一种硅片检测方法和硅片检测装置与流程

本发明属于太阳能电池领域，尤其涉及一种硅片检测方法和硅片检测装置。
背景技术：
：太阳能电池是通过光电效应或者光化学效应直接把光能转化成电能的装置，以光电效应工作的硅基太阳能电池为主流。硅基太阳能电池的制备过程中，硅片的处理和检测非常重要。例如，使用不同的工艺方法，多晶硅硅片表面不同晶向会出现反射率的差异，外观上会出现晶花现象，如果晶花严重，就会严重影响太阳能电池的外观及成品率，从而影响太阳能电池的光电转换效率和成本。因此，有必要对硅片，特别是对硅片的反射率和外观进行检测。目前，硅片反射率的测试方法是使用校准过的光源对硅片的某一小区域进行照射，根据传感器接收到的反射回来的光强，得出该区域的反射率。该方法得出来的是这一个小区域的平均反射率，如果需要对整张硅片的反射率进行测量时，需要通过对多个小区域进行测量并取平均值的方法进行测试。该方法虽然可以得到对于小的区域误差较小的反射率值，但是对于整张硅片的反射率值误差较大，每次测试的结果都不相同，并且测试时间根据测试点数目的增加而增加，如果想获得相对精确的结果，耗时较长。而对于硅片外观的检测，目前是通过对比多点的反射率差异，加上技术人员对整个硅片外观的主观感觉，然后进行硅片外观的良率判断。由于每一个点的反射率测量值为小区域的平均值，对外观的评判效果较差，加上不同技术人员的主观判断标准不统一，因此对于硅片外观的检测方法目前没有统一的标准。因此，急需一种更加精确和便捷的硅片检测方法，其可以对大面积硅片的反射率进行精确检测并对硅片外观进行定量地判断。技术实现要素：因此，本发明的目的在于克服上述现有技术的缺陷，提供一种硅片检测方法，包括如下步骤：步骤一：基于硅片的灰度图像中各个像素点的灰度值确定硅片的具体位置，从而得到精准的待分析硅片图像；步骤二：对所述精准的待分析硅片图像进行灰度值分布统计，和/或计算所述精准的待分析硅片图像中所有像素点的灰度平均值；以及步骤三：基于所述灰度平均值计算硅片的反射率，和/或基于所述灰度值分布统计判定硅片的晶花情况。根据本发明的硅片检测方法，优选地，在步骤一中，所述灰度图像由相机直接采集获得，或者将相机采集的彩色图像进行灰度化处理后获得。根据本发明的硅片检测方法，优选地，在步骤一中，基于所述灰度图像中各个像素点的灰度值与灰度阈值的比较获取精准的待分析硅片图像灰度阈值。根据本发明的硅片检测方法，优选地，获取精准的待分析硅片图像包括如下子步骤：1-1：对所述灰度图像的每一行的像素点进行扫描，记录每一行中灰度值低于灰度阈值的像素点的数目，选取其中的最大数目作为行参考数目，将灰度值低于灰度阈值的像素点的数目大于所述行参考数目的某一比例的行作为硅片行；1-2：对所述灰度图像的每一列的像素点进行扫描，记录每一列中灰度值低于灰度阈值的像素点的数目，选取其中的最大数目作为列参考数目，将灰度值低于灰度阈值的像素点的数目大于所述列参考数目的某一比例的列作为硅片列；1-3：选取所述硅片行和所述硅片列的共同区域，从而得到所述精准的待分析硅片图像。根据本发明的硅片检测方法，优选地，在步骤三中，计算硅片反射率包括如下子步骤：子步骤a：基于n张反射率分别为r1-rn的已知硅片拟合反射率与灰度平均值的函数关系式其中，n为大于等于2的整数，r表示硅片的反射率，表示灰度平均值；以及子步骤b：根据所述函数关系式计算硅片的反射率。根据本发明的硅片检测方法，优选地，子步骤a包括：对n张反射率分别为r1-rn的已知硅片进行步骤一和步骤二的操作，分别得出n张已知硅片的精准硅片图像中所有像素点的灰度平均值从而拟合出反射率与灰度平均值的函数关系式根据本发明的硅片检测方法，优选地，在步骤三中，判定硅片的晶花情况包括如下子步骤：子步骤a：将步骤二所计算的每个灰度值对应的像素点数目占总像素点数目的比值与比值阈值进行比较，低于所述比值阈值的比值对应的灰度值为异常灰度值，高于所述比值阈值的比值所对应的灰度值为正常灰度值；子步骤b：计算正常灰度值的宽度；以及子步骤c：将所述宽度与预设标准进行比较，判断硅片的晶花情况。