本發(fā)明屬于太陽(yáng)能電池生產(chǎn)技術(shù)領(lǐng)域，具體涉及一種太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)及檢測(cè)方法。

背景技術(shù)：

太陽(yáng)能光伏發(fā)電技術(shù)在解決邊遠(yuǎn)無(wú)電地區(qū)和節(jié)約能源方面發(fā)揮著重要作用，光伏發(fā)電設(shè)備的關(guān)鍵設(shè)備是太陽(yáng)能電池板，太陽(yáng)能電池板的關(guān)鍵組件是硅晶片，硅晶片的好壞對(duì)發(fā)電效率有著重大的影響，硅晶片在生產(chǎn)過(guò)程中往往存在尺寸不合格和崩邊、黑斑、隱裂等外觀缺陷。

對(duì)硅晶片的傳統(tǒng)人工檢測(cè)精度低，主觀性強(qiáng)，可重復(fù)性差，無(wú)法提供持續(xù)一致性檢測(cè)結(jié)果，漏檢誤檢率高；要運(yùn)用機(jī)器視覺(jué)的方法對(duì)硅晶片進(jìn)行圖像檢測(cè)，有必要設(shè)計(jì)一種硅晶片缺陷檢測(cè)系統(tǒng)及方法。

申請(qǐng)?zhí)枮镃N200910183220.1的中國(guó)專(zhuān)利公開(kāi)了“一種太陽(yáng)能光伏組件電池片缺陷檢測(cè)方法及檢測(cè)儀”，該檢測(cè)儀包括暗室，在暗室的內(nèi)部設(shè)置有疊放的上抽屜和下抽屜，上抽屜與下抽屜內(nèi)各設(shè)置有超白玻璃平臺(tái)，在暗室的底部安裝有45°角光學(xué)級(jí)高反射鏡和圖像采集設(shè)備，45°角光學(xué)級(jí)高反射鏡與圖像采集設(shè)備位于下抽屜的下方，超白玻璃平臺(tái)安裝有定位電極。通過(guò)光學(xué)反射的原理檢測(cè)電池片上的缺陷，該檢測(cè)儀檢測(cè)的缺陷種類(lèi)有限，精度較差，而且該檢測(cè)儀只有檢測(cè)功能，沒(méi)有分揀功能，需要人工分揀，分揀效率低。申請(qǐng)?zhí)枮镃N201110313678.1的中國(guó)專(zhuān)利申請(qǐng)公開(kāi)了“一種硅片及硅太陽(yáng)電池片缺陷檢測(cè)方法”，該檢測(cè)方法，通過(guò)LED光源或激光器激發(fā)待測(cè)硅片或硅太陽(yáng)電池片產(chǎn)生特定波長(zhǎng)的發(fā)光信號(hào)，通過(guò)紅外成像機(jī)構(gòu)和計(jì)算機(jī)檢測(cè)并處理硅片或硅太陽(yáng)電池片發(fā)出的特定波長(zhǎng)的發(fā)光信號(hào)，得到其可靠的缺陷參數(shù)數(shù)據(jù)。能方便快速地檢測(cè)出硅片材料本身的缺陷、結(jié)晶缺陷、碎片、材料污染等缺陷，并且實(shí)現(xiàn)了無(wú)接觸檢測(cè)，具有結(jié)構(gòu)簡(jiǎn)單、使用方便、缺陷參數(shù)檢測(cè)可靠精確等優(yōu)點(diǎn)和特點(diǎn)。但是該方法自動(dòng)化程度低，檢測(cè)數(shù)據(jù)未經(jīng)過(guò)精確計(jì)算，檢測(cè)結(jié)果的精度有限。

技術(shù)實(shí)現(xiàn)要素：

為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供了一種太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)及方法，能快速地傳送硅晶片以及對(duì)硅晶片圖像進(jìn)行缺陷快速檢測(cè)，滿(mǎn)足生產(chǎn)流水線(xiàn)上高速高精度的檢測(cè)要求。

為實(shí)現(xiàn)上述技術(shù)方案，本發(fā)明提供了一種太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)，包括：視覺(jué)圖像采集系統(tǒng)、圖像處理系統(tǒng)和分揀系統(tǒng)；所述視覺(jué)圖像采集系統(tǒng)包括上料機(jī)械臂、物料槽、物料臺(tái)、工業(yè)相機(jī)、照明光源和傳送皮帶，所述物料槽固定在物料臺(tái)臺(tái)面上，上料機(jī)械臂安裝在物料槽一側(cè)，傳送皮帶安裝在上料機(jī)械臂前方，工業(yè)相機(jī)安裝在傳送皮帶中部的正上方，照明光源安裝在工業(yè)相機(jī)的正下方；所述圖像處理系統(tǒng)包括工控PC機(jī)、IO板卡、圖像采集卡和圖像處理軟件，所述IO板卡、圖像采集卡和圖像處理軟件均安裝在工控PC機(jī)內(nèi)，所述工業(yè)相機(jī)的信號(hào)輸出端與圖像采集卡的信號(hào)輸入端連接，所述工控PC機(jī)通過(guò)IO板卡的信號(hào)輸出端與分揀系統(tǒng)連接；所述分揀系統(tǒng)包括分揀機(jī)械臂、分揀箱和PLC，所述分揀機(jī)械臂安裝在傳送皮帶的末端，分揀箱放置在分揀機(jī)械臂的一側(cè)，PLC安裝在物料臺(tái)內(nèi)置的電控柜內(nèi)，所述分揀機(jī)械臂的信號(hào)輸入端與PLC的信號(hào)輸出端連接，PLC通過(guò)IO板卡與工控PC機(jī)連接。

