CN117368214A - 一种线扫pe镀膜检测方法与视觉检测装置 - Google Patents

一种线扫pe镀膜检测方法与视觉检测装置 Download PDF

Info

Publication number
CN117368214A
CN117368214A CN202311277950.4A CN202311277950A CN117368214A CN 117368214 A CN117368214 A CN 117368214A CN 202311277950 A CN202311277950 A CN 202311277950A CN 117368214 A CN117368214 A CN 117368214A
Authority
CN
China
Prior art keywords
coating
defect
line scanning
battery piece
gray level
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.)
Pending
Application number
CN202311277950.4A
Other languages
English (en)
Inventor
尚小强
谢斯楷
郭建
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.)
Suzhou Weihua Intelligent Equipment Co ltd
Original Assignee
Suzhou Weihua Intelligent Equipment 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 Suzhou Weihua Intelligent Equipment Co ltd filed Critical Suzhou Weihua Intelligent Equipment Co ltd
Priority to CN202311277950.4A priority Critical patent/CN117368214A/zh
Publication of CN117368214A publication Critical patent/CN117368214A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • G01N2021/8908—Strip illuminator, e.g. light tube
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Textile Engineering (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及硅片检测技术领域，尤其涉及一种线扫PE镀膜检测方法与视觉检测装置。线扫PE镀膜视觉检测装置包括底座、隧道光源、支撑竖板、线扫相机和工控机，底座上开设有长条状的光线孔，隧道光源设置在光线孔的下方，用于产生能够照射于电池片上的光线，隧道光源与输送机架之间具有供电池片输送的空间；支撑竖板固定在底座上，线扫相机沿上下方向位置可调的装配在支撑竖板上，线扫相机的镜头的中垂线沿上下方向延伸，且镜头与光线孔上下相对，用于拍摄电池片；工控机与线扫相机通讯连接，用于获取电池片PE镀膜图像，并对PE镀膜图像进行分析处理以判断PE镀膜是否发生缺陷。本申请能实现PE镀膜缺陷自动化检测，检测精度高、检测效率高。

