CN116433672B - 基于图像处理的硅片表面质量检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于图像处理的硅片表面质量检测方法，该方法包括：基于单晶硅片表面在显微镜下的三维图像重建三维模型，获取三维模型中的金字塔；将三维模型中所有金字塔底面的平面图像记为特征图像；根据每个金字塔的边缘信息和结构信息、每个斜面上的边长以及金字塔的分布特征，得到异常程度；根据金字塔对应在特征图像上的分布特征得到奇异程度，根据奇异程度对金字塔进行筛选得到待分析金字塔；根据待分析金字塔对应的异常程度、奇异程度以及金字塔对应在特征图像上的位置关系，得到待分析金字塔的特征评价指标，根据特征评价指标获得硅片表面质量检测结果。本发明能够获得较为准确的硅片表面质量检测结果。

Description

基于图像处理的硅片表面质量检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于图像处理的硅片表面质量检测方法。

背景技术

单晶硅太阳电池具有光电转换效率高、技术成熟、可靠性高等优点，且规模化生产成本优势明显。制绒是生产单晶硅太阳电池的第一道工序，制绒后单晶硅片表面的金字塔结构直接影响太阳电池的电性能。因此，对单晶硅片表面质量检测就显得尤为重要。对于一些金字塔排列较为规则的单晶硅片，现有的质量检测方法是通过采集单晶硅片表面的金字塔结构图像，对图像进行阈值分割，以识别图像中金字塔存在的缺陷，进而获得单晶硅片的质量检测结果。但是该方法容易受阈值选取的影响，使得金字塔存在的缺陷无法准确地被识别，进而导致单晶硅片的质量检测结果较不准确。

发明内容

为了解决单晶硅片的质量检测结果较不准确的技术问题，本发明的目的在于提供一种基于图像处理的硅片表面质量检测方法，所采用的技术方案具体如下：

获取单晶硅片表面在显微镜下的三维图像，基于三维图像重建三维模型，对三维模型进行三维边缘识别获得每个金字塔；获取三维模型中所有金字塔底面的平面图像记为特征图像；

根据每个金字塔的边缘信息和结构信息、每个金字塔的每个斜面上的边长以及金字塔的分布特征，得到每个金字塔的异常程度；

根据金字塔对应在特征图像上的分布特征得到每个金字塔的奇异程度，根据奇异程度对金字塔进行筛选得到待分析金字塔；

根据待分析金字塔与其相邻金字塔的异常程度、奇异程度以及金字塔对应在特征图像上的位置关系，得到待分析金字塔的特征评价指标，根据特征评价指标获得硅片表面质量检测结果。

优选地，所述根据每个金字塔的边缘信息和结构信息、每个金字塔的每个斜面上的边长以及金字塔的分布特征，得到每个金字塔的异常程度，具体包括：

对于任意一个金字塔，根据金字塔的边缘信息和结构信息得到金字塔的倾斜程度；根据金字塔的每个斜面上的边长以及金字塔的分布特征，得到金字塔的缺陷可疑程度；根据倾斜程度和缺陷可疑程度得到金字塔的异常程度；所述倾斜程度和缺陷可疑程度均与异常程度呈正相关关系。

优选地，所述根据金字塔的边缘信息和结构信息得到金字塔的倾斜程度具体为：

将任意一个金字塔记为目标金字塔，获取目标金字塔底面所有边长的均值，计算均值与目标金字塔的高度之间的比值，将该比值的反正切函数值作为目标金字塔的特征角度；

将目标金字塔的特征角度与其邻域内所有金字塔的特征角度的方差作为目标金字塔的倾斜程度。

优选地，所述根据金字塔的每个斜面上的边长以及金字塔的分布特征，得到金字塔的缺陷可疑程度，具体包括：

将目标金字塔的任意一个斜面记为目标平面，将目标平面两条斜边长度之间的差值绝对值与目标平面的底边长度之间的比值记为目标平面的特征比值；将目标金字塔所有斜面的特征比值的和值作为目标金字塔的偏移特征系数；

