CN116342613B - 单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统 - Google Patents
单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统 Download PDFInfo
- Publication number
- CN116342613B CN116342613B CN202310637121.6A CN202310637121A CN116342613B CN 116342613 B CN116342613 B CN 116342613B CN 202310637121 A CN202310637121 A CN 202310637121A CN 116342613 B CN116342613 B CN 116342613B
- Authority
- CN
- China
- Prior art keywords
- image
- silicon rod
- line
- crystal
- erosion
- 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
- 229910021421 monocrystalline silicon Inorganic materials 0.000 title claims abstract description 71
- 239000013078 crystal Substances 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000003628 erosive effect Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 32
- 229910052710 silicon Inorganic materials 0.000 claims description 32
- 239000010703 silicon Substances 0.000 claims description 32
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 16
- 238000011282 treatment Methods 0.000 claims description 16
- 238000005520 cutting process Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000011179 visual inspection Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000003711 image thresholding Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 206010042674 Swelling Diseases 0.000 claims description 2
- 230000008961 swelling Effects 0.000 claims description 2
- 238000005530 etching Methods 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 4
- 230000010339 dilation Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统,所述方法包括:获取并处理得到预设区域的单通道表面剪裁图像;依次进行二值化图像阈值处理,侵蚀处理以及膨胀处理,得到膨胀图像;对膨胀图像进行链式近似轮廓查找,得到轮廓集合,并进行排序得到排序集合;对膨胀图像根据排序集合的前n项进行填充以及高斯模糊处理,得到高斯模糊图像;对高斯模糊图像进行连接统计操作,得到连接统计图像,并进行概率霍夫变换,得到线段集合;对线段集合中的备选线段提取端点并计算线段斜率的绝对值,筛选得到子集合;提取子集合中的所有备选线段的两个端点;对所有端点的集合进行直线拟合,得到的拟合直线即为检测到的单晶硅棒的晶线。
Description
技术领域
本发明涉及图像检测技术领域,具体涉及一种单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统。
背景技术