Description

一种线扫PE镀膜检测方法与视觉检测装置
技术领域
本发明涉及硅片检测技术领域，尤其涉及一种线扫PE镀膜检测方法与视觉检测装置。
背景技术
在晶体硅太阳电池的制备过程中，氮化硅膜对太阳能电池起钝化、减反射、保护发射区的作用，可提高太阳电池的光生电流，同时降低暗电流与提高开压，因此氮化硅薄膜制备工序在太阳电池工艺中起着较为重要的作用。氮化硅膜均匀性的好坏直接影响着太阳能电池片的外观及性能，在丝网印刷前要将镀膜不均匀的片子挑出，此挑出的不合格镀膜片可以返工处理，用一定浓度的氢氟酸浸泡就能去除其氮化硅膜，可再次镀膜以达到均匀的氮化硅膜；如果不合格片不挑出，经过丝网印刷工序，则其产生的电池片都为色差片及电性能低下片，此电池片经多道印刷及高温烧结，不能再返工处理。如果在丝网印刷前不将PE(等离子增强型化学气相沉积)镀膜不合格的片子挑出，会极大影响电池片表面质量及电性能，会造成大量的色差片及低效率片，这就会影响太阳能电池产线的正常生产，以至于影响太阳能电池片的外观及质量。因此，对硅片上PE镀膜的缺陷检测十分必要。
发明内容
鉴于此，本发明的目的提供一种线扫PE镀膜视觉检测装置，以实现自动化检测PE镀膜缺陷；本发明的目的还在于提供一种线扫PE镀膜检测方法，以快速、准确检测PE镀膜是否存在缺陷。
为解决上述问题，本发明提供的线扫PE镀膜视觉检测装置采用如下技术方案：
线扫PE镀膜视觉检测装置，包括：
底座，底座上开设有长条状的光线孔，用于固定在输送电池片的输送机架上；
隧道光源，设置在所述光线孔的下方，用于产生能够照射于电池片上的光线，隧道光源与所述输送机架之间具有供电池片输送的空间；
支撑竖板，固定在所述底座上；
线扫相机，沿上下方向位置可调地装配在所述支撑竖板上，线扫相机的镜头的中垂线沿上下方向延伸，且线扫相机的镜头与所述光线孔上下相对，用于拍摄电池片；
工控机，与所述线扫相机通讯连接，用于获取电池片PE镀膜图像，并对PE镀膜图像进行分析处理以判断PE镀膜是否发生缺陷。
进一步的，所述底座上连接有外罩，所述线扫相机和支撑竖板均位于外罩内部。
进一步的，所述外罩上具有透明的观察窗，外罩的两侧设有凹槽以供人员把持。
进一步的，所述支撑竖板上滑动装配有安装座，所述线扫相机固定在安装座上，安装座上设有两列间隔布置的调节长孔，支撑竖板上对应调节长孔的位置设有多个等间隔布置的连接孔。
进一步的，所述底座的四个角分别转动装配有一个支撑脚板，支撑脚板上设有固定长孔，固定长孔内设有用于与输送机架连接的连接杆。
本发明的线扫PE镀膜视觉检测装置的有益效果是：
本发明可以自由调节线扫相机的高度，使得线扫相机处于最佳拍摄位置，隧道光源处于最佳打光角度；待检测的电池片可以随输送带输送至视觉检测相机处，实现实时在线拍摄图像，且拍摄的图像由工控机进行分析和处理，整个过程无需人工参与检查，既保证了检测的精确度，又不影响机台的产能。
本发明提供的线扫PE镀膜检测方法的技术方案是：
线扫PE镀膜检测方法，采用上述各个技术方案中的线扫PE镀膜视觉检测装置，包括以下步骤：
步骤一、通过线扫相机获取电池片上PE镀膜的待检测RGB图像；
步骤二、通过初步处理模块对所述待检测RGB图像进行初步处理，拆分出三张单通道灰度图像；
步骤三、通过缺陷提取模块对每一张单通道灰度图像进行缺陷特征提取，得到缺陷特征向量；
步骤四、对所述缺陷特征向量进行缺陷分类器阈值判别，得到每张单通道灰度图像中待检测PE镀膜的缺陷识别结果；
步骤五、对三张单通道灰度图像的缺陷识别结果进行整合分析，得出待检测PE镀膜是否发生缺陷或者发生缺陷的种类。
进一步的，步骤三中的缺陷提取模块对单通道灰度图像进行缺陷特征的步骤包括：
