基于图像增强的碎硅片清洗效果视觉检测方法与流程

本发明涉及图像数据处理，具体涉及基于图像增强的碎硅片清洗效果视觉检测方法。

背景技术：

1、硅片清洗是制作光伏电池和集成电路的基础，硅片清洗的效果直接影响到光伏电池和集成电路最终的性能、效率和稳定性。清洗硅片在除去硅片表面的杂质的同时，需要使硅片表面钝化，从而减小硅片表面的吸附能力。目前，由于硅片清洗技术的缺陷，大规模集成电路中因为硅材的洁净度不足而导致集成电路中出现问题甚至失效的比例达到50%，所以，需要及时对碎硅片清洗效果进行视觉检测。

2、图像的预处理过程是视觉检测所必须的准备阶段。在对碎硅片清洗后的图片进行采集时，由于相机的光圈焦距等参数、相机拍摄角度、自然光线等因素，会导致拍摄的图像质量受到影响。同时，碎硅片形状不一、表面不平整，也会对图像质量产生影响，采集分图像更容易出现噪点、图片细节不能呈现等问题，进而影响判断碎硅片清洗效果的精度。为提升图像的精度，一般采用retinex算法对图像进行增强。但传统的retinex算法假定照度图像是平滑的，在实际场景中，由于目标的反射特征不同及阴影等的影响，照度图像实际上是分片平滑的，所以，经过增强的图像往往存在边界附近模糊、产生光晕现象。

技术实现思路

1、本发明提供基于图像增强的碎硅片清洗效果视觉检测方法，以解决图像增强过程中图像中的边界信息附近模糊、易出现过度曝光的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了基于图像增强的碎硅片清洗效果视觉检测方法，该方法包括以下步骤：

3、采集图像并进行预处理，获取碎硅片图像，根据碎硅片图像获取初始亮度图像，根据初始亮度图像获取初始照度图像，根据初始亮度图像和初始照度图像获取初始反射图像；

4、获取初始照度图像中像素点的搜索窗口，根据搜索窗口确定固定邻域窗口和滑动邻域窗口，根据像素点的搜索窗口内的固定邻域窗口和滑动邻域窗口获取像素点的分片平滑特征，根据像素点的分片平滑特征获取像素点的照度校正系数，根据初始照度图像中像素点的亮度值和照度校正系数获取像素点在照度图像中的亮度值，根据照度图像中的亮度值获取照度图像；

5、获取初始反射图像中的边缘像素点，获取边缘像素点的渐变区域，根据边缘像素点的渐变区域获取像素点的渐变程度，根据渐变程度获取渐变修正因子，根据初始反射图像中像素点的亮度值和边缘像素点的渐变修正因子获取边缘像素点的渐变区域修正反射像素值，根据初始反射图像中边缘像素点的修正反射亮度值和像素点的亮度值获取反射图像；