第二方面，本发明还提供了另一种硅片检测方法，用于检测硅片的分层情况，包括如下步骤：步骤一：基于硅片的灰度图像中各个像素点的灰度值确定硅片的具体位置，从而得到精准的待分析硅片图像；步骤二：将所述精准的待分析硅片图像沿竖直方向或水平方向分成m份子图像，其中，m为大于等于2的整数；步骤三：对所述m份子图像中的每一份子图像进行灰度值分布统计，并计算每一份子图像中所有像素点的灰度平均值；步骤四：基于所述灰度平均值计算每一份子图像所对应的硅片的反射率，并基于所述灰度值分布统计判定每一份子图像所对应的硅片的晶花情况；以及步骤五：将步骤四得到的m份子图像所对应的硅片的反射率和晶花情况进行比对，判断硅片的分层情况。根据本发明第二方面的硅片检测方法，优选地，在步骤一中，所述灰度图像由相机直接采集获得，或者将相机采集的彩色图像进行灰度化处理后获得。根据本发明第二方面的硅片检测方法，优选地，在步骤一中，基于所述灰度图像中各个像素点的灰度值与灰度阈值的比较获取精准的待分析硅片图像，其中，在所述灰度图像中与硅片对应的像素点的灰度值应小于所述灰度阈值。根据本发明第二方面的硅片检测方法，优选地，获取精准的待分析硅片图像包括如下子步骤：1-1：对所述灰度图像的每一行的像素点进行扫描，记录每一行中灰度值低于灰度阈值的像素点的数目，选取其中的最大数目作为行参考数目，将灰度值低于灰度阈值的像素点的数目大于所述行参考数目的某一比例的行作为硅片行；1-2：对所述灰度图像的每一列的像素点进行扫描，记录每一列中灰度值低于灰度阈值的像素点的数目，选取其中的最大数目作为列参考数目，将灰度值低于灰度阈值的像素点的数目大于所述列参考数目的某一比例的列作为硅片列；1-3：选取所述硅片行和所述硅片列的共同区域，从而得到所述精准的待分析硅片图像。根据本发明第二方面的硅片检测方法，优选地，在步骤四中，计算硅片反射率包括如下子步骤：子步骤a：基于n张反射率分别为r1-rn的已知硅片拟合反射率与灰度平均值的函数关系式其中，n为大于等于2的整数，r表示硅片的反射率，表示灰度平均值；以及子步骤b：根据所述函数关系式计算每一份子图像所对应的硅片的反射率。根据本发明第二方面的硅片检测方法，优选地，在步骤四中，判定硅片的晶花情况包括如下子步骤：子步骤a：将步骤三所计算的每个灰度值对应的像素点数目占每一份子图像的总像素点数目的比值与比值阈值进行比较，低于所述比值阈值的比值对应的灰度值为异常灰度值，高于所述比值阈值的比值所对应的灰度值为正常灰度值；子步骤b：计算正常灰度值的宽度；以及子步骤c：将所述宽度与预设标准进行比较，判断每一份子图像所对应的硅片的晶花情况。根据本发明第二方面的硅片检测方法，优选地，在步骤五中，通过分析m份子图像所对应的硅片的反射率和晶花情况的差异，来判断硅片的分层情况。第三方面，本发明提供了一种硅片检测装置，包括：图像采集模块，用于获取硅片的灰度图像；图像处理模块，其基于所述灰度图像中各个像素点的灰度值确定硅片的具体位置，从而得到精准的待分析硅片图像；数据处理模块，对所述精准的待分析硅片图像进行灰度值分布统计，和/或计算所述精准的待分析硅片图像中所有像素点的灰度平均值；或者将所述精准的待分析硅片图像沿竖直方向或水平方向分成m份子图像，对m份子图像中的每一份子图像进行灰度值分布统计，并计算每一份子图像中所有像素点的灰度平均值，其中，m为大于等于2的整数，以及判定模块，用于计算硅片的反射率，和/或判定硅片的晶花情况，或者判定硅片的分层情况。根据本发明的硅片检测装置，优选地，还包括滤波模块，用于滤除所述精准的待分析硅片图像中的噪声。根据本发明的硅片检测装置，优选地，所述图像采集模块包括：光源，其固定在工作台上，用于辐照所述硅片；相机，用于采集所述硅片的图像。根据本发明的硅片检测装置，优选地，还包括标定模块，用于拟合灰度平均值-反射率函数关系式。与现有技术相比，本发明的硅片检测方法能够量化硅片的外观情况，避免主观判断的差异性，速度快、精度高、重复性高。附图说明以下参照附图对本发明实施例作进一步说明，其中：图1为根据本发明实施例的硅片检测装置的示意图；图2为根据本发明实施例的硅片的位置分析图，白色框内为待分析硅片图像；图3为另一形状不规则硅片的位置分析图，白色框内为待分析硅片图像；图4为去除噪声后的精准硅片图像；图5是硅片的灰度直方图；以及图6是硅片沿竖直方向各层的反射率r和正常灰度值宽度l的变化曲线。