两个顶点坐标为基础,进行坐标点重 组,得到如下两个点坐标:
[0070] p〇int left top: (Xu,y3i)⑺
[0071] point right bottom: (X22,y42)⑻
[0072]对公式(7),⑻两个点坐标作如下变换:
[0073] x’ii = xii+10;⑼
[0074] y'3i = y3i+10; (10)
[0075] X’22 = X22-10; (11)
[0076] y’42 = y42_10; (12)
[0077] 得到两个新点坐标:
[0078] pointl: (x,ii,y’3i) (13)
[0079] point2: (x’22,y’42) (14)
[0080]以点pointl,point2确定的线段作为对角线所确定的矩形区域作为目标区域,对 图像进行分割,获得与原背景分离出来并且失去四个直边缘以内约10个像素点宽度的本体 图像,如图6;
[0081]步骤3,对上述步骤2获得的无边缘本体图像进行滤波处理和边缘检测,采用线性 滤波器对所得图像进行滤波去噪处理,以最大限度的削弱噪声和环境的影响,同时凸显检 测目标的信息;
[0082]采用canny边缘检测法对滤波后图像进行处理,从而检测出所有可能是划痕的“边 缘”(canny边缘检测法的原理是保留参与灰度跃迁的像素点,并非只是用于检测真正意义 上的图像边缘);
[0083]步骤4,对所获得滤波处理,边缘检测后的图像进行二值化,采用自动阈值二值化 法对图像进行二值化处理为形态学分析和粒子过滤做好准备;
[0084] 步骤5,对二值化图像进行形态学分析与粒子过滤;采用结构元素尺寸为3的水平 腐蚀法和竖直腐蚀法去除原料硅片本身纹理粒子;
[0085]再使用基于面积的粒子过滤器对图像进行过滤,进一步去除原料硅片本身的纹理 粒子,如图7,并得到过滤后粒子数目。
[0086]步骤6,将上述步骤得到的粒子数目与由样本数据统计得到的粒子数目阈值进行 比较和判断,确定原料硅片表面划痕存在性的判定结果;
[0087] 步骤7,根据步骤6的判定结果,对存在划痕的原料硅片进行水平和竖直粒子过滤。 采用基于横纵坐标延续长度的粒子过滤器对图像分别进行水平和竖直粒子过滤,竖直划痕 片和水平划痕片的水平和竖直过滤效果分别如图8,图9所示,最终获得两种过滤法后存留 粒子的两个数目值;
[0088] 步骤8,将步骤7所获得的两个数值进行比较,通过粒子数目的多少判定划痕的方 向。
[0089] 步骤6和步骤8中,将所述的原料硅片的检测结果分为无划痕片、水平划痕片,竖直 划痕片;当检测为水平或竖直中某一种划痕片时,发送相应的特定信号给PLC,由PLC电控设 备控制机械吸盘吸取对应硅片放入指定硅片盒;而当检测为无划痕片时,将不发送任何信 号给PLC,让其直接向前传送。
[0090]经以上八个步骤,实现了硅片表面划痕无接触检测和分类,避免了人工检测造成 的碎片问题,检测标准固定,速度快,效率高,能够满足了在线生产、在线检测、在线分选的 生产模式,且稳定可靠实用。

Claims (2)

