一种太阳能硅晶片缺陷检测系统及方法技术方案

本发明专利技术提供了一种太阳能硅晶片缺陷检测系统，包括：视觉图像采集系统、图像处理系统和分拣系统；所述视觉图像采集系统用于在硅晶片自动生产线上自动采集硅晶片的图像，所述图像处理系统用于分析采集到的硅晶片图像，并对硅晶片图像进行自动识别，并将识别的信号发送至分拣系统，分拣系统用于执行图像处理系统的信号，分拣出有缺陷的硅晶片，并将相同缺陷的硅晶片分拣至相同的分拣箱内，实现硅晶片的精准分拣。本发明专利技术还提供了一种基于本发明专利技术提供的太阳能硅晶片缺陷检测系统所进行的检测方法，能快速地传送硅晶片以及对硅晶片图像进行缺陷快速检测，满足流水线高速高精度的视觉检测要求。

【技术实现步骤摘要】

本专利技术属于太阳能电池生产
，具体涉及一种太阳能硅晶片缺陷检测系统及检测方法。
技术介绍
太阳能光伏发电技术在解决边远无电地区和节约能源方面发挥着重要作用，光伏发电设备的关键设备是太阳能电池板，太阳能电池板的关键组件是硅晶片，硅晶片的好坏对发电效率有着重大的影响，硅晶片在生产过程中往往存在尺寸不合格和崩边、黑斑、隐裂等外观缺陷。对硅晶片的传统人工检测精度低，主观性强，可重复性差，无法提供持续一致性检测结果，漏检误检率高；要运用机器视觉的方法对硅晶片进行图像检测，有必要设计一种硅晶片缺陷检测系统及方法。申请号为CN200910183220.1的中国专利公开了“一种太阳能光伏组件电池片缺陷检测方法及检测仪”，该检测仪包括暗室，在暗室的内部设置有叠放的上抽屉和下抽屉，上抽屉与下抽屉内各设置有超白玻璃平台，在暗室的底部安装有45°角光学级高反射镜和图像采集设备，45°角光学级高反射镜与图像采集设备位于下抽屉的下方，超白玻璃平台安装有定位电极。通过光学反射的原理检测电池片上的缺陷，该检测仪检测的缺陷种类有限，精度较差，而且该检测仪只有检测功能，没有分拣功能，需要人工分拣，分拣效率低。申请号为CN201110313678.1的中国专利申请公开了“一种硅片及硅太阳电池片缺陷检测方法”，该检测方法，通过LED光源或激光器激发待测硅片或硅太阳电池片产生特定波长的发光信号，通过红外成像机构和计算机检测并处理硅片或硅太阳电池片发出的特定波长的发光信号，得到其可靠的缺陷参数数据。能方便快速地检测出硅片材料本身的缺陷、结晶缺陷、碎片、材料污染等缺陷，并且实现了无接触检测，具有结构简单、使用方便、缺陷参数检测可靠精确等优点和特点。但是该方法自动化程度低，检测数据未经过精确计算，检测结果的精度有限。
技术实现思路
为解决现有技术中存在的不足，本专利技术提供了一种太阳能硅晶片缺陷检测系统及方法，能快速地传送硅晶片以及对硅晶片图像进行缺陷快速检测，满足生产流水线上高速高精度的检测要求。为实现上述技术方案，本专利技术提供了一种太阳能硅晶片缺陷检测系统，包括：视觉图像采集系统、图像处理系统和分拣系统；所述视觉图像采集系统包括上料机械臂、物料槽、物料台、工业相机、照明光源和传送皮带，所述物料槽固定在物料台台面上，上料机械臂安装在物料槽一侧，传送皮带安装在上料机械臂前方，工业相机安装在传送皮带中部的正上方，照明光源安装在工业相机的正下方；所述图像处理系统包括工控PC机、IO板卡、图像采集卡和图像处理软件，所述IO板卡、图像采集卡和图像处理软件均安装在工控PC机内，所述工业相机的信号输出端与图像采集卡的信号输入端连接，所述工控PC机通过IO板卡的信号输出端与分拣系统连接；所述分拣系统包括分拣机械臂、分拣箱和PLC，所述分拣机械臂安装在传送皮带的末端，分拣箱放置在分拣机械臂的一侧，PLC安装在物料台内置的电控柜内，所述分拣机械臂的信号输入端与PLC的信号输出端连接，PLC通过IO板卡与工控PC机连接。优选的，所述视觉图像采集系统中的工业相机对放置在传送皮带上的硅晶片进行拍照，并将拍摄照片传输至图像处理系统中的工控PC机，所述工控PC机中的图像处理软件对拍摄照片依次进行图像预处理、图像分割和特征提取识别，然后将识别的信息传送至分拣系统中的PLC，PLC控制分拣机械臂将不同特征缺陷的硅晶片分拣至不同的分拣箱。优选的，所述照明光源采用同轴环形光源，由于采用环形同轴的照明方式，同轴光能创建一个明视野，无透视畸变，适用于扁平、表面定位缺陷或者瑕疵的情形，可以提高工业相机采集图片的准确性。本专利技术还提供了一种基于本专利技术提供的太阳能硅晶片缺陷检测系统所进行的检测方法，具体包括如下操作步骤：S1、上料机械臂从物料槽中抓取硅晶片放入传送皮带上，电机控制传送皮带将待检测硅晶片送入至工业相机正下方的检测工位；S2、PLC根据到位信号控制工业相机拍照，照明光源频闪，从而获取硅晶片图像；S3、针对获取的硅晶片图像，图像处理软件自动测量硅晶片的几何特征值，所述的硅晶片几何特征值包括硅晶片的长度、宽度尺寸；将几何特征值与标准的特征值比较以检测硅晶片是否合格，同时在图像区域内检测硅晶片的缺陷，并根据各种缺陷的主要特征运用BP神经网络算法进行分类；S4、经过检测工位后，工控PC机的图像处理结果通过IO板卡反馈给PLC，然后PLC控制分拣机械臂根据检测结果剔除尺寸不合格的产品，并将各种缺陷分别放入对应的分拣箱内。优选的，所述步骤S3中，几何特征值的测量具体步骤如下：S31、选定ROI处理区域；S32、在选定的处理区域内查找边缘点，直到边缘点数量达到阈值或者区域扫描完毕；S33、采用多次迭代拟合算法将多个边缘点拟合成边缘直线，所述多次迭代拟合算法包括：a)直线可以出现在图像坐标系中的任何方位，使用黑塞范式法来表示所有的直线，如公式1，为了从一系列点(ri，ci)，i＝1，……，n来拟合一条直线，用公式2式对这些点到这条直线的距离的平方和最小化处理，实际中需要引入约束条件α2+β2＝1作为拉格朗日乘子，公式2将变为公式3，当扫描到的边缘点距离比较集中时，采用公式3求取最优化解并进行迭代拟合：αr+βc+γ＝0公式1b)当扫描到的边缘点距离比较松散时，由于直线距离远的那些点在最优化的过程中将会由非常大的权重，为了减少这些远离点的影响，可以为每个点引入权重wi，采用公式4进行迭代拟合：c)权重wi按照公式5或者6计算：τ＝2σδ公式7公式5和公式6中参数τ是消波因数，它定义哪些点应被视为离群值，所有距离≦τ的点对应的权重都是1，对于距离大于τ的点，将获得一个更小的权重，此权重函数为那些距离远的点选定了其距离值而不是平方距离值参加运算，由公式7计算得到，σδ表示这些距离的标准偏差，由公式8计算得到；S34、计算边缘直线到对应的边缘直线的像素距离，通过相机标定再将像素距离转换为实际距离，从而得到硅晶片的长度、宽度参数。优选的，所述步骤S3中，在选定的处理区域运用Blob算法查找缺陷，图像区域内硅晶片的缺陷检测具体步骤如下：S35、图像预处理：用灰度变换对选定的ROI区域进行图像预处理；S36、图像分割：将预处理后的图像分割为构成斑点和局部背景的像素集合；S37、用对每个区域进行连通区域提取，将目标图像聚合为目标像素或斑点的连接体，得出区域斑点的面积、周长参数。优选的，所述步骤S3中，采用BP神经网络算法对各种缺陷进行分类，具体步骤如下：S38、建立硅晶片常见各种缺陷的缺陷图像数据库，可以以缺陷为中心的200*200像素为单幅缺陷图像大小，为后续的缺陷分类器设计提供了样本图像；S39、选用Blob算法和灰度直方图方法计算图像的缺陷特征，得出的图像缺陷特征包括：面积、周长、圆形度、区域质心、灰度均值、灰度标准差，将这一类对象的多个或多种特性集合来形成一个一维或多维的特征向量，作为识别系统的输入；其中Blob算法得出的图像区域描绘子中面积Aera根据公式9计算得到：公式9中，R表示图像区域，m、n表示图像区域的m行n列，f(i，j)表示区域内点(i，j)处的像素值；Blob算法得出的图像区域描绘子中区域的周长P定义为边界的长度，边界的长度定义为边界点数之和，其中，每个点是占面积为1的一个小方块本文档来自技高网...

【技术保护点】
一种太阳能硅晶片缺陷检测系统，其特征在于包括：视觉图像采集系统、图像处理系统和分拣系统；所述视觉图像采集系统包括上料机械臂、物料槽、物料台、工业相机、照明光源和传送皮带，所述物料槽固定在物料台台面上，上料机械臂安装在物料槽一侧，传送皮带安装在上料机械臂前方，工业相机安装在传送皮带中部的正上方，照明光源安装在工业相机的正下方；所述图像处理系统包括工控PC机、IO板卡、图像采集卡和图像处理软件，所述IO板卡、图像采集卡和图像处理软件均安装在工控PC机内，所述工业相机的信号输出端与图像采集卡的信号输入端连接，所述工控PC机通过IO板卡的信号输出端与分拣系统连接；所述分拣系统包括分拣机械臂、分拣箱和PLC，所述分拣机械臂安装在传送皮带的末端，分拣箱放置在分拣机械臂的一侧，PLC安装在物料台内置的电控柜内，所述分拣机械臂的信号输入端与PLC的信号输出端连接，PLC通过IO板卡与工控PC机连接。

【技术特征摘要】
1.一种太阳能硅晶片缺陷检测系统，其特征在于包括：视觉图像采集系统、图像处理系统和分拣系统；所述视觉图像采集系统包括上料机械臂、物料槽、物料台、工业相机、照明光源和传送皮带，所述物料槽固定在物料台台面上，上料机械臂安装在物料槽一侧，传送皮带安装在上料机械臂前方，工业相机安装在传送皮带中部的正上方，照明光源安装在工业相机的正下方；所述图像处理系统包括工控PC机、IO板卡、图像采集卡和图像处理软件，所述IO板卡、图像采集卡和图像处理软件均安装在工控PC机内，所述工业相机的信号输出端与图像采集卡的信号输入端连接，所述工控PC机通过IO板卡的信号输出端与分拣系统连接；所述分拣系统包括分拣机械臂、分拣箱和PLC，所述分拣机械臂安装在传送皮带的末端，分拣箱放置在分拣机械臂的一侧，PLC安装在物料台内置的电控柜内，所述分拣机械臂的信号输入端与PLC的信号输出端连接，PLC通过IO板卡与工控PC机连接。2.如权利要求1所述的太阳能硅晶片缺陷检测系统，其特征在于：所述视觉图像采集系统中的工业相机对放置在传送皮带上的硅晶片进行拍照，并将拍摄照片传输至图像处理系统中的工控PC机，所述工控PC机中的图像处理软件对拍摄照片依次进行图像预处理、图像分割和特征提取识别，然后将识别的信息传送至分拣系统中的PLC，PLC控制分拣机械臂将不同特征缺陷的硅晶片分拣至不同的分拣箱。3.如权利要求2所述的太阳能硅晶片缺陷检测系统，其特征在于：所述照明光源采用同轴环形光源。4.一种太阳能硅晶片缺陷检测方法，其特征在于：使用如权利要求1-3中任一所述的太阳能硅晶片缺陷检测系统，具体包括如下操作步骤：S1、上料机械臂从物料槽中抓取硅晶片放入传送皮带上，电机控制传送皮带将待检测硅晶片送入至工业相机正下方的检测工位；S2、PLC根据到位信号控制工业相机拍照，照明光源频闪，从而获取硅晶片图像；S3、针对获取的硅晶片图像，图像处理软件自动测量硅晶片的几何特征值，所述的硅晶片几何特征值包括硅晶片的长度、宽度尺寸；将几何特征值与标准的特征值比较以检测硅晶片是否合格，同时在图像区域内检测硅晶片的缺陷，并根据各种缺陷的主要特征运用BP神经网络算法进行分类；S4、经过检测工位后，工控PC机的图像处理结果通过IO板卡反馈给PLC，然后PLC控制分拣机械臂根据检测结果剔除尺寸不合格的产品，并将各种缺陷分别放入对应的分拣箱内。5.如权利要求4所述的太阳能硅晶片缺陷检测方法，其特征在于：所述步骤S3中，几何特征值的测量具体步骤如下：S31、选定ROI处理区域；S32、在选定的处理区域内查找边缘点，直到边缘点数量达到阈值或者区域扫描完毕；S33、采用多次迭代拟合算法将多个边缘点拟合成边缘直线，所述多次迭代拟合算法包括：a)直线可以出现在图像坐标系中的任何方位，使用黑塞范式法来表示所有的直线，如公式1，为了从一系列点(ri，ci)，i＝1，……，n来拟合一条直线，用公式2式对这些点到这条直线的距离的平方和最小化处理，实际中需要引入约束条件α2+β2＝1作为拉格朗日乘子，公式2将变为公式3，当扫描到的边缘点距离比较集中时，采用公式3求取最优化解并进行迭代拟合：αr+βc+γ＝0公式1b)当扫描到的边缘点距离比较松散时，由于直线距离远的那些点在最优化的过程中将会由非常大的权重，为了减少这些远离点的影响，可以为每个点引入权重wi，采用公式4进行迭代拟合：c)权重wi按照公式5或者6计算：τ＝2σδ公式7公式5和公式6中参数τ是消波因数，它定义哪些点应被视为离群值，所有距离≦τ的点对应的权重都是1...

【专利技术属性】
技术研发人员：彭博，王华龙，周艳红，杨海东，李力，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，
类型：发明
国别省市：广东;44