具体实施方式为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。第一实施例如图1所示，led环形光源和相机固定在工作台上，硅片放置在样品台上，用led环形光源辐照硅片样品，并用相机采集硅片的彩色图像，然后将该彩色图像传输给计算机进行处理。在该实施例中，工作台、样品台和相机都置于外壳内。计算机对相机采集的彩色图像进行如下处理：(1)使用matlab软件采集彩色图像中每一个像素点的数据信息，根据每个像素点的r、g、b三个颜色分量进行灰度化处理，常用的灰度化处理公式为i＝0.3r+0.59g+0.11b，从而将彩色图像转化为灰度图像。本领域技术人员很容易理解，如果直接采集到硅片的灰度图像(即，黑白照片)，该转化步骤可以省略。(2)确定硅片的具体位置，从而得到精准的待分析硅片图像。具体地，在该实施例中，硅片放置在白色背景上，硅片所在位置的像素点的灰度值低于灰度阈值150(本领域技术人员能够理解，该灰度阈值与设备参数有直接相关，因此需要根据具体情况来确定灰度阈值)，根据这一特点，对灰度图像的每一行的像素点进行扫描，记录每一行中灰度值低于150的像素点的数目，选取灰度值低于150的像素点的数目最大的一行作为参考行，参考行中灰度值低于150的像素点的数目作为行参考数目，将灰度值低于150的像素点的数目大于行参考数目的0.75倍(即为“硅片所占比例”，根据硅片的倾斜程度进行调整，取值范围为0.5～1，倾斜越严重，硅片所占比例越接近于0.5)的行作为硅片行，依次扫描，确定硅片所占位置的最小行数和最大行数，从而确定硅片的纵向具体位置在最小行数和最大行数之间；同样的道理，对灰度图像的每一列的像素点进行扫描，记录每一列中灰度值低于150的像素点的数目，选取灰度值低于150的像素点的数目最大的一列作为参考列，参考列中灰度值低于150的像素点的数目作为列参考数目，将灰度值低于150的像素点的数目大于所述列参考数目的0.75倍的列作为硅片列，依次扫描，确定硅片所占位置的最小列数和最大列数，从而确定硅片的横向具体位置在最小列数和最大列数之间；将灰度图像中在最小行数和最大行数之间以及在最小列数和最大列数之间的信息提取出来，从而得到精准的待分析的硅片图像，如图2的白色框图所示。这种判断硅片精准位置的方法还可以针对其他形状、方位的硅片进行识别，如图3所示的位置分析结果图。通过对灰度阈值和硅片所占比例的微调整，可以保证最终进行分析的图片信息全部来自硅片本身，同时降低后续的计算量，提高分析时间，另外，这种判断硅片精准位置的方法不需要人工手动选取，只需要设置合适的参数即可，从而提高了判断速度和精准度。(3)可选地，使用例如中指滤波方式对图2白色框中的图像进行滤波，从而去除噪声，同时可以极大地保存硅片的细节信息。中指滤波的表达式为r＝mediun(ii)。滤波器窗口不同，所保留的细节信息有所差异。由于硅片中每个晶花的差异很小且细节信息比较重要，因此该处选取3*3的窗口尺寸对硅片图像进行滤波处理，得出如图4所示的去除噪声的硅片图像。滤波后的图片大大降低了噪声点数值，有利于后续的数值分析。(4)计算图4所示的硅片图像中所有像素点的灰度平均值，在该实施例中，灰度平均值为(5)确定灰度平均值-反射率函数关系式：基于固定的光源参数和相机参数，对n张反射率分别为r1～rn的已知硅片进行前述步骤(1)～(4)的操作，分别得出n张已知硅片的精准硅片图像中所有像素点的灰度平均值绘制出反射率r与灰度平均值的关系图，可以采用线性拟合、二次拟合或三次拟合等函数关系得出两个量之间的函数关系式优选地，所选取的标定反射率的硅片反射率差异值较大、数量较多。在该实施例中，使用线性拟合得出反射率与灰度平均值的关系式为如果光照条件及相机参数没有更改，步骤(5)只需要进行一次标定即可。在一个实施方式中，步骤(5)可以预先执行。(6)将步骤(4)得出的灰度平均值代入步骤(5)得出的关系式，计算得出硅片的反射率。在采用上述关系式的情况下，计算得出的硅片的反射率是8.26％。本实施例的硅片反射率测定是通过如下装置实现的：图像采集模块，用于获取硅片的图像，包括：固定在工作台上的环形led光源，放置在样品台上的硅片样品，固定在工作台上的相机，光源、样品和相机置于外壳内实现优选密闭的拍摄环境。