6、根据照度图像和反射图像获取亮度图像，根据亮度图像和第一碎硅片图像获取碎硅片增强图像，对碎硅片增强图像的清洗效果进行检测以判定碎硅片清洗效果。

7、进一步，所述获取初始照度图像中像素点的搜索窗口，包括的具体方法为：

8、将初始照度图像中每个像素点分别作为待分析像素点，以待分析像素点为中心像素点建立边长为第一预设阈值的搜索窗口。

9、进一步，所述根据搜索窗口确定固定邻域窗口和滑动邻域窗口，包括的具体方法为：

10、在待分析像素点的搜索窗口内任意选取两个像素点，将任意选取两个像素点分别记为第一像素点和第二像素点；

11、分别以第一像素点和第二像素点为中心建立边长为第二预设阈值的邻域窗口；

12、将第一像素点的邻域窗口作为固定邻域窗口；

13、将第二像素点的邻域窗口作为滑动邻域窗口。

14、进一步，所述根据像素点的分片平滑特征获取像素点的照度校正系数，包括的具体方法为：

15、将待分析像素点的分片平滑特征与待分析像素点的八邻域内所有像素点的分片平滑特征的平均值的差值记为第一差值；

16、将待分析像素点八邻域内所有像素点的分片平滑特征的标准差与第三预设阈值的和记为第一和值；

17、将第一差值与第一和值的比值记为待分析像素点的照度校正系数。

18、进一步，所述根据照度图像中的亮度值获取照度图像，包括的具体方法为：

19、将计算得到的照度图像中每个像素点的亮度值作为像素点对应的像素值，获取照度图像。

20、进一步，所述获取边缘像素点的渐变区域，包括的具体方法为：

21、获取边缘像素点的梯度幅值和梯度方向，其中，梯度方向分为水平方向和垂直方向；

22、将初始反射图像中每个边缘像素点分别记为待分析边缘像素点，获取待分析边缘像素点的梯度方向的水平方向和垂直方向上的像素点；

23、以待分析边缘像素点为起点，沿待分析边缘像素点的梯度方向的水平方向选取亮度值依次增大的像素点，直至水平方向像素点的亮度值出现减小或者亮度值保持不变；

24、以待分析边缘像素点为起点，沿待分析边缘像素点的梯度方向的垂直方向选取亮度值依次增大的像素点，直至垂直方向像素点的亮度值出现减小或者亮度值保持不变；

25、将待分析边缘像素点沿待分析边缘像素点的梯度方向的水平方向和垂直方向选取的所有像素点组成的区域记为待分析边缘像素点的渐变区域。

26、进一步，所述根据初始反射图像中像素点的亮度值和边缘像素点的渐变修正因子获取边缘像素点的渐变区域修正反射像素值，包括的具体方法为：

27、将待分析边缘像素点的亮度值和渐变修正因子的乘积记为第一乘积；

28、将第一乘积经第一取值函数计算后的数值记为边缘像素点的渐变区域修正反射像素值。

29、进一步，所述根据初始反射图像中边缘像素点的修正反射亮度值和像素点的亮度值获取反射图像，包括的具体方法为：

30、将初始反射图像中的每个像素点分别作为第三像素点；

31、当第三像素点在初始反射图像中的渐变区域中时，将第三像素点的修正反射亮度值记为第三像素点在反射图像中的亮度值；

32、当第三像素点不在初始反射图像中的渐变区域中时，将第三像素点的亮度值记为第三像素点在反射图像中的亮度值；

33、根据将初始反射图像中的每个像素点反射图像中的亮度值获取反射图像。

34、进一步，所述根据亮度图像和第一碎硅片图像获取碎硅片增强图像，包括的具体方法为：

35、将亮度图像中像素点的像素值作为像素点亮度通道对应的像素值，将第一碎硅片图像中像素点在a、b通道对应的像素值仍作为a、b通道对应的像素值，获取碎硅片增强图像。

36、进一步，所述对碎硅片增强图像的清洗效果进行检测以判定碎硅片清洗效果，包括的具体方法为：

37、采用基于卷积神经网络的语义分割模型对碎硅片增强图像的清洗效果进行检测，获取碎硅片的语义分割效果图，其中，语义分割效果图中碎硅片清洗合格的区域像素点的灰度值标记为数字1，碎硅片清洗不合格的区域像素点灰度值标记为数字0；

38、统计语义分割效果图中灰度值为零的像素点数量占语义分割效果图中所有像素点的数量的比值；

39、当比值大于等于第一不合格阈值时，判定碎硅片清洗效果不佳，需要对碎硅片上的杂质进一步进行清洗处理；

40、当比值小于第一不合格阈值时，判定碎硅片清洗效果合格。

41、本发明的有益效果是：

42、本发明通过改进retinex算法对碎硅片图像进行图像细节增强，进而实现碎硅片增强图像的清洗效果检测，首先，获取第一碎硅片图像、初始照度图像和初始反射图像；获取初始照度图像中像素点的分片平滑特征，根据像素点的分片平滑特征获取像素点的照度校正系数，根据初始照度图像中像素点的亮度值和照度校正系数获取照度图像，实现对初始照度图像中的低亮区域进行增强，并且抑制高亮区域的过度曝光；同时，根据初始反射图像的边缘像素点梯度分布特征，分析初始反射图像中边角区域存在的光晕现象导致碎硅片边缘像素值呈现出渐变效应的特征，获取初始反射图像中边缘像素点的渐变区域，根据边缘像素点的渐变区域获取像素点的渐变程度，根据渐变程度获取渐变修正因子，根据初始反射图像中像素点的亮度值和边缘像素点的渐变修正因子获取边缘像素点的渐变区域修正反射像素值，结合像素点的亮度值获取反射图像，有效增强初始反射图像中渐变区域像素点的对比度，完成图像细节信息的增强；最后，根据照度图像和反射图像获取亮度图像，根据亮度图像和第一碎硅片图像获取碎硅片增强图像，对碎硅片增强图像的清洗效果进行检测以判定碎硅片清洗效果，提升碎硅片清洗效果检测的准确性。