CN109084957B - 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 - Google Patents
光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 Download PDFInfo
- Publication number
- CN109084957B CN109084957B CN201811011851.0A CN201811011851A CN109084957B CN 109084957 B CN109084957 B CN 109084957B CN 201811011851 A CN201811011851 A CN 201811011851A CN 109084957 B CN109084957 B CN 109084957B
- Authority
- CN
- China
- Prior art keywords
- detection
- color
- silicon wafer
- image
- defect
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 147
- 230000007547 defect Effects 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 33
- 229910021419 crystalline silicon Inorganic materials 0.000 title claims abstract description 26
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 82
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 82
- 239000010703 silicon Substances 0.000 claims abstract description 82
- 239000003086 colorant Substances 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000005286 illumination Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000007639 printing Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 7
- 230000018109 developmental process Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000008719 thickening Effects 0.000 claims description 3
- 229920004449 Halon® Polymers 0.000 claims 1
- PXBRQCKWGAHEHS-UHFFFAOYSA-N dichlorodifluoromethane Chemical compound FC(F)(Cl)Cl PXBRQCKWGAHEHS-UHFFFAOYSA-N 0.000 claims 1
- 235000012431 wafers Nutrition 0.000 description 57
- 238000004519 manufacturing process Methods 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 10
- 238000007789 sealing Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000005281 excited state Effects 0.000 description 2
- 238000005424 photoluminescence Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000003070 Statistical process control Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000002503 electroluminescence detection Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000241 photoluminescence detection Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N2021/9513—Liquid crystal panels
Abstract
