KR101294953B1 - Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern - Google Patents

Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern Download PDF

Info

Publication number
KR101294953B1
KR101294953B1 KR1020120049321A KR20120049321A KR101294953B1 KR 101294953 B1 KR101294953 B1 KR 101294953B1 KR 1020120049321 A KR1020120049321 A KR 1020120049321A KR 20120049321 A KR20120049321 A KR 20120049321A KR 101294953 B1 KR101294953 B1 KR 101294953B1
Authority
KR
South Korea
Prior art keywords
image
diffusion
finger pattern
slope
brightness
Prior art date
Application number
KR1020120049321A
Other languages
Korean (ko)
Other versions
KR20130087985A (en
Inventor
고진석
임재열
Original Assignee
한국기술교육대학교 산학협력단
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
Priority to KR1020120008820 priority Critical
Priority to KR20120008820 priority
Application filed by 한국기술교육대학교 산학협력단 filed Critical 한국기술교육대학교 산학협력단
Publication of KR20130087985A publication Critical patent/KR20130087985A/en
Application granted granted Critical
Publication of KR101294953B1 publication Critical patent/KR101294953B1/en

Links

Images

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
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501Semiconductor wafers
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical means
    • G01B11/16Measuring arrangements characterised by the use of optical means for measuring the deformation in a solid, e.g. optical strain gauge
    • 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
    • G01N21/8806Specially adapted optical and illumination features
    • 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
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956Inspecting patterns on the surface of objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • 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

본 발명에 따른 비등방성 확산 모델 기반의 마이크로 크랙 검사 방법은, 확산 영상을 구축하기 이전에 핑거 패턴을 제거하는 단계를 수행함으로써, 핑거 패턴을 제거하기 위해 확산 영역을 구분하는 티칭 과정이 생략되므로 검사 시스템의 생산성 및 편의성이 향상될 수 있다. 또한, 원본 영상에서 평균 밝기와 표준편차를 고려하여 핑거 패턴 영역을 찾아내고, 핑거 패턴 영역을 평균 밝기로 대체함으로써, 핑거 패턴이 제거되어 마이크로 크랙의 검출이 보다 효과적으로 이루어질 수 있다. In the microcracks inspection method based on the anisotropic diffusion model according to the present invention, the step of removing the finger pattern before constructing the diffuse image, omits the teaching process for separating the diffusion region to remove the finger pattern inspection The productivity and convenience of the system can be improved. In addition, by detecting the finger pattern region in consideration of the average brightness and the standard deviation in the original image, and replacing the finger pattern region with the average brightness, the finger pattern is removed to detect the micro crack more effectively.

Description

핑거패턴 제거에 의한 비등방성 확산 모델 기반의 마이크로 크랙의 검사 방법{Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern}Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern}

본 발명은 비등방성 확산 모델 기반의 마이크로 크랙의 검사 방법에 관한 것으로, 보다 상세하게는 확산 과정 이전에 핑거 패턴 제거 과정을 수행하여, 생산성 및 편의성이 향상될 수 있는 비등방성 확산 모델 기반의 마이크로 크랙의 검사방법에 관한 것이다. The present invention relates to an anisotropic diffusion model-based microcracks inspection method, and more particularly, by performing a finger pattern removal process before the diffusion process, anisotropic diffusion model-based microcracks can be improved productivity and convenience It is about inspection method of.

일반적으로 산업 현장에서는 머신 버전을 이용하여 불량 자동 검사를 실시하고 있다. 상기 불량 자동 검사는 반도체, 디스플레이, 제지, 그리고 목재 등 다양한 제조업에서 사용하고 있다. (비특허문헌 [1]~[6]참조) In general, automatic inspection of defects is performed by using a machine version in industrial sites. The automatic defect inspection is used in various manufacturing industries such as semiconductor, display, paper, and wood. (See Non-Patent Documents [1] to [6].)

최근에는 태양광 발전을 위한 솔라셀에 대한 연구가 많이 이루어지고 있으며, 현재에는 실용화 단계에 도달하였다. 상기 솔라셀의 제조 공정 중에 제품에 대한 불량 검사가 수행되는 바, 이 중 중요한 검사 항목 중 하나가 마이크로 크랙 검사이다. 상기 솔라셀에 마이크로 크랙이 있을 경우, 제조 설비 내부에서 상기 솔라셀이 파손되는 경우가 발생된다. 이러한 경우, 인-라인(in-line)으로 구성된 자동화 생산라인의 중단을 초래하게 되며, 생산라인이 한번 중단되면 다시 재개하기까지 많은 시간이 소요된다. 이는 생산성 저하와 제조 원가 상승을 초래하게 된다. 상기 솔라셀 등과 같은 다결정형 부재는 표면의 무늬가 매우 불규칙하기 때문에, 기존의 불량 검출 알고리즘을 적용하기에 많은 어려움이 있다. 따라서, 적외선 카메라를 이용하여, 적외선 영상을 통한 마이크로 크랙 검출 기법이 활용되었다. 그러나, 적외선 카메라의 가격이 비싸고, 적외선 영상 획득 속도가 느린 단점이 있다. 최근에는 상기와 같은 단점을 극복하기 위하여, 가격이 상대적으로 저렴하고, 영상획득 속도가 빠른 산업용 카메라를 적용하여 불량을 검출하는 연구가 시도되고 있다. Recently, many researches have been conducted on solar cells for photovoltaic power generation, and now they have reached a commercialization stage. The defect inspection of the product is performed during the manufacturing process of the solar cell, one of the important inspection items is the micro crack inspection. When there is a micro crack in the solar cell, the solar cell is broken in a manufacturing facility. In this case, it causes the interruption of the automated production line consisting of in-line, and once the production line is stopped, it takes a long time to resume. This leads to lower productivity and higher manufacturing costs. Polycrystalline members, such as the solar cell, because the pattern of the surface is very irregular, there are many difficulties in applying the existing failure detection algorithm. Therefore, using an infrared camera, a micro crack detection technique using an infrared image has been utilized. However, the price of the infrared camera is expensive, the infrared image acquisition speed is slow. Recently, in order to overcome the drawbacks described above, studies have been attempted to detect defects by applying an industrial camera having a relatively low price and a fast image acquisition speed.

도 1은 다 결정형 솔라셀에서 마이크로 크랙이 없는 영역과 마이크로 크랙이 있는 영역에 대한 영상을 나타내고 있다. 도 2는 수평방향의 마이크로 크랙과 대각선 방향으로 발생한 마이크로 크랙을 나타내고 있다.FIG. 1 shows an image of an area without micro cracks and an area with micro cracks in a polycrystalline solar cell. 2 shows micro cracks in a horizontal direction and micro cracks occurring in a diagonal direction.

상기와 같이 카메라를 통해 얻어진 영상에 대해 마이크로 크랙 검출 알고리즘을 이용하여, 마이크로 크랙을 검출하게 된다. As described above, the micro cracks are detected by using the micro crack detection algorithm on the image obtained through the camera.

Tsai et al.는 비등방성 확산 모델(anisotropic diffusion model)을 이용하여 다결정형 솔라셀에 대한 불량 검출 알고리즘을 제안하였다.(비특허문헌 [7] 참조) 제안된 방법은 비등방성 확산 모델을 이용하여 불량 영상에서 마이크로 크랙을 평탄화시키고, 마이크로 크랙이 없는 부분은 영상을 보존하는 확산 과정을 수행하고, 확산 전 불량 영상과 확산된 불량 영상을 차감하여 마이크로 크랙을 검출하는 방법이다. 그러나, Tsai et al.의 연구는 동서남북 방향의 커널만을 적용하므로 대각선 방향으로 발생되는 마이크로 크랙 정보를 반영하지 못하는 문제점이 있다. Tsai et al. Proposed a failure detection algorithm for polycrystalline solar cells using an anisotropic diffusion model (see Non-Patent Document [7]). The proposed method uses an anisotropic diffusion model. In the bad image, the microcracks are flattened, and the portions without the microcracks are subjected to a diffusion process for preserving the image, and the microcracks are detected by subtracting the bad image and the diffused bad image before diffusion. However, the research of Tsai et al. Applies only the kernels in the east, west, north, and north directions, so there is a problem in that it cannot reflect the micro crack information generated in the diagonal direction.

Ko and Rheem은 이중구조의 비등방성 확산 필터를 이용하여 [7]의 다결정형 솔라셀에 대한 불량검출 알고리즘의 성능을 개선시켰다.[8] 제안된 방법은 십자방향의 커널과 대각선 방향의 커널을 병렬적으로 적용하는 방식이다. Ko and Rheem improved the performance of the defect detection algorithm for polycrystalline solar cells of [7] by using a dual structure anisotropic diffusion filter. The proposed method is to apply crosswise kernel and diagonal kernel in parallel.