单晶硅棒表面覆盖四条晶线,这四条晶线是在直拉法制备单晶硅过程中生长出来的,它们轻微凸起在单晶硅棒表面,近似平行于单晶硅棒轴向,并且间距相等。在对成品单晶硅棒的加工过程中,会首先沿四条径向晶线对单晶硅棒进行纵向切割,因此需要对这四条晶线进行检测。但单晶硅棒是高度反光物体,错综复杂并且变化的环境光线对基于机器视觉方式的检测方法影响极大,而目前并没有行之有效的自适应抗光线干扰方法。因此现有的基于机器视觉的单晶硅棒晶线检测方式主要在人为创造的封闭空间理想光线情况下进行。
发明内容
基于上述背景,本发明提供了一种单晶硅切割过程中硅棒晶线的自适应抗干扰机器视觉检测方法和系统,从而在一定程度上解决上面所述问题,使得在开放空间变化光线条件下的单晶硅棒晶线基于机器的检测成为可能。
为此,本发明的一个方面在于提供一种单晶硅棒晶线的自适应抗干扰机器视觉检测方法,包括如下步骤:
S1、获取待检测单晶硅棒的三通道表面图像,并对获取的图像进行预处理,得到预设区域的单通道表面剪裁图像;
S2、对所述单通道表面剪裁图像进行二值化图像阈值处理得到前景掩膜;
S3、对所述前景掩膜进行一次或多次侵蚀处理,得到侵蚀图像,并对所述侵蚀图像进行一次或多次膨胀处理,得到膨胀图像;
S4、对所述膨胀图像进行链式近似轮廓查找,得到轮廓集合,并对所述轮廓集合根据覆盖面积进行从大到小排序,得到排序集合,所述轮廓集合包含所有硅棒表面的反光区域;
S5、对所述膨胀图像根据排序集合的前n项进行填充,得到填充图像,并对所述填充图像进行高斯模糊处理,得到高斯模糊图像;
S6、对所述高斯模糊图像进行连接统计操作,对图像细小噪点进行连接,得到连接统计图像,并对所述连接统计图像进行概率霍夫变换,得到线段集合,所述线段集合包含所有硅棒表面的备选线段;
S7、对所述线段集合中的每一个备选线段提取两个端点并计算线段斜率的绝对值,并根据备选线段斜率的绝对值进行筛选,得到子集合;若所述子集合中的元素基数不为零,则提取子集合中的所有备选线段的两个端点,得到所有端点的集合;
S8、对所述的所有端点的集合进行直线拟合,得到的拟合直线即为所述三通道表面图像中检测到的单晶硅棒的晶线。
在一些实施例中,步骤S1具体包括:
S11、获取待检测单晶硅棒的三通道表面图像,所述的三通道表面图像的维度为;
S12、将所述的三通道表面图像转换为单通道灰度图像,所述的单通道灰度图像的维度为;
S13、在所述的单通道灰度图上设置检测区域,所述检测区域包含硅棒表面信息及被检测晶线,为一矩形区域,维度为/>,并满足/>;
S14、通过所述检测区域区域对所述单通道灰度图像进行提取得到单通道表面剪裁图像,所述单通道表面剪裁图像的维度为。
在一些实施例中,步骤S3中,对所述前景掩膜进行一次或多次侵蚀处理具体包括:
其中,/>为/>处侵蚀处理后的值,/>为卷积核维度,/>构成一/>卷积核,对前景掩膜逐像素进行卷积操作,/>为卷积核锚点,锚点扫描前景掩膜的每一个像素,并用卷积核区域前景掩膜的最小值替代该锚点像素,从而实现图像的侵蚀;得到的侵蚀图像的维度为/>。
在一些实施例中,步骤S3中,对所述侵蚀图像进行一次或多次膨胀处理具体包括:
其中,为/>处膨胀处理后的值,/>构成一/>卷积核,对侵蚀图像逐像素进行卷积操作,/>为卷积核锚点,锚点扫描侵蚀图像的每一个像素,并用卷积核区域侵蚀图像的最大值替代该锚点像素,从而实现图像的膨胀;得到的膨胀图像的维度为。
在一些实施例中,步骤S5具体包括:
S51、对所述膨胀图像根据排序集合的前n项进行填充,得到填充图像,其中/>,/>为轮廓集合,为排序集合,/>表示集合的基数,填充值为一恒定标量,维度为(1),值为255:对轮廓集合/>中的任意/>,/>;
S52、对所述填充图像进行如下高斯模糊处理,得到高斯模糊图像,所述高斯模糊图像的维度为:
。
在一些实施例中,步骤S7具体包括:
S71、对所述线段集合中的每一个备选线段/>提取两个端点;
S72、对所述线段集合中的每一个备选线段/>计算该备选线段的斜率的绝对值:/>;
S73、对所述线段集合中的每一个元素/>根据该元素斜率的绝对值/>进行筛选,得到子集合/>;
若,则判定在当前所述三通道表面图像中未找到晶线;
若,则对所述子集合/>的每一个元素/>提取两个端点/>,得到所有端点的集合。
在一些实施例中,步骤S8具体包括:
对所述的所有端点的集合进行直线拟合,即求解极值问题:
得到拟合直线:;
其中,为像素横坐标值,/>为像素纵坐标值,/>,,/>,/>;
所述拟合直线即为所述三通道表面图像中检测到的单晶硅棒的晶线。
本发明的二个方面在于提供一种单晶硅棒晶线的自适应抗干扰机器视觉检测系统,包括:
图像采集设备,其用于采集待检测单晶硅棒的三通道表面图像;
以及计算控制设备,其连接所述图像采集设备,用于基于图像采集设备采集的图像,执行如上述本发明第一个方面所述的视觉检测方法检测待检测单晶硅棒的晶线;还用于连接硅棒切割机,以将检测结果或基于检测结果的控制信号输出至硅棒切割机,对单晶硅棒进行切割;
其中,所述图像采集设备至少包括用于采集图像的相机,所述相机配置于单晶硅棒从底部起的1/3~1/2高处,相机的光学轴心穿过单晶硅棒的纵轴心线,且相机的仰角为10°~30°。
本发明的三个方面在于提供一种计算机设备,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行如上述本发明第一个方面所述的视觉检测方法。
本发明的四个方面在于提供一种计算机可读存储介质,该存储介质包括存储的程序,其中,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机运行时执行如上述本发明第一个方面所述的视觉检测方法。
本发明的单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统,相比现有技术有如下优点:
1)图像采集时用于取样的矩形检测区域纵轴方向无需与硅棒纵轴方向平行或垂直,体现了本发明方法自适应抗干扰性的第一个方面。
2)通过包含二值化图像阈值处理、侵蚀处理以及膨胀处理的处理流程可以有效的将硅棒表面反光区域增强,轮廓边缘变得更锋利清晰,从而使得反光区域的特征更明显,更容易区分及识别;同时该处理流程的特征增强效果与反光区域在硅棒表面位置无关,并对错综复杂并且变化的环境光线的影响有着较好的适应性,体现了本发明方法自适应抗干扰性的第二个方面。
3)通过包含高斯模糊处理、以及连接统计操作的处理流程可以有效的去除或合并反光区域边缘的细小噪点,从而使得硅棒晶线的特征更明显,更便于查找;同时该处理流程的特征增强效果与反光区域以及晶线在硅棒表面位置无关,并对错综复杂并且变化的环境光线的影响有着较好的适应性,体现了本发明方法自适应抗干扰性的第三个方面。
4)通过配置特定位置和角度的相机进行图像采样,可进一步避免环境光线的干扰,提高图像采样质量和检测结果的准确性,体现了本发明方法自适应抗干扰性的第四个方面。
附图说明
图1为本发明的自适应抗干扰机器视觉检测系统实施例的组件示意图。
图2为本发明一个具体实施例的单晶硅棒及晶线三维示意图。
图3为本发明一个具体实施例的单晶硅棒及晶线顶视图。
图4为本发明的自适应抗干扰机器视觉检测系统实施例的装备安置顶视图。
图5为本发明的自适应抗干扰机器视觉检测系统实施例的装备安置侧视图。
图6为本发明的自适应抗干扰机器视觉检测系统实施例的运行流程示意图。
具体实施方式
下面对本发明实施例中的技术方案进行清晰、完整地描述,详细描述本发明的实施例,所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明的技术方案,而不能理解为对本发明的限制。
为了便于本领域技术人员理解,下面先通过第一个实施例对本发明涉及的单晶硅棒及自适应抗干扰机器视觉检测系统进行说明。
实施例1
参见图2和图3,单晶硅棒1是一种近圆柱体,其表面覆盖四条晶线10a、10b、10c、10d,这四条晶线是在直拉法制备单晶硅过程中生长出来的,它们轻微凸起在单晶硅棒表面,近似平行于单晶硅棒轴向,并且间距相等。这四条晶线是本发明提出的自适应抗干扰机器视觉检测方法的检测目标。
在切割前,单晶硅棒被纵向装载在硅棒切割机上,纵轴近似垂直于地面。因为单晶硅棒以纵轴近似垂直于地面的方式被装载在硅棒切割机上,因此四条晶线的方向也近似垂直于地面。由于单晶硅棒是一种高度反光物体,所以当切割场所为开放空间,无任何遮光措施的情况下,阳光、室内照明、物体移动等原因造成的环境光照射情况错综复杂,复杂的光线情况会在单晶硅棒表面形成数量变化、大小不一、强度不同、位置不固定的光斑,这些光斑会覆盖晶线,给晶线的成像造成极大的干扰,对基于光学信号的单晶硅棒晶线机器视觉检测方式带来了极大的挑战,这也是本发明要解决的问题。
参见附图1,本实施例示出了一种单晶硅棒晶线的自适应抗干扰机器视觉检测系统,其包括用于采集待检测单晶硅棒的三通道表面图像的图像采集设备;以及与图像采集设备通信连接的计算控制设备,其用于基于图像采集设备采集的图像,执行视觉检测方法检测待检测单晶硅棒的晶线。计算控制设备还用于通过网络设备连接硅棒切割机,以将检测结果或基于检测结果的控制信号输出至硅棒切割机,对单晶硅棒进行切割。