本发明公开了光伏太阳能晶硅电池片的缺陷检测和颜色分选方法，包括下述步骤：首先采集硅片图像，并进行图像预处理达到颜色标定的目的；然后进行硅片定位，得到感兴趣的硅片区域，再对所述的硅片区域进行各项检测，包括：尺寸检测、破损检测、栅线提取、栅线检测、主栅检测、污点检测、以及色斑检测，进而检测出产品表面的缺陷区域；最后对硅片不同颜色深浅进行分类分等级。本发明还公开了光伏太阳能晶硅电池片的缺陷检测和颜色分选系统。本发明的光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统，用于检测光伏太阳能晶硅电池片印刷后产生的正面外观缺陷和正面的颜色等级划分，实现了无接触检测，具有检测精度高，稳定性好等特点。
Description
技术领域
本发明涉及光伏电池检测技术领域，特别涉及一种光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统。
背景技术
随着全球经济社会的不断发展，能源消费也相应的持续增长。随着时间的推移，化石能源的稀缺性越来越明显。在化石能源供应日趋紧张的背景下，大规模的开发和利用可再生能源已成为未来各国能源战略中的重要组成部分。太阳能是人类取之不尽用之不竭的可再生能源，具有充分的清洁性、绝对的安全性、相对的广泛性、确实的长寿命和免维护性、资源的充足性及潜在的经济性等优点，在长期的能源战略中具有重要地位。20世纪70年代后，家用太阳能发电在世界范围内受到高度重视并取得了长足进展。太阳能光伏发电技术作为太阳能利用的一个重要组成部分，并被认为是二十一世纪最具发展潜力的一种发电方式。研究便于普及型的家庭式太阳能发电系统对于缓解能源危机、减少环境污染以及减小温室效应具有重要的意义。
目前硅片缺陷检测的主要方法包括：
(1)人工目视检测
人工目检方式由于不需要专用的夹具和测试设备，应用简便，所以很早就被运用于硅太阳能电池的缺陷检测。人工目检具有实施容易、成本低的优点，但却存在主观性强、判断标准不一、可重复性差、劳动强度大等诸多问题。此外，随着硅太阳能电池向高产量、低成本、零缺陷的方向发展，人工目检还需配备相应的光学设备，如放大镜等，且非常容易出现过判和漏判等问题，检测效率已经难以满足生产线的配套检测要求。
(2)电致发光检测
电致发光是在太阳能电池两端加上正向偏压时，便会产生微弱的正向电流，此时会大量产生非平衡载流子，然后扩散到PN结附近，受到电能的激发作用，原本处于基态的原子变成了不稳定的激发态，向外自发辐射，以光子的形式放出。采用相机采集图像，可根据缺陷处灰阶值的特征来判断有无隐裂，断栅等缺陷，由于电致发光是一种接触式测量，所以容易造成电池的破损。
(3)光致发光检测
光致发光是半导体材料受激发光现象。光致发光是半导体中的电子吸收外界光子后被激发，阶跃到激发态，处于激发态的电子不稳定，向较低的能级迁跃，以光辐射的形式释放能量的过程。由于电池缺陷区域与正常区域相比少子浓度存在差异，引起的光强度有差异，因此可以利用图像中的强度差异测量缺陷。
(4)自动光学检测
自动光学检测是一种典型的集光、机、电、气等为一体的高新检测技术，其核心技术为机器视觉技术。自动光学检测系统能够提高生产的柔性和自动化程度，在人工视觉难以满足要求的场合或在一些不适合人工作业的危险工作环境中，常用自动光学检测来替代人工检测，同时在大批量工业生产过程中，用自动光学检测方法可以大大提高生产效率和生产的自动化程度，而且自动光学检测易于实现信息集成，是实现计算机集成制造的基础技术之一。
自动光学检测能有效提高缺陷检测的效率和准确率，并能实时监控工艺流程的质量，以及通过统计过程控制及时提供反馈信息，从而不断地优化生产流程中的相关参数。因此，自动光学检测以自动化和智能化程度高、应用便捷、成本低等独有的优势，能极好地满足了硅太阳能电池缺陷检测的需求。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供光伏太阳能晶硅电池片的缺陷检测和颜色分选方法，对硅片进行自动检测，减少人工检测造成的破损，提升检测标准一致性和检测效率。
本发明的另一目的在于运用所述的光伏太阳能晶硅的缺陷检测和颜色分选方法，提供光伏太阳能晶硅电池片的缺陷检测和颜色分选系统。
为实现以上目的，本发明采取如下技术方案：
光伏太阳能晶硅电池片的缺陷检测和颜色分选方法，包括下述步骤：
S1、采集硅片图像，并进行预处理，具体是采集硅片在红绿蓝光源下颜色为灰色的标定板图像，并对该图像进行光照补偿，之后对光照补偿后的图像进行颜色标定；
S2、对硅片图像进行缺陷检测，具体是：对步骤S1预处理后的图像进行硅片定位，得到感兴趣的硅片区域，再对所述的硅片区域进行缺陷检测，以获知产品表面的缺陷区域；
S3、对硅片图像颜色分选，具体是对产品不同颜色深浅进行分类分等级。
作为优选的技术方案，步骤S1，具体包括下述步骤：
S11、通过控制光源控制器设置红绿蓝光源的发光强度；
S12、使用工业相机分别采集红绿蓝光源下颜色为灰色的标定板图像；
S13、通过采集三种颜色光源的黑白图像对所述标定板图像进行光照补偿；
S14、进行颜色标定：采集不同发光强度三种光源下的光照补偿后的图像，建立三条不同颜色光源光照强度和图像平均灰度关系曲线，用以得到固定灰度值时红绿蓝光源分别的发光强度，同时用以拍摄红绿蓝三个颜色通道的黑白图像并通过合成得到彩色图像，达到颜色标定的目的。