그러나, 도 2b에 도시된 바와 같이, 카메라 렌즈와 센서의 특성으로 인하여, 영상에서 대각선 방향의 마이크로 크랙 영상이 불연속적으로 표현될 경우, 기존의 알고리즘으로는 대각선 방향의 마이크로 크랙을 불연속적으로 검출하는 문제점이 있다. However, as shown in FIG. 2B, when the micro crack image in the diagonal direction is discontinuously represented in the image due to the characteristics of the camera lens and the sensor, the conventional algorithm detects the micro crack in the diagonal direction discontinuously. There is a problem.

상기 두가지 방법 모두 충분한 반복 확산이 이루어지지 않을 경우, 마이크로 크랙이 부분적으로 검출되고, 노이즈 픽셀도 남아있게 되어, 최종 불량 검출에서 오분류할 확률이 높아지는 문제점이 있다. 그러나, 정확한 검출을 위해 반복 확산 횟수를 증가시킬 경우, 전체 알고리즘 수행시간이 증가되어 생산성이 감소되는 문제점이 있다. If the above two methods do not have sufficient repetitive diffusion, micro cracks are partially detected and noise pixels remain, thereby increasing the probability of misclassification in the final defect detection. However, when increasing the number of iterations for accurate detection, there is a problem that the overall algorithm execution time is increased and productivity is reduced.

또한, 확산 과정시 확산영역과 비확산 영역을 구분하지 않을 경우, 솔라셀의 핑거 패턴(finger pattern)으로 인하여 핑거 패턴에 의한 경계 효과(border effect)가 나타나게 되며, 이는 불량 검출을 어렵게 하는 요인이 된다. 따라서, 비등방성 확산과정을 수행할 때, 핑거 패턴을 제외하고 수행해야 한다. 실제 공정 장비의 검사 소프트웨어에 비등방성 확산 모델 알고리즘이 적용될 경우, 핑거 패턴 영역과 확산 영역을 구분해주는 티칭(teaching) 과정이 필요하다. 그러나, 이와 같은 과정은 양산 환경에서 새로운 모델의 솔라셀 제품이 생산될 때 마다 티칭과정을 다시 수행해야 하며, 이는 검사장비 전체 운용시간을 감소시키는 요인이 된다. 또한, 이러한 작업 과정은 장비 운용 오퍼레이터의 편의성을 감소시킨다. In addition, when the diffusion region and the non-diffusion region are not distinguished during the diffusion process, a border effect due to the finger pattern appears due to the finger pattern of the solar cell, which makes it difficult to detect defects. . Therefore, when performing an anisotropic diffusion process, it should be performed except for the finger pattern. If an anisotropic diffusion model algorithm is applied to the inspection software of the actual process equipment, a teaching process that distinguishes the finger pattern region from the diffusion region is required. However, this process requires the teaching process to be repeated every time a new model solar cell is produced in a mass production environment, which reduces the overall operating time of the inspection equipment. This process also reduces the convenience of the equipment operator.

[1] R.W. Conners, C.W. McMillin, K. Lin and R.E. Vasquez-Espinosa, Identifying and locating surface defects in wood,IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI-5, pp. 573-583, 1983. [1] R.W. Conners, C.W. McMillin, K. Lin and R.E. Vasquez-Espinosa, Identifying and locating surface defects in wood, IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI-5, pp. 573-583, 1983. [2] L.H. Siew and R.M. Hogdson, "Texture measures for carpet wear assessment,IEEE Transactions on Pattern Analysis and Machine Intelligence 10, pp. 92-105, 1988. [2] L.H. Siew and R.M. Hogdson, "Texture measures for carpet wear assessment, IEEE Transactions on Pattern Analysis and Machine Intelligence 10, pp. 92-105, 1988. [3] K.V. Ramana and B. Ramamoorthy, "Statistical methods to compare the texture features of machined surfaces,"Pattern Recognition 29, pp. 1447-1459, 1996. [3] K.V. Ramana and B. Ramamoorthy, "Statistical methods to compare the texture features of machined surfaces," Pattern Recognition 29, pp. 1447-1459, 1996. [4] J. Escofet, M.S. Millan, H. Abril and E. Torrecilla, "Inspection of fabric resistance to abrasion by Fourier analysis,"Proceedings of SPIE 3490, pp. 207-210, 1998. [4] J. Escofet, M.S. Millan, H. Abril and E. Torrecilla, "Inspection of fabric resistance to abrasion by Fourier analysis," Proceedings of SPIE 3490, pp. 207-210, 1998. [5] T. Ohshige, H. Tanaka, Y. Miyazaki, T. Kanda, H. Ichimura, N. Kosaka and T. Tomoda, "Detect inspection system for patterned wafers based on the spatial-frequency filtering,"IEEE/CHMT European International Electronic Manufacturing Technology Symposium, pp. 192-196, 1991. [5] T. Ohshige, H. Tanaka, Y. Miyazaki, T. Kanda, H. Ichimura, N. Kosaka and T. Tomoda, "Detect inspection system for patterned wafers based on the spatial-frequency filtering," IEEE / CHMT European International Electronic Manufacturing Technology Symposium, pp. 192-196, 1991. [6] K. Wiltschi, A. Pinz and T. Lindeberg, "Automatic assessment scheme for steel quality inspection,"Machine Vision and Applications 12, pp. 113-128, 2000. P. Perona and J. Malik, "Scale-space and edge detection using anisotropic diffusion," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7, pp. 629-639, 1990. [6] K. Wiltschi, A. Pinz and T. Lindeberg, "Automatic assessment scheme for steel quality inspection," Machine Vision and Applications 12, pp. 113-128, 2000. P. Perona and J. Malik, "Scale-space and edge detection using anisotropic diffusion," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7, pp. 629-639, 1990. [7] D. M. Tsai, C. C. Chang and S. M. Chao, "Micro-crack inspection in heterogeneously textured solar wafers using anisotropic diffusion," Image and Vision Computing, vol. 28, no. 3, pp. 491-401, 2010.[7] D. M. Tsai, C. C. Chang and S. M. Chao, "Micro-crack inspection in heterogeneously textured solar wafers using anisotropic diffusion," Image and Vision Computing, vol. 28, no. 3, pp. 491-401, 2010. [8] J. Ko and J. Rheem, "Anisotropic Diffusion based Micro-crack Inspection in Polycrystalline Solar Wafers," Proceedings of the International MultiConference of Engineers and Computer Scientists, vol. 1, pp. 524-528, 2011.[8] J. Ko and J. Rheem, "Anisotropic Diffusion based Micro-crack Inspection in Polycrystalline Solar Wafers," Proceedings of the International MultiConference of Engineers and Computer Scientists, vol. 1, pp. 524-528, 2011. [9] P. Perona and J. Malik, "Scale-space and edge detection using anisotropic diffusion," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7, pp. 629-639, 1990. [9] P. Perona and J. Malik, "Scale-space and edge detection using anisotropic diffusion," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7, pp. 629-639, 1990. [10] S. Aja, C. Alberola and A. Ruiz, "Fuzzy anisotropic diffusion for speckle filtering," IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 2, pp. 1261-1264, 2001.[10] S. Aja, C. Alberola and A. Ruiz, "Fuzzy anisotropic diffusion for speckle filtering," IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 2, pp. 1261-1264, 2001. [11] L. Zadeh and J. Kacprzyk, "Fuzzy logic for the management of uncertainty," John Wiley & Sons, Inc. 1992.[11] L. Zadeh and J. Kacprzyk, "Fuzzy logic for the management of uncertainty," John Wiley & Sons, Inc. 1992. [12] H. J. Zimmermann, "Fuzzy set theory and its applications," Kluwer -Nijhoff Publishing, 2001.[12] H. J. Zimmermann, "Fuzzy set theory and its applications," Kluwer-Nijhoff Publishing, 2001.

본 발명의 목적은, 핑거 패턴을 미리 제거하여 마이크로 크랙을 보다 정확하게 검출하면서도 생산성 및 편의성이 향상될 수 있는 비등방성 확산 모델 기반의 마이크로 크랙의 검사 방법을 제공하는 데 있다. An object of the present invention is to provide a method for inspecting microcracks based on an anisotropic diffusion model, which can improve productivity and convenience while detecting microcracks more accurately by removing finger patterns in advance.

