本文主要工作如下：

1) 提出了基于 Halcon 圖像處理的太陽能硅片表面缺陷檢測系統的總體設計方案。

2) 簡述太陽能硅片檢測系統組成機構和介紹了一些基于 Halcon 圖像處理的基本算法流程(如圖 2所示)。

3）采用本文的檢測方法可以降低勞動強度、降低生產成本，降低產品檢測過程的人為因素，實現產品生產的高度自動化，提高產品檢測質量，能夠產生很好的社會和經濟效益。

1. 引言

隨著太陽能硅片制造工藝的升級，太陽能硅片變的越來越薄，因此太陽能硅片變的更容易破損。為了降低生產過程中的碎片率，同時避免太陽能電池不良對相關工藝造成的影響，需要利用機器視覺系統進行尺寸測量、隱裂檢測、孔洞檢測和臟污檢測等，最終達到提高模組發電效率和使用壽命的目的。據估計，每條生產電池生產線由隱裂、孔洞、和臟污等缺陷帶來的損失每年多達 60 萬美金左右。因此，有效的缺陷檢測 方法對提高太陽能硅片的工藝質量非常重要。

超聲波共振掃描和接觸電阻掃描這兩種檢測法是太陽能硅片缺陷檢測的兩種檢測方法。超聲波檢測法具有無損、快速的特點，但靈敏度不高，適用于硅片和電池片；接觸電阻掃描法靈敏度高，但耗時長、有破壞性，僅適用于電池片。

表面質量檢測的最大難點是缺陷特征提取和缺陷分類。傳統的機器視覺檢測方法一般采用灰度特征、幾何形狀特征或者紋理特征來描述缺陷，同時神經網絡和支持向量機等被廣泛應用于表面缺陷檢測和識別。這些方法都在某種程度上實現了表面缺陷檢測和識別。但是由于太陽能硅片表面反光強烈，使得太陽能硅片帶的特征提取和分類面臨難題，傳統的方法已無法滿足生產對質量控制系統的高度要求，因此本文利用德國 MVTec 公司的視覺軟件 Halcon 10.1，實現對太陽能硅片隱裂、孔洞、臟污、斷柵等缺陷進行快速地檢測。

2. Halcon介紹

圖像處理軟件 Halcon10.1 是德國 MVTec 公司開發的機器視覺軟件，該軟件具有強大的圖像處理功能。在歐洲以及日本的工業界已經是公認具有最佳效能的機器視覺軟體。該軟件包含一千多個各自獨立的函數，其中包含了各類濾波、色彩以及幾何、數學轉換、型態學計算分析、校正、分類辨識、形狀搜尋等等基本的幾何以及圖像計算功能。該軟件包含一套交互式的程序設計接口 HDevelop，可以再其中以代碼直接編寫、修改、執行程序，并且可以查看計算中的所有變量。利用該軟件所包含的算法：邊緣于線提取、分割、區域處理、邊緣檢測等，這些集成的功能函數可以簡化對太陽能電池隱裂、孔洞、臟污、斷柵等缺陷進行快速地檢測。

3. 圖像采集系統設計

圖像采集系統圖示及說明如圖 1所示。整個系統由機械傳動部分、編碼器、光源、CCD 及圖像采集卡組成。其中，機械傳動部分由滾軸、傳送帶及電機組 成，為了實現定位的功能在傳送帶的滾軸上安裝一個編碼器，同時在傳送帶的另一端安裝一個光電開關。

該系統圖像采集的工作原理為：太陽能電池放在傳送帶上，傳送帶靠電機帶動以一定大小均勻速度運動，當傳送帶上的太陽能電池硅片通過光電開關時，光電開關被觸發并給圖像采集卡發脈沖，此時圖像采集卡開始讀取 CCD的數據。當圖像采集到了在把圖像數據傳送給計算機，利用 Halcon10.1 程序來檢測太陽能硅片是否合格。