作为优选的技术方案，步骤S2中，所述的硅片区域依次进行缺陷检测，包括：尺寸检测、破损检测、栅线提取、栅线检测、主栅检测、污点检测、以及色斑检测。
作为优选的技术方案，步骤S2，具体包括下述步骤：
S21、硅片定位：对步骤S1预处理后的图像进行阈值分割，具体是对红绿蓝三个颜色通道的灰度图像进行全局阈值，分割图像，合并三个颜色通道的区域，开运算后，然后进行连通域分析后得到感兴趣的硅片区域；
S22、尺寸检测：经过步骤S21硅片定位后，对产品进行尺寸测量的参数设置，包含产品的整体外形尺寸及印刷栅线距离硅片边缘的距离；
S23、破损检测：在尺寸检测完成后进行破损检测，破损检测利用红色底板与硅片灰度范围特点，分别对红蓝通道图像采用不同的阈值进行阈值分割方法得到破损区域，然后对所述破损区域进行闭运算处理，并设置破损面积阈值进行筛选，得到产品周边的崩边、破损及缺口；
S24、栅线提取：在破损检测完成后进行栅线提取，具体是提取出产品表面上的所有印刷栅线，通过模板匹配得到栅线的位置，若模板匹配分数达到阈值，并通过预先设定好的矩形框测量栅线提取数量与模板数量进行对比判断栅线的印刷是否相等；若模板匹配分数过小，说明无法匹配存在异常，则直接输出结果，无需在进行后续检测；
S25、栅线检测：在栅线提取完成后进行栅线检测，具体是检测产品表面上所有的细栅线印刷质量问题，包括栅线变粗、变细或者断线、虚印的缺陷；所述栅线检测通过预先设定好的矩形测量框对栅线延直线方向对直线的每个点进行宽度测量，并且设定相应的阈值区别断断栅，粗栅，细栅；若栅线检测出现异常，显示错误并在原图标注具体的错误位置，继续以下检测步骤；
S26、主栅检测：在栅线检测完成后进行主栅检测，具体是检测印刷的主栅是否存在残缺或印刷偏移不良的缺陷；所述主栅检测通过模板匹配得到主栅线的位置，提取主栅与设置的主栅大小模板进行对比得到可能的缺陷区域，并设置相应的阈值进行筛选；若主栅检测出现异常，显示错误原因并在原图标注具体的错误位置，继续以下检测步骤；
S27、污点检测：在主栅检测完成后进行污点检测，具体是检测产品表面上的缺陷，包括脏污、手印、以及水印不良缺陷；所述污点检测通过屏蔽预先设置好的栅线区域然后对硅片的三个颜色通道图像分别进行分块求取平均灰度值，通过平均灰度值设定相应的阈值对每个栅线区域进行阈值分割得到缺陷区域，最后对缺陷区域筛选得到缺陷位置；若污点检测出现异常，显示错误原因并在原图标注具体的错误位置，继续以下检测步骤；
S28、色斑检测：在污点检测完成后进行色斑检测，具体是检测产品表面上的色差，包括色斑及斑点不良缺陷；所述色斑检测通过屏蔽预先设置好的栅线区域然后对硅片的三个颜色通道图像分别沿色斑方向进行分块求取平均灰度值，通过对比平均灰度值的变化幅度得出变化最明显的分界，然后设置相应的阈值进行筛选，若色斑检测出现异常，显示错误原因并在原图标注具体的错误位置；
S29、通过步骤S21～步骤S28，检测出产品表面的缺陷区域。
作为优选的技术方案，步骤S3中，对产品不同颜色深浅进行分类分等级，具体过程为：
首先分别对采集好的各个颜色等级的图像进行红绿蓝三个颜色通道的颜色直方图的提取学习，再将采集到的图像的颜色直方图与学习到的模板进行对比，得分越高，表示两者越接近，并将颜色直方图中的颜色归为相对应的颜色等级。
作为优选的技术方案，所述缺陷检测和颜色分选方法通过hallon13版软件与vs2015联合开发实现。
光伏太阳能晶硅电池片的缺陷检测和颜色分选系统，包括：工业相机、密封箱、LED光源、红色背光板、光源控制器、图像采集卡、工控机、上位机显示器、待测硅片；所述工控机连接光源控制器、图像采集卡、以及上位机显示器；所述LED光源为红绿蓝三色光源，所述光源控制器连接LED光源，用于控制红绿蓝三种光源强度；所述图像采集卡连接工业相机，用于采集红绿蓝三种光源下待测硅片的图像；所述工控机用于控制光源控制器和图像采集，同时用于数据传送、图像处理、以及控制图像处理结果显示；所述上位机显示器用于将图像处理结果显示出来；所述密封箱用于使LED光源发出的光均匀的反射到待测硅片上；所述红色背光板用于作为硅片图像采集的背景，使得硅片与背景具有区分度，易于感兴趣的硅片区域的提取。
作为优选的技术方案，所述系统在用于流水作业时，还可设置传送机构单元、运动控制卡、以及平台柜；所述传送机构单位和密封箱设置在所述平台柜上；所述传送机构单元包括支架和安装在支架上的传送带；所述运动控制卡连接所述工控机和流水作业的PLC控制器，所述PLC控制器连接一个伺服电机，所述运动控制卡通过流水作业的PLC控制器和伺服电机间接控制传送带的传送速度。
作为优选的技术方案，所述工业相机设置在密封箱顶部，所述LED光源设置在密封箱底部且光源朝上，LED光源的正下方设置所述红色背光板，红色背光板插入到在支架上开设的卡槽；当待测硅片由所述传送带传送运动到红色背光板的正上方时停止，所述LED光源间隔发出红绿蓝三种光，发出的光投射到密封箱内壁然后均匀的反射到待测硅片上，达到使待测硅片上的纹理特征更加明显易于区分的目的，密封箱顶部的工业相机分别采集红绿蓝光照下待测硅片的图像；通过所述图像采集卡将采集的图像传输到工控机，所述工控机内部安装图像处理软件，并由图像处理软件进行待测硅片的图像缺陷检测和颜色分选处理，最后将图像处理后的结果显示在所述上位机显示器。