본 발명에 따른 비등방성 확산 모델 기반의 마이크로 크랙의 검사방법은, 머신비전을 통해 검사대상에 대한 원본 영상을 획득하는 단계와, 상기 원본 영상으로부터 핑거 패턴을 제거하는 단계와, 상기 핑거 패턴이 제거된 영상으로부터 기울기와 확산계수를 계산하여, 확산 영상을 구축하는 단계와, 상기 원본 영상에서 상기 확산 영상을 차감한 후 마이크로 크랙을 확인하는 영상을 도출하는 단계를 포함한다.An anisotropic diffusion model-based microcracks inspection method according to the present invention comprises the steps of: obtaining an original image of an inspection object through machine vision; removing a finger pattern from the original image; and removing the finger pattern Calculating a slope and a diffusion coefficient from the extracted image, constructing a diffuse image, and subtracting the diffuse image from the original image and deriving an image for identifying microcracks.

본 발명에 따른 비등방성 확산 모델 기반의 마이크로 크랙 검사 방법은, 확산 영상을 구축하기 이전에 핑거 패턴을 제거하는 단계를 수행함으로써, 핑거 패턴을 제거하기 위해 확산 영역을 구분하는 티칭 과정이 생략되므로 검사 시스템의 생산성 및 편의성이 향상될 수 있다.In the microcracks inspection method based on the anisotropic diffusion model according to the present invention, the step of removing the finger pattern before constructing the diffuse image, omits the teaching process for separating the diffusion region to remove the finger pattern inspection The productivity and convenience of the system can be improved.

또한, 원본 영상에서 평균 밝기와 표준편차를 고려하여 핑거 패턴 영역을 찾아내고, 핑거 패턴 영역을 평균 밝기로 대체함으로써, 핑거 패턴이 제거되어 마이크로 크랙의 검출이 보다 효과적으로 이루어질 수 있다. In addition, by detecting the finger pattern region in consideration of the average brightness and the standard deviation in the original image, and replacing the finger pattern region with the average brightness, the finger pattern is removed to detect the micro crack more effectively.

도 1은 다결정 솔라셀의 영상이 도시된 도면이다.
도 2는 마이크로 크랙을 확대한 영상이 도시된 도면이다.
도 3은 대각선 방향의 마이크로 크랙과 수평 방향의 마이크로 크랙에 대해 T값과 K값을 변화시키며 비교한 영상이다.
도 4는 핑거패턴에서 반복 횟수에 따른 경계 효과를 보여준다.
도 5는 핑거패턴을 제거하기 전과 제거 후를 비교한 영상이다.
도 6은 본 실시예에 따른 기본 커널과 확장 커널이 도시된 도면이다.
도 7은 본 실시예에 따른 마이크로 크랙의 검사방법이 도시된 순서도이다.
도 8은 제어 파라미터 Cpre의 변화에 따른 결과 영상이다.
도 9는 Tsai et al.의 방법에 따라 반복횟수 T값과 정규화값의 변화 결과에 따른 영상이다.
도 10은 Ko and Rheem의 방법에 따라 반복횟수 T값과 정규화값의 변화 결과에 따른 영상이다.
도 11은 본 실시예에 따른 방법에 따라 반복횟수 T값과 정규화값의 변화 결과에 따른 영상이다.
도 12는 마이크로 크랙에 대해 제어 파라미터 Cpost값을 변화시켜 비교한 영상이다.
도 13은 T=7, K=30, Cpre=1.5, Cpost=5일 때 각 알고리즘에 따른 결과를 비교한 영상이다.
도 14는 T=5, K=30, Cpre=1.5, Cpost=5일 때 각 알고리즘에 따른 결과를 비교한 영상이다.
1 is a diagram illustrating an image of a polycrystalline solar cell.
2 is a view illustrating an image in which a micro crack is enlarged.
FIG. 3 is an image comparing T and K values of micro cracks in a diagonal direction and micro cracks in a horizontal direction.
4 shows the boundary effect of the number of repetitions in the finger pattern.
5 is an image comparing before and after removing a finger pattern.
6 is a diagram illustrating a basic kernel and an extended kernel according to the present embodiment.
7 is a flowchart illustrating a method of inspecting microcracks according to the present embodiment.
8 is a resultant image according to the change of the control parameter C pre .
9 is an image according to the result of the change of the repetition number T value and the normalized value according to the method of Tsai et al.
10 is an image according to the result of the change of the repetition number T value and the normalized value according to the method of Ko and Rheem.
11 is an image according to the result of the change in the repetition number T value and the normalization value according to the method according to the present embodiment.
12 is an image comparing the control parameter C post by changing the micro crack.
FIG. 13 is an image comparing the results of each algorithm when T = 7, K = 30, Cpre = 1.5, and Cpost = 5.
FIG. 14 is an image comparing the results of each algorithm when T = 5, K = 30, Cpre = 1.5, and Cpost = 5.

이하, 본 발명의 실시예에서는 첨부된 도면을 참조하여, 다결정 솔라셀에서 마이크로 크랙을 검사하는 방법을 예로 들어 설명하나, 이에 한정되지 않고 솔라셀 이외의 검사 부재에 적용하는 것도 물론 가능하다. Hereinafter, an embodiment of the present invention will be described with reference to the accompanying drawings, for example, a method for inspecting micro cracks in a polycrystalline solar cell. However, the present invention is not limited thereto.

도 1은 다결정 솔라셀의 영상이 도시된 도면인 바, 도 1a는 마이크로 크랙이 없는 다결정형 웨이퍼(multi-grain wafer) 표면의 영상이고, 도 1b는 대각선 방향으로 마이크로 크랙이 존재하는 웨이퍼 표면의 영상이다. 1 is an image of a polycrystalline solar cell. FIG. 1A is an image of a multi-grain wafer surface without micro cracks, and FIG. 1B is a view of a wafer surface having micro cracks in a diagonal direction. It is a video.

도 1을 참조하면, 다결정형 솔라셀의 특성으로 인하여 표면이 불규칙한 텍스쳐로 표현되는 것을 볼 수 있다. 다결정형 솔라셀에서의 마이크로 크랙은 영상에서 낮은 밝기와 높은 기울기 값을 갖는 것으로 알려져 있다.(비특허문헌 [7]참조) 반면에 불량이 없는 영역에서는 낮은 밝기만 갖거나 높은 기울기만을 갖고 있는 것을 확인할 수 있다. Referring to FIG. 1, it can be seen that the surface is represented by an irregular texture due to the characteristics of the polycrystalline solar cell. Microcracks in polycrystalline solar cells are known to have low brightness and high gradient values in the image (see Non-Patent Document [7]). You can check it.

도 2는 마이크로 크랙을 확대한 영상이 도시된 도면이고, 전광원 LED 조명(Front-light LED illumination)에서 디지털 이미지에서 마이크로 크랙의 불연속성을 보여주고 있다. 도 2a는 수평 방향의 마이크로 크랙이 연속적으로 나타난 영상이고, 도 2b는 대각선 방향의 마이크로 크랙이 불연속적으로 나타난 영상이다. FIG. 2 is a view showing an enlarged image of micro cracks, and shows discontinuities of micro cracks in digital images in front-light LED illumination. FIG. 2A is an image in which micro cracks in a horizontal direction are continuous, and FIG. 2B is an image in which micro cracks in a diagonal direction are discontinuous.

도 2a를 참조하면, 수평방향으로 발생한 마이크로 크랙은 영상에서 연속적으로 표현된다. 도 2b를 참조하면, 대각선 방향으로 발생한 마이크로 크랙은 렌즈와 CCD센서의 특징으로 인하여 대각선 방향에서 마이크로 크랙이 연결되지 않고 불연속적으로 표현되는 것을 볼 수 있다. 도 2b에서와 같이, 영상에서 마이크로 크랙이 불연속적으로 표현될 경우, 기존의 마이크로 크랙 검출 알고리즘으로는 마이크로 크랙을 불연속적으로 검출하는 단점이 발생한다. Referring to FIG. 2A, micro cracks occurring in the horizontal direction are continuously represented in an image. Referring to FIG. 2B, it can be seen that the micro cracks generated in the diagonal direction are discontinuously represented without connecting the micro cracks in the diagonal direction due to the characteristics of the lens and the CCD sensor. As shown in FIG. 2B, when microcracks are discontinuously represented in an image, there is a disadvantage in that microcracks are discontinuously detected by a conventional microcracks detection algorithm.

도 3은 대각선 방향의 마이크로 크랙과 수평 방향의 마이크로 크랙에 대해 T값과 K값을 변화시키며 비교한 영상이다. FIG. 3 is an image comparing T and K values of micro cracks in a diagonal direction and micro cracks in a horizontal direction.