计算目标金字塔与其邻域内任意一个金字塔的偏移特征系数之间的差值绝对值，记为第一差异；计算目标金字塔与其邻域内任意一个金字塔的高度之间的差值绝对值，记为第二差异；

根据第一差异和第二差异得到目标金字塔与其邻域内任意一个金字塔的差异特征系数；所述第一差异和第二差异均与差异特征系数之间呈正相关关系；

将目标金字塔与其邻域内所有金字塔的差异特征系数的均值作为目标金字塔的缺陷可疑程度。

优选地，所述根据金字塔对应在特征图像上的分布特征得到每个金字塔的奇异程度具体为：

获取三维模型中每个金字塔的顶点在金字塔底面的投影点，将投影点在特征图像中对应位置处的像素点作为泰森多边形的样点，利用泰森多边形算法对特征图像进行分析，获得每个金字塔对应的泰森多边形，根据金字塔对应的泰森多边形的分布特征得到每个金字塔的奇异程度。

优选地，所述根据待分析金字塔与其相邻金字塔的异常程度、奇异程度以及金字塔对应在特征图像上的位置关系，得到待分析金字塔的特征评价指标，具体包括：

对于任意一个待分析金字塔，将该待分析金字塔邻域内任意一个金字塔记为选定金字塔，计算待分析金字塔与选定金字塔的异常程度的和值得到第一和值，计算待分析金字塔与选定金字塔的奇异程度的和值得到第二和值，计算待分析金字塔与选定金字塔的对应的泰森多边形的样点之间的欧氏距离；

将待分析金字塔与邻域内所有金字塔之间对应的欧氏距离的均值作为待分析金字塔的特征均值，将所有待分析金字塔的特征均值的平均数作为特征距离；计算待分析金字塔与选定金字塔对应的欧氏距离与特征距离之间的差值绝对值得到第一差值；

根据所述第一和值、第二和值和第一差值得到待分析金字塔与选定金字塔的特征评价系数，第一和值、第二和值和第一差值均与特征评价系数呈正相关关系；将待分析金字塔与邻域内所有金字塔之间的特征评价系数的均值作为待分析金字塔的特征评价指标。

优选地，所述根据金字塔对应的泰森多边形的分布特征得到每个金字塔的奇异程度具体为：

对于任意一个金字塔，将该金字塔对应的泰森多边形的最小外接圆和最大内切圆之间的半径的差值，作为金字塔的奇异程度。

优选地，所述根据奇异程度对金字塔进行筛选得到待分析金字塔具体为：

将金字塔按照奇异程度从小到大的顺序进行排列，按照排列顺序获取预设数量个金字塔记为待分析金字塔。

优选地，所述根据特征评价指标获得硅片表面质量检测结果具体为：

若存在任意一个待分析金字塔的特征评价指标大于或等于预设的评价阈值，则硅片表面质量检测结果为不合格。

本发明实施例至少具有如下有益效果：

本发明通过获取单晶硅片表面在显微镜下的三维图像构建三维模型，能够对三维模型进行分析获取单晶硅片表面的金字塔结构，后续基于每个金字塔的多个方面的分布特征对单晶硅片表面可能存在的形变缺陷都进行分析，使得分析结果较为准确。然后，通过分别对每个金字塔的边缘信息和结构信息、每个金字塔的每个斜面上的边长以及金字塔的分布特征进行多方面的特征分析，即结合金字塔的整体结构特征分布以及每个斜面的结构特征分布，并考虑了金字塔的特征分布，最终获得金字塔的异常程度，在两个方面上较为准确的表征了金字塔的异常情况。进一步的，根据金字塔对应在特征图像上的分布特征得到每个金字塔的奇异程度，利用奇异特征从金字塔在二维平面分布特征方面表征了金字塔的异常情况，进而基于奇异程度对金字塔进行筛选，对筛选出来的待分析金字塔进行进一步的特征分析，结合异常程度、奇异程度以及金字塔之间的位置关系获得待分析金字塔的特征评价指标，能够获得较为准确的特征表征指标，根据特征评价指标能够获得较为准确的硅片表面质量检测结果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明的一种基于图像处理的硅片表面质量检测方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的硅片表面质量检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于图像处理的硅片表面质量检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的硅片表面质量检测方法的方法流程图，该方法包括以下步骤：

