王 宇，孫智權(quán)，趙不賄

(江蘇大學(xué) a.電氣信息工程學(xué)院； b.工業(yè)中心，江蘇 鎮(zhèn)江 212013)

0 引言

近年來，光伏產(chǎn)業(yè)發(fā)展迅速，太陽能電池作為核心光伏組件，其主要作用是將太陽的光能直接轉(zhuǎn)化為電能。目前市面上光伏系統(tǒng)大量使用的是以硅為基底的硅太陽能電池，而太陽能電池的硅片較薄，其厚度一般在180μm～200μm之間，很容易造成硅片隱裂。一旦出現(xiàn)電池的硅片隱裂，太陽能電池的轉(zhuǎn)換效率將受到嚴重影響[1-2]，其使用壽命也會大大縮短。因此，若不能在太陽能電池生產(chǎn)工序之前檢測出帶有隱裂的硅片，將造成資源和生產(chǎn)成本的浪費，產(chǎn)品質(zhì)量下降，企業(yè)效益降低。

目前國內(nèi)各主要廠商普遍使用人工檢測的方法，常見的有劃撥法，雖然這種檢測方法能檢測出硅片隱裂，但檢測速率較低，錯檢率高，勞動強度大，需要投入大量的人力資源，也大大增加了人為損壞硅片的風險，不能滿足生產(chǎn)需求，并在勞動力成本急劇上升的當下，無疑給硅片廠商帶來經(jīng)濟成本的壓力。為此，亟需開發(fā)出太陽能電池硅片隱裂自動化檢測系統(tǒng)。

由于隱裂的不可見性，研究人員根據(jù)近紅外線不易被硅材料吸收的原理，通過激光源對硅片進行照射，在硅片另一側(cè)通過相機捕獲透射過去的近紅外光[3]。該方法具有結(jié)構(gòu)簡單的特點，但需避免可見光干擾，魯棒性不強。王楠[4]利用改進各向異性擴散算法與區(qū)域生長法結(jié)合，對硅片隱裂進行檢測，該方法能夠初步達到自動識別的能力，但對微小隱裂缺陷和噪聲過多的圖像會出現(xiàn)漏判和誤判。本文在此基礎(chǔ)上，設(shè)計了一種基于機器視覺的硅片隱裂自動識別系統(tǒng)。在此基礎(chǔ)上，本文根據(jù)硅材料對近紅外光的反射特性構(gòu)建了圖像采集及其自動化控制系統(tǒng)硬件成像平臺，同時在系統(tǒng)圖像識別算法部分，通過變異系數(shù)法和改進動態(tài)閾值法分別構(gòu)建特征平面以及對該平面上缺陷位置進行定位。

1 系統(tǒng)設(shè)計

1.1 隱裂檢測工作流程

硅片缺陷檢測系統(tǒng)主要由軟件和硬件兩部分組成，其中硬件部分主要包括圖像采集單元和自動化執(zhí)行單元，軟件部分主要負責對帶有隱裂的硅片圖像進行智能篩選、人機交互以及各執(zhí)行單元控制信號的傳遞。檢測系統(tǒng)的整個工作流程如圖1所示。硅片從上料口由傳送帶傳送至帶有接近開關(guān)的工位產(chǎn)生觸發(fā)信號，圖像采集卡接收到來自接近開關(guān)的觸發(fā)信號后給線陣CCD近紅外相機幀觸發(fā)信號，并將采集的硅片圖像傳送給計算機。計算機根據(jù)采集到的圖像進行計算，作出分析判斷后將分選信號傳送給PLC，最后由PLC控制分選機械手動作，剔除帶有隱裂的硅片。

圖1 系統(tǒng)工作流程圖

1.2 機器視覺硬件系統(tǒng)設(shè)計

對于機器視覺檢測系統(tǒng)，成像的質(zhì)量好壞決定整個系統(tǒng)的檢測精度。為了能夠提高識別準確率，本文設(shè)計如圖2所示的機器視覺成像平臺。

圖2 成像平臺示意圖

傳送機構(gòu)采用同步帶，同步帶水平安裝在支撐底座上，且同步帶之間留有間隙，目的是為了避免近紅外光在穿過硅片后被同步帶反射回來造成影響。工業(yè)相機和鏡頭作為整個系統(tǒng)的數(shù)據(jù)采集單元，需要根據(jù)檢測需求進行選型。一般硅片的尺寸為156mm×156mm，要求檢測精度為0.2mm，檢測效率為4000 pcs/h，物距在300mm左右。根據(jù)線陣相機選型標準[5]，選擇2k分辨率線陣相機、25mm焦距的鏡頭。因此本系統(tǒng)選擇凌云Lynx-2048-GigE線陣近紅外短波相機，幀速可達40kHz。

成像時，光源的主要作用在于增大隱裂缺陷與硅片正常部位之間的成像對比度。本文選用的光源為1300nm的近紅外光源，布置在相機一側(cè)對硅片進行斜向打光，斜向角的范圍與水平面呈75°～90°。該波段的近紅外光在硅材料的特殊晶鍵結(jié)構(gòu)之間發(fā)生全反射，若硅片上出現(xiàn)隱裂的情況，近紅外光則會直接穿過硅片，因此缺陷處成像效果相比于正常區(qū)域，其亮度較暗。擋板能夠降低已通過檢測位置硅片因正面反射造成的干擾。

1.3 軟件系統(tǒng)設(shè)計

本系統(tǒng)軟件采用.Net開發(fā)平臺中winform技術(shù)與Halcon圖像處理軟件聯(lián)合開發(fā)，完成圖像處理，人機界面以及數(shù)據(jù)通信等功能集成。圖像處理功能是在Halcon軟件中進行編寫，導(dǎo)出能夠在winform窗體下調(diào)用的HDevelopEeport類的.cs文件，并通過C#編程對該文件進行調(diào)用。人機界面通過winform窗體中自帶的控件對檢測結(jié)果進行顯示。數(shù)據(jù)通信采用串口通信的方式將分選信號傳遞給PLC。軟件系統(tǒng)工作流程如圖3所示。

圖3 軟件系統(tǒng)工作流程

2 隱裂缺陷檢測算法

2.1 圖像預(yù)處理

本系統(tǒng)由于采用線陣相機作為圖像采集單元，采集的硅片圖像會存在較多的圖像背景部分。為了減少圖像背景對識別率及計算時間的影響，需要提取圖像的感興趣區(qū)域ROI(Region of Interest)[6]。本文通過數(shù)字圖像處理的方法對采集到的硅片圖像進行預(yù)處理。由于圖像背景灰度值與被測硅片成像部分相差較大，所以本文選用灰度閾值法中的全局閾值對硅片圖像進行初步ROI提取。全局閾值的具體定義如下：

MinGray≤g(x)≤MaxGray

(1)

其中，g(x)為灰度值在MinGray至MaxGray之間的像素點的集合。根據(jù)圖4所示的硅片圖像的灰度特征分布圖，MinGray和MaxGray分別取值為30和150。為了防止背景中存在小塊亮點的干擾，對g(x)進行聯(lián)通域分析[7]。根據(jù)聯(lián)通域的面積特征，選取面積最大的聯(lián)通域的外接矩形作為圖像的ROI。 原始圖像和ROI圖像如圖5所示。

圖4 硅片圖像灰度特征分布

(a) 原圖 (b) ROI圖像 圖5 圖像預(yù)處理

2.2 隱裂算法設(shè)計

對于硅片中的隱裂缺陷，由于工業(yè)環(huán)境下成像條件的限制，所采集的硅片圖像會出現(xiàn)明暗不均的情況，采用目前成熟的邊緣檢測，固定閾值，最大方差閾值分割[8]等算法滿足不了廠家對檢測精度的要求。因此，本文提出一種通過分析局部均值和局部標準差的改進動態(tài)閾值法。該方法首先需要求取圖像的局部變異系數(shù)[9]，構(gòu)建特征平面。選用3×3的掩模作為計算變異系數(shù)的局部窗口，所以局部變異系數(shù)的計算方法為：

(2)

(3)

(4)

式中，Xi代表中心像素點X的8鄰域，Meanij(F) 、Devij(F) 、C.Vij(F) 分別表示用局部均值，局部標準差以及局部變異系數(shù)的值代替中心像素點后的圖像，如圖6所示。從以上公式可知，在硅片正常區(qū)域，變異系數(shù)的值較小，在缺陷區(qū)域(灰度值變化較大)，變異系數(shù)的值較大，所以由變異系數(shù)所構(gòu)建的特征平面能夠增強缺陷區(qū)域與正常區(qū)域的對比度。

(a) ROI (b) 均值

(c) 標準差 (d) 變異系數(shù) 圖6 特征平面構(gòu)造

本文所提的改進動態(tài)閾值法通過13×13的掩模在特征平面上逐像素進行運算，計算各個掩模覆蓋的像素塊的平均值和標準差。根據(jù)計算結(jié)果計算可變閾值，可變閾值可以定義為：

(5)

式中，DevScale為標準差因子,該參數(shù)可以調(diào)整標準差對局部區(qū)域的噪聲的靈敏度，該參數(shù)不能選擇較高或較低的值，否則會導(dǎo)致提取不到缺陷或提取整個圖片區(qū)域的情況，經(jīng)本文實驗，DecScale可在-1～1之間選取。Absthreshold為絕對閾值，在圖像的均勻區(qū)域中，標準差很低，因此單個灰度值的影響很大，為了降低標準差在均勻區(qū)域中的靈敏度，通過調(diào)整Absthreshold可忽略均勻環(huán)境中小灰度值的變化。則圖像缺陷區(qū)域分割[10]為：

(6)

從局部特征來分割缺陷區(qū)域和正常區(qū)域，可以避免因為圖像采集機構(gòu)所造成的光照不均勻和硅片各部位對光反射率不同造成的成像亮度不均造成的干擾,對微小缺陷和對比度弱的缺陷能夠達到較好的識別。檢測結(jié)果如圖7所示。

圖7 檢測結(jié)果展示

3 實驗分析

為了測試本文算法的穩(wěn)定性，利用上海某電池廠家人工挑選出500片帶有隱裂缺陷的硅片，其中單晶硅片300張，多晶硅片200張，同時為了驗證是否存在過檢，加入250片正常硅片。在本文設(shè)計的圖像采集單元下采集圖像數(shù)據(jù)，并通過在Halcon里對算法參數(shù)進行配置，設(shè)置標準差因子和絕對灰度值為0.2和20，將算法封裝進檢測軟件。檢測結(jié)果會顯示在如圖8所示的人機界面上，系統(tǒng)實物圖如圖9所示。通過實驗，可以得到表1檢測結(jié)果。

表1 實驗結(jié)果

可以從表1看出，對于單晶硅片，該類型硅片不存在晶界的干擾，本文算法識別率能夠達到100%；對于多晶硅片，由于部分隱裂在硅片晶界中，對算法干擾較大，會造成少量漏檢；對于正常硅片，由于切割工藝的原因造成的線痕較深，會造成算法誤判。

圖8 人機界面

圖9 系統(tǒng)實物圖

4 結(jié)束語

本文針對國內(nèi)各大光伏廠家對太陽能電池硅片隱裂缺陷檢測困難，人工檢測效率低、成本高和容易造成新的隱裂等問題，根據(jù)硅片的反射特性，利用圖像處理技術(shù)與自動化控制相結(jié)合的方法，研制開發(fā)了太陽能電池硅片隱裂檢測系統(tǒng)，實現(xiàn)了對硅片隱裂缺陷的實時有效檢測。為了能夠準確的識別帶有隱裂的硅片，設(shè)計了結(jié)合局部變異系數(shù)與改進動態(tài)閾值的檢測算法。通過實驗驗證，本文所設(shè)計的檢測系統(tǒng)檢測精度較高，最低識別率達到99%，檢測速度優(yōu)于人工檢測，為光伏行業(yè)質(zhì)量檢測提供了新的解決方案。