图像采集模块可以直接采集硅片的灰度图像。可选地，如果相机采集到的图像为彩色图像，可以通过灰度转化模块将彩色图像转化为灰度图像；图像处理模块，其基于所述灰度图像中各个像素点的灰度值确定硅片的具体位置，从而得到精准硅片图像；滤波模块，用于滤除精准硅片图像中的噪声；数据处理模块，计算滤波后的精准硅片图像中所有像素点的灰度平均值判定模块，用于根据灰度平均值-反射率函数关系式计算出硅片的反射率；以及标定模块，用于基于已知的反射率与灰度平均值拟合出所述灰度平均值-反射率函数关系式。第二实施例该实施例用于定量地确定硅片的外观情况。重复第一实施例的步骤(1)～(3)，对图4所示的硅片图像进行灰度值分布统计，计算与每一个灰度值i或灰度值区间对应的像素点数目占总像素点数目的比值(简称“像素点所占比”)，优选地绘制灰度值分布曲线(如图5所示)。将每个灰度值对应的像素点数目占总像素点数目的比值与比值阈值(在该实施例中，比值阈值为0.001)进行比较，低于0.001的比值对应的灰度值为异常灰度值，高于0.001的比值所对应的灰度值为正常灰度值；计算出正常灰度值的宽度l，即最高正常灰度值与最低正常灰度值的差；以及将差l与预设标准进行比较，判断硅片的晶花情况，预设标准如下表1,其仅为示例性的，而非限制性的。表1l值硅片晶花情况0～20优秀21-40良好41～60一般61～255不合格在该实施例中，宽度l＝30，因此判断硅片晶花情况良好。本实施例的硅片外观确定装置与第一实施例的装置类似，区别在于数据处理模块对所得到的硅片图像进行灰度值分布统计，计算与每一个灰度值i或灰度值区间对应的像素点数目占总像素点数目的比值，优选地绘制灰度值分布曲线；而判定模块嵌入有预设标准，基于正常灰度值的宽度l确定硅片的晶花情况。第三实施例分层现象也是硅片生产中经常出现的一种现象，即硅片的上半部分和下半部分的外观具有较大差异的现象。硅片的分层现象会导致太阳能电池片的外观不均匀性增加，从而降低太阳能电池片的成品率。本实施例用于定量的分析硅片的分层程度。重复第一实施例的步骤(1)～(3)，得到滤除噪声的精准待分析的硅片图像。将所得到的硅片图像沿竖直方向分成300份，按照第一实施例和第二实施例的方法确定每一份所对应的硅片的反射率r和正常灰度值宽度l，结果如图6所示，图6为根据第三实施例的硅片的反射率r(虚线)和正常灰度值宽度l(实线)的变化曲线，将正常灰度值宽度l和反射率r的变化与判定标准相比较，从而确定硅片的分层情况。表2和3示出判定分层情况的正常灰度值宽度l和反射率r的标准，其仅为示例性的，而非限制性的。表2l值的差异硅片外观情况0～10无分层11～20略微分层21～30分层41～255严重分层表3在本实施例中，计算得出硅片样品不同层的反射率r的差异为1.98％，宽度l的差异为16，因此从反射率r角度而言，该样品没有分层现象，从晶花差l角度而言，存在略微分层，综合来看，该硅片样品是略微分层的。如图6所示实线所示，分层现象主要出现在硅片的顶端部分。本领域技术人员很容易理解，只有r和l的判定结果都是无分层，才可以得出硅片样品无分层的结论。根据本发明的其他实施例，在确定硅片的分层情况时，沿水平方向将硅片图像进行分份。用于判定硅片的分层情况的装置与第一实施例的装置类似，区别在于：数据处理模块，首先将所得到的硅片图像沿水平方向或竖直方向分份，然后对每一份图像进行灰度值分布统计，计算与每一个灰度值i对应的像素点数目占总像素点数目的比值，绘制每一份图像的灰度值分布曲线，并计算每一份图像中所有像素点的灰度平均值以及每一份图像的正常灰度值宽度l；判定模块，基于灰度平均值-反射率函数关系式计算每一份图像所对应的硅片的反射率r，并将各份图像之间的正常灰度值宽度l和反射率r的差异与判定标准相比较，从而确定硅片样品的分层情况。根据本发明的其他实施例，在采集硅片的图像时，采用背光源辐照硅片样品。根据本发明的其他实施例，硅片放置在黑色背景上，硅片所在位置的像素点的灰度值高于预定灰度阈值。根据本发明的其他实施例，采用matlab、vb、c语言或c++等进行图像处理、数据处理和判定。虽然本发明已经通过优选实施例进行了描述，然而本发明并非局限于这里所描述的实施例，在不脱离本发明范围的情况下还包括所作出的各种改变以及变化。当前第1页12