도 3에서, 상기 K는 후술하는 수학식 4 및 수학식 5에서 이용되는 파라미터이다. 상기 T는 이방 확산(anisotropic diffusion) 알고리즘을 반복하는 횟수이다. 원본 영상에서 확산 영상을 차감할 때, 확산 영상은 원본 영상으로부터 확산과정을 T번 수행했다는 것을 의미한다. 도 3을 참조하면, 확산 횟수(T)가 적을수록 마이크로 크랙이 불연속적으로 검출되는 것을 확인할 수 있다. 이와 같이 불연속적으로 마이크로 크랙을 검출하는 경우, 최종 불량 판정에서 오분류할 확률이 높아진다. 따라서, 마이크로 크랙의 형태를 유지하면서 검출하는 것이 중요하다. In FIG. 3, K is a parameter used in Equations 4 and 5 described later. T is the number of times to repeat the anisotropic diffusion algorithm. When subtracting the diffuse image from the original image, the diffuse image means that the diffusion process has been performed T times from the original image. Referring to FIG. 3, it can be seen that as the number of diffusions T decreases, micro cracks are discontinuously detected. In the case of detecting micro cracks discontinuously in this manner, the probability of misclassification in the final failure determination increases. Therefore, it is important to detect while maintaining the form of micro cracks.

비특허문헌 [9]의 Perona-Malik의 확산 모델(diffusion model)은 전통적인 비등방성 확산 방식이고, 윤곽선을 뚜렷하게 하면서 영역 내부를 부드럽게 하고 잡음을 제거하는 데 효과적이다. 이 방식은 4방향의 십자형 커널 구조의 픽셀 정보를 이용한 확산 필터이며, 후술하는 수학식 1 내지 4가 이용된다. Perona-Malik's diffusion model of Non-Patent Document [9] is a traditional anisotropic diffusion method, and is effective for smoothing the inside of a region while removing contours and removing noise. This method is a spreading filter using pixel information of a four-way cross kernel structure, and equations 1 to 4 described later are used.

Figure 112012037174111-pat00001
Figure 112012037174111-pat00001

여기서, t는 확산의 반복을 의미하고, It(x,y)는 t단계의 확산 적용 후 필터링된 영상의 (x,y)좌표에서의 밝기값을 나타낸다. ∇Ii t(x,y), i=1,2,3 and 4는 동서남북 방향의 기울기값을 의미하고, 수학식 2와 같이 표현된다.Here, t denotes repetition of diffusion, and I t (x, y) denotes a brightness value in (x, y) coordinates of the filtered image after t-stage diffusion is applied. ∇I i t (x, y), i = 1,2,3 and 4 mean the inclination value in the east, west, north and north directions, and is expressed as in Equation 2.

Figure 112012037174111-pat00002
Figure 112012037174111-pat00002

상기 비등방성 확산 방식은 상기 수학식 2와 같이 십자형 커널을 이용하여 주변 픽셀들과 기울기값을 가감처리하여 영상의 확산 작용을 수행한다. 그러나, 기울기값을 그대로 이용할 경우, 영상의 에지 정보까지 함께 확산 처리되므로 에지 보존은 이뤄질 수 없게 된다. 그러므로 상기 십자형 커널을 적용할 때 동질영역은 확산을 낮추거나 정지시키는 제어역할(edge stopping function)을 하는 ct i(x,y)가 필요하다. In the anisotropic diffusion method, as shown in Equation 2, an image spreading process is performed by adding or subtracting neighboring pixels and a gradient value using a cross kernel. However, when the gradient value is used as it is, edge preservation is not possible because the edge information of the image is spread together. Therefore, when applying the cruciform kernel, the homogeneous region needs c t i (x, y) which has an edge stopping function to reduce or stop diffusion.

Figure 112012037174111-pat00003
Figure 112012037174111-pat00003

상기 Perona-Malik의 확산 모델 방식에서 확산 계수 함수 g(∇Ii t(x,y))는 수학식 4와 같이 표현한다. 이하, 표현의 편의성을 위하여 ∇Ii t(x,y)는 ∇I로 표현하기로 한다. In the diffusion model method of Perona-Malik, the diffusion coefficient function g (gI i t (x, y)) is expressed as Equation 4. Hereinafter, for convenience of expression, iI i t (x, y) will be expressed as ∇I.

Figure 112012037174111-pat00004
Figure 112012037174111-pat00004

여기서, 상기 K는 상수로서, 에지 강화 임계값(edge strength threshold)으로 동작하고, 실험적으로 구해지는 값이다. Here, K is a constant, and operates as an edge strength threshold, and is a value obtained experimentally.

한편, 비특허문헌 [7]의 Tsai et al.의 확산 모델은, 다결정형 솔라셀에서 마이크로 크랙이 낮은 픽셀 밝기와 높은 기울기 값을 갖는다는 정보를 이용하여 마이크로 크랙을 검출하는 방법을 제안한다. 우선 영상에서 마이크로 크랙의 부분은 평탄화시키고, 불량이 아닌 영역에 대해서는 밝기 값을 보존한다. 이후, 원본 영상과 확산된 영상을 차감시키면, 마이크로 크랙 영역의 픽셀값이 강조되어 나타나게 된다. 이를 이용하여 불량을 검출하는 방법이다. 영상에서 마이크로 크랙을 평탄화시키기 위하여 후술하는 수학식 5와 같은 확산 계수 함수(g(∇I,f))를 제안하였다. On the other hand, the diffusion model of Tsai et al. In the non-patent document [7] proposes a method of detecting micro cracks using information that micro cracks have low pixel brightness and high gradient values in polycrystalline solar cells. First, the part of the microcracks in the image is flattened, and the brightness value is preserved for the non-defective areas. Subsequently, when the original image and the diffused image are subtracted, the pixel value of the micro crack area is highlighted. It is a method of detecting a defect using this. In order to planarize the microcracks in the image, a diffusion coefficient function g (∇I, f) such as Equation 5 will be proposed.

Figure 112012037174111-pat00005
Figure 112012037174111-pat00005

여기서, f(x,y)는 후술하는 수학식 6과 같으며, f(x,y)는 8-bit 그레이 영상의 정규화된 값이며, 정규화 파라미터로 사용된다. Here, f (x, y) is represented by Equation 6 to be described later, and f (x, y) is a normalized value of an 8-bit gray image, and is used as a normalization parameter.

Figure 112012037174111-pat00006
Figure 112012037174111-pat00006

상기와 같은 확산계수 함수에 따라 영상이 확산되면, 후술하는 수학식 7과 같이 원본 영상에서 확산된 영상을 차감시킨다. 이와 같은 과정을 거치면 차감된 영상에서 마이크로 크랙 영역의 밝기가 강조되어 나타나게 된다. When the image is spread according to the diffusion coefficient function as described above, the spread image from the original image is subtracted as shown in Equation 7 below. Through this process, the brightness of the micro crack area is emphasized in the subtracted image.

Figure 112012037174111-pat00007
Figure 112012037174111-pat00007

상기 수학식 7은 원본 영상에서 확산된 영상을 차감시키는 식을 나타낸다. Equation 7 shows an equation for subtracting the spread image from the original image.

상기와 같은 Tsai et al.의 방법은 십자 모양의 4방향의 픽셀 정보(수학식 2 참조)를 이용하여 확산 방정식(수학식 5 참조)을 적용한 모델이다. 그러나, 상기 Tsai et al.의 방법은 동서남북 방향의 픽셀 정보는 잘 반영하나, 대각선 방향의 픽셀 정보를 반영하지 못하는 단점이 있다. 다결정형 솔라셀에서는 마이크로 크랙이 모든 방향에서 발생될 수 있으므로, 상기 Tsai et al.의 방법으로는 마이크로 크랙의 검출에 한계가 있다. Tsai et al.'S method is a model in which a diffusion equation (see Equation 5) is applied using crosswise four-direction pixel information (see Equation 2). However, the method of Tsai et al. Reflects pixel information in the east, west, north and north directions, but does not reflect the pixel information in the diagonal direction. In the polycrystalline solar cell, since the microcracks can be generated in all directions, the Tsai et al. Method has a limitation in detecting the microcracks.

비특허문헌 [8]의 Ko and Rheem은, 상기 Tsai et al. 방법의 단점을 보완하기 위하여, 대각선 방향의 격자 구조를 갖는 확산 모델을 추가로 적용하였다. 수학식 8은, 원본 영상과 기존의 동서남북 방향의 확산 모델을 적용한 영상을 차감시키는 식을 나타낸다. 수학식 9는, 원본 영상과 대각선 방향의 확산 모델을 적용한 영상을 차감시키는 식을 나타낸다. Ko and Rheem of Non-Patent Document [8] are described in Tsai et al. To compensate for the shortcomings of the method, a diffusion model with a diagonal lattice structure was further applied. Equation 8 shows an expression of subtracting an original image and an image to which a conventional diffusion model of east, west, north, and north directions is applied. Equation 9 shows an equation for subtracting an original image and an image to which a diagonal diffusion model is applied.

