[发明专利]一种基于机器视觉和图像处理的硅片计数方法

权利要求书

1.一种基于机器视觉和图像处理的硅片计数方法，其特征在于，包括如下步骤：

步骤101、对层叠硅片或电池片的侧面图像进行预处理，其包括：

步骤1011，对层叠硅片或电池片的侧面图像进行中值滤波，采用中值滤波器将像素邻域内灰度的中值代替该像素的值，去除椒盐噪声，为查找条纹缝隙做准备；

步骤1012，对中值滤波处理之后的图像进行伽马变换，增强图像对比度；伽马变换的基本形式为：

s＝cr^γ(1)

其中，r为输入灰度级，s为输出灰度级，c和γ为正常数，当γ＞1时幂律曲线将较窄范围的暗色输入值映射为较宽范围的输出值，扩展图像灰度级，增强图像条纹特性；

步骤102、定位被测物，并由掩膜处理限定运算区域，其包括：

步骤1021，查找层叠的硅片或电池片的最上以及最下的边缘，得到边缘坐标信息；其方法是先确定一个搜索区域，在搜索区域内，设置从上到下的若干搜索线，根据每条搜索线上的线剖面图得到第一个灰度变化的峰值点以及最后一个灰度变化的峰值点；之后将所有搜索线上的第一个灰度变化的峰值点拟合为一条直线作为被测物的上边缘，所有搜索线上的最后一个灰度变化峰值点拟合为一条直线作为被测物的下边缘；所得到边缘坐标信息为：

up₁＝(x₀,y₀),up₂＝(x₁,y₁) (2)

down₁＝(x₂,y₂),down₂＝(x₃,y₃)(3)

其中up₁,up₂为最上边缘线两端坐标，down₁,down₂为最下边缘线两端坐标；

步骤1022，基于所得到的边缘信息对预处理之后的图像进行旋转，使层叠硅片或电池片的条纹图像水平分布，旋转之后所得到的边缘坐标信息变为：

up＝(x,Y₀),down＝(x,Y₁)(4)

其中Y₀,Y₁为最上边缘和最下边缘的纵坐标，x的值从0到图像像素横坐标的最大值，up,down表示两条水平直线，代表层叠硅片或电池片的最上以及最下的边缘所拟合的直线；

步骤1023，基于所得到的边缘信息对旋转之后的图像进行掩膜处理，使对 图像的运算区域减至最小，提高运算效率；如式(5)所示，通过所得的层叠硅片或电池片的最上以及最下的边缘信息up,down，确定掩膜图像；

其中，H(x，y)为掩膜图像的灰度值，(x，y)为对应坐标，Y₀,Y₁为所得的最上边缘和最下边缘的纵坐标；在所检测到的被测物最上以及最下边缘所在的y坐标基础上，将各向上向下拓展20个像素之后的图像作为运算区域，得到掩膜后的图像；

步骤103、将掩膜后的图像复制，分别进行不同阈值处理，以对两幅阈值处理之后的结果图像进行逻辑或操作的方式完成去噪二值化，得到去噪二值化的图像，其包括：

步骤1031，将掩膜后的图像复制，由一份图像分为相同的两份图像；

步骤1032，对复制之后的其中一份图像采用Niblack局部阈值方法进行二值化，并将二值化后的图像进行粒子滤波，滤除由Niblack二值化处理带来的细节噪声，得到一个结果图像；Niblack二值化方法是基于局部均值和局部标准差的，它的基本公式如式(8)：

T(x,y)＝m(x,y)+k*s(x,y) (8)

对于图像I(x,y)，在(x,y)处的阈值T(x,y)由局部均值m(x,y)和局部标准差s(x,y)决定，k表示调整系数；

步骤1033，对复制之后的另一份图像采用背景校正方法进行二值化，查找缝隙暗区域，使用如下公式(9)进行计算：

B(x,y)＝m(x,y)-I(x,y)(9)

其中，B(x,y)为背景校正图像灰度值，m(x,y)为窗口的平均灰度值，I(x,y)为输入图像灰度值；之后使用组内方差自动阈值方法分割背景校正图像得到二值化图像，即为另一个结果图像；

步骤1034，将上述两份阈值处理之后的结果图像进行逻辑或操作，得到噪声较小且缝隙信息保留较完整的二值化图像，完成片间缝隙的查找；

步骤104、对所得去噪二值化图像进行后处理：采用形态学处理方法，通过先open操作后close操作将行方向缝隙连接，纵方向缝隙断开；之后通过骨架提 取将二值化的缝隙细化，得到细化后的图像；

步骤105、差分统计计数与定位，求得所测层叠的太阳能硅片或电池片的数量：在计数之前先将图像中硅片或电池片的平均厚度求出，每隔20列获取图像的某一列的像素灰度分布图，对于获取每一列的灰度图，都将每一个上升沿的纵坐标减去上一个上升沿的纵坐标并根据下式(10)进行计算：

G=Σi=1M(yi-yi-1)M---(10)]]>

其中，G为所测硅片或电池片的平均厚度，单位为pixel；(M+1)为所测所有上升沿的数量；y_i,y_i-1分别代表当前上升沿的纵坐标以及上一个上升沿的纵坐标；

求得当前所测的硅片或电池片的平均厚度G之后，硅片或电池片计数厚度的范围为[0.65G,2G]；在计数时每隔20列获取图像的某一列的像素灰度分布图，对于获取每一列的灰度图，根据所选取的厚度范围，以式(11)、(12)以及(13)所示方法求取每一列所得的硅片或电池片的数量；

Δy＝y_i-y_i-1(11)

Ni=0,(Δy<0.65G)1,(0.65G≤Δy≤2G)2,(Δy>2G)---(12)]]>

Pn=Σi=1MNi---(13)]]>

其中，Δy为上升沿之间的距离，单位为pixel；P_n为在所取的图像的第n列的灰度分布图下所得的硅片或电池片的数量；对所取得的数量出现的次数进行概率统计，求得最大概率的数即为本次测量的硅片或电池片的数量，并将对应的坐标记下，定位硅片或电池片缝隙所在图中的位置；

在所述的步骤1023中，基于得到的所述的掩膜后的图像对层叠硅片或电池片图像进行掩膜处理，将掩膜后的图像与被处理图像进行灰度相与运算，并进行坐标调整，如下式(6)和(7)所示：

I₁(x,y)＝I(x,y)∩H(x,y)(6)

I₂(x,y)＝I₁(x,y+(Y₀-30)),(0≤y≤(Y₁+30)-(Y₀-30)) (7)

其中，I(x,y)为待处理图像的灰度值，H(x,y)为掩膜图像灰度值，I₁(x,y)为掩膜图像与待处理图像相与的灰度值，保留了待测图像中与掩膜图像相对应的在所检测到的被测物最上以及最下边缘所在的y坐标基础上，各向上向下拓展20个 像素之后的图像区域；之后通过(7)式的坐标变换，去除运算区域之外的图像，将对应层叠硅片或电池片的纹理特征区域提取出来，减少运算区域；

在所述的步骤1032中，当缝隙所占像素过多，缝隙过宽时，采用背景校正的阈值处理，与Niblack局部阈值处理一起完成二值化，使不同宽度以及灰度分布不均匀的缝隙从噪声中分辨出来。