参见图4和图5,作为优选实施方案,本实施例中,图像采集设备至少包括用于采集图像的相机2。相机2固定在硅棒1前方,相机的光学轴心穿过单晶硅棒的纵轴心线。
在一个较佳示例中,相机距离硅棒1.5~2米,最近点为1.5米。相机的安装高度在单晶硅棒从底部起单晶硅棒的1/3~1/2处,优选为1/3处。同时,相机在水平方向具有10°~30°的仰角。优选的,该仰角为15°。采用此种上扬的相机安装方式可以有效地减小反光的影响,使得光斑在成像中被集中在取景区域的上半部分。
工作时,相机通过电缆连接至计算控制设备,一般为主控工业机,接收到工业机的控制信号执行拍照或连续拍照动作。
参见附图6,展示了本实施例中的检测系统运行流程示意图。
在检测过程中,单晶硅棒按照一定周期被切割机进行转动,当一条晶线被转动到面向相机的方向时,切割机停止转动,并通过PLC发送一个检测信号脉冲给工业机。
工业机接收到该检测信号脉冲后,控制相机进行拍摄,并通过后续步骤对每一条晶线进行检测。
工业机将检测结果通过网络设备反馈至切割机。
切割机接收到检测结果后,重复上述步骤,检测下一条晶线。
当四条晶线全部检测结束后,对该单晶硅棒的检测结束,开始进行切割。
下面通过第二个实施例对单晶硅棒上晶线的检测方法进行说明。
实施例2
本实施例示出了一种单晶硅棒晶线的自适应抗干扰机器视觉检测方法,包括如下步骤:
第一步,获取待检测单晶硅棒的三通道表面图像,并对获取的图像进行预处理,得到预设区域的单通道表面剪裁图像。
具体的,首先通过类似上述实施例1中的检测系统获取待检测单晶硅棒的三通道表面图像。在每次接收到工业机的控制信号后,相机进行取景,拍摄当前的硅棒的三通道表面图像,工业机读取相机的缓存得到该三通道表面图像。本示出实例中,相机的设置分辨率为2448乘2048(像素),因此,所述的三通道表面图像的维度为(2048,2448,3)。
然后,将获取的三通道表面图像转换为单通道灰度图像:本示出实例中,该单通道灰度图像的维度为(2048,2448,1)。
接下来,在该单通道灰度图上设置检测区域,检测区域包含硅棒表面信息及被检测晶线,为一矩形区域。本示出实例中,检测区域为矩形区域[2000,2000],维度为(1,1),满足2000 ≤ 2448 ∩ 2000_c ≤ 2048。检测区域的原点为(0,0)。
最后,通过该检测区域区域对单通道灰度图像进行提取得到单通道表面剪裁图像。本示出实例中,得到的单通道表面剪裁图像提取自所述单通道灰度图像的[0:1999,0:1999]部分,得到单通道表面剪裁图像的维度为(2000,2000,1)。
本实施例中,矩形检测区域纵轴方向无需与硅棒纵轴方向平行或垂直,这是本发明提出的检测方法自适应抗干扰性的第一个体现。
第二步,对第一步中获取的单通道表面剪裁图像进行二值化图像阈值处理得到前景掩膜。
本示出实例中,二值化图像阈值为220,二值化图像极值为255,维度为(1)。得到的前景掩膜的维度为(2000,2000,1)。
第三步,对第二步中得到的前景掩膜进行一次或多次侵蚀处理,得到侵蚀图像,并对得到的侵蚀图像进行一次或多次膨胀处理,得到膨胀图像。
具体的,对前景掩膜进行一次或多次侵蚀处理具体包括:
其中,/>为/>处侵蚀处理后的值,/>为卷积核维度,/>构成一/>卷积核,对前景掩膜逐像素进行卷积操作,/>为卷积核锚点,锚点扫描前景掩膜的每一个像素,并用卷积核区域前景掩膜的最小值替代该锚点像素,从而实现图像的侵蚀;得到的侵蚀图像的维度为(2000,2000,1)。
本示出实例中,侵蚀次数为2,用于侵蚀处理的卷积核维度为(5,5),即,。
对前景掩膜进行一次或多次膨胀处理具体包括:
其中,为/>处膨胀处理后的值,/>构成一/>卷积核,对侵蚀图像逐像素进行卷积操作,/>为卷积核锚点,锚点扫描侵蚀图像的每一个像素,并用卷积核区域侵蚀图像的最大值替代该锚点像素,从而实现图像的膨胀;得到的膨胀图像的维度为(2000,2000,1)。
本示出实例中,膨胀次数为2,用于膨胀处理的卷积核维度为(5,5)。
通过上述的包含二值化图像阈值处理、侵蚀处理以及膨胀处理的子工作流程可以有效的将硅棒表面反光区域增强,轮廓边缘变得更锋利清晰,从而使得反光区域的特征更明显,更容易区分及识别。同时,该子工作流程的特征增强效果与反光区域在硅棒表面位置无关,并对错综复杂并且变化的环境光线的影响有着较好的适应性,这是本发明提出的检测方法自适应抗干扰性的第二个体现。
第四步,对上一步得到的膨胀图像进行链式近似轮廓查找,得到轮廓集合,并对轮廓集合根据覆盖面积进行从大到小排序,得到排序集合,该轮廓集合包含所有硅棒表面的反光区域。