步骤一，获取单晶硅片表面在显微镜下的三维图像，基于三维图像重建三维模型，对三维模型进行三维边缘识别获得每个金字塔；获取三维模型中所有金字塔底面的平面图像记为特征图像。

首先，获取单晶硅表面在显微镜下的三维图像，具体地，在本实施例中，通过3D扫描电子显微镜Helios 5 DualBeam取样自动旋转的技术，即旋转3D扫描电子显微镜技术，对单晶硅片表面进行多角度扫描和成像，生成具有三维效果的单晶硅片表面的三维图像。

同时，需要对试验3D扫描电子显微镜获得的单晶硅片表面的三维图像进行相关的预处理操作，为了避免拍摄采集时工作环境中出现的噪声对后续单晶硅片表面质量检测的精确程度产生影响，在本实施例采用高斯滤波对采集到的图像进行去噪处理，尽可能减弱拍摄过程中噪声的影响，实施者也可以根据具体实施场景选择其他更加合适的去噪方法。

然后，利用点云三维重建算法，基于三维图像重建单晶硅片表面的金字塔结构的三维模型，通过三维空间上的图像进行点云计算，并采用精细配准的方式进行点云配准，将配准后的点云数据进行融合处理，从而形成金字塔的可视等值面。其中，点云三维重建技术为公知技术，在本实施例中不再过多介绍。重建获得的三维模型包含点云密度、法向量以及区域等信息，可以较为清晰的观察每个金字塔，基于此，可以利用三维点云处理对三维模型进行三维边缘识别，获得每一个金字塔的边缘信息。其中，在三维点云处理中，边界提取是较为常见的公知技术，在此不再过多介绍。

需要说明的是，制绒添加剂可以改善制绒液与硅片表面的亲水性，提高金字塔织构的成核密度，改善金字塔绒面形貌，增强反应的各向异性。不同厂家生产的添加剂配方略有差异，但其目的均是为了在硅片表面制成金字塔大小均匀的绒面，提高绒面质量。一般情况下，单晶硅片表面的金字塔的分布较为规则，本实施例中分析的单晶硅片在正常情况下，金字塔的排列分布以及形状分布较为规则。

最后，为了便于后续对金字塔之间的位置分布情况进行分析，可以基于三维模型中每个金字塔的底面所在平面进行分析，即获取三维模型中所有金字塔底面所在平面的平面图像，并记为特征图像。

步骤二，根据每个金字塔的边缘信息和结构信息、每个金字塔的每个斜面上的边长以及金字塔的分布特征，得到每个金字塔的异常程度。

形变缺陷是单晶硅片常见的一种表面缺陷，表现在单晶硅片表面的金字塔结构中，存在一部分金字塔发生偏移或者倾斜等不同程度的变形现象。由于在正常情况下，单晶硅片表面金字塔的排列分布以及形状分布较为规则，而当单晶硅片表面的金字塔出现倾斜时，单晶硅片表面可能存在表面缺陷。

基于此，通过对单晶硅表面金字塔结构的边缘信息和结构信息进行分析，判断金字塔的倾斜情况。对于任意一个金字塔，根据金字塔的边缘信息和结构信息得到金字塔的倾斜程度，具体地，将任意一个金字塔记为目标金字塔，获取目标金字塔底面所有边长的均值，计算均值与目标金字塔的高度之间的比值，将该比值的反正切函数值作为目标金字塔的特征角度。