S1、对所述单通道灰度图像基于迭代阈值法进行目标区域与电池片背景分割，计算出最大灰度值Amax和最小灰度值Amin，并以最大灰度值与最小灰度值之和的一半作为初始阈值K0；依据阈值Km计算出目标及背景平均灰度K1和K2，循环计算Km+1，直至Km与Km+1之间的差值小于参数阈值或者达到设定的迭代次数，根据得到的最佳分割阈值Km+1分割得到目标区域；
S2、对所述缺陷目标区域进行基于腐蚀与膨胀的形态学滤波，设置相应的结构元从缺陷目标区域提取得到n个连通分量，基于连通分量轮廓坐标信息将n个连通分量还原至彩色原图，得到缺陷待识别区域；
S3、对缺陷识别区域提取位置、面积、厚度、色域区域生长信息，得到缺陷的四维特征。
进一步的，还包括对所述待检测RGB图像进行初步处理包括进行光照补偿、平滑滤波与图像增强的操作。
进一步的，提取厚度缺陷特征是对每张单通道灰度图像进行直方图统计，得到对应的直方图曲线，直方图曲线用于表征单通道灰度图像的像素灰度值和像素数量的对应关系；然后获取直方图曲线驻点处的驻点坐标信息，基于驻点坐标信息，得出PE镀膜厚度信息。
进一步的，将驻点坐标信息与至少两条膜厚特性曲线的坐标信息进行比对，确定出PE镀膜厚度信息；膜厚特性曲线为镀膜厚度确定的电池片对应的直方图曲线。
本发明的线扫PE镀膜检测方法的有益效果是：
本发明的线扫PE镀膜检测方法的检测速度快、缺陷识别率高，能够实现自动化检测，减少人工的参与，提高了检测精度和检测效率。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1为本发明的线扫PE镀膜视觉检测装置的外观结构示意图；
图2为显示本发明的线扫PE镀膜视觉检测装置内部的结构示意图。
附图标记说明：
1、底座；2、隧道光源；3、支撑竖板；4、线扫相机；5、镜头；6、外罩；7、凹槽；8、安装座；9、调节长孔；10、连接孔；11、支撑脚板；12、连接杆；13、固定长孔；14、光线孔。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，本领域技术人员应知，下面所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
本发明所提供的线扫PE镀膜视觉检测装置的实施例1：
如图1和图2所示，线扫PE镀膜视觉检测装置包括底座1、隧道光源2、支撑竖板3、线扫相机4和工控机。
其中，底座1呈矩形，底座1的四个角分别转动装配有一个支撑脚板11，支撑脚板11能够水平旋转，支撑脚板11上设有固定长孔，固定长孔内穿设有连接杆12。安装时，将支撑脚板11转动至与输送机架的支撑柱对应的位置，然后将连接杆12穿过固定长孔13并插入到输送机架的支撑柱内，通过螺栓紧固即可将底座1固定在输送机架上。固定长孔13可以对连接杆12的位置进行微调，保证底座1的连接牢靠。
底座1上开设有长条状的光线孔14，隧道光源2为条形光源，设置在光线孔14的下方，用于产生能够照射于电池片上的光线，隧道光源2与输送机架之间具有供电池片输送的空间。
支撑竖板3固定在底座1上，支撑竖板3上滑动装配有安装座8，线扫相机4固定在安装座8上，通过滑动安装座8可以调节线扫相机4的上下高度位置。安装座8上设有两列间隔布置的调节长孔9，支撑竖板3上对应调节长孔9的位置设有多个等间隔布置的连接孔10，当安装座8调节到位时，在连接孔10和调节长孔9中对应穿设紧固螺栓，以将安装座8可靠固定在支撑竖板3上，从而保持线扫相机4的安装稳定。
线扫相机4为现有技术中的4000万像素线扫相机4，其具有35mm高分辨率镜头5，镜头5的中垂线沿上下方向延伸，且镜头5与光线孔上下相对，用于拍摄电池片。隧道光源2与镜头5的中垂线垂直，隧道光源2能够直接照射在电池片的表面，
底座1上连接有外罩6，将支撑竖板3和线扫相机4均罩设在外罩6内部，以对线扫相机4形成良好的防护。外罩6上开设有透明的观察窗，可供人员观察。外罩6的两侧还设有凹槽7，可供人员把持。整个装置体积较小，人员将手握在凹槽7处，便于将整个装置抬起搬运至不同的地方。