作为优选的技术方案，所述工业相机采用CMOS黑白工业相机，采集到图像大小为5120*5120。
本发明相对于现有技术具有如下的优点和效果：
(1)本发明的光伏太阳能晶硅电池片的缺陷检测和颜色分选方法用于检测光伏太阳能晶硅电池片印刷后产生的正面外观缺陷和正面的颜色等级划分，实现了无接触检测，降低了人工检测造成的碎片率，提高了检测质量，有效的降低了生产成本，具有检测精度高，稳定性好等特点。
(2)本发明的光伏太阳能晶硅电池片的缺陷检测和颜色分选方法在保证缺陷检测精度的前提下使用较为简单的检测算法和步骤，提高了现实生产过程的检测速度，并且降低了对硬件的要求，有利于降低了生产成本。
(3)本发明的光伏太阳能晶硅电池片的缺陷检测和颜色分选方法使用黑白工业相机，彩色的缺点是数据量增大导致图像处理时间的增长，彩色由红绿蓝三色组成，每种颜色是一幅分离的图像，每幅图像的信息量是黑白图像的三倍，需要更多的时间来处理，也需要更多的空间来存储。使用黑白工业相机相比于彩色工业相机不仅减低了设备的生产成本，而且直接获取三个通道的图像，减少了检测算法的处理步骤，提高了检测效率。
附图说明
图1为本发明的光伏太阳能晶硅电池片的缺陷检测和颜色分选流程图；
图2为本发明的光伏太阳能晶硅电池片自动光学缺陷检测和颜色分选系统结构示意图；
图3为本发明采集到的光伏太阳能晶硅电池片红色通道样片；
图4为本发明的光伏太阳能晶硅电池片自动光学缺陷检测和颜色分选系统模块图；
附图标记：1、工业相机；2、密封箱；3、LED光源；4、红色背光板；5、传送机构单元；6、光源控制器；7、图像采集卡；8、工控机；9、上位机显示器；10、平台柜。
具体实施方式
为了使本发明的目的、技术方案以及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不限于本发明。
实施例1
如图1所示，光伏太阳能晶硅电池片的缺陷检测和颜色分选方法，包括下述步骤：
S1、采集硅片图像，并进行预处理，具体是采集硅片在红绿蓝光源下颜色为灰色的标定板图像，并对该图像进行光照补偿，之后对光照补偿后的图像进行颜色标定；具体包括下述步骤：
S11、通过控制光源控制器设置红绿蓝光源的发光强度；
S12、使用工业相机分别采集红绿蓝光源下颜色为灰色的标定板图像；
S13、通过采集三种颜色光源的黑白图像对所述标定板图像进行光照补偿；
S14、进行颜色标定：采集不同发光强度三种光源下的光照补偿后的图像，建立三条不同颜色光源光照强度和图像平均灰度关系曲线，用以得到固定灰度值时红绿蓝光源分别的发光强度，同时用以拍摄红绿蓝三个颜色通道的黑白图像并通过合成得到彩色图像，达到颜色标定的目的。
S2、对硅片图像进行缺陷检测，具体是：对步骤S1预处理后的图像进行硅片定位，得到感兴趣的硅片区域，再对所述的硅片区域进行各项检测；具体包括下述步骤：
S21、硅片定位：对步骤S1预处理后的图像进行阈值分割，具体是对红绿蓝三个颜色通道的灰度图像进行全局阈值，分割图像，合并三个颜色通道的区域，开运算后，然后进行连通域分析后得到感兴趣的硅片区域；
S22、尺寸检测：经过步骤S21硅片定位后，对产品进行尺寸测量的参数设置，包含产品的整体外形尺寸及印刷栅线距离硅片边缘的距离；
S23、破损检测：在尺寸检测完成后进行破损检测，破损检测利用红色底板与硅片灰度范围特点，分别对红蓝通道图像采用不同的阈值进行阈值分割方法得到破损区域，然后对所述破损区域进行闭运算处理，并设置破损面积阈值进行筛选，得到产品周边的崩边、破损及缺口；
S24、栅线提取：在破损检测完成后进行栅线提取，具体是提取出产品表面上的所有印刷栅线，通过模板匹配得到栅线的位置，若模板匹配分数达到阈值，并通过预先设定好的矩形框测量栅线提取数量与模板数量进行对比判断栅线的印刷是否相等；若模板匹配分数过小，说明无法匹配存在异常，则直接输出结果，无需在进行后续检测；
S25、栅线检测：在栅线提取完成后进行栅线检测，具体是检测产品表面上所有的细栅线印刷质量问题，包括栅线变粗、变细或者断线、虚印的缺陷；所述栅线检测通过预先设定好的矩形测量框对栅线延直线方向对直线的每个点进行宽度测量，并且设定相应的阈值区别断断栅，粗栅，细栅；若栅线检测出现异常，显示错误并在原图标注具体的错误位置，继续以下检测步骤；
S26、主栅检测：在栅线检测完成后进行主栅检测，具体是检测印刷的主栅是否存在残缺或印刷偏移不良的缺陷；所述主栅检测通过模板匹配得到主栅线的位置，提取主栅与设置的主栅大小模板进行对比得到可能的缺陷区域，并设置相应的阈值进行筛选；若主栅检测出现异常，显示错误原因并在原图标注具体的错误位置，继续以下检测步骤；
S27、污点检测：在主栅检测完成后进行污点检测，具体是检测产品表面上的缺陷，包括脏污、手印、以及水印不良缺陷；所述污点检测通过屏蔽预先设置好的栅线区域然后对硅片的三个颜色通道图像分别进行分块求取平均灰度值，通过平均灰度值设定相应的阈值对每个栅线区域进行阈值分割得到缺陷区域，最后对缺陷区域筛选得到缺陷位置；若污点检测出现异常，显示错误原因并在原图标注具体的错误位置，继续以下检测步骤；
