一种太阳能EL电池硅片表面检测方法及装置与流程

本发明涉及机器视觉技术领域，尤其是涉及一种太阳能el电池硅片表面检测方法及装置。

背景技术：

光伏产业发展迅猛，市场需求非常大，企业竞争激烈，太阳能电池片的质量直接决定了光伏发电系统的效率及使用寿命。其中，限制电池硅片的光点转化效率和使用寿命的质量问题包括电池硅片表面脏污缺陷。

随着机器视觉技术的不断发展、图像处理技术的不断提高以及相关算法的不断优化，机器视觉检测已经成为检测电池硅片表面的重要手段之一。但是，现有技术已经不能跟上光伏产业快速发展的步伐，在传统方法的检测过程中，机器需要处理大量的图形计算，图像处理的效率依然很低，导致电池硅片的质量检测能力低下。

技术实现要素：

针对上述技术问题，本发明提供了一种太阳能el电池硅片表面检测方法及装置，能够提高源图像与模板图像的匹配效率，从而加快图像处理速度，进而增强电池硅片的质量检测能力。所述技术方案如下：

第一方面，本发明实施例提供了一种太阳能el电池硅片表面检测方法，包括：

设置金字塔的层数并且根据所述层数，创建对应获取到的源图像的第一金字塔图像以及对应预设的模板图像的第二金字塔图像；

逐层遍历所述第一金字塔图像，同时对应每一层的第一金字塔图像生成感兴趣区域图像；

对所述感兴趣区域图像与所述第二金字塔图像的每一层图像进行匹配并输出匹配结果；

根据所述匹配结果生成待检测图像；

检测所述待检测图像并输出检测结果。

在本发明第一方面的第一种可能的实现方式中，所述对所述感兴趣区域图像与所述第二金字塔图像的每一层图像进行匹配并输出匹配结果，包括：

计算所述感兴趣区域图像与所述第二金字塔图像的相似性值。

在本发明第一方面的第二种可能的实现方式中，所述根据所述匹配结果生成待检测图像，包括：

将干扰区域图像从所述待检测图像中分割并排除。

在本发明第一方面的第三种可能的实现方式中，所述将干扰区域图像从所述待检测图像中分割并排除，包括：

根据面积特征从所述待检测图像中剔除背景区域图像。

在本发明第一方面的第四种可能的实现方式中，所述将干扰区域图像从所述待检测图像中分割并排除，包括：

从所述待检测图像中提取黑边特征；

根据所述黑边特征进行区域合并操作及区域差集操作以排除黑边区域图像。

在本发明第一方面的第五种可能的实现方式中，所述检测所述待检测图像并输出检测结果，具体为：

根据圆度特征，从所述待检测图像中筛选出脏污区域并计算脏污面积和脏污区域的数量。

在本发明第一方面的第六种可能的实现方式中，所述的太阳能el电池硅片表面检测方法，还包括：

根据检测结果判断电池硅片表面的加工水平。

第二方面，本发明实施例提供了一种太阳能el电池硅片表面检测装置，其特征在于，包括：

图层创建模块，用于设置金字塔的层数并且根据所述层数，创建对应获取到的源图像的第一金字塔图像以及对应预设的模板图像的第二金字塔图像；

图层访问模块，用于逐层遍历所述第一金字塔图像，同时对应每一层的第一金字塔图像生成感兴趣区域图像；

图像匹配模块，用于对所述感兴趣区域图像与所述第二金字塔图像的每一层图像进行匹配并输出匹配结果；

图像定位模块，用于根据所述匹配结果生成待检测图像；

图像检测模块，用于检测所述待检测图像并输出检测结果。

在本发明第二方面的第一种可能的实现方式中，所述图像匹配模块，包括：

相似性计算模块，用于计算所述感兴趣区域图像与所述第二金字塔图像的相似性值。

在本发明第二方面的第二种可能的实现方式中，所述图像定位模块，包括：

图像筛选模块，用于将干扰区域图像从所述待检测图像中分割并排除。

相比于现有技术，本发明实施例具有如下有益效果：

本发明提供的一种太阳能el电池硅片表面检测方法，通过金字塔形式将图像数据进行分层，将数据量巨大的源图像分成有序的、容易处理的多个图层，这有利于进行同时分层访问图像，从而提高遍历图像的速度；同时，金字塔形式的分层有利于对数据量较小的率先访问完的图层进行图像匹配，达到图像遍历与图像匹配同步进行的效果，从而提高源图像与模板图像的匹配效率，进而加快图像处理的速度，进而增强电池硅片的质量检测能力。