Figure 112012037174111-pat00008
Figure 112012037174111-pat00008

Figure 112012037174111-pat00009
Figure 112012037174111-pat00009

상기 수학식 9에 사용되는 대각선 방향의 기울기는 수학식 10과 같다. The slope of the diagonal direction used in Equation 9 is expressed by Equation 10.

Figure 112012037174111-pat00010
Figure 112012037174111-pat00010

상기 Ko and Rheem은, 상기 수학식 8과 상기 수학식 9를 적용한 영상을 더해서 최종 영상을 수학식 11과 같이 얻는다. Ko and Rheem add an image to which Equation 8 and Equation 9 are applied to obtain a final image as shown in Equation 11.

Figure 112012037174111-pat00011
Figure 112012037174111-pat00011

상기와 같이, 상기 Tsai et al.의 연구는 동서남북 방향의 커널을 적용하므로 대각선 방향의 마이크로 크랙 정보를 반영하지 못하였다. 한편, 이를 개선하기 위하여 Ko and Rheem은 대각선 방향의 마이크로 크랙 정보를 반영하기 위한 이중 격자 구조의 확산 모델을 제안하였다. 그러나, 여전히 대각선 방향의 마이크로 크랙이 부분적으로 검출되는 단점이 있었다. 도 2b에 도시된 바와 같이, 렌즈와 센서의 특성으로 인하여 대각선 방향의 마이크로 크랙의 밝기가 일정하지 못하게 나타나기 때문에, 기존의 알고리즘으로는 대각선 방향의 마이크로 크랙은 부분적으로 검출된다. As described above, the study of Tsai et al. Applied the kernels in the east, west, north and north directions, and did not reflect the micro crack information in the diagonal direction. In order to improve this problem, Ko and Rheem proposed a diffusion model of a double lattice structure to reflect diagonal micro crack information. However, there was still a disadvantage in that the micro cracks in the diagonal direction were partially detected. As shown in FIG. 2B, since the brightness of the micro cracks in the diagonal direction is not uniform due to the characteristics of the lens and the sensor, the diagonal micro cracks are partially detected by the conventional algorithm.

상기와 같은 단점을 개선하기 위하여, 본 실시예에서는 원본 영상의 기본 커널에서의 기본 기울기와, 상기 기본 커널보다 크기가 확장된 확장 커널에서의 확장 기울기를 각각 계산하고, 상기 기본 기울기와 상기 확장 기울기를 비교하고 보다 큰 값을 확산계수(g) 계산식에 적용한다. In order to improve the above disadvantages, in the present embodiment, the base slope of the base kernel of the original image and the extension slope of the extended kernel whose size is larger than the base kernel are respectively calculated, and the base slope and the extended slope are respectively calculated. Compare and apply the larger value to the equation for diffusion coefficient (g).

도 4는 본 실시예에 따른 기본 커널과 확장 커널이 도시된 도면이다. 도 5는 본 실시예에 따른 마이크로 크랙의 검사방법이 도시된 순서도이다. 4 is a diagram illustrating a basic kernel and an extended kernel according to the present embodiment. 5 is a flowchart illustrating a method of inspecting micro cracks according to the present embodiment.

먼저, 머신 비전 등을 통해 검사대상에 대한 원본 영상을 획득한다.(S1)First, an original image of an inspection target is obtained through machine vision. (S1)

상기 원본 영상에 대해 핑거패턴을 제거하기 위한 전처리(Pre-processing for finger pattern removal)를 실시한다.(S2) Pre-processing for finger pattern removal is performed on the original image. (S2)

비특허문헌 [7] 및 [8]의 연구결과를 실제 머신비전 어플리케이션에 적용하기 위해서는 솔라셀의 핑거패턴을 고려해야 한다. 핑거패턴은 영상에서 밝게 표현된다. 핑거 패턴을 포함하여 확산을 수행하면, 핑거패턴 경계에서 경계선 효과가 발생한다. In order to apply the research results of the non-patent documents [7] and [8] to actual machine vision applications, the finger pattern of the solar cell should be considered. Finger patterns are brightly represented in the image. When diffusion is performed including a finger pattern, a boundary effect occurs at a finger pattern boundary.

도 4는 핑거패턴 영역을 포함하여 영상 확산을 수행한 모습을 보여주고 있다. 도 4a는 영상에서 마이크로 크랙을 확대한 부분으로 밝게 보이는 부분이 핑거 패턴이고, 어둡고 대각선으로 보이는 부분이 마이크로 크랙을 나타낸다. 도 4b는 Tsai et al.의 알고리즘을 수행한 것으로 반복적인 확산이 이루어질 수록 핑거패턴의 경계부분의 두께가 두꺼워진다. 마이크로크랙을 검출 시 이와 같은 경계선 효과(border effect) 때문에 오검출이 발생할 수 있다. 따라서, 영상 확산을 수행할 때, 핑거패턴을 제외하고 수행해야 한다. 4 shows an image spread including a finger pattern region. 4A illustrates an enlarged portion of a micro crack in an image, in which a bright portion is a finger pattern, and a dark and diagonal portion is a micro crack. 4B illustrates the algorithm of Tsai et al., And as the repeated diffusion occurs, the thickness of the boundary portion of the finger pattern becomes thicker. When detecting microcracks, false detection may occur due to such a border effect. Therefore, when performing image diffusion, it should be performed except for finger patterns.

실제 공정장비의 검사 소프트웨어에 이방 확산 모델 알고리즘이 적용될 경우, 핑거패턴 영역과 확산 영역을 구분해주는 티칭(teaching)과정이 필요하다. 그러나, 이와 같은 과정은 양산 환경에서 새로운 모델의 솔라셀 제품이 생산될 때마다 티칭 과정을 다시 수행해야 하며, 이는 검사장비 전체 운용시간을 감소시키는 요인이 된다. 또한, 이러한 작업과정은 장비 운용 오퍼레이터의 편의성을 감소시키게 된다. 따라서, 실제 솔라셀 불량 검사 시스템에서 오퍼레이터의 장비 운용 편의성과 전체 생산성 향상을 위하여 티칭 과정에서 확산 영역을 구분하기보다는 별도의 확산영역 구분없이 검사영상 전체 영역을 확산하는 것이 필요하다. When the anisotropic diffusion model algorithm is applied to the inspection software of the actual process equipment, a teaching process is needed to distinguish the finger pattern region and the diffusion region. However, this process requires the teaching process to be repeated every time a new model solar cell is produced in a mass production environment, which reduces the overall operating time of the inspection equipment. This process also reduces the convenience of the equipment operator. Therefore, it is necessary to diffuse the entire inspection image region without distinguishing the diffusion region in the teaching process in order to improve the operation convenience and overall productivity of the operator in the solar cell inspection system.

본 실시예에서는, 다음과 같은 전처리를 통하여 영상에서 핑거패턴의 영역을 전체 평균 밝기로 대체해주는 과정을 수행한다. (S2)In this embodiment, a process of replacing the area of the finger pattern with the overall average brightness in the image through the following preprocessing is performed. (S2)

우선 원본 영상의 평균 밝기(μΔI)와 표준 편차 밝기(σΔI)를 후술하는 수학식 12와 수학식 13에 따라 계산한다.First, the average brightness μ ΔI and the standard deviation brightness σ ΔI of the original image are calculated according to Equations 12 and 13 described later.

Figure 112012037174111-pat00012
Figure 112012037174111-pat00012

Figure 112012037174111-pat00013
Figure 112012037174111-pat00013

이후, 후술하는 수학식 14에 따라 핑거패턴 부분을 전체 영상의 평균값으로 대체해준다. Thereafter, the finger pattern portion is replaced with an average value of the entire image according to Equation 14 to be described later.

Figure 112012037174111-pat00014
Figure 112012037174111-pat00014

이와 같은 과정을 거친 후, 영상 확산을 수행하면, 핑거패턴이 없는 것과 유사한 결과를 얻게 된다. 상기 수학식 14에서는 Cpre는 전처리 과정에서 어느 정도 밝기를 핑거패턴으로 판정할 것인지 조절해주는 파라미터이다. 영상에서 좌표의 밝기(ΔI0(x,y))가 표준 편차 밝기(σΔI)와 Cpre의 곱과 평균밝기(μΔI)의 합보다 클 경우, 핑거 패턴으로 판단하는 수식이며, Cpre는 평균밝기(μΔI)보다 얼마나 밝을 경우 핑거 패턴으로 판단할지 조절해주는 역할을 한다. After this process, if image diffusion is performed, a result similar to that without a finger pattern is obtained. In Equation 14, C pre is a parameter for controlling how much brightness is determined as a finger pattern in a preprocessing process. Brightness of the coordinates in the image (ΔI 0 (x, y) ) that is greater than the sum of the standard deviation of brightness (σ ΔI) and C pre multiplied by the average brightness (μ ΔI) of, the formula for determining the finger pattern, C pre When the brightness is greater than the average brightness (μ ΔI ) serves to control whether to determine the finger pattern.

상기와 같이 핑거 패턴을 제거한 영상으로부터 기울기와 확산계수를 계산하여, 확산 영상을 구축한다. The diffusion image is constructed by calculating the slope and the diffusion coefficient from the image from which the finger pattern is removed as described above.

상기 핑거 패턴을 제거한 영상으로부터 기본 커널을 3 바이(by) 크기로 설정하고, 상기 기본 커널에서 기본 기울기를 계산한다.(S3) 도 6을 참조하면, 3 바이 3 크기의 기본 커널을 설정하고, 상기 수학식 2에 따라 동서남북 방향 기울기를 계산한다.The basic kernel is set to 3 by size from the image from which the finger pattern is removed, and the basic slope is calculated from the basic kernel. (S3) Referring to FIG. 6, the basic kernel of 3 to 3 size is set. The slope of the east, west, north and north directions is calculated according to Equation 2 above.

또한, 상기 기본 커널보다 크기가 확장된 확장 커널을 설정하고, 상기 확장 커널에서 확장 기울기를 계산한다.(S4) 본 실시예에서는, 상기 확산 영상을 구축하기 위해 상기 기본 커널과 상기 확장 커널을 사용하는 것을 예를 들어 설명하나, 상기 확장 커널을 이용하지 않고 상기 기본 커널만으로 확산 영상을 구축하는 것도 물론 가능하다. In addition, an extension kernel whose size is larger than the base kernel is set, and an extension gradient is calculated by the extension kernel. (S4) In this embodiment, the base kernel and the extension kernel are used to construct the spread image. For example, it is also possible to construct a spread image using only the base kernel without using the extension kernel.

도 6을 참조하면, 상기 확장 커널은 5 바이 5 크기로 설정된 것으로 예를 들어 설명하나, 커널의 크기는 이에 한정되지 않는다. 상기 확장 커널에서 상기 확장 기울기를 구하는 식은 다음의 수학식 15와 같다. Referring to FIG. 6, for example, the extension kernel is set to 5 by 5 size, but the size of the kernel is not limited thereto. The equation for obtaining the extension slope in the extension kernel is as shown in Equation 15 below.

Figure 112012037174111-pat00015
Figure 112012037174111-pat00015

도 6에서는 수학식 2로부터 구해지는 기본 기울기와, 수학식 15로부터 구해지는 확장 기울기를 나타내고 있다. 상기 수학식 2에 따른 기본 기울기는 중심 픽셀(x,y)에서 십자형 구조의 픽셀들과의 동서남북 방향 기울기를 나타내며, 상기 수학식 15에 따른 확장 기울기는 상기 중심 픽셀 주변에서 ??(#)형 구조의 픽셀들과의 상하좌우방향 기울기를 나타낸다. 즉, 상기 확장 기울기는 상기 중심 픽셀에 대한 동서남북 방향보다 수평 수직방향으로 확장된 방향을 나타낸다. 대각선 방향의 마이크로 크랙에서 연결 강도가 약한 부분에서는 동서남북 방향의 기울기의 역할이 미흡하다. 따라서, 확장 기울기를 이용하여 주변의 마이크로 크랙의 정보를 보다 적극적으로 반영할 수 있다. In Fig. 6, the basic slope obtained from equation (2) and the expanded slope obtained from equation (15) are shown. The basic slope according to Equation 2 represents an inclination of the north-south north-west direction with the pixels of the cross-shaped structure in the center pixel (x, y), and the expanded slope according to Equation 15 is ?? (#) type around the center pixel. Shows the up, down, left and right inclination with the pixels of the structure. That is, the extension slope indicates a direction extending in the horizontal and vertical directions than the north, south, east and west directions with respect to the center pixel. In the case of a weak connection strength in the diagonal microcracks, the inclination of the east, west, north and south directions is insufficient. Therefore, the extended slope may be used to more actively reflect the information of the surrounding micro cracks.

상기와 같이 계산된 기본 기울기와 상기 확장 기울기를 비교하고, 그에 따라 확산 계수를 계산한다.(S5~S7) 상기 기본 기울기와 상기 확장 기울기를 비교하여, 둘 중 큰 값을 갖는 기울기를 확산 계수를 구하는 데 적용한다. 즉, 상기 기본 기울기와 상기 확장 기울기 중 보다 큰 값을 상기 수학식 5에 적용한다. 상기 수학식 5로부터 구해진 확산 계수에 따라 확산 영상이 도출된다.(S9) Comparing the basic slope and the extended slope calculated as described above and calculating a diffusion coefficient accordingly (S5 to S7), comparing the basic slope and the extended slope, the slope having the larger value is the diffusion coefficient. Apply to obtain. That is, a larger value of the basic slope and the extended slope is applied to Equation 5. A diffusion image is derived according to the diffusion coefficient obtained from Equation 5 above (S9).

상기 확산 영상이 얻어지면, 상기 원본 영상에서 상기 확산 영상을 차감한다.(S10) When the spread image is obtained, the spread image is subtracted from the original image.

상기 원본 영상에서 상기 확산 모델을 적용한 확산 영상을 차감시킨 후, 마이크로 크랙 검출을 위한 후처리(Post-processing for defect detection)가 실시된다. 마이크로 크랙을 검출하기 위하여 임계값(threshold) 기법을 적용하였다.(비특허문헌 [7]참조) 이는 영상 밝기의 평균과 표준편차의 정보를 이용한다. 관련 수식은 후술하는 수학식 16과 같다. 상기 확산 영상은 마이크로 크랙이 없는 부분은 원래 영상과 유사하며, 마이크로 크랙이 위치하고 있는 부분은 평탄화된다. 이와 같이 변화된 확산 영상을 상기 원본 영상에서 차감하면, 마이크로 크랙이 위치하고 있는 부분은 밝아지고, 마이크로 크랙이 없는 부분은 어두워지게 된다. 차감된 영상에서 밝은 영역만 세그멘테이션 하기 위하여 영상 밝기의 평균과 표준 편차를 이용한다. 즉, 영상의 기울기가 평균 밝기와 표준 편차를 고려한 설정 범위를 벗어나는 픽셀의 영상만이 도출되도록 하여 마이크로 크랙 확인을 용이하게 한다. (S11)After subtracting the diffusion image to which the diffusion model is applied from the original image, post-processing for defect detection is performed for micro crack detection. A threshold technique was applied to detect micro cracks (see Non Patent Literature [7]). This uses information of average and standard deviation of image brightness. The related formula is the same as the following formula (16). The diffused image is similar to the original image in the part without the micro crack, and the portion where the micro crack is located is flattened. When the changed diffusion image is subtracted from the original image, the portion where the micro crack is located becomes brighter, and the portion without the micro crack becomes dark. The mean and standard deviation of image brightness are used to segment only the bright areas of the subtracted image. That is, it is easy to check the microcracks by allowing only the image of the pixel whose image slope falls outside the setting range in consideration of the average brightness and the standard deviation. (S11)

Figure 112012037174111-pat00016
Figure 112012037174111-pat00016

여기서, μΔI는 평균 밝기이고, σΔI는 표준편차 밝기이며, Cpost 는 세그멘테이션을 조정하는 조절 파라미터이다. μΔI와 σΔI는 상기 수학식 12와 수학식 13에서 각각 구해진다. Where μ ΔI is the average brightness, σ ΔI is the standard deviation brightness, and C post is the adjustment parameter that adjusts the segmentation. μΔI and σΔI are obtained in Equations 12 and 13, respectively.

본 실시예에 따른 알고리즘의 성능을 확인하기 위하여, 기존의 Tsai et al.의 알고리즘(비특허문헌 [7]참조)과 Ko and Rheem의 이중 격자 구조의 알고리즘(비특허문헌 [8] 참조), 그리고 본 실시예의 알고리즘과 비교실험을 수행하였다. 실험에 사용된 영상의 획득 조건은 측면 45도 입사각을 갖는 확산된 백색 LED 면조명을 사용하였으며, 영상의 픽셀 해상도는 23μm으로 설정하여 영상을 획득하였다. 실험에 사용된 영상은 총 117장을 이용하였다. 이중에서 마이크로 크랙 이미지는 96장이고, 불량이 없는 영상은 21장이다. 알고리즘에서 사용되는 각각의 파라미터는 반복적인 실험을 통하여 최적의 성능을 보여주는 파라미터를 선정하였다. In order to confirm the performance of the algorithm according to the present embodiment, the algorithm of the existing Tsai et al. (See Non Patent Literature [7]) and Ko and Rheem's dual lattice structure algorithm (see Non Patent Literature [8]), And comparative experiments were performed with the algorithm of this example. The image acquisition conditions used in the experiments were diffused white LED surface illumination with a side angle of incidence of 45 degrees, and the image was obtained by setting the pixel resolution to 23 μm. A total of 117 images were used for the experiment. Of these, there are 96 microcracks and 21 images without defects. Each parameter used in the algorithm was selected through a repeated experiment to show the optimal performance.