4. 圖像處理方法及理論分析

檢測系統圖像處理的工作基本原理

由于太陽能硅片缺陷檢測是生產線上應用的一個實時檢測系統，所以該系統具有較強的實時、快速性；因此需要非常大的圖像數據量。為了提高系統處理速度，除了采用比較高性能的硬件以外，還需要在軟件運算方式和運算速度方面來考慮問題。本系統才用機器視覺(Halcon)語言能夠滿足系統的要求，同時在選擇相應的算法方面也做了相應的考慮。太陽能硅片缺陷檢測主要任務分為：處理、分析提取硅片圖像，實現太陽能硅片缺陷的自動識別。該系統可分為十三個步驟，如圖 2所示。

從圖 2流程可得到，經過采集到太陽能硅片圖像以后，共需經歷十二個主要的步驟處理采集到的太陽能硅片圖像，即圖像預處理、圖像增強、中值濾波、分解圖像(R G B)、設定 threshold值、提取特征形狀、計算兩個區域的差異、變換圖像形狀、擴張有圓形元素地區、選擇帶有某些特征的區域、顯示檢測結果、缺陷數據庫。

1) 圖像預處理：在對采集到的圖像處理之前，應該對圖像進行預處理。在獲取圖像的過程中，由于各種因素的影響包括攝像設備參數限制以及周圍環境的變化等，使獲取的圖像無法達到我們所期望的理想效果，圖像預處理的目的是為了改善給定的圖像或增強其中一些比較重要的圖像特征來滿足實際需求。

2) 圖像增強：圖像增強的首要目標是處理圖像，使其比原始圖像更加適合于某些特定的應用場合，原理是通過一定的方法在原始圖像上附加一些信息或對圖像進行數據變換，來突出圖像中所感興趣的區域或抑制圖像中一些不必要的特征，從而使圖像與視覺響應特性相匹配。圖像增強的通用理論是不存在的，因為當圖像為視覺解釋而進行處理時，都是由觀察者最后判斷特定方法的效果。

常用的方法有：

①灰度變換；

②平滑處理。由于圖像平滑通常是用于圖像的模糊處理或者是減少噪聲，如在提取大的目標之前去除圖像中的一些瑣碎細節、曲線的縫隙和橋接直線，所以本文選用平滑處理來對采集到的圖像進行圖像爭強。

3) 分解圖像(R G B)：通過該算法把采集到的彩色圖像轉換成黑白圖像，便于后面設定特定的 threshold值。

4) 通過設定特定的threshold 值來提取圖像，再利用提取特征形狀、變換圖像形狀算法來提取具有一定特征的圖像。

5) 利用計算兩個區域的差異算法來對比兩者的信息，最后通過選擇帶有某些特征的區域算法來提取硅片有沒有缺陷，顯示出相應的缺陷。

6) 利用缺陷數據庫管理對已經檢測出來的各種太陽能缺陷圖像信息進行保存并且對各種缺陷進行編號，這樣就便于產品出貨跟蹤和管理。

5. 實驗結果與分析

用本文方法對太陽能硅片缺陷進行檢測，檢測結果如下圖所示(圖3~6)。 表1是對某國內大型太陽能硅片廠現場采集到的幾種缺陷樣本進行缺陷檢測的結果。 從實驗結果可以看出，采用本文的方法對太陽能硅片進行檢測得到了令人滿意的檢測結果。

6. 結論

基于 Halcon 圖像處理的檢測技術發展已經日趨成熟。在企業生產和社會生活中的應用也比較廣泛。但是這些技術在新興的太陽能行業中應用相對比較少，隨著太陽能行業的發展和對太陽能硅片產品需求量的爭加，尤其是對硅片表面質量要求的不斷提高，其質量會嚴重影響太陽能電池的轉換效率，所以，對太陽能硅片表面質量的控制也是很重要的一項工作。因此研究基于 Halcon 圖像處理技術在太陽能硅片生 產中是非常有必要的，不僅具有一定的理論價值也更具有實際的應用價值。