工控机与线扫相机4通讯连接，线扫相机4能够将电池片的图片以整幅画面的形式输出至工控机，进行非接触式光学AO I测量，通过对电池片上PE镀膜图像分析处理以判断PE镀膜是否发生缺角、崩边、划伤、脏污、色斑、水印、裂纹和存在手指印等缺陷。具体是对PE镀膜图像进行二值化处理、图像平滑和去噪声，然后对图像进行腐蚀、膨胀、开运算和闭运算，亚像素边缘提取，以将缺陷的特征轮廓给提取出来，根据灰度值和图像纹理来判断是否具有缺陷。
本发明的线扫PE镀膜视觉检测装置能够快速准确地检测到PE镀膜是否具有缺陷，以便于及时对缺陷的电池片进行处理，人工参与程度低，能实现自动化的检测，保证电池片正常生产。
本发明所提供的线扫PE镀膜视觉检测装置的实施例2：
其与实施例1的区别主要在于：实施例1中，底座上连接有外罩，在本实施例中，底座上不连接外罩，支撑竖板和底座裸露在外，此时可人员可时常清洗灰尘。
本发明的线扫PE镀膜检测方法的实施例：
本发明的线扫PE镀膜检测方法采用上述各个实施例中的线扫PE镀膜视觉检测装置，具体包括以下步骤：
步骤一、调整好隧道光源和线扫相机的角度并固定，将电池片输送至线扫相机下方，通过线扫相机获取电池片上PE镀膜的待检测RGB图像；
步骤二、通过工控机内的初步处理模块对所述待检测RGB图像进行初步处理，拆分出三张单通道灰度图像；
步骤三、通过工控机内的缺陷提取模块对每一张单通道灰度图像进行缺陷特征提取，得到缺陷特征向量；
步骤四、对所述缺陷特征向量进行缺陷分类器阈值判别，得到每张单通道灰度图像中待检测PE镀膜的缺陷识别结果；
步骤五、对三张单通道灰度图像的缺陷识别结果进行整合分析，得出待检测PE镀膜是否发生缺陷或者发生缺陷的种类。
其中，缺陷提取模块对单通道灰度图像进行缺陷特征的步骤又包括以下几步：
S1、对所述单通道灰度图像基于迭代阈值法进行目标区域与电池片背景分割，计算出最大灰度值Amax和最小灰度值Amin，并以最大灰度值与最小灰度值之和的一半作为初始阈值K0；依据阈值Km计算出目标及背景平均灰度K1和K2，循环计算Km+1，直至Km与Km+1之间的差值小于参数阈值或者达到设定的迭代次数，根据得到的最佳分割阈值Km+1分割得到目标区域；
S2、对所述缺陷目标区域进行基于腐蚀与膨胀的形态学滤波，设置相应的结构元从缺陷目标区域提取得到n个连通分量，基于连通分量轮廓坐标信息将n个连通分量还原至彩色原图，得到缺陷待识别区域；
S3、对缺陷识别区域提取位置、面积、厚度、色域区域生长信息，得到缺陷的四维特征。
本实施例中，重点以厚度这一缺陷特征进行说明。提取厚度缺陷特征是对每张单通道灰度图像进行直方图统计，得到对应的直方图曲线，直方图曲线用于表征单通道灰度图像的像素灰度值和像素数量的对应关系；然后获取直方图曲线驻点处的驻点坐标信息，基于驻点坐标信息，得出PE镀膜厚度信息。将驻点坐标信息与至少两条膜厚特性曲线的坐标信息进行比对，确定出PE镀膜厚度信息；膜厚特性曲线为镀膜厚度确定的电池片对应的直方图曲线。
如果驻点坐标信息与膜厚特性曲线上对应的坐标信息之间偏离预设的区间坐标，则判断PE镀膜存在缺陷。
本发明的线扫PE镀膜检测方法的检测速度快、缺陷识别率高，能够实现自动化检测，减少人工的参与，提高了检测精度和检测效率。
根据本说明书的上述描述，本领域技术人员还可以理解如下使用的术语，例如“上”、“下”、“水平”、“顶”、“底”、“内”、“外”等指示方位或位置关系的术语是基于本说明书的附图所示的方位或位置关系的，其仅是为了便于阐述本发明的方案和简化描述的目的，而不是明示或暗示所涉及的装置或元件必须要具有所述特定的方位、以特定的方位来构造和进行操作，因此上述的方位或位置关系术语不能被理解或解释为对本发明方案的限制。
另外，在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体地限定。