도 5는 핑거패턴을 제거하기 위한 전처리 과정의 결과를 보여주고 있다. 도 5a는 원본 영상으로 영상에서 핑거패턴의 모습을 확인할 수 있다. 도 5b는 본 실시예에서 제안한 핑거패턴 제거 기법을 적용한 결과이다. 핑거패턴 제거를 위한 전처리 과정에서 Cpre는 1.5로 설정하였다. 후처리 과정에서 Cpost는 10으로 설정하였다. 도 5c는 전처리를 적용하지 않고 이방 확산을 수행하고, 원본 영상에서 확산된 영상을 차감한 결과이다. 도 5d는 전처리를 적용하고 이방 확산을 수행하고 원본 영상에서 확산 영상을 차감한 결과이다. 이 때, 이방 확산의 반복횟수는 5번으로 설정하였다. 또한, K값은 30으로 설정하였다. 도 5c에서는 핑거패턴의 경계선 효과가 나타나는 것을 확인할 수 있다. 도 5c에 비하여 도 5d에서 핑거패턴이 많이 제거되고, 마이크로 크랙이 보다 강조되는 것을 확인할 수 있다. 5 shows the result of a pretreatment process for removing a finger pattern. FIG. 5A shows the shape of a finger pattern in an image as an original image. 5B shows the result of applying the finger pattern removal technique proposed in this embodiment. C pre was set to 1.5 in the pretreatment process for finger pattern removal. In post-processing, C post was set to 10. 5C shows the result of performing anisotropic diffusion without applying preprocessing and subtracting the image spread from the original image. 5D shows the result of applying preprocessing, performing anisotropic diffusion, and subtracting the diffuse image from the original image. At this time, the number of repetitions of anisotropic diffusion was set to five. In addition, K value was set to 30. In Figure 5c it can be seen that the borderline effect of the finger pattern appears. Compared to FIG. 5C, a large number of finger patterns are removed in FIG. 5D, and micro cracks are more emphasized.

도 8은 Cpre값의 변화에 따른 결과를 보여주고 있다. Cpre값의 변화에 따른 효과를 비교하기 위하여 확산 반복 횟수 T는 5로 설정하였으며, K는 30으로 설정하였다. 또한, 마이크로 크랙 세그멘테이션을 위한 Cpost는 5로 설정하였다. 8 shows the result of the change in the value of C pre . In order to compare the effects of the change in the C pre value, the number of diffusion repetitions T was set to 5 and K was set to 30. In addition, C post for micro crack segmentation was set to 5.

도 9는 Tsai et al.의 방법에 따라 반복횟수 T값과 정규화값의 변화 결과에 따른 영상이다. 도 10은 Ko and Rheem의 방법에 따라 반복횟수 T값과 정규화값의 변화 결과에 따른 영상이다. 도 11은 본 실시예에 따른 방법에 따라 반복횟수 T값과 정규화값의 변화 결과에 따른 영상이다. 9 is an image according to the result of the change of the repetition number T value and the normalized value according to the method of Tsai et al. 10 is an image according to the result of the change of the repetition number T value and the normalized value according to the method of Ko and Rheem. 11 is an image according to the result of the change in the repetition number T value and the normalization value according to the method according to the present embodiment.

도 9 내지 도 11은 K값과 반복횟수 T값의 변화에 따른 마이크로 크랙 검출 결과를 통해 K값과 T값의 효과를 보여주고 있다. K값과 반복횟수 T의 변화에 따른 결과를 확인하기 위하여 다음과 같은 실험을 수행하였다. K값은 10에서 50까지의 범위에서 T는 1에서 7까지의 범위에 두고 비교실험을 하였다. 본 실험을 위하여 Cpre는 1.5, Cpost는 5로 설정하였다. 도 9 내지 도 11을 참조하면, 실험결과 세가지 방법 모두 동일한 확산 횟수에서 K가 증가할 수록 노이즈 픽셀은 억제되고, 마이크로 크랙만 검출하는 것을 볼 수 있다. 그러나, K값을 너무 크게 설정하면, 마이크로 크랙도 부분적으로 검출하는 것을 볼 수 있다. 9 to 11 illustrate the effects of the K value and the T value through the micro crack detection result according to the change of the K value and the repetition number T value. The following experiment was conducted to confirm the results of the change in K value and the number of repetitions T. K values were in the range of 10 to 50, and T was in the range of 1 to 7. C pre was set to 1.5 and C post was set to 5 for this experiment. 9 to 11, it can be seen that in all three methods, the noise pixels are suppressed as K increases in the same number of diffusion, and only micro cracks are detected. However, if the K value is set too large, it can be seen that the micro crack is also partially detected.

도 12는 마이크로 크랙에 대해 제어 파라미터 Cpost값을 변화시켜 비교한 영상이다. 12 is an image comparing the control parameter C post by changing the micro crack.

도 12를 참조하면, 세그멘테이션 제어 상수 Cpost의 효과를 볼 수 있다. Cpost값의 변화에 따른 효과를 비교하기 위하여 확산 반복 횟수 T는 5로 설정하였으며, K는 30으로 설정하였다. 또한, 핑거패턴을 제거하기 위한 Cpre는 2로 설정하였다. Referring to FIG. 12, the effect of the segmentation control constant C post may be seen. In order to compare the effects of the change in the C post value, the number of diffusion repetitions T was set to 5 and K was set to 30. In addition, C pre for removing the finger pattern was set to 2.

도 13은 T=7, K=30, Cpre=1.5, Cpost=5일 때 각 알고리즘에 따른 결과를 비교한 영상이다. 도 14는 T=5, K=30, Cpre=1.5, Cpost=5일 때 각 알고리즘에 따른 결과를 비교한 영상이다. FIG. 13 is an image comparing the results of each algorithm when T = 7, K = 30, Cpre = 1.5, and Cpost = 5. FIG. 14 is an image comparing the results of each algorithm when T = 5, K = 30, Cpre = 1.5, and Cpost = 5.

도 13 및 도 14를 참조하면, 대각선 방향의 마이크로 크랙에 대해 각각의 알고리즘을 수행한 결과를 보여주고 있다. 기존의 방법에 비하여, 본 실시예에 따른 방법이 원래 마이크로 크랙과 유사한 두께로 검출하는 것을 볼 수 있다. 또한, 본 실시예에 따른 방법이 기존 방법에 비하여 연속적으로 마이크로 크랙을 검출하는 것이 가능하다. Referring to FIGS. 13 and 14, the results of performing each algorithm on the micro cracks in the diagonal direction are shown. Compared to the existing method, it can be seen that the method according to the present embodiment detects the thickness similar to that of the original microcracks. In addition, it is possible for the method according to the present embodiment to continuously detect micro cracks as compared to the existing method.

상기와 같이, 본 실시예에서는 배경 영상이 불균일한 다결정형 솔라셀에서의 마이크로 크랙 검출을 위한 확장된 기울기를 사용하는 이방 확산 모델을 제안하였다. 기존의 등방 확산 모델 기반의 마이크로 크랙 검출 알고리즘이 대각선 방향으로 발생한 마이크로 크랙을 불연속적으로 검출하는 단점을 개선하기 위하여 확장된 기울기 사용을 제안하였다. As described above, in this embodiment, an anisotropic diffusion model using an extended slope for detecting microcracks in a polycrystalline solar cell having a non-uniform background image is proposed. In order to improve the shortcomings of the microcracks detection algorithm based on the isotropic diffusion model that discontinuously detects the microcracks generated in the diagonal direction, the use of the extended slope is proposed.