S28、色斑检测：在污点检测完成后进行色斑检测，具体是检测产品表面上的色差，包括色斑及斑点不良缺陷；所述色斑检测通过屏蔽预先设置好的栅线区域然后对硅片的三个颜色通道图像分别沿色斑方向进行分块求取平均灰度值，通过对比平均灰度值的变化幅度得出变化最明显的分界，然后设置相应的阈值进行筛选，若色斑检测出现异常，显示错误原因并在原图标注具体的错误位置；
S29、通过步骤S21～步骤S28，检测得到产品表面的缺陷区域。
S3、对硅片图像颜色分选，具体是对产品不同颜色深浅进行分类分等级；
首先分别对采集好的各个颜色等级的图像进行红绿蓝三个颜色通道的颜色直方图的提取学习，再将采集到的图像的颜色直方图与学习到的模板进行对比，得分越高，表示两者越接近，并将颜色直方图中的颜色归为相对应的颜色等级。
在上述的光伏太阳能晶硅电池片的缺陷检测和颜色分选方法中，本实施例1使用了阈值分割、连通域分析、模板匹配、直线拟合，颜色直方图匹配等知识图像处理方法。
本发明的光伏太阳能晶硅电池片的缺陷检测和颜色分选方法通过hallon13版软件与vs2015联合开发实现。
实施例2
如图2所示,运用实施例1所述方法的光伏太阳能晶硅电池片的缺陷检测和颜色分选系统，该缺陷检测和颜色分选系统包括：工业相机1、密封箱2、LED光源3、红色背光板4、传送机构单元5、光源控制器6、图像采集卡7、工控机8、上位机显示器9、待测硅片、平台柜10；所述传送机构单元5包括支架和安装在支架上的传送带；所述工控机8包括CPU、显示器、存储器；在本实施例2中，将密封箱2和传送机构单元5设置在平台柜10上。
所述工控机8连接光源控制器6、图像采集卡7、以及上位机显示器9；所述LED光源为红绿蓝三色光源，所述光源控制器6连接LED光源3，用于控制红绿蓝三种光源强度；所述图像采集卡7连接工业相机1，用于采集红绿蓝三色光源下待测硅片的图像；所述工控机8用于控制各控制器或控制卡，同时用于数据传送和图像处理；所述上位机显示器9用于将图像处理结果显示出来；所述密封箱2用于使LED光源3发出的光均匀的反射到待测硅片上；所述红色背光板4用于作为硅片图像采集的背景，使得硅片与背景具有良好的区分度，易于感兴趣的硅片区域的提取，提高硅片缺陷检测鲁棒性。
所述工业相机1设置在密封箱2顶部，所述LED光源3设置在密封箱2底部且光源朝上，LED光源3的正下方设置所述红色背光板4，红色背光板4插入到在支架上开设的卡槽；当待测硅片由所述传送带传送运动到红色背光板4的正上方时停止，所述LED光源3间隔发出红绿蓝三种光，发出的光投射到密封箱2内壁然后均匀的反射到待测硅片上，达到使待测硅片上的纹理特征更加明显易于区分的目的，并使用所述工业相机1分别采集红绿蓝光照下待测硅片的图像；通过所述图像采集卡7将采集的图像传输到工控机8，所述工控机8内部安装图像处理软件，并由图像处理软件进行待测硅片的图像缺陷检测和颜色分选处理，然后将图像处理后的结果显示在所述上位机显示器9。
如图3所示为通过黑白工业相机采集到的红色通道的待测硅片样品图，样品图包含红色背景板和放置在传送带上的待测硅片，待测硅片上印刷有栅线，包括主栅和细栅，本实施例2所述的光伏太阳能晶硅电池片的缺陷检测和颜色分选系统主要用于检测待测硅片栅线以及除栅线以外的硅片区域的缺陷及颜色等级。
如图4所示，所述运动控制卡还连接流水作业的PLC控制器，所述PLC控制器连接一个伺服电机，所述运动控制卡通过流水作业的PLC控制器和伺服电机间接控制传送带的传送速度。
在本实施例2中，所述工业相机采用CMOS黑白工业相机，采集到图像大小为5120*5120，在相同的精度和速度条件下，采用黑白工业相机有利于降低制造成本，提高产品本身的市场竞争力。
所述工控机一般选用i7处理器。
所述光源控制器为数字控制器类型，输出电压为12V，控制方式要求选软件兼手动，输出通道要求选四路。
所述图像采集卡，图像传输格式为黑白图像，通常情况下，图像灰度等级可分为256级，即以8位表示；分辨率为5120*5120；接口类型为Gige接口。
所述红色背光板的形状为内外正方形，边长分别为100cm和200cm的正方环形。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以权利要求所述为准。
Claims (1)
1.光伏太阳能晶硅电池片的缺陷检测和颜色分选方法，其特征在于，所述缺陷检测和颜色分选方法通过hallon13版软件与vs2015联合开发实现，包括下述步骤：
S1、采集硅片图像，并进行预处理，具体是采集硅片在红绿蓝光源下颜色为灰色的标定板图像，并对该图像进行光照补偿，之后对光照补偿后的图像进行颜色标定；具体包括下述步骤：
S11、通过控制光源控制器设置红绿蓝光源的发光强度；
S12、使用工业相机分别采集红绿蓝光源下颜色为灰色的标定板图像；
S13、通过采集三种颜色光源的黑白图像对所述标定板图像进行光照补偿；
S14、进行颜色标定：采集不同发光强度三种光源下的光照补偿后的图像，建立三条不同颜色光源光照强度和图像平均灰度关系曲线，用以得到固定灰度值时红绿蓝光源分别的发光强度，同时用以拍摄红绿蓝三个颜色通道的黑白图像并通过合成得到彩色图像，达到颜色标定的目的；
S2、对硅片图像进行缺陷检测，具体是：对步骤S1预处理后的图像进行硅片定位，得到感兴趣的硅片区域，再对所述的硅片区域进行缺陷检测，以获知产品表面的缺陷区域；