在本实施例中，在三维模型中通过构建三维坐标系，获取目标金字塔的每个顶点的坐标，进而根据目标金字塔底面顶点的坐标，分别获取每个边长的长度。其中，三维坐标系的xoy平面为金字塔底面所在平面，坐标原点为金字塔底面所在平面的左上角第一行第一列的坐标点，实施者可根据具体实施场景进行设置。同时，根据两点的坐标获取两点之间的距离为公知技术，进而金字塔的高度可以根据金字塔顶点到金字塔底面的距离表示，在此不再过多介绍。

将目标金字塔的特征角度与其邻域内所有金字塔的特征角度的方差作为目标金字塔的倾斜程度。在本实施例中，将单晶硅片表面三维模型中第t个金字塔作为目标金字塔，则目标金字塔的倾斜程度的计算公式可以表示为：

其中，表示第t个金字塔的倾斜程度，表示第t个金字塔的邻域内包含的金字 塔的总数量，表示第t个金字塔的邻域内第i个金字塔的特征角度，表示第t个金字塔 的邻域内所有金字塔的特征角度的均值，表示第t个金字塔的邻域内第i个金字塔的底 面所有边长的均值，表示第t个金字塔的邻域内第i个金字塔的高度，arctan()为反正 切函数。

利用金字塔的特征角度表征金字塔由于形变而产生的倾斜角，由于单晶硅片的金字塔结构是紧密且规则的排列，当其中一个金字塔存在形变缺陷时，可能会引发其周围的金字塔也存在一定程度的形变缺陷，故本实施例通过对目标金字塔邻域内的金字塔的特征角度的波动情况进行分析。

表示目标金字塔的特征角度与其邻域内所有金字塔的特征 角度的方差，反映了在目标金字塔的邻域范围内所有金字塔的倾斜角的波动程度，其取值 越大，对应的目标金字塔的倾斜程度越大，说明在目标金字塔的邻域范围内金字塔发生了 倾斜，即在目标金字塔的邻域范围内可能存在金字塔形变缺陷。

需要说明的是，在本实施例中，目标金字塔的邻域为三维空间下的邻域范围，而三维空间下的邻域范围可以是以目标金字塔为中心金字塔的球形范围内的金字塔，也可以是以目标金字塔为中心金字塔的正方体范围内的金字塔，实施者可根据具体实施场景进行设置。

然后，通过对单晶硅表面金字塔结构的每个斜面上的边长进行分析，并结合周围金字塔的分布情况，判断单晶硅表面金字塔存在缺陷的可能性，即根据金字塔的每个斜面上的边长以及金字塔的分布特征，得到金字塔的缺陷可疑程度。

具体地，将目标金字塔的任意一个斜面记为目标平面，将目标平面两条斜边长度之间的差值绝对值与目标平面的底边长度之间的比值记为目标平面的特征比值；将目标金字塔所有斜面的特征比值的和值作为目标金字塔的偏移特征系数。

需要说明的是，金字塔结构近似于棱锥体，一个金字塔的斜面可以看作为一个三角形，在单晶硅片表面是规则排列的金字塔结构，则金字塔的斜面的三角形之间的差异应当较小，即同一个金字塔的斜面的三角形之间应当较为接近，并且，金字塔的任意一个斜面的三角形形状可以近似看作等腰三角形，基于此，目标金字塔的斜面的特征比值可以表征对应斜面的形变程度。

在本实施例中，将单晶硅片表面的三维模型中第t个金字塔作为目标金字塔，将第t个金字塔的第z个斜面作为目标平面，则目标金字塔的偏移特征系数的计算公式可以表示为：

其中，表示第t个金字塔的偏移特征系数，表示第t个金字塔包含的斜面的数 量，表示第t个金字塔的第z个斜面上第一条斜边的斜边长度，表示第t个金字塔 的第z个斜面上第二条斜边的斜边长度，表示第t个金字塔的第z个斜面上的底边长度。