本示出实例中,本示出实例中,共找到86个不连接轮廓,即。对轮廓集合cnts根据覆盖面积进行从大到小排序,得到排序集合/>,并满足。
第五步,对上一步得到的膨胀图像根据排序集合的前n 项进行填充,得到填充图像,并对填充图像进行高斯模糊处理,得到高斯模糊图像。
具体的,先对膨胀图像根据排序集合的前n项进行填充,得到填充图像,其中/>,/>为轮廓集合,为排序集合,填充值为一恒定标量,维度为(1),值为255:即对轮廓集合/>中的任意/>,/>;
本示出实例中,n = 80。填充值为恒定标量,维度为(1),值为255。填充图像的维度为(2000,2000,1)。
然后,对填充图像进行如下高斯模糊处理,得到高斯模糊图像:
。
本示出实例中,模糊处理次数为1,用于高斯模糊处理的卷积核维度为(3,3),得到高斯模糊图像的维度为(2000,2000,1)。
第六步,对得到的高斯模糊图像进行连接统计操作,对图像细小噪点进行连接,得到连接统计图像,并对连接统计图像进行概率霍夫变换,得到线段集合lines,该线段集合包含所有硅棒表面的备选线段。
本示出实例中,得到的连接统计图像的维度为(2000,2000,1)。最小长度为300,最大间隔为50。共找到3个独立线段,即。
通过上述的包含高斯模糊处理,以及连接统计操作的子工作流程可以有效的去除或合并反光区域边缘的细小噪点,从而使得硅棒晶线的特征更明显,更便于查找。同时,该子工作流程的特征增强效果与反光区域以及晶线在硅棒表面位置无关,并对错综复杂并且变化的环境光线的影响有着较好的适应性,这是本发明提出的检测方法自适应抗干扰性的第三个体现。
第七步,对上一步得到的线段集合中的每一个备选线段提取两个端点并计算线段斜率的绝对值,并根据备选线段斜率的绝对值进行筛选,得到子集合;若该子集合中的元素基数不为零,则提取子集合中的所有备选线段的两个端点,得到所有端点的集合。
具体的,先对线段集合中的每一个备选线段/>提取两个端点;
然后对线段集合中的每一个备选线段/>计算该备选线段的斜率的绝对值:;
最后对线段集合中的每一个元素/>根据该元素斜率的绝对值/>进行筛选,得到子集合/>;
本示出实例中,设定阈值为10,即中斜率的绝对值/>小于10的线段被移除。
若,则判定在当前所述三通道表面图像中未找到晶线。
本示出实例中,,说明找到3条晶线。
此时,对子集合的每一个元素/>提取两个端点,得到所有端点的集合。
第八步,对所有端点的集合进行直线拟合,得到的拟合直线即为三通道表面图像中检测到的单晶硅棒的晶线。
具体的,对所有端点的集合进行直线拟合,即求解极值问题:
得到拟合直线:;
其中,为像素横坐标值,/>为像素纵坐标值,/>,,/>,/>;
得到的拟合直线即为三通道表面图像中检测到的单晶硅棒的晶线。
实施例3
本发明的第三个实施例还提供了一种计算机设备,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行本发明的如上述第二个实施例所述的视觉检测方法。
实施例4
本发明的第四个实施例还提供了一种计算机可读存储介质,该存储介质包括存储的程序,其中,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机运行时执行本发明的如上述第二个实施例所述的视觉检测方法。
显然,本领域的技术人员应该明白,本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于上述实施例中的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅描述了本发明的基本原理和优选实施方式,本领域人员可以根据上述描述做出许多变化和改进,这些变化和改进应该属于本发明的保护范围。
Claims (10)
1.一种单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,包括如下步骤:
S1、获取待检测单晶硅棒的三通道表面图像,并对获取的图像进行预处理,得到预设区域的单通道表面剪裁图像;
S2、对所述单通道表面剪裁图像进行二值化图像阈值处理得到前景掩膜;
S3、对所述前景掩膜进行一次或多次侵蚀处理,得到侵蚀图像,并对所述侵蚀图像进行一次或多次膨胀处理,得到膨胀图像;
S4、对所述膨胀图像进行链式近似轮廓查找,得到轮廓集合,并对所述轮廓集合根据覆盖面积进行从大到小排序,得到排序集合,所述轮廓集合包含所有硅棒表面的反光区域;
S5、对所述膨胀图像根据排序集合的前n项进行填充,得到填充图像,并对所述填充图像进行高斯模糊处理,得到高斯模糊图像;