1.基于机器视觉的原料硅片表面划痕检测方法,其特征在于,包括如下步骤: 步骤1:接收信号,采集图像,其包括: 步骤1-1,原料硅片到达传感器位置,传感器发送模拟信号给数据采集设备经由采集 卡转换为数字信号传递给系统; < 出木果 步骤1-2,系统接收到采集信号后,触发相机,采集图像,并将采集到的原料硅片灰度图 像传送至图像处理模块; 步骤2:对原料娃片的灰度图像进行位置矫正和图像分割,其包括: 步骤2_1,对原料硅片的灰度图像进行位置矫正,采用直边查找算法确定原料硅片的一 个直边,获取其角度信息;其方法是先确定一个包含有完整底边的目标区域,在该区域内, 设置合理的查找密度,按照从下往上的方向查找所有灰度从低到高跃迁的像素点,将这些 像素点按照线性拟合的方式自动拟合为一条直线,并从中获取角度信息;直线角度为: angle〇=a (1) 然后利用公式⑵,将图像按顺时针旋转至水平,实现位置矫正,为图像分割做准备; anglei = —a (2) 步骤2-2,采用直边查找算法分别对原料硅片的四条边进行直边查找;获得各直边线的 部分坐标信息如下: line left: (xii,yu) (3) line right: (X22,y22) (4) line top: (x3i,y3i) (5) line bottom: (X42,y42) (6) 其中line left, line right, line top, line bottom分别为所得到的左、右、上、下四 条直边线段的两个端点坐标中的一个,坐标点下标第二个数字“ 1”代表是起点坐标,“2”代 表是终点坐标; 步骤2-3,分别以式(3)、⑷、(5)、(6)所得的两个顶点坐标为基础,进行坐标点重组,得 到如下两个点坐标: point left top: (xii,y3i) (7) point right bottom: (X22,y42) (8) 对公式(7),⑻两个点坐标作如下变换: x’u = xii+10;⑼ y’3i = y31+l〇; (10) X’ 22 = X22 一 10; (11) y’42 = y42—10; (12) 得到两个新点坐标: P〇intl: (x’ii,y’31) (13) P〇int2: (x’22,y’42) (14) 以点pointl,point2确定的线段作为对角线所确定的矩形区域作为目标区域,进行分 割,获得原与背景分离出来并且失去边缘以内10个像素点宽度的本体图像,得到无边缘本 体图像; 步骤3,对上述步骤2获得的无边缘本体图像进行滤波处理和边缘检测,采用线性滤波 器对所得图像进行滤波去噪处理,以最大限度的削弱噪声和环境的影响,同时凸显检测目 标的信息;采用canny边缘检测法对滤波后图像进行处理; ' 步骤4,对所获得滤波处理,边缘检测后的图像进行二值化; 步骤5,对二值化图像进行形态学分析与粒子过滤;采用结构元素尺寸为3的水平腐蚀 法和竖直腐蚀法去除原料硅片本身纹理粒子; 再使用基于面积的粒子过滤器对图像进行过滤,进一步去除原料硅片本身的纹理粒 子,并得到过滤后粒子数目; 步骤6,将上述步骤得到的粒子数目与由样本数据统计得到的粒子数目阈值进行比较 和判断,获得原料硅片表面划痕存在性的判定结果; 步骤7,根据步骤6的判定结果,对存在划痕的原料硅片进行水平和竖直粒子过滤;采用 基于横纵坐标延续长度的粒子过滤器对图像分别进行水平和竖直粒子过滤,并获得两种过 滤法后存留粒子的两个数目值; 步骤8,将步骤7所获得的两个数值进行比较,通过粒子数目的多少判定划痕的方向,得 到原料桂片的检测结果。
2.根据权利要求1所述的基于机器视觉的原料硅片表面划痕检测方法,其特征在于:步 骤6和步骤8中,将所述的原料硅片的检测结果分为无划痕片、水平划痕片和竖直划痕片;当 检测为水平或竖直中某一种划痕片时,发送相应的特定信号给PLC,由PLC电控设备控制机 械吸盘吸取对应硅片放入指定硅片盒;而当检测为无划痕片时,将不发送任何信号给PLC, 让其直接向前传送。
CN201510713473.0A 2015-10-28 2015-10-28 基于机器视觉的原料硅片表面划痕检测方法 Active CN105388162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510713473.0A CN105388162B (zh) 2015-10-28 2015-10-28 基于机器视觉的原料硅片表面划痕检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510713473.0A CN105388162B (zh) 2015-10-28 2015-10-28 基于机器视觉的原料硅片表面划痕检测方法

Publications (2)

Publication Number Publication Date
CN105388162A CN105388162A (zh) 2016-03-09
CN105388162B true CN105388162B (zh) 2017-12-01

Family

ID=55420691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510713473.0A Active CN105388162B (zh) 2015-10-28 2015-10-28 基于机器视觉的原料硅片表面划痕检测方法

Country Status (1)

Country Link
CN (1) CN105388162B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157303A (zh) * 2016-06-24 2016-11-23 浙江工商大学 一种基于机器视觉对表面检测的方法
CN106269549B (zh) * 2016-08-23 2018-10-12 厦门佳元电子科技有限公司 硅片筛分流水线系统及筛分方法
CN107358598A (zh) * 2017-05-24 2017-11-17 上海视马艾智能科技有限公司 一种划痕检测方法与装置
CN108090929A (zh) * 2017-12-04 2018-05-29 国家海洋局第海洋研究所 矿区线性异常分析提取新型方法
CN108230303A (zh) * 2017-12-21 2018-06-29 河北工业大学 一种多晶硅太阳能电池片外观划痕缺陷检测的方法
CN108365051B (zh) * 2018-02-05 2019-08-02 河北工业大学 一种太阳能电池片轨道去除的方法
CN109060838B (zh) * 2018-07-23 2020-12-29 三固(厦门)科技有限公司 一种基于机器视觉的产品表面划痕检测方法
CN109085791A (zh) * 2018-07-25 2018-12-25 嘉兴锐川电气有限公司 冲床视觉监控系统及其监控方法
CN109374638A (zh) * 2018-12-18 2019-02-22 王章飞 一种基于机器视觉的木地板表面检测装置及其检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009229197A (ja) * 2008-03-21 2009-10-08 Seiko Epson Corp 線状欠陥検出方法および線状欠陥検出装置
CN101852768A (zh) * 2010-05-05 2010-10-06 电子科技大学 磁粉探伤环境下基于复合特征的工件伤痕识别方法
CN103175839A (zh) * 2011-12-21 2013-06-26 北京兆维电子(集团)有限责任公司 胶印版材表面检测的处理方法及系统
CN103245671A (zh) * 2013-05-09 2013-08-14 深圳先进技术研究院 冲压件表面缺陷检测装置及方法
CN104111029A (zh) * 2013-04-19 2014-10-22 延锋伟世通汽车电子有限公司 用于电子产品加工检验的机器视觉检测系统
CN104458749A (zh) * 2013-09-25 2015-03-25 中国科学院沈阳自动化研究所 基于机器视觉的铝型材表面缺陷实时检测系统
CN104952754A (zh) * 2015-05-05 2015-09-30 江苏大学 基于机器视觉的镀膜后硅片分选方法
CN104966101A (zh) * 2015-06-17 2015-10-07 镇江苏仪德科技有限公司 一种基于LabVIEW的太阳能电池片分类方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040223053A1 (en) * 2003-05-07 2004-11-11 Mitutoyo Corporation Machine vision inspection system and method having improved operations for increased precision inspection throughput

