[发明专利]一种基于机器视觉的多晶硅太阳能检测分选的方法

说明书

技术领域

本发明涉及一种按照多晶硅太阳能品质分选的方法，尤其涉及一种基于机器视觉的多晶硅太阳能检测分选的方法。

背景技术

太阳能作为21世纪绿色新能源，现正在许多领域得到广泛应用以及高速发展。当前主要的太阳能转换工具——多晶硅太阳能电池具有转化效率高，成本低，寿命长等优点；然而多晶硅太阳能电池生产工艺复杂，造成硅片具有不同颜色，以及颜色有不均匀性，从而影响电池片的视觉效果，影响客户的体验。因此在生产的最后一道工序需要将同一颜色的电池片分类。

目前，测试分选主要通过模拟太阳能光照射，把不同颜色的太阳能电池片进行分类。而对颜色的分选，主要通过人眼目视，这种方式不仅效率低下而且准确率也得不到保证。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供一种基于机器视觉的多晶硅太阳能检测分选的方法；本方法通过对太阳能电池的颜色参数进行检测，根据设定的分选模板，对太阳能电池进行分选。

本发明通过下述技术方案实现：

一种基于机器视觉的多晶硅太阳能检测分选的方法，步骤如下：

1）使多晶硅太阳能电池通过图像采集区域，并由CCD照相机采集相应的图像；

2）对步骤1）所采集的图像进行图像预处理，包括图像抽取、灰度化处理、图像噪声滤除、图像增强、边缘检测、太阳能电池定位；

3）随后进行图像识别，对步骤2）所采集的多晶硅太阳能电池的参数与模板对比，及进行图像相似度测量，并进行颜色分类，进而实现颜色分选。

上步骤2）所述图像预处理具体步骤如下：

2-1）图像抽取

根据设定的模板与CCD照相机拍摄到的被测图像进行对比后，得出的图像检测结果，因此首先应该把所拍摄到的模板与及被测片的图像抽取到程序中进行下一步处理；

2-2）灰度化处理

采取HSI模型；由于需要能够获得一幅柔和的灰度图，因此需要对步骤1）中所得到的图像，采用平均值法的灰度化处理；

加权平均值法:按照一些指标给R、G、B赋予不同的权值，并使R、G、B的值加权平均，即：

R=G=B=（W1*R+W2*G+W3*B）/3

2-3）图像噪声滤除

选一个含有奇数点的窗口W，用这个窗口在步骤2）灰度化处理后图像上扫描，把窗口中所含的像素点按灰度级的升序排列，取位于中间的灰度值来代替该点的灰度值，

表达式为：

g(m,n)=Median{f(m-k,n-l),(k,l)∈W}

2-4）图像增强

是直接针对图像中的像素，对步骤3）噪声滤除后的图像的灰度进行处理；

在灰度图像的处理中，原始图像的灰度为f(x,y)，增强后的灰度为g(x,y)，令

g(x,y)=T[f(x,y)]

通过这样的映射便能对灰度图像进行所需要的增强处理；

2-5）边缘检测

采用的边缘检测算法是Canny边缘检测算子；

2-6）太阳能电池定位

当多晶硅太阳能电池放置于工作台时，需要对其进行校正定位，在横竖方向上各40条卡尺来进行校正检测；

上步骤3）所述图像识别包括如下步骤：

3-1）建立硅片模板的数据库

硅片模板的建立由客户指定，客户根据自身需要事先建立n个硅片模板，n的取值由客户设定，这几个硅片模板分别设为X₁、X₂、...、X_n，每个硅片模板的色彩特征都不一样，在获得客户提供的这n个模板后进行预处理，并提取图像的H、S、I分量值，分别绘出这三个分量的灰度直方图，建立硅片模板的数据库，并存储于软件系统中；

3-2）测量被测硅片

新的硅片到达时，则对硅片进行预处理，并提取图像的H、S、I分量值，分别绘出这三个分量的灰度直方图；

3-3）测量颜色相似度

在颜色分选系统中，采用的是欧氏距离法来衡量直方图的相似度；通过计算直方图之间的欧氏距离，即是按照直方图每个灰度级的距离测量来进行相似度测量的；

3-4）颜色分类

根据步骤3）得出的距离D作为分类标准，距离D越大，就表示这两个直方图的差异越大；D越小，则表示这两个直方图越相似；