S6、对所述高斯模糊图像进行连接统计操作,对图像细小噪点进行连接,得到连接统计图像,并对所述连接统计图像进行概率霍夫变换,得到线段集合,所述线段集合包含所有硅棒表面的备选线段;
S7、对所述线段集合中的每一个备选线段提取两个端点并计算线段斜率的绝对值,并根据备选线段斜率的绝对值进行筛选,得到子集合;若所述子集合中的元素基数不为零,则提取子集合中的所有备选线段的两个端点,得到所有端点的集合;
S8、对所述的所有端点的集合进行直线拟合,得到的拟合直线即为所述三通道表面图像中检测到的单晶硅棒的晶线。
2.如权利要求1所述的单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,步骤S1具体包括:
S11、获取待检测单晶硅棒的三通道表面图像,所述的三通道表面图像的维度为;
S12、将所述的三通道表面图像转换为单通道灰度图像,所述的单通道灰度图像的维度为;
S13、在所述的单通道灰度图上设置检测区域,所述检测区域包含硅棒表面信息及被检测晶线,为一矩形区域,维度为/>,并满足/>;
S14、通过所述检测区域区域对所述单通道灰度图像进行提取得到单通道表面剪裁图像,所述单通道表面剪裁图像的维度为。
3.如权利要求2所述的单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,步骤S3中,对所述前景掩膜进行一次或多次侵蚀处理具体包括:
其中,/>为处侵蚀处理后的值,/>为卷积核维度,/>构成一/>卷积核,对前景掩膜逐像素进行卷积操作,/>为卷积核锚点,锚点扫描前景掩膜的每一个像素,并用卷积核区域前景掩膜的最小值替代该锚点像素,从而实现图像的侵蚀;得到的侵蚀图像的维度为/>。
4.如权利要求3所述的单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,步骤S3中,对所述侵蚀图像进行一次或多次膨胀处理具体包括:
其中,为/>处膨胀处理后的值,/>构成一/>卷积核,对侵蚀图像逐像素进行卷积操作,/>为卷积核锚点,锚点扫描侵蚀图像的每一个像素,并用卷积核区域侵蚀图像的最大值替代该锚点像素,从而实现图像的膨胀;得到的膨胀图像的维度为。
5.如权利要求4所述的单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,步骤S5具体包括:
S51、对所述膨胀图像根据排序集合的前n项进行填充,得到填充图像,其中/>,/>为轮廓集合,/>为排序集合,/>表示集合的基数,填充值为一恒定标量,维度为(1),值为255:对轮廓集合中的任意/>,/>;
S52、对所述填充图像进行如下高斯模糊处理,得到高斯模糊图像,所述高斯模糊图像的维度为:
。
6.如权利要求5所述的单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,步骤S7具体包括:
S71、对所述线段集合中的每一个备选线段/>提取两个端点;
S72、对所述线段集合中的每一个备选线段/>计算该备选线段的斜率的绝对值:;
S73、对所述线段集合中的每一个元素/>根据该元素斜率的绝对值/>进行筛选,得到子集合/>;
若,则判定在当前所述三通道表面图像中未找到晶线;
若,则对所述子集合/>的每一个元素/>提取两个端点/>,得到所有端点的集合。
7.如权利要求6所述的单晶硅棒晶线的自适应抗干扰机器视觉检测方法,其特征在于,步骤S8具体包括:
对所述的所有端点的集合进行直线拟合,即求解极值问题:得到拟合直线:
;
其中,为像素横坐标值,/>为像素纵坐标值,;
所述拟合直线即为所述三通道表面图像中检测到的单晶硅棒的晶线。
8.一种单晶硅棒晶线的自适应抗干扰机器视觉检测系统,其特征在于,包括:
图像采集设备,其用于采集待检测单晶硅棒的三通道表面图像;
以及计算控制设备,其连接所述图像采集设备,用于基于图像采集设备采集的图像,执行如权利要求1-7任一项所述的视觉检测方法检测待检测单晶硅棒的晶线;还用于连接硅棒切割机,以将检测结果或基于检测结果的控制信号输出至硅棒切割机,对单晶硅棒进行切割;
其中,所述图像采集设备至少包括用于采集图像的相机,所述相机配置于单晶硅棒从底部起的1/3~1/2高处,相机的光学轴心穿过单晶硅棒的纵轴心线,且相机的仰角为10°~30°。
9.一种计算机设备,其特征在于,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行如权利要求1-7任一项所述的视觉检测方法。