所述的硅片区域依次进行缺陷检测，包括：尺寸检测、破损检测、栅线提取、栅线检测、主栅检测、污点检测、以及色斑检测，具体包括：
S21、硅片定位：对步骤S1预处理后的图像进行阈值分割，具体是对红绿蓝三个颜色通道的灰度图像进行全局阈值，分割图像，合并三个颜色通道的区域，开运算后，然后进行连通域分析后得到感兴趣的硅片区域；
S22、尺寸检测：经过步骤S21硅片定位后，对产品进行尺寸测量的参数设置，包含产品的整体外形尺寸及印刷栅线距离硅片边缘的距离；
S23、破损检测：在尺寸检测完成后进行破损检测，破损检测利用红色底板与硅片灰度范围特点，分别对红蓝通道图像采用不同的阈值进行阈值分割方法得到破损区域，然后对所述破损区域进行闭运算处理，并设置破损面积阈值进行筛选，得到产品周边的崩边、破损及缺口；
S24、栅线提取：在破损检测完成后进行栅线提取，具体是提取出产品表面上的所有印刷栅线，通过模板匹配得到栅线的位置，若模板匹配分数达到阈值，并通过预先设定好的矩形框测量栅线提取数量与模板数量进行对比判断栅线的印刷是否相等；若模板匹配分数过小，说明无法匹配存在异常，则直接输出结果，无需在进行后续检测；
S25、栅线检测：在栅线提取完成后进行栅线检测，具体是检测产品表面上所有的细栅线印刷质量问题，包括栅线变粗、变细或者断线、虚印的缺陷；所述栅线检测通过预先设定好的矩形测量框对栅线延直线方向对直线的每个点进行宽度测量，并且设定相应的阈值区别断断栅，粗栅，细栅；若栅线检测出现异常，显示错误并在原图标注具体的错误位置，继续以下检测步骤；
S26、主栅检测：在栅线检测完成后进行主栅检测，具体是检测印刷的主栅是否存在残缺或印刷偏移不良的缺陷；所述主栅检测通过模板匹配得到主栅线的位置，提取主栅与设置的主栅大小模板进行对比得到可能的缺陷区域，并设置相应的阈值进行筛选；若主栅检测出现异常，显示错误原因并在原图标注具体的错误位置，继续以下检测步骤；
S27、污点检测：在主栅检测完成后进行污点检测，具体是检测产品表面上的缺陷，包括脏污、手印、以及水印不良缺陷；所述污点检测通过屏蔽预先设置好的栅线区域然后对硅片的三个颜色通道图像分别进行分块求取平均灰度值，通过平均灰度值设定相应的阈值对每个栅线区域进行阈值分割得到缺陷区域，最后对缺陷区域筛选得到缺陷位置；若污点检测出现异常，显示错误原因并在原图标注具体的错误位置，继续以下检测步骤；
S28、色斑检测：在污点检测完成后进行色斑检测，具体是检测产品表面上的色差，包括色斑及斑点不良缺陷；所述色斑检测通过屏蔽预先设置好的栅线区域然后对硅片的三个颜色通道图像分别沿色斑方向进行分块求取平均灰度值，通过对比平均灰度值的变化幅度得出变化最明显的分界，然后设置相应的阈值进行筛选，若色斑检测出现异常，显示错误原因并在原图标注具体的错误位置；
S29、通过步骤S21～步骤S28，检测出产品表面的缺陷区域；
S3、对硅片图像颜色分选，具体是对产品不同颜色深浅进行分类分等级；对产品不同颜色深浅进行分类分等级，具体过程为：
首先分别对采集好的各个颜色等级的图像进行红绿蓝三个颜色通道的颜色直方图的提取学习，再将采集到的图像的颜色直方图与学习到的模板进行对比，得分越高，表示两者越接近，并将颜色直方图中的颜色归为相对应的颜色等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811011851.0A CN109084957B (zh) | 2018-08-31 | 2018-08-31 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811011851.0A CN109084957B (zh) | 2018-08-31 | 2018-08-31 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109084957A CN109084957A (zh) | 2018-12-25 |
| CN109084957B true CN109084957B (zh) | 2024-03-19 |
Family
ID=64840264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811011851.0A Active CN109084957B (zh) | 2018-08-31 | 2018-08-31 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109084957B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102175286B1 (ko) * | 2018-10-11 | 2020-11-06 | 라온피플 주식회사 | 결함 검출 장치 및 방법 |
| CN109828545B (zh) * | 2019-02-28 | 2020-09-11 | 武汉三工智能装备制造有限公司 | Ai智能过程异常识别闭环控制方法、主机及装备系统 |
| CN109946315A (zh) * | 2019-03-14 | 2019-06-28 | 镇江苏仪德科技有限公司 | 一种太阳能电池片的外观检测装置 |