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009229197A (ja) * 2008-03-21 2009-10-08 Seiko Epson Corp 線状欠陥検出方法および線状欠陥検出装置
CN101852768A (zh) * 2010-05-05 2010-10-06 电子科技大学 磁粉探伤环境下基于复合特征的工件伤痕识别方法
CN103175839A (zh) * 2011-12-21 2013-06-26 北京兆维电子(集团)有限责任公司 胶印版材表面检测的处理方法及系统
CN104111029A (zh) * 2013-04-19 2014-10-22 延锋伟世通汽车电子有限公司 用于电子产品加工检验的机器视觉检测系统
CN103245671A (zh) * 2013-05-09 2013-08-14 深圳先进技术研究院 冲压件表面缺陷检测装置及方法
CN104458749A (zh) * 2013-09-25 2015-03-25 中国科学院沈阳自动化研究所 基于机器视觉的铝型材表面缺陷实时检测系统
CN104952754A (zh) * 2015-05-05 2015-09-30 江苏大学 基于机器视觉的镀膜后硅片分选方法
CN104966101A (zh) * 2015-06-17 2015-10-07 镇江苏仪德科技有限公司 一种基于LabVIEW的太阳能电池片分类方法

Also Published As

Publication number Publication date
CN105388162A (zh) 2016-03-09

Similar Documents

Publication Publication Date Title
CN105388162B (zh) 基于机器视觉的原料硅片表面划痕检测方法
CN101837351B (zh) 基于图像检测法的油封弹簧全自动分选系统及方法
CN102998316B (zh) 一种透明液体杂质检测系统及其检测方法
CN103454285A (zh) 基于机器视觉的传动链条质量检测系统
CN107876425A (zh) 一种基于视觉的轴承缺陷检测系统装置
CN107486415A (zh) 基于机器视觉的篾片缺陷在线检测系统及检测方法
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN102305798A (zh) 基于机器视觉的玻璃缺陷的检测与分类方法
CN104952754B (zh) 基于机器视觉的镀膜后硅片分选方法
CN106846313A (zh) 工件表面缺陷检测方法和装置
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN103245666B (zh) 一种蓄电池极板外观缺陷自动检测方法
CN107490583A (zh) 一种基于机器视觉的夹片缺陷检测方法
CN104239899A (zh) 一种用于无人机巡检的输电线路间隔棒识别方法
CN102901735B (zh) 利用计算机对工件缺损、裂变、变形进行自动检测的系统
CN107328781A (zh) 一种基于机器视觉的柱状产品表面缺陷检测方法及装置
CN109454006B (zh) 基于化纤丝锭绊丝缺陷在线检测和分级的装置的检测分级方法
CN103091330A (zh) 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
CN110349125A (zh) 一种基于机器视觉的led芯片外观缺陷检测方法及系统
CN110443791A (zh) 一种基于深度学习网络的工件检测方法及其检测装置
CN207238542U (zh) 一种基于机器视觉的篾片缺陷在线检测系统
CN105718964A (zh) 一种输电线防振锤的视觉检测方法
CN103714352A (zh) 一种基于图像认知区域的光晕抑制方法
CN108982544A (zh) 一种印制电路板瑕疵部件检测方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: Room 301, building C30, R & D zone, No. 99 Chuqiao Road, Zhenjiang New District, Jiangsu Province, 212013

Patentee after: ZHENJIANG SYD TECHNOLOGY Co.,Ltd.

Address before: 212013 Zhenjiang City, Jiangsu province Jingkou District No. 301 School of Jiangsu University

Patentee before: ZHENJIANG SYD TECHNOLOGY Co.,Ltd.

CP02 Change in the address of a patent holder