상기 동서남북 방향의 기본 기울기와 확장 기울기를 비교하여, 상대적으로 큰 값을 확산 계수 함수에 적용한다. 따라서, 영상에서 마이크로 크랙의 연결강도가 약하게 표현되는 부분에서도 주변 픽셀 정보를 이용하여 끊김없이 효과적으로 마이크로 크랙을 검출하는 것을 확인하였다. 반복횟수가 증가하여도 검출된 마이크로 크랙의 두께가 원래의 마이크로 크랙의 두께와 차이가 없음을 확인하였다. 또한, 본 실시예의 방법은 기존의 방법에 비해서 적은 반복횟수로 우수한 성능을 보여주는 것을 볼 수 있었다. 본 실시예의 알고리즘의 성능을 확인하기 위하여 기존의 Tsai et al.의 알고리즘과 Ko and Rheem의 이중 격자 구조의 알고리즘, 그리고 본 실시예의 알고리즘과 비교실험을 수행한 결과 본 실시예에 따른 알고리즘의 성능이 우수한 것을 확인하였다. A relatively large value is applied to the diffusion coefficient function by comparing the basic slope and the extended slope in the east-west-south direction. Therefore, it was confirmed that even in a portion where the connection strength of the microcracks is weakly expressed in the image, the microcracks can be effectively detected without using the surrounding pixel information. It was confirmed that the thickness of the detected microcracks does not differ from the thickness of the original microcracks even when the number of repetitions increases. In addition, it can be seen that the method of the present embodiment shows excellent performance with fewer repetitions than the conventional method. In order to confirm the performance of the algorithm of this embodiment, the experiments of the conventional Tsai et al. Algorithm, Ko and Rheem's dual lattice structure, and the algorithm of this embodiment are performed. It confirmed that it was excellent.

다만, 본 실시예에서는 솔라셀의 마이크로 크랙을 검출하는 것을 예를 들어 설명하였으나, 이에 한정되지 않고 솔라셀 이외의 검사 부재에 적용하는 것도 물론 가능하다. However, in the present embodiment, the detection of the micro cracks of the solar cell has been described by way of example.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.While the present invention has been described with reference to exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the appended claims. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.

Claims (6)

머신비전을 통해 검사대상에 대한 원본 영상을 획득하는 단계와;
상기 원본 영상으로부터 핑거 패턴을 제거하는 단계와;
상기 핑거 패턴이 제거된 영상으로부터 기울기와 확산계수를 계산하여, 확산 영상을 구축하는 단계와;
상기 원본 영상에서 상기 확산 영상을 차감한 후 마이크로 크랙을 확인하는 영상을 도출하는 단계를 포함하는 비등방성 확산 모델 기반의 마이크로 크랙의 검사방법.
Acquiring an original image of an inspection object through machine vision;
Removing a finger pattern from the original image;
Calculating a slope and a diffusion coefficient from the image from which the finger pattern has been removed and constructing a diffusion image;
And deriving an image for identifying a micro crack after subtracting the diffuse image from the original image.
청구항 1에 있어서,
상기 핑거 패턴을 제거하는 단계는,
상기 원본 영상의 평균 밝기를 계산하는 과정과,
상기 원본 영상의 표준편차를 계산하는 과정과,
상기 원본 영상에서 설정 좌표의 밝기를 상기 평균 밝기와 표준 편차를 고려한 설정 밝기와 비교하여, 핑거 패턴 영역인지 판단하는 과정과,
상기 핑거 패턴 영역이라고 판단되면, 상기 설정 좌표의 밝기를 상기 평균 밝기로 대체하는 과정을 포함하는 비등방성 확산 모델 기반의 마이크로 크랙의 검사방법.
The method according to claim 1,
Removing the finger pattern,
Calculating an average brightness of the original image;
Calculating a standard deviation of the original image;
Comparing the brightness of the setting coordinates in the original image with the setting brightness in consideration of the average brightness and the standard deviation, and determining whether the area is a finger pattern region;
If it is determined that the finger pattern region is included, replacing the brightness of the set coordinates with the average brightness.
청구항 2에 있어서,
상기 원본 영상에서 설정 좌표의 밝기가 상기 설정 밝기보다 크면, 핑거 패턴 영역이라고 판단하는 비등방성 확산 모델 기반의 마이크로 크랙의 검사방법.
The method according to claim 2,
An anisotropic diffusion model-based microcracks inspection method when the brightness of the set coordinate is greater than the set brightness in the original image.
청구항 1에 있어서,
상기 원본 영상에서 상기 확산 영상을 차감한 후, 영상의 기울기가 평균 밝기와 표준 편차를 고려한 설정 범위를 벗어나는 픽셀의 영상만이 도출되도록 하여 마이크로 크랙을 검출하는 비등방성 확산 모델 기반의 마이크로 크랙의 검사 방법.
The method according to claim 1,
After subtracting the diffuse image from the original image, the microcracks based on the anisotropic diffusion model that detects the microcracks by extracting only the image of the pixel whose slope is out of the setting range considering the average brightness and the standard deviation Way.
청구항 1 또는 청구항 2에 있어서,
상기 확산 영상을 구축하는 단계는,
상기 핑거 패턴이 제거된 영상의 기본 커널에서 기본 기울기를 계산하는 과정과,
상기 기본 커널보다 크기가 확장된 확장 커널에서 확장 기울기를 계산하는 과정과,
상기 기본 기울기와 상기 확장 기울기를 비교하고, 그에 따라 확산계수를 계산하고 확산 영상을 구축하는 과정을 포함하는 비등방성 확산 모델 기반의 마이크로 크랙의 검사 방법.
The method according to claim 1 or 2,
The building of the diffused image may include:
Calculating a basic slope in a basic kernel of the image from which the finger pattern is removed;
Calculating an extension slope in the extended kernel whose size is larger than the base kernel;
Comparing the basic slope with the extended slope, calculating a diffusion coefficient and constructing a diffusion image according to the anisotropic diffusion model.
청구항 1에 있어서,
상기 검사대상은 솔라셀인 비등방성 확산 모델 기반의 마이크로 크랙의 검사방법.
The method according to claim 1,
The inspection target is an anisotropic diffusion model based microcracks inspection method.
KR1020120049321A 2012-01-30 2012-05-09 Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern KR101294953B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120008820 2012-01-30
KR20120008820 2012-01-30

Publications (2)

Publication Number Publication Date
KR20130087985A KR20130087985A (en) 2013-08-07
KR101294953B1 true KR101294953B1 (en) 2013-08-09

Family

ID=49214533

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020120049321A KR101294953B1 (en) 2012-01-30 2012-05-09 Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern
KR1020120049320A KR101343766B1 (en) 2012-01-30 2012-05-09 Micro-crack Detecting method based on improved anisotropic diffusion model using extended kernel

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020120049320A KR101343766B1 (en) 2012-01-30 2012-05-09 Micro-crack Detecting method based on improved anisotropic diffusion model using extended kernel

Country Status (1)

Country Link
KR (2) KR101294953B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014137564A1 (en) * 2013-03-07 2014-09-12 Siemens Aktiengesellschaft Systems and methods for boosting coal quality measurement statement of related cases

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
논문.2010.03 *
논문.2011.03 *
논문.2011.04 *

Also Published As

Publication number Publication date
KR20130087984A (en) 2013-08-07
KR101343766B1 (en) 2013-12-19
KR20130087985A (en) 2013-08-07

Similar Documents

Publication Publication Date Title
Tsai et al. Micro-crack inspection in heterogeneously textured solar wafers using anisotropic diffusion
Li et al. Wavelet-based defect detection in solar wafer images with inhomogeneous texture
Tsai et al. Mean shift-based defect detection in multicrystalline solar wafer surfaces
TWI480967B (en) Method for building rule of thumb of defect classification, and methods for classifying defect and judging killer defect based on rule of thumb and critical area analysis
KR101477665B1 (en) Defect detection method in heterogeneously textured surface
Aminzadeh et al. Automatic thresholding for defect detection by background histogram mode extents
CN108460757B (en) Mobile phone TFT-LCD screen Mura defect online automatic detection method
Dorafshan et al. Automatic surface crack detection in concrete structures using OTSU thresholding and morphological operations
CN103198319B (en) For the blurred picture Angular Point Extracting Method under the wellbore environment of mine
CN107315012B (en) Composite polycrystal-diamond end face collapses the intelligent detecting method at angle
TW201935025A (en) System and method of defect detection on display
CN102156996A (en) Image edge detection method
CN109584215A (en) A kind of online vision detection system of circuit board
Tang et al. Surface inspection system of steel strip based on machine vision
Wang et al. Research on crack detection algorithm of the concrete bridge based on image processing
CN107490582B (en) Assembly line workpiece detection system
CN105741281B (en) Method for detecting image edge based on neighborhood dispersion
CN109540925B (en) Complex ceramic tile surface defect detection method based on difference method and local variance measurement operator
CN106918602A (en) A kind of detection method of surface flaw based on machine vision of robust
KR101294953B1 (en) Micro-crack Detecting method based on improved anisotropic diffusion model by removing finger pattern
JP2010139317A (en) Method and device for inspecting defect on surface of shaft-like tool
TW201512649A (en) Method of chip detects inspecting, system therefor, and computer program product thereof
CN111210419A (en) Micro magnetic tile surface defect detection method based on human visual characteristics
CN111707672A (en) Method for detecting surface defects of wind power rotary supporting piece
Fu et al. Automatic detection of multi-crossing crack defects in multi-crystalline solar cells based on machine vision

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160627

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180802

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200122

Year of fee payment: 7