| CN110008946B (zh) * | 2019-04-09 | 2022-03-15 | 苏州阿特斯阳光电力科技有限公司 | 一种激光标记的识别方法和装置、印刷设备 |
| CN110263190B (zh) * | 2019-05-06 | 2023-10-20 | 菜鸟智能物流控股有限公司 | 一种数据处理方法、装置、设备和机器可读介质 |
| CN110455811B (zh) * | 2019-08-27 | 2022-04-01 | 通威太阳能（合肥）有限公司 | 一种能够检测电池片背场缺陷的设备及其调试方法 |
| CN110575966B (zh) * | 2019-10-16 | 2024-03-26 | 苏州微感网络科技有限公司 | 一种高反光物体表面缺陷检测装置 |
| CN110721928B (zh) * | 2019-10-21 | 2021-02-05 | 武汉纺织大学 | 一种太阳能电池片的色差分选方法及系统 |
| CN110827267B (zh) * | 2019-11-08 | 2023-04-07 | 武汉海晨工控技术有限公司 | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 |
| CN111028202B (zh) * | 2019-11-14 | 2021-07-13 | 苏州斯玛维科技有限公司 | Led芯片的x射线气泡缺陷图像处理方法、设备、存储介质及系统 |
| CN110866916A (zh) * | 2019-11-29 | 2020-03-06 | 广州大学 | 一种基于机器视觉的光伏电池片黑心黑角检测方法、装置及设备 |
| CN111146108A (zh) * | 2020-01-10 | 2020-05-12 | 上海应用技术大学 | 太阳能电池板的断栅缺陷检测装置和方法 |
| CN112718555A (zh) * | 2020-12-14 | 2021-04-30 | 张家港博佑光电科技有限公司 | 一种硅太阳能电池分选工序测试系统 |
| CN114112903A (zh) * | 2021-02-01 | 2022-03-01 | 苏州威华智能装备有限公司 | 一种光伏电池片表面缺陷检测方法、设备及存储介质 |
| CN113178508A (zh) * | 2021-05-28 | 2021-07-27 | 浙江爱旭太阳能科技有限公司 | 提高太阳能电池抗醋酸腐蚀性能的热处理方法和系统 |
| CN113465678A (zh) * | 2021-07-12 | 2021-10-01 | 安徽富信半导体科技有限公司 | 一种半导体元件抽样检测装置 |
| CN113686876B (zh) * | 2021-08-24 | 2022-10-04 | 华南农业大学 | 一种禽蛋裂纹检测方法、装置 |
| CN113695267B (zh) * | 2021-08-30 | 2023-05-26 | 深圳市洲明科技股份有限公司 | 一种墨色分选装置及其分选方法 |
| CN113834816A (zh) * | 2021-09-30 | 2021-12-24 | 江西省通讯终端产业技术研究院有限公司 | 基于机器视觉的光伏电池缺陷在线检测方法及系统 |
| CN114522891A (zh) * | 2022-02-17 | 2022-05-24 | 立川(无锡)半导体设备有限公司 | 一种硅片分选机aoi方法 |
| CN114570504A (zh) * | 2022-04-02 | 2022-06-03 | 芒市永隆铁合金有限公司 | 一种金属硅的提纯装置及其使用方法 |
| CN115049645B (zh) * | 2022-08-12 | 2022-11-04 | 瀚能太阳能(山东)集团有限公司 | 一种太阳能电池板表面缺陷检测方法 |
| CN116485785B (zh) * | 2023-06-15 | 2023-08-18 | 无锡斯达新能源科技股份有限公司 | 一种太阳能电池片的表面缺陷检测方法 |
| CN117690846B (zh) * | 2024-02-02 | 2024-04-09 | 深圳市双翌光电科技有限公司 | 太阳能硅片视觉检测方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
| CN103063729A (zh) * | 2011-10-21 | 2013-04-24 | 上海华虹Nec电子有限公司 | 检测外延硅缺陷的方法 |
| CN105388162A (zh) * | 2015-10-28 | 2016-03-09 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
| CN205246566U (zh) * | 2015-10-28 | 2016-05-18 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测装置 |
| CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
| CN208721366U (zh) * | 2018-08-31 | 2019-04-09 | 华南理工大学 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选系统 |
-
2018
- 2018-08-31 CN CN201811011851.0A patent/CN109084957B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103063729A (zh) * | 2011-10-21 | 2013-04-24 | 上海华虹Nec电子有限公司 | 检测外延硅缺陷的方法 |
| CN102974551A (zh) * | 2012-11-26 | 2013-03-20 | 华南理工大学 | 一种基于机器视觉的多晶硅太阳能检测分选的方法 |
| CN105388162A (zh) * | 2015-10-28 | 2016-03-09 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测方法 |
| CN205246566U (zh) * | 2015-10-28 | 2016-05-18 | 镇江苏仪德科技有限公司 | 基于机器视觉的原料硅片表面划痕检测装置 |
| CN107843600A (zh) * | 2017-10-31 | 2018-03-27 | 河北工业大学 | 一种多晶硅太阳能电池片外观手印缺陷检测的方法 |
| CN208721366U (zh) * | 2018-08-31 | 2019-04-09 | 华南理工大学 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109084957A (zh) | 2018-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109084957B (zh) | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 | |
| CN208721366U (zh) | 光伏太阳能晶硅电池片的缺陷检测和颜色分选系统 | |
| CN106990120B (zh) | 一种太阳能电池片的质量检测方法及其检测装置 | |
| CN106238350B (zh) | 一种基于机器视觉的太阳能电池片分选方法与系统 | |
| CN107727662B (zh) | 一种基于区域生长算法的电池片el黑斑缺陷检测方法 | |
| CN110687119A (zh) | 一种缺陷检测方法、系统与装置、计算机可读存储介质 | |
| CN104020178B (zh) | 一种晶硅硅片缺陷检测设备的透光性检测单元 | |
| CN202678288U (zh) | 一种晶硅抛光片表面缺陷检测设备 | |
| Xu et al. | Detection methods for micro-cracked defects of photovoltaic modules based on machine vision | |
| CN113989241A (zh) | 一种基于图像处理与深度学习融合的光伏组件el缺陷检测方法 | |
| CN202676612U (zh) | 一种用于测试led电路芯片的装置 | |
| CN107742283B (zh) | 一种电池片外观栅线粗细不均缺陷检测的方法 | |
| CN115115643A (zh) | 一种光伏电池板生产缺陷检测方法 | |
| CN101676696B (zh) | 检测太阳能电池前期确认对比样本的光学检测系统及方法 | |
| CN107563990B (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测方法 | |
| CN117036825A (zh) | 一种太阳能电池板检测方法、介质及系统 | |
| CN103018256A (zh) | 一种led缺陷检测系统 | |
| CN201440127U (zh) | 太阳能电池及组件缺陷检测装置 | |
| CN101915546B (zh) | 太阳能芯片的抗反射层的检测方法及检测装置 | |
| CN210322833U (zh) | 一种太阳能电池片的外观检测装置 | |
| CN201740515U (zh) | 太阳能芯片的抗反射层的检测装置 | |
| CN108445018B (zh) | 应用于电池片黑心检测的有效特征曲线提取方法 | |
| CN108831851B (zh) | 一种提高太阳能电池el不良分类效率的分选方法 | |
| KR101088261B1 (ko) | 태양전지의 검사장치 및 검사방법 | |
| CN102927918A (zh) | 太阳能芯片的抗反射层的检测方法及检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |