[發明專利]一種基于機器視覺和圖像處理的硅片計數方法

在審

• 申請號: 201610113272.1
• 申請日: 2016-02-29
• 公開（公告）號: CN107133922A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 孫智權
• 申請（專利權）人: 孫智權
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 張華蒙

1.一種基于機器視覺和圖像處理的硅片計數方法，其特征在于，包括如下步驟：

步驟101、對層疊硅片或電池片的側面圖像進行預處理，其包括：

步驟1011，對層疊硅片或電池片的側面圖像進行中值濾波，采用中值濾波器將像素鄰域內灰度的中值代替該像素的值，去除椒鹽噪聲，為查找條紋縫隙做準備；

步驟1012，對中值濾波處理之后的圖像進行伽馬變換，增強圖像對比度；伽馬變換的基本形式為：

s＝cr^γ(1)

其中，r為輸入灰度級，s為輸出灰度級，c和γ為正常數，當γ＞1時冪律曲線將較窄范圍的暗色輸入值映射為較寬范圍的輸出值，擴展圖像灰度級，增強圖像條紋特性；

步驟102、定位被測物，并由掩膜處理限定運算區域，其包括：

步驟1021，查找層疊的硅片或電池片的最上以及最下的邊緣，得到邊緣坐標信息；其方法是先確定一個搜索區域，在搜索區域內，設置從上到下的若干搜索線，根據每條搜索線上的線剖面圖得到第一個灰度變化的峰值點以及最后一個灰度變化的峰值點；之后將所有搜索線上的第一個灰度變化的峰值點擬合為一條直線作為被測物的上邊緣，所有搜索線上的最后一個灰度變化峰值點擬合為一條直線作為被測物的下邊緣；所得到邊緣坐標信息為：

up₁＝(x₀,y₀),up₂＝(x₁,y₁) (2)

down₁＝(x₂,y₂),down₂＝(x₃,y₃)(3)

其中up₁,up₂為最上邊緣線兩端坐標，down₁,down₂為最下邊緣線兩端坐標；

步驟1022，基于所得到的邊緣信息對預處理之后的圖像進行旋轉，使層疊硅片或電池片的條紋圖像水平分布，旋轉之后所得到的邊緣坐標信息變為：

up＝(x,Y₀),down＝(x,Y₁)(4)

其中Y₀,Y₁為最上邊緣和最下邊緣的縱坐標，x的值從0到圖像像素橫坐標的最大值，up,down表示兩條水平直線，代表層疊硅片或電池片的最上以及最下的邊緣所擬合的直線；

步驟1023，基于所得到的邊緣信息對旋轉之后的圖像進行掩膜處理，使對 圖像的運算區域減至最小，提高運算效率；如式(5)所示，通過所得的層疊硅片或電池片的最上以及最下的邊緣信息up,down，確定掩膜圖像；

其中，H(x，y)為掩膜圖像的灰度值，(x，y)為對應坐標，Y₀,Y₁為所得的最上邊緣和最下邊緣的縱坐標；在所檢測到的被測物最上以及最下邊緣所在的y坐標基礎上，將各向上向下拓展20個像素之后的圖像作為運算區域，得到掩膜后的圖像；

步驟103、將掩膜后的圖像復制，分別進行不同閾值處理，以對兩幅閾值處理之后的結果圖像進行邏輯或操作的方式完成去噪二值化，得到去噪二值化的圖像，其包括：

步驟1031，將掩膜后的圖像復制，由一份圖像分為相同的兩份圖像；

步驟1032，對復制之后的其中一份圖像采用Niblack局部閾值方法進行二值化，并將二值化后的圖像進行粒子濾波，濾除由Niblack二值化處理帶來的細節噪聲，得到一個結果圖像；Niblack二值化方法是基于局部均值和局部標準差的，它的基本公式如式(8)：

T(x,y)＝m(x,y)+k*s(x,y) (8)

對于圖像I(x,y)，在(x,y)處的閾值T(x,y)由局部均值m(x,y)和局部標準差s(x,y)決定，k表示調整系數；

步驟1033，對復制之后的另一份圖像采用背景校正方法進行二值化，查找縫隙暗區域，使用如下公式(9)進行計算：

B(x,y)＝m(x,y)-I(x,y)(9)

其中，B(x,y)為背景校正圖像灰度值，m(x,y)為窗口的平均灰度值，I(x,y)為輸入圖像灰度值；之后使用組內方差自動閾值方法分割背景校正圖像得到二值化圖像，即為另一個結果圖像；

步驟1034，將上述兩份閾值處理之后的結果圖像進行邏輯或操作，得到噪聲較小且縫隙信息保留較完整的二值化圖像，完成片間縫隙的查找；

步驟104、對所得去噪二值化圖像進行后處理：采用形態學處理方法，通過先open操作后close操作將行方向縫隙連接，縱方向縫隙斷開；之后通過骨架提 取將二值化的縫隙細化，得到細化后的圖像；

步驟105、差分統計計數與定位，求得所測層疊的太陽能硅片或電池片的數量：在計數之前先將圖像中硅片或電池片的平均厚度求出，每隔20列獲取圖像的某一列的像素灰度分布圖，對于獲取每一列的灰度圖，都將每一個上升沿的縱坐標減去上一個上升沿的縱坐標并根據下式(10)進行計算：

G=Σi=1M(yi-yi-1)M---(10)]]>

其中，G為所測硅片或電池片的平均厚度，單位為pixel；(M+1)為所測所有上升沿的數量；y_i,y_i-1分別代表當前上升沿的縱坐標以及上一個上升沿的縱坐標；

求得當前所測的硅片或電池片的平均厚度G之后，硅片或電池片計數厚度的范圍為[0.65G,2G]；在計數時每隔20列獲取圖像的某一列的像素灰度分布圖，對于獲取每一列的灰度圖，根據所選取的厚度范圍，以式(11)、(12)以及(13)所示方法求取每一列所得的硅片或電池片的數量；

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為上升沿之間的距離，單位為pixel；P_n為在所取的圖像的第n列的灰度分布圖下所得的硅片或電池片的數量；對所取得的數量出現的次數進行概率統計，求得最大概率的數即為本次測量的硅片或電池片的數量，并將對應的坐標記下，定位硅片或電池片縫隙所在圖中的位置；

在所述的步驟1023中，基于得到的所述的掩膜后的圖像對層疊硅片或電池片圖像進行掩膜處理，將掩膜后的圖像與被處理圖像進行灰度相與運算，并進行坐標調整，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)為待處理圖像的灰度值，H(x,y)為掩膜圖像灰度值，I₁(x,y)為掩膜圖像與待處理圖像相與的灰度值，保留了待測圖像中與掩膜圖像相對應的在所檢測到的被測物最上以及最下邊緣所在的y坐標基礎上，各向上向下拓展20個 像素之后的圖像區域；之后通過(7)式的坐標變換，去除運算區域之外的圖像，將對應層疊硅片或電池片的紋理特征區域提取出來，減少運算區域；

在所述的步驟1032中，當縫隙所占像素過多，縫隙過寬時，采用背景校正的閾值處理，與Niblack局部閾值處理一起完成二值化，使不同寬度以及灰度分布不均勻的縫隙從噪聲中分辨出來。