Research on Solar Wafer Defect Detection Technology based on Halcon
齐鲁工业大学（山东省科学院）电气工程与自动化学院段华伟Duan Huawei
摘要：针对太阳能硅片生产过程中碎片率増加的问题，同时为了有效避免太阳能电池对相关工艺造
成的影响，需要使用机器视觉系统进行有效的缺陷检测，因此，提出了基于Halcon图像处理的太阳
能硅片表面缺陷系统的总体设计方案，介绍了太阳能硅片检测系统的主要组成部分、图像处理的关键
算法以及实施此项技术的好处。
关键词：太阳能硅片Halcon 机器视觉
Abstract: In view of the problem of increasing the fragmentation rate in the production
process of solar wafers, and in order to effectively avoid the influence of solar cells on related
processes, it is necessary to use machine vision systems for effective defect detection.
Therefore, solar silicon based on Halcon image processing is proposed. The overall design
of the surface defect system introduces the main components of the solar wafer inspection
system, key algorithms for image processing, and the benefits of implementing this
technology.
Key words: Solar wafer Halcon Machine vision
【中图分类号】M914.4+1【文献标识码】B文章编号1606-5123 (2019) 03-0077-03
1引言
随着太阳能硅片制造工艺的升级，太阳能硅片变得 越来越薄，因此太阳能硅片变得更容易破损。为了降低生 产过程中的碎片率，同时避免太阳能电池不良对相关工艺 造成的影响，需要利用机器视觉系统进行尺寸测量、隐裂 检测、孔洞检测和脏污检测等，最终达到提高模组发电效 率和使用寿命的目的。据估计，每条生产电池生产线由隐 裂、孔洞、和脏污等缺陷带来的损失每年多达60万美金左 右。因此，有效的缺陷检测方法对提高太阳能硅片的工艺 质量非常重要。
传统的太阳能硅片缺陷检测的方式主要有两种：超声 波共振扫描和接触电阻扫描。其中，超声波检测法具有无 损、快速的特点，但其灵敏度不高，更适用于硅片和电池 片的缺陷检测；而接触电阻扫描法灵敏度高，但缺点是耗时 长、具有破坏性，仅适用于电池片缺陷的检测。
表面质量检测的最大难点是缺陷特征提取和缺陷分类。传统的机器视觉检测方法一般采用灰度特征、几何形状特征或者纹理特征来描述缺陷，同时神经网络和支持向 量机等被广泛应用于表面缺陷检测和识别。这些方法都在 某种程度上实现了表面缺陷检测和识别。但是由于太阳能 硅片表面反光强烈，使得太阳能硅片带的特征提取和分类 面临难题，传统的方法已无法满足生产对质量控制系统的 局度要求，
本文利用德国M V T e c公司的视觉软件Halcon10.1，实 现对太阳能硅片隐裂、孔洞、脏污、断栅等缺陷进行快速 地检测[1]，能够降低劳动强度、降低生产成本，降低产品检 测过程的人为因素，实现产品生产的高度自动化，提高产 品检测质量，能够产生很好的社会和经济效益。
2 关于 H alcon
图像处理软件H alconlO.l是德国M V T e c公司开发的 机器视觉软件，该软件具有强大的图像处理功能。在欧洲 以及日本的工业界已经是公认具有最佳效能的机器视觉软 体。该软件包含一千多个各自独立的函数，其中包含了各
m|MACHINE VISION |机器视觉
类滤波、彩以及几何、数学转换、型态学计算分析、校 正、分类辨识、形状捜寻等等基本的几何以及图像计算功 能。该软件包含一套交互式的程序设计接口 H D evelop，可 以在其中以代码直接编写、修改、执行程序，并且可以查 看计算中的所有变量[2]。
利用该软件所包含的算法：边缘于线提取、分割、区域处理、边缘检测等，这些集成的功能函数可以简化对太 阳能电池隐裂、孔洞、脏污、断栅等缺陷进行快速地检测。
3 图像采集系统设计