反映了金字塔的斜面上斜边之间的差异情况，其差异越大，斜面 底边长度越长，对应的偏移特征系数的取值越大，说明金字塔产生形变缺陷的可能性越大。 金字塔的偏移特征系数表征了金字塔产生形变缺陷的偏移程度。

计算目标金字塔与其邻域内任意一个金字塔的偏移特征系数之间的差值绝对值，记为第一差异；计算目标金字塔与其邻域内任意一个金字塔的高度之间的差值绝对值，记为第二差异；根据第一差异和第二差异得到目标金字塔与其邻域内任意一个金字塔的差异特征系数；所述第一差异和第二差异均与差异特征系数之间呈正相关关系；将目标金字塔与其邻域内所有金字塔的差异特征系数的均值作为目标金字塔的缺陷可疑程度。

在本实施例中，目标金字塔的缺陷可疑程度计算公式，即第t个金字塔的缺陷可疑程度的计算公式可以表示为：

其中，表示第t个金字塔的缺陷可疑程度，表示第t个金字塔的邻域内包含的 金字塔的总数量，表示第t个金字塔的偏移特征系数，表示第t个金字塔的邻域内第i 个金字塔的偏移特征系数，表示第t个金字塔的高度，表示第t个金字塔的邻域内第i 个金字塔的高度，exp()表示以自然常数e为底的指数函数。

为第一差异，反映了第t个金字塔和其邻域内金字塔之间的偏移特征 系数的差异情况，其取值越大，说明第t个金字塔和其邻域内金字塔之间的斜面形变情况的 差异越大，对应的缺陷可疑程度的取值越大。

为第二差异，反映了第t个金字塔和其邻域内金字塔之间高度的差异 情况，其取值越大，说明第t个金字塔和其邻域内金字塔之间的高度差异越大，对应的缺陷 可疑程度的取值越大，说明第t个金字塔存在形变缺陷的可能性越大。

进一步的，结合金字塔的倾斜程度和缺陷可疑程度，获得金字塔的异常程度，所述倾斜程度和缺陷可疑程度均与异常程度呈正相关关系，在本实施例中，对于任意一个金字塔，将金字塔的倾斜程度和缺陷可疑程度的乘积作为金字塔的异常程度。

金字塔的倾斜程度反映了在目标金字塔的邻域范围内所有金字塔的倾斜角的波动程度，从结构倾斜方面表征了金字塔存在形变缺陷的可能性，金字塔的缺陷可疑程度从金字塔在表面结构信息方面表征了金字塔存在形变缺陷的可能性。当金字塔的倾斜程度取值越大，缺陷可疑程度的取值越大时，对应的金字塔的异常程度取值越大，说明金字塔越可能存在形变缺陷。

步骤三，根据金字塔对应在特征图像上的分布特征得到每个金字塔的奇异程度，根据奇异程度对金字塔进行筛选得到待分析金字塔。

由于泰森多边形是对空间平面的一种剖分，故本实施例基于泰森多边形算法对单晶硅片表面的三维模型的一个平面进行特征分析，若单晶硅片表面的金字塔结构呈规则性排列，则每个金字塔的底面形状较为相似，且每相邻两个金字塔之间的距离也较为相似。同时，当金字塔结构较为规则时，金字塔顶点在金字塔底面的投影点可以看作近似接近于金字塔底面四边形的中心点。基于此，可以通过对金字塔底面所在平面的图像进行分析，进一步判断金字塔是否存在形变缺陷。

获取三维模型中每个金字塔的顶点在金字塔底面的投影点，将投影点在特征图像中对应位置处的像素点作为泰森多边形的样点，利用泰森多边形算法对特征图像进行分析，获得每个金字塔对应的泰森多边形。其中，样点为泰森多边形算法中的特征，且泰森多边形算法为公知技术，在此不再过多介绍。