10.一种计算机可读存储介质,其特征在于,该存储介质包括存储的程序,其中,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机运行时执行如权利要求1-7任一项所述的视觉检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310637121.6A CN116342613B (zh) | 2023-06-01 | 2023-06-01 | 单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310637121.6A CN116342613B (zh) | 2023-06-01 | 2023-06-01 | 单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342613A CN116342613A (zh) | 2023-06-27 |
CN116342613B true CN116342613B (zh) | 2023-08-04 |
Family
ID=86879140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310637121.6A Active CN116342613B (zh) | 2023-06-01 | 2023-06-01 | 单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342613B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201952525U (zh) * | 2010-12-13 | 2011-08-31 | 浙江长兴众成电子有限公司 | 单晶硅直径测量控制系统 |
WO2012164803A1 (ja) * | 2011-06-02 | 2012-12-06 | 信越化学工業株式会社 | 多結晶シリコン棒の選択方法および単結晶シリコンの製造方法 |
CN114018944A (zh) * | 2021-12-07 | 2022-02-08 | 大连耐视科技有限公司 | 一种单晶硅棒自动检测系统及检测方法 |
CN114369868A (zh) * | 2022-01-12 | 2022-04-19 | 苏州天准科技股份有限公司 | 晶棒断线监测方法、存储介质、终端和拉晶设备 |
CN114529837A (zh) * | 2022-02-25 | 2022-05-24 | 广东南方数码科技股份有限公司 | 建筑物轮廓提取方法、系统、计算机设备及存储介质 |
CN115272256A (zh) * | 2022-08-02 | 2022-11-01 | 广州大学 | 亚像素级传感光纤路径高斯提取方法及系统 |
CN115928196A (zh) * | 2022-11-23 | 2023-04-07 | 徐州鑫晶半导体科技有限公司 | 检测晶棒晃动的系统、晶棒晃动的检测方法和校准方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8687866B2 (en) * | 2011-03-04 | 2014-04-01 | Nanyang Technological University | Methods and systems for processing images of the anterior chamber angle of an eye |
US20210370993A1 (en) * | 2020-05-27 | 2021-12-02 | University Of South Carolina | Computer vision based real-time pixel-level railroad track components detection system |
-
2023
- 2023-06-01 CN CN202310637121.6A patent/CN116342613B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201952525U (zh) * | 2010-12-13 | 2011-08-31 | 浙江长兴众成电子有限公司 | 单晶硅直径测量控制系统 |
WO2012164803A1 (ja) * | 2011-06-02 | 2012-12-06 | 信越化学工業株式会社 | 多結晶シリコン棒の選択方法および単結晶シリコンの製造方法 |