图像采集系统图形表示及说明如图1所示。整个系统由 机械传动部分、编码器、光源、C C D及图像采集卡组成。其中，机械传动部分由滚轴、传送带及电机组成，为了实 现定位的功能在传送带的滚轴上安装一个编码器，同时在 传送带的另一端安装一个光电开关。
图1图像米集系统示意图
该系统图像采集的工作原理为：太阳能电池放在传送 带上，传送带靠电机带动以一定大小均匀速度运动，当传 送带上的太阳能电池桂片通过光电开关时，光电开关被触 发并给图像采集卡发脉冲，此时图像采集卡开始读取CCD 的数据。当图像采集到了在把图像数据传送给计算机，利 用H alconlO.l程序来
检测太阳能硅片是否合格[3]。
4 图像处理方法及理论分析
该检测系统图像处理的工作基本原理具体分析如下。
由于太阳能硅片缺陷检测是生产线上应用的一个实时 检测系统，所以该系统具有较强的实时、快速性；因此需要 非常大的图像数据量。为了提高系统处理速度，除了采用 比较高性能的硬件以外，还需要在软件运算方式和运算速 度方面来考虑问题。本系统才用机器视觉(Halcon)语言能够 满足系统的要求，同时在选择相应的算法方面也做了相应 的考虑。太阳能硅片缺陷检测主要任务分为：处理、分析提 取硅片图像，实现太阳能硅片缺陷的自动识别。该系统可 分为十三个步骤，如图2所示。
从图2流程可得到，经过采集到太阳能硅片图像以后，共需经历十二个主要的步骤处理采集到的太阳能硅片 图像，即图像预处理、图像增强、中值滤波、分解图像 (RGB)、设定threshold值、提取特征形状、计算两个区域的 差异、变换图像形状、扩张有圆形元素地区、选择带有某 些特征的区域、显示检测结果、缺陷数据库。
4.1图像预处理
在对采集到的图像处理之前，应该对图像进行预处理。在获取图像的过程中，由于各种因素的影响包
括摄像设备参 数限制以及周围环境的变化等，使获取的图像无法达到我们 所期望的理想效果，图像预处理的目的是为了改善给定的图 像或增强其中一些比较重要的图像特征来满足实际需求。4.2图像增强
图像增强的首要目标是处理图像，使其比原始图像更 加适合于某些特定的应用场合，原理是通过一定的方法在 原始图像上附加一些信息或对图像进行数据变换，来突出 图像中所感兴趣的区域或抑制图像中一些不必要的特征，从而使图像与视觉响应特性相匹配。图像增强的通用理论 是不存在的，因为当图像为视觉解释而进行处理时，都是 由观察者最后判断特定方法的效果。常用的方法有：①灰度 变换；②平滑处理。由于图像平滑通常是用于图像的模糊处 理或者是减少噪声，如在提取大的目标之前去除图像中的 一些琐碎细节、曲线的缝隙和桥接直线，所以本文选用平滑处理来对采集到的图像进行图像争强。
4.3分解图像(RGB)
通过该算法把采集到的彩图像转换成黑白图像，便 于后面设定特定的threshold值。
4.4提取图像
通过设定特定的th re s h o ld值来提取图像，再利用提取 特征形状、变换图像形状算法来提取具有一定特征的图像。
4.5对比信息
利用计算两个区域的差异算法来对比两者的信息，最 后通过选择带有某些特征的区域算法来提取桂片有没有缺 陷
，
显示出相应的缺陷。
《智慧工厂》Smart factory
March 2019
4.6缺欠数据库
利用缺陷数据库管理对已经检测出来的各种太阳能缺
陷图像信息进行保存并且对各种缺陷进行编号，这样就便
于产品出货跟踪和管理。
5 实验结果与分析
用本文方法对太阳能硅片缺陷进行检测，检测结果如 下图所示(图3-图6)。从实验结果可以看出，采用本文的方 法对太阳能硅片进行检测得到了令人满意的检测结果。
图3待检测的太阳能硅片
图4断栅的太阳能硅片
图6断栅和穿孔的太阳能硅片
6 结束语
基于H a lc o n图像处理的检测技术发展已经曰趋成熟，在企业生产和社会生活中的应用也比较广泛。但是这些技 术在新兴的太阳能行业中应用相对比较少，随着太阳能行 业的发展和对太阳能硅片产品需求量的增加，尤其是对硅 片表面质量要求的不断提高，其质量会严重影响太阳能电 池的转换效率。所以，对太阳能硅片表面质量的控制也是 很重要的一项工作。因此研究基于H a lc o n图像处理技术在 太阳能硅片生产中是非常有必要的，不仅具有一定的理论 价值也更具有实际的应用价值。
参考文献
[1] 项辉宇，薛真，冷崇杰等.基于Halcon的苹果品质视觉检测试验研
究[J].食品与机械,2016,32(10):123-126.
太阳能的好处[2] 何斌，马天予，王运坚.Visual C++数字图像处理[M].2版.北京：人民
邮电出版社,2002.
[3] 章毓晋.图像理解与计算机视觉[D].北京：清华大学出版社,2000.
作者简介
段华伟（1990—）工学硕士在读研究方向：工业过程 控制与机器视觉
图5
断栅和脏污的太阳能硅片
发布评论