Claims (10)

1.线扫PE镀膜视觉检测装置，其特征在于，包括：
底座，底座上开设有长条状的光线孔，用于固定在输送电池片的输送机架上；
隧道光源，设置在所述光线孔的下方，用于产生能够照射于电池片上的光线，隧道光源与所述输送机架之间具有供电池片输送的空间；
支撑竖板，固定在所述底座上；
线扫相机，沿上下方向位置可调地装配在所述支撑竖板上，线扫相机的镜头的中垂线沿上下方向延伸，且线扫相机的镜头与所述光线孔上下相对，用于拍摄电池片；
工控机，与所述线扫相机通讯连接，用于获取电池片PE镀膜图像，并对PE镀膜图像进行分析处理以判断PE镀膜是否发生缺陷。
2.根据权利要求1所述的线扫PE镀膜视觉检测装置，其特征在于，所述底座上连接有外罩，所述线扫相机和支撑竖板均位于外罩内部。
3.根据权利要求2所述的线扫PE镀膜视觉检测装置，其特征在于，所述外罩上具有透明的观察窗，外罩的两侧设有凹槽以供人员把持。
4.根据权利要求1-3任意一项所述的线扫PE镀膜视觉检测装置，其特征在于，所述支撑竖板上滑动装配有安装座，所述线扫相机固定在安装座上，安装座上设有两列间隔布置的调节长孔，支撑竖板上对应调节长孔的位置设有多个等间隔布置的连接孔。
5.根据权利要求1-3任意一项所述的线扫PE镀膜视觉检测装置，其特征在于，所述底座的四个角分别转动装配有一个支撑脚板，支撑脚板上设有固定长孔，固定长孔内设有用于与输送机架连接的连接杆。
6.线扫PE镀膜检测方法，采用权利要求1-5任意一项所述的线扫PE镀膜视觉检测装置，其特征在于，包括以下步骤：
步骤一、通过线扫相机获取电池片上PE镀膜的待检测RGB图像；
步骤二、通过初步处理模块对所述待检测RGB图像进行初步处理，拆分出三张单通道灰度图像；
步骤三、通过缺陷提取模块对每一张单通道灰度图像进行缺陷特征提取，得到缺陷特征向量；
步骤四、对所述缺陷特征向量进行缺陷分类器阈值判别，得到每张单通道灰度图像中待检测PE镀膜的缺陷识别结果；
步骤五、对三张单通道灰度图像的缺陷识别结果进行整合分析，得出待检测PE镀膜是否发生缺陷或者发生缺陷的种类。
7.根据权利要求6所述的线扫PE镀膜检测方法，其特征在于，步骤三中缺陷提取模块对单通道灰度图像进行缺陷特征的步骤包括：
S1、对所述单通道灰度图像基于迭代阈值法进行目标区域与电池片背景分割，计算出最大灰度值Amax和最小灰度值Amin，并以最大灰度值与最小灰度值之和的一半作为初始阈值K0；依据阈值Km计算出目标及背景平均灰度K1和K2，循环计算Km+1，直至Km与Km+1之间的差值小于参数阈值或者达到设定的迭代次数，根据得到的最佳分割阈值Km+1分割得到目标区域；
S2、对所述缺陷目标区域进行基于腐蚀与膨胀的形态学滤波，设置相应的结构元从缺陷目标区域提取得到n个连通分量，基于连通分量轮廓坐标信息将n个连通分量还原至彩色原图，得到缺陷待识别区域；
S3、对缺陷识别区域提取位置、面积、厚度、色域区域生长信息，得到缺陷的四维特征。
8.根据权利要求6所述的线扫PE镀膜检测方法，其特征在于，还包括对所述待检测RGB图像进行初步处理包括进行光照补偿、平滑滤波与图像增强的操作。
9.根据权利要求7所述的线扫PE镀膜检测方法，其特征在于，提取厚度缺陷特征是对每张单通道灰度图像进行直方图统计，得到对应的直方图曲线，直方图曲线用于表征单通道灰度图像的像素灰度值和像素数量的对应关系；然后获取直方图曲线驻点处的驻点坐标信息，基于驻点坐标信息，得出PE镀膜厚度信息。
10.根据权利要求9所述的线扫PE镀膜检测方法，其特征在于，将驻点坐标信息与至少两条膜厚特性曲线的坐标信息进行比对，确定出PE镀膜厚度信息；膜厚特性曲线为镀膜厚度确定的电池片对应的直方图曲线。
CN202311277950.4A 2023-09-28 2023-09-28 一种线扫pe镀膜检测方法与视觉检测装置 Pending CN117368214A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311277950.4A CN117368214A (zh) 2023-09-28 2023-09-28 一种线扫pe镀膜检测方法与视觉检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311277950.4A CN117368214A (zh) 2023-09-28 2023-09-28 一种线扫pe镀膜检测方法与视觉检测装置