CN114018944A (zh) * | 2021-12-07 | 2022-02-08 | 大连耐视科技有限公司 | 一种单晶硅棒自动检测系统及检测方法 |
CN114369868A (zh) * | 2022-01-12 | 2022-04-19 | 苏州天准科技股份有限公司 | 晶棒断线监测方法、存储介质、终端和拉晶设备 |
CN114529837A (zh) * | 2022-02-25 | 2022-05-24 | 广东南方数码科技股份有限公司 | 建筑物轮廓提取方法、系统、计算机设备及存储介质 |
CN115272256A (zh) * | 2022-08-02 | 2022-11-01 | 广州大学 | 亚像素级传感光纤路径高斯提取方法及系统 |
CN115928196A (zh) * | 2022-11-23 | 2023-04-07 | 徐州鑫晶半导体科技有限公司 | 检测晶棒晃动的系统、晶棒晃动的检测方法和校准方法 |
Non-Patent Citations (1)
Title |
---|
3D真的来了吗?――三维结构光传感器漫谈;左超;张晓磊;胡岩;尹维;沈德同;钟锦鑫;郑晶;陈钱;;红外与激光工程(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116342613A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102257734B1 (ko) | 표면 결함 검사 방법 및 표면 결함 검사 장치 | |
CN106934803B (zh) | 电子器件表面缺陷的检测方法及装置 | |
US5081689A (en) | Apparatus and method for extracting edges and lines | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN110136069B (zh) | 文本图像矫正方法、装置与电子设备 | |
CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
CN108229342B (zh) | 一种海面舰船目标自动检测方法 | |
TWI384879B (zh) | 影像處理裝置,影像處理方法及影像處理程式 | |
KR20090066212A (ko) | 결함 검출 방법 및 결함 검출 장치 | |
CN108445009B (zh) | 一种太阳能电池板裂纹检测方法 | |
EP1958158A2 (en) | Method for detecting streaks in digital images | |
CN110288571B (zh) | 一种基于图像处理的高铁接触网绝缘子异常检测方法 | |
CN115641337B (zh) | 一种线状缺陷检测方法、装置、介质、设备及系统 | |
CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
WO2013102797A1 (en) | System and method for detecting targets in maritime surveillance applications | |
CN116342613B (zh) | 单晶硅棒晶线的自适应抗干扰机器视觉检测方法和系统 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN113538387B (zh) | 基于深度卷积神经网络的多尺度巡检图像识别方法及装置 | |
CN115527023A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN114120320A (zh) | 一种图像多目标信息识别方法、系统及介质 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
CN114004777A (zh) | 柔性屏的断裂线检测方法及装置、计算机设备及介质 | |
CN117456371B (zh) | 一种组串热斑检测方法、装置、设备及介质 | |
CN117173185B (zh) | 轧制板材的区域检测方法及装置、存储介质、计算机设备 | |
CN117495856B (zh) | 基于深度学习的晶圆表面检测方法、装置、设备和介质 |
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 |