附图说明

图1是本发明实施例中的一种太阳能el电池硅片表面检测方法的流程图；

图2是本发明实施例中的一种太阳能el电池硅片表面检测装置的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参见图1，其示出了本发明一个示例性实施例提供的一种太阳能el电池硅片表面检测方法，包括：

s101、设置金字塔的层数并且根据所述层数，创建对应源图像的第一金字塔图像以及对应预设的模板图像的第二金字塔图像；其中，所述模板图像为从暗室环境中x光拍摄所得的无表面脏污、质量较好的标准太阳能电池硅片图像。

s102、逐层遍历所述第一金字塔图像，同时对应每一层的第一金字塔图像生成感兴趣区域图像；

s103、对所述感兴趣区域图像与所述第二金字塔图像的每一层图像进行匹配并输出匹配结果；其中，所述匹配结果包括匹配位置的行、列坐标和角度以及匹配得分等信息。

可以理解的是，所述层数越大，找到匹配使用的时间就越小。另外必须保证最高层的图像具有足够的信息(至少四个点)，如果金字塔的层数太大，模板不容易识别出来，如果金字塔层数太少找到模板的时间会增加。因此，计算机根据待处理图像的数据量大小进行合理分层，有利于缩短识别模板所需时间，从而提高图像匹配的效率。

优选地，对于大多数电池片图像设置金字塔层数为2进行匹配。

s104、根据所述匹配结果生成待检测图像；

优选地，所述根据所述匹配结果生成待检测图像，包括：

通过平移、旋转仿射变换等图像处理方法，得到待检测图像。

s105、检测所述待检测图像并输出检测结果。

本发明实施例提供的一种太阳能el电池硅片表面检测方法，通过金字塔形式将图像数据进行分层，将数据量巨大的源图像分成有序的、容易处理的多个图层，这有利于进行同时分层访问图像，从而提高遍历图像的速度；同时，金字塔形式的分层有利于对数据量较小的率先访问完的图层进行图像匹配，达到图像遍历与图像匹配同步进行的效果，从而提高源图像与模板图像的匹配效率，进而加快图像处理的速度，进而增强电池硅片的质量检测能力。

优选地，所述设置层数并且根据所述层数，创建对应源图像的第一金字塔图像以及对应预设的模板图像的第二金字塔图像，包括：

采用平滑滤波器对所述第一金字塔图像和所述第二金字塔图像进行图像处理。

可以理解的是，创建每层金字塔图像时，涉及到降采样，降采样后图像会出现锯齿，需要采用平滑滤波器进行处理；高斯平滑滤波器效果好但耗时，优选地，采用小模板的均值滤波器进行图像处理。

优选地，所述对所述感兴趣区域图像与所述第二金字塔图像的每一层图像进行匹配并输出匹配结果，包括：

计算所述感兴趣区域图像与所述第二金字塔图像的相似性值。

可以理解的是，计算模板图像与感兴趣区域图像(roi图像)的相似性值时，需要选择相似性度量准则；相似性度量准则有sad(绝对值总和),ssd(平方差总和)和ncc(归一化相关系数)，ncc的计算最耗时但效果最好，能很好的适应光照变化，优选地选择ncc(归一化相关系数)。

在本实施例中，在目标检测过程中，常用的方法就是设置一个模板，以滑动窗口的形式遍历整幅源图像；每次滑动都会产生一个和模板等大小的roi图像，基于某种度量方式，计算模板与当前roi图像的相似性度量值。这样遍历完整幅图像后就会形成一个图像，找出最大相似性度量值对应的位置，它就是我们要寻找的目标的位置。利用相似性度量量化相似性，对于快速识别图像以及定位目标区域图像具有较大优势。

优选地，所述根据所述匹配结果生成待检测图像，包括：

将干扰区域图像从所述待检测图像中分割并排除。

可以理解的是，基于金字塔方式的图像形状模板匹配方法，可以让后续待检测的任意数量电池片，在图片中的位置信息发生变动时，都可以进行平移、旋转来定位到与模板图像一样位置信息，从而保证后续的分割效果一致，进而提高所述太阳能el电池硅片表面检测方法的通用性，快捷性。

优选地，所述将干扰区域图像从所述待检测图像中分割并排除，包括：

对所述待检测图像进行灰度二值化处理；

根据面积特征从灰度二值化处理后的待检测图像中剔除背景区域图像。

在本实施例中，对进行定位后的待处理图片进行灰度二值化；把图片内灰度值相近的连成一个区域，由于硅片形状-面积特征最明显，优选地，进行面积特征筛选，设置面积固定阈值；将特征筛选后的区域先进行腐蚀再进行膨胀处理；用长*宽为500*500的矩形对特征筛选后的区域进行形态学开运算操作。