Publications (1)

Publication Number Publication Date
CN117368214A true CN117368214A (zh) 2024-01-09

Family

ID=89399459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311277950.4A Pending CN117368214A (zh) 2023-09-28 2023-09-28 一种线扫pe镀膜检测方法与视觉检测装置

Country Status (1)

Country Link
CN (1) CN117368214A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117554407A (zh) * 2024-01-10 2024-02-13 南通纳科达聚氨酯科技有限公司 一种光子晶体镀膜缺陷的在线检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117554407A (zh) * 2024-01-10 2024-02-13 南通纳科达聚氨酯科技有限公司 一种光子晶体镀膜缺陷的在线检测方法及系统
CN117554407B (zh) * 2024-01-10 2024-05-24 南通纳科达聚氨酯科技有限公司 一种光子晶体镀膜缺陷的在线检测方法及系统

Similar Documents

Publication Publication Date Title
CN106645197B (zh) 检测精密光学元件表面颗粒物的在线检测系统及应用方法
CN117368214A (zh) 一种线扫pe镀膜检测方法与视觉检测装置
CN115020267B (zh) 一种半导体表面缺陷检测方法
CN109525840B (zh) 一种成像芯片上微弱缺陷的检测方法
CN112381759B (zh) 基于光流法和置信度法的单晶硅太阳能晶片缺陷检测方法
CN113034464B (zh) 一种多背景下的液晶显示器缺陷视觉实时检测方法
JP2003083907A (ja) 欠陥検査方法及びその装置
CN112541478A (zh) 一种基于双目摄像头的绝缘子串污损检测方法及系统
CN116012292A (zh) 一种基于机器视觉的晶圆外观缺陷检测方法
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置
CN113289911B (zh) 用于多面体物料的缺陷检测方法及系统
CN115115643A (zh) 一种光伏电池板生产缺陷检测方法
CN114755236A (zh) 一种回转曲面电镀件表面缺陷的检测系统及方法
CN211717758U (zh) 一种抗干扰屏幕外观光学检测装置
CN112258463A (zh) 基于相机参数调节的光伏缺陷特征采集方法与系统
CN111665261A (zh) 一种基于机器视觉的芯片晶粒检测方法
CN114964032B (zh) 基于机器视觉的盲孔深度测量方法及装置
CN110766675A (zh) 太阳能电池板缺陷检测方法
CN112798608B (zh) 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法
CN112837285B (zh) 一种板面图像的边缘检测方法及装置
CN114764755A (zh) 一种基于在线式石墨舟硅片检测的视觉算法
CN111398290B (zh) 一种适用于狭缝式涂布的涂布液珠缺陷识别方法
CN111583137A (zh) 一种基于机器视觉技术的电子屏幕色斑检测装置及方法
CN220542797U (zh) 一种缺陷检测装置
CN111413071A (zh) 一种抗干扰屏幕外观光学检测装置及检测方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Shang Xiaoqiang

Inventor after: Xie Sikai

Inventor before: Shang Xiaoqiang

Inventor before: Xie Sikai

Inventor before: Guo Jian