根据疑似异常金字塔对应的泰森多边形的分布特征得到每个金字塔的奇异程度，具体地，对于任意一个金字塔，将该金字塔对应的泰森多边形的最小外接圆和最大内切圆之间的半径的差值，作为金字塔的奇异程度。

当金字塔呈现较为规则的排列分布时，金字塔对应的泰森多边形也较为规则，进而泰森多边形的最小外接圆和最大内切圆之间的半径的差异较为接近。金字塔对应的泰森多边形的最小外接圆和最大内切圆之间的半径差异越大，说明金字塔对应的泰森多边形存在某一内角较小，进而说明泰森多边形对应的金字塔的形变程度越大，对应的金字塔的奇异程度的取值越大。

进一步的，基于金字塔的奇异程度对金字塔进行筛选，将金字塔按照奇异程度从小到大的顺序进行排列，按照排列顺序获取预设数量个金字塔记为待分析金字塔。金字塔的奇异程度的取值越大，金字塔的形变程度越大，因此，在本实施例中选择奇异程度较小的预设数量个金字塔进行后续的分析，预设数量的取值为9，实施者可根据具体实施场景进行设置。基于此，待分析金字塔表征了发生形变缺陷的可能性最小的9个金字塔，也即是最不可能发生形变缺陷的金字塔。

步骤四，根据待分析金字塔与其相邻金字塔的异常程度、奇异程度以及金字塔对应在特征图像上的位置关系，得到待分析金字塔的特征评价指标，根据特征评价指标获得硅片表面质量检测结果。

金字塔的异常程度从倾斜情况和斜面结构信息方面表征了金字塔存在形变缺陷的可能性。金字塔的奇异程度从金字塔的结构信息方面表征了金字塔存在形变缺陷的可能性。通过分析金字塔对应的泰森多边形之间的位置信息，能够获得在金字塔底面上金字塔对应的顶点之间的距离。

对于任意一个待分析金字塔，将该待分析金字塔邻域内任意一个金字塔记为选定金字塔，计算待分析金字塔与选定金字塔的异常程度的和值得到第一和值，计算待分析金字塔与选定金字塔的奇异程度的和值得到第二和值，计算待分析金字塔与选定金字塔的对应的泰森多边形的样点之间的欧氏距离。

将待分析金字塔与邻域内所有金字塔之间对应的欧氏距离的均值作为待分析金字塔的特征均值，将所有待分析金字塔的特征均值的平均数作为特征距离；计算待分析金字塔与选定金字塔对应的欧氏距离与特征距离之间的差值绝对值得到第一差值。

根据所述第一和值、第二和值和第一差值得到待分析金字塔与选定金字塔的特征评价系数，第一和值、第二和值和第一差值均与特征评价系数呈正相关关系；将待分析金字塔与邻域内所有金字塔之间的特征评价系数的均值作为待分析金字塔的特征评价指标。

在本实施例中，以第k个待分析金字塔为例进行说明，将第k个待分析金字塔的邻域内第u个金字塔作为选定金字塔，进而第k个待分析金字塔的特征评价指标的计算公式可以表示为：

其中，表示第k个待分析金字塔的特征评价指标，表示第k个待分析金字塔的 邻域内包含的金字塔的总数量，表示第k个待分析金字塔的异常程度，表示第k个待分 析金字塔的奇异程度，表示第k个待分析金字塔的邻域内第u个金字塔的异常程度，表示第k个待分析金字塔的邻域内第u个金字塔的奇异程度，表示第k个待分析金 字塔与其邻域内第u个金字塔对应的泰森多边形的样点之间的欧氏距离，表示特征距离。