优选地，所述将干扰区域图像从所述待检测图像中分割并排除，还包括：

从所述待检测图像中提取黑边特征；

根据所述黑边特征进行区域合并操作及区域差集操作以排除黑边区域图像。

可以理解的是，电池硅片表面上从上到下的四条黑边会干扰检测，从而造成误判，不能正确识别检测出表面手印类等脏污。

在本实施例中，分别提取el电池硅片上四条黑边，然后这四条黑边四个区域一一进行区域合并操作，得到整个的黑边区域；将待处理el电池硅片区域与黑边区域进行差集运算；由于已经基于形状模板匹配，仿射变换定位，所以能够对后续的任意数量的待检测电池硅片正确地分割出黑边区域。

优选地，所述检测所述待检测图像并输出检测结果，包括：

对所述待检测图像进行图像增强处理；

对所述待检测图像进行局部阈值二值化处理及连通区域操作；

根据圆度特征，从所述待检测图像中筛选出脏污区域并计算脏污面积和脏污区域的数量。

可以理解的是，脏污主要手或者脏污触摸造成的，通常相对于线痕、隐裂等都有一个明显的特征就是一般圆度比较大，基于此来筛选出这个表面脏污。

优选地，所述检测所述待检测图像，还包括：

根据检测结果判断电池硅片表面的加工水平。

具体地，根据电池硅片表面的脏污面积和脏污区域的数量判断源图像中的电池硅片表面是否存在脏污缺陷，当所述脏污面积或所述脏污区域的数量不符合预设条件时，将所述电池硅片判定为表面存在脏污缺陷。

在本实施例中，对于脏污方面，具体的定义a、b、c三个等级类型和不合格类型：

第一步，判断脏污区域的数量；

当脏污个数≤m，进入下一步；

当脏污个数>m，判定为d级不合格；

第二步，判断脏污面积；

当脏污单个面积≤sa，判定为a级；

当sa<脏污单个面积≤sb，判定为b级；

当sb<脏污单个面积≤sc，判定为c级；

当sc<脏污单个面积≤sd，判定为d级不合格；

其中，具体的sa、sb、sc、sd、m阈值数根据el电池硅片厂商质检人员的要求进行数值定义。

在本实施例中，技术人员可在基本测试标准的基础上根据需求设置阈值以个性化测试标准，适应企业的特殊生产标准和行业的变化，提升检测方法步骤的灵活性，提高企业效益。

优选地，源图像的获取方法具体如下：

调整相机垂直高度，用直尺放到实验台，调整到能拍摄的图片大小在175～177这个范围的长度和宽度的视野为止；

调整焦距，将待测硅片放置到实验台，调整相机焦距，能看清楚硅片的四个倒角栅线为止；

消除镜头畸变，使用边长为170mm的正方形标定板，调整到能看清楚标定板上所有的圆点为止；

通过提取x光拍摄的待检测太阳能电池硅片图像，得到源图像。

请参见图2，其示出了本发明一个示例性实施例提供的一种太阳能el电池硅片表面检测装置，包括：

图层创建模块201，用于设置金字塔的层数并且根据所述层数，创建对应获取到的源图像的第一金字塔图像以及对应预设的模板图像的第二金字塔图像；

图层访问模块202，用于逐层遍历所述第一金字塔图像，同时对应每一层的第一金字塔图像生成感兴趣区域图像；

图像匹配模块203，用于对所述感兴趣区域图像与所述第二金字塔图像的每一层图像进行匹配并输出匹配结果；

图像定位模块204，用于根据所述匹配结果生成待检测图像；

图像检测模块205，用于检测所述待检测图像并输出检测结果。

优选地，所述图像匹配模块，包括：

相似性计算模块，用于计算所述感兴趣区域图像与所述第二金字塔图像的相似性值。

优选地，所述图像定位模块，包括：

图像筛选模块，用于将干扰区域图像从所述待检测图像中分割并排除。

优选地，所述图像筛选模块，包括：

背景区域图像筛选模块，用于根据面积特征从所述待检测图像中剔除背景区域图像。

优选地，所述图像筛选模块，包括：

黑边区域图像筛选模块，用于从所述待检测图像中提取黑边特征；根据所述黑边特征进行区域合并操作及区域差集操作以排除黑边区域图像。

优选地，所述图像检测模块，包括：

圆度检测模块，用于根据圆度特征，从所述待检测图像中筛选出脏污区域并计算脏污面积和脏污区域的数量。

优选地，所述太阳能el电池硅片表面检测装置，还包括：

判断模块，用于根据检测结果判断电池硅片表面的加工水平。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory,rom)或随机存储记忆体(randomaccessmemory,ram)等。