[发明专利]基于机器视觉的镀膜后硅片分选方法

说明书

技术领域

本发明属于机器视觉分选技术领域，具体涉及基于机器视觉的镀膜后硅片分选方法。

背景技术

硅片是太阳能电池生产的主要原料，其镀膜质量的优劣直接决定后续工序中电池片印刷的质量，从而影响太阳能电池的性能，因此须对镀膜后硅片进行分选，将存在缺陷的不合格硅片予以剔除。但由于石墨舟各个槽的温度不一样、外界环境等因素的影响，镀膜后硅片会出现发黄片、发红片、发白片、碎片、表面污渍等不合格片或均匀红片，这些硅片品种的多样性和复杂性导致对其检测方法的不确定性。

目前很多太阳能电池片生产厂家主要还是以人工检测为主，这也带来了检测标准不确定、效率低、碎片多、成本高等问题，故而很难达到工业生产的标准和要求。

发明内容

发明目的：本发明的目的在于提供一种基于机器视觉的镀膜后硅片分选方法，其具有稳定性高、与硅片非接触式、速率快等优点，能够实时在线、快速准确、高效稳定地检测镀膜后硅片的缺陷和类别，自动对硅片进行分选，并自动将不合格产品取出，放入指定硅片盒内。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

基于机器视觉的镀膜后硅片分选方法，包括如下步骤：

步骤201、接收信号，采集图像，其包括：

步骤2011，镀膜后硅片到达传感器位置，传感器发送模拟信号给数据采集设备，经由采集卡转换为数字信号传递给系统；

步骤2012，系统接收到采集信号后，触发相机，采集图像，并将采集的镀膜后硅片彩色图像传送至图像处理单元；

步骤202、对镀膜后硅片的彩色图像进行坐标变换和图像分割，其包括：

步骤2021，对镀膜后硅片的彩色图像进行坐标变换，采用自动查找边缘算法找出镀膜后硅片的一边，获得其角度信息；其方法是先确定一个搜索区域，在搜索区域内，从上往下设置若干搜索线，查找像素的跃迁点，之后将所有搜索线上的跃迁点拟合为一条直线，得到所得直线的角度信息；其角度信息为：

angle₁＝θ(1)

然后利用公式(2)，将图像旋转，进行坐标变换，为图像分割做准备；

angle＝360-θ(2)

步骤2022，采用实时自动查找图像边缘算法分别对镀膜后硅片的四条边进行边缘查找；获得各自边缘线的坐标信息；其坐标信息为：

lineleft：(x₁₁,y₁₁)，(x₁₂,y₁₂)(3)

lineright：(x₂₁,y₂₁)，(x₂₂,y₂₂)(4)

linetop：(x₃₁,y₃₁)，(x₃₂,y₃₂)(5)

linebottom：(x₄₁,y₄₁)，(x₄₂,y₄₂)(6)

其中lineleft，lineright，linetop，linebottom分别为所得到的四条边缘线段(左、右、上、下)的两个顶点坐标；

步骤2023，分别以式(3)、(4)、(5)、(6)所得的两个顶点坐标为基础，按照式(7)所示求得四条边缘直线Yl(左边缘)、Yr(右边缘)、Yt(上边缘)、Yb(下边缘)；

y＝ax+b(7)

基于所得到的四条边缘直线方程，依次求取Yl与Yt、Yr与Yb的交点m、n；以点m和点n为分割图像的起始点和终止点，得到镀膜后硅片与背景分离出来的本体图像；

步骤203、以彩色图像RGB空间为载体将上述所获得的镀膜后硅片图像分成R、G、B三个平面，分别获得三个平面的灰度值信息；

步骤204、对上述步骤203获得的B平面二值化，采用中值滤波器对所得二值化图像进行滤波去噪处理，使图像在保证原有信息的条件下最大限度减少噪声影响和外界环境的干扰；

步骤205、对所获得滤波处理后的二值化图像进行信息采集，得到其像素和信息，根据该数据判断硅片是否为碎片，是碎片则归为不合格一类；

步骤206、分别对所获得的完整镀膜后硅片R、G、B平面进行灰度信息采集，得到像素值为0的频率值与整个图像像素和的比值；

步骤207、将上述步骤得到的比值与由样本大数据处理分析得到的逻辑关系进行一系列的比对和判断，得到镀膜后硅片的分选结果。