表示第一和值，其取值越大，说明第k个待分析金字塔与其邻域内金 字塔在倾斜情况以及斜面形状方面存在形变缺陷的可能性越大，对应的第k个待分析金字 塔的特征评价系数的取值越大，进而特征评价指标的取值也就越大。表示第二 和值，其取值越大，说明第k个待分析金字塔与其邻域内金字塔在底面形状方面存在形变缺 陷的可能性越大，对应的第k个待分析金字塔的特征评价系数的取值越大，进而特征评价指 标的取值也就越大。

特征距离反映了较为正常的多个待分析金字塔与其相邻的金字塔之间顶点的距 离分布情况，表示第一差值，其取值越大，说明第k个待分析金字塔与其邻域内 金字塔的顶点之间的距离与整体的差异较大，进而说明第k个待分析金字塔存在形变的可 能性越大。对应的第k个待分析金字塔的特征评价系数的取值越大，进而特征评价指标的取 值也就越大。

表示第k个待分析金字塔与其邻域内第 u个金字塔的特征评价系数。待分析金字塔的特征评价指标表征了待分析金字塔存在形变 缺陷的可能性指标，其取值越大，说明待分析金字塔存在形变缺陷的可能性越大。

由于待分析金字塔为最不可能存在形变缺陷的多个金字塔，通过特征评价指标对待分析金字塔进行判断，若存在任何一个待分析金字塔的特征评价指标的取值较大，则说明对应的待分析金字塔存在形变缺陷，而最不可能存在形变缺陷的多个金字塔中出现了形变缺陷，进而说明单晶硅片表面的金字塔结构具有较大可能存在形变缺陷，说明单晶硅片表面的质量较差。

基于此，根据特征评价指标获得硅片表面质量检测结果，具体地，若存在任意一个待分析金字塔的特征评价指标大于或等于预设的评价阈值，则硅片表面质量检测结果为不合格。若待分析金字塔的特征评价指标均小于评价阈值，则认为硅片表面质量检测结果为合格。其中，评价阈值的取值为2，实施者可根据具体实施场景进行设置。

需要说明的是，在本实施例中，基于金字塔的奇异程度预先筛选一部分较为正常的金字塔，对这部分金字塔的形变情况进行进一步的分析，而这部分金字塔的数量，也即预设数量实施者可根据具体实施场景进行设置。本实施例对于单晶硅片表面金字塔结构的形变缺陷容忍度较小，即一旦待分析金字塔中存在形变缺陷，则将单晶硅片对应的质量检测结果判定为不合格。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (4)

1.一种基于图像处理的硅片表面质量检测方法，其特征在于，该方法包括以下步骤：

获取单晶硅片表面在显微镜下的三维图像，基于三维图像重建三维模型，对三维模型进行三维边缘识别获得每个金字塔；获取三维模型中所有金字塔底面的平面图像记为特征图像；

根据每个金字塔的边缘信息和结构信息、每个金字塔的每个斜面上的边长以及金字塔的分布特征，得到每个金字塔的异常程度；

根据金字塔对应在特征图像上的分布特征得到每个金字塔的奇异程度，根据奇异程度对金字塔进行筛选得到待分析金字塔；

根据待分析金字塔与其相邻金字塔的异常程度、奇异程度以及金字塔对应在特征图像上的位置关系，得到待分析金字塔的特征评价指标，根据特征评价指标获得硅片表面质量检测结果；

所述根据每个金字塔的边缘信息和结构信息、每个金字塔的每个斜面上的边长以及金字塔的分布特征，得到每个金字塔的异常程度，具体包括：

对于任意一个金字塔，根据金字塔的边缘信息和结构信息得到金字塔的倾斜程度；根据金字塔的每个斜面上的边长以及金字塔的分布特征，得到金字塔的缺陷可疑程度；根据倾斜程度和缺陷可疑程度得到金字塔的异常程度；所述倾斜程度和缺陷可疑程度均与异常程度呈正相关关系；

所述根据金字塔的边缘信息和结构信息得到金字塔的倾斜程度具体为：

将任意一个金字塔记为目标金字塔，获取目标金字塔底面所有边长的均值，计算均值与目标金字塔的高度之间的比值，将该比值的反正切函数值作为目标金字塔的特征角度；

将目标金字塔的特征角度与其邻域内所有金字塔的特征角度的方差作为目标金字塔的倾斜程度；

所述根据金字塔的每个斜面上的边长以及金字塔的分布特征，得到金字塔的缺陷可疑程度，具体包括：

将目标金字塔的任意一个斜面记为目标平面，将目标平面两条斜边长度之间的差值绝对值与目标平面的底边长度之间的比值记为目标平面的特征比值；将目标金字塔所有斜面的特征比值的和值作为目标金字塔的偏移特征系数；

计算目标金字塔与其邻域内任意一个金字塔的偏移特征系数之间的差值绝对值，记为第一差异；计算目标金字塔与其邻域内任意一个金字塔的高度之间的差值绝对值，记为第二差异；

根据第一差异和第二差异得到目标金字塔与其邻域内任意一个金字塔的差异特征系数；所述第一差异和第二差异均与差异特征系数之间呈正相关关系；

将目标金字塔与其邻域内所有金字塔的差异特征系数的均值作为目标金字塔的缺陷可疑程度；

所述根据金字塔对应在特征图像上的分布特征得到每个金字塔的奇异程度具体为：

获取三维模型中每个金字塔的顶点在金字塔底面的投影点，将投影点在特征图像中对应位置处的像素点作为泰森多边形的样点，利用泰森多边形算法对特征图像进行分析，获得每个金字塔对应的泰森多边形，根据金字塔对应的泰森多边形的分布特征得到每个金字塔的奇异程度；

所述根据特征评价指标获得硅片表面质量检测结果具体为：

若存在任意一个待分析金字塔的特征评价指标大于或等于预设的评价阈值，则硅片表面质量检测结果为不合格。

2.根据权利要求1所述的一种基于图像处理的硅片表面质量检测方法，其特征在于，所述根据待分析金字塔与其相邻金字塔的异常程度、奇异程度以及金字塔对应在特征图像上的位置关系，得到待分析金字塔的特征评价指标，具体包括：

对于任意一个待分析金字塔，将该待分析金字塔邻域内任意一个金字塔记为选定金字塔，计算待分析金字塔与选定金字塔的异常程度的和值得到第一和值，计算待分析金字塔与选定金字塔的奇异程度的和值得到第二和值，计算待分析金字塔与选定金字塔的对应的泰森多边形的样点之间的欧氏距离；

将待分析金字塔与邻域内所有金字塔之间对应的欧氏距离的均值作为待分析金字塔的特征均值，将所有待分析金字塔的特征均值的平均数作为特征距离；计算待分析金字塔与选定金字塔对应的欧氏距离与特征距离之间的差值绝对值得到第一差值；

根据所述第一和值、第二和值和第一差值得到待分析金字塔与选定金字塔的特征评价系数，第一和值、第二和值和第一差值均与特征评价系数呈正相关关系；将待分析金字塔与邻域内所有金字塔之间的特征评价系数的均值作为待分析金字塔的特征评价指标。

3.根据权利要求1所述的一种基于图像处理的硅片表面质量检测方法，其特征在于，所述根据金字塔对应的泰森多边形的分布特征得到每个金字塔的奇异程度具体为：

对于任意一个金字塔，将该金字塔对应的泰森多边形的最小外接圆和最大内切圆之间的半径的差值，作为金字塔的奇异程度。

4.根据权利要求1所述的一种基于图像处理的硅片表面质量检测方法，其特征在于，所述根据奇异程度对金字塔进行筛选得到待分析金字塔具体为：

将金字塔按照奇异程度从小到大的顺序进行排列，按照排列顺序获取预设数量个金字塔记为待分析金字塔。