優(yōu)選的，所述視覺(jué)圖像采集系統(tǒng)中的工業(yè)相機(jī)對(duì)放置在傳送皮帶上的硅晶片進(jìn)行拍照，并將拍攝照片傳輸至圖像處理系統(tǒng)中的工控PC機(jī)，所述工控PC機(jī)中的圖像處理軟件對(duì)拍攝照片依次進(jìn)行圖像預(yù)處理、圖像分割和特征提取識(shí)別，然后將識(shí)別的信息傳送至分揀系統(tǒng)中的PLC，PLC控制分揀機(jī)械臂將不同特征缺陷的硅晶片分揀至不同的分揀箱。

優(yōu)選的，所述照明光源采用同軸環(huán)形光源，由于采用環(huán)形同軸的照明方式，同軸光能創(chuàng)建一個(gè)明視野，無(wú)透視畸變，適用于扁平、表面定位缺陷或者瑕疵的情形，可以提高工業(yè)相機(jī)采集圖片的準(zhǔn)確性。

本發(fā)明還提供了一種基于本發(fā)明提供的太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)所進(jìn)行的檢測(cè)方法，具體包括如下操作步驟：

S1、上料機(jī)械臂從物料槽中抓取硅晶片放入傳送皮帶上，電機(jī)控制傳送皮帶將待檢測(cè)硅晶片送入至工業(yè)相機(jī)正下方的檢測(cè)工位；

S2、PLC根據(jù)到位信號(hào)控制工業(yè)相機(jī)拍照，照明光源頻閃，從而獲取硅晶片圖像；

S3、針對(duì)獲取的硅晶片圖像，圖像處理軟件自動(dòng)測(cè)量硅晶片的幾何特征值，所述的硅晶片幾何特征值包括硅晶片的長(zhǎng)度、寬度尺寸；將幾何特征值與標(biāo)準(zhǔn)的特征值比較以檢測(cè)硅晶片是否合格，同時(shí)在圖像區(qū)域內(nèi)檢測(cè)硅晶片的缺陷，并根據(jù)各種缺陷的主要特征運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分類(lèi)；

S4、經(jīng)過(guò)檢測(cè)工位后，工控PC機(jī)的圖像處理結(jié)果通過(guò)IO板卡反饋給PLC，然后PLC控制分揀機(jī)械臂根據(jù)檢測(cè)結(jié)果剔除尺寸不合格的產(chǎn)品，并將各種缺陷分別放入對(duì)應(yīng)的分揀箱內(nèi)。

優(yōu)選的，所述步驟S3中，幾何特征值的測(cè)量具體步驟如下：

S31、選定ROI處理區(qū)域；

S32、在選定的處理區(qū)域內(nèi)查找邊緣點(diǎn)，直到邊緣點(diǎn)數(shù)量達(dá)到閾值或者區(qū)域掃描完畢；

S33、采用多次迭代擬合算法將多個(gè)邊緣點(diǎn)擬合成邊緣直線(xiàn)，所述多次迭代擬合算法包括：a)直線(xiàn)可以出現(xiàn)在圖像坐標(biāo)系中的任何方位，使用黑塞范式法來(lái)表示所有的直線(xiàn)，如公式1，為了從一系列點(diǎn)(r_i，c_i)，i＝1，……，n來(lái)擬合一條直線(xiàn)，用公式2式對(duì)這些點(diǎn)到這條直線(xiàn)的距離的平方和最小化處理，實(shí)際中需要引入約束條件α²+β²＝1作為拉格朗日乘子，公式2將變?yōu)楣?，當(dāng)掃描到的邊緣點(diǎn)距離比較集中時(shí)，采用公式3求取最優(yōu)化解并進(jìn)行迭代擬合：

αr+βc+γ＝0 公式1

b)當(dāng)掃描到的邊緣點(diǎn)距離比較松散時(shí)，由于直線(xiàn)距離遠(yuǎn)的那些點(diǎn)在最優(yōu)化的過(guò)程中將會(huì)由非常大的權(quán)重，為了減少這些遠(yuǎn)離點(diǎn)的影響，可以為每個(gè)點(diǎn)引入權(quán)重wⁱ，采用公式4進(jìn)行迭代擬合：

c)權(quán)重w_i按照公式5或者6計(jì)算：

τ＝2σ_δ 公式7

公式5和公式6中參數(shù)τ是消波因數(shù)，它定義哪些點(diǎn)應(yīng)被視為離群值，所有距離≦τ的

點(diǎn)對(duì)應(yīng)的權(quán)重都是1，對(duì)于距離大于τ的點(diǎn)，將獲得一個(gè)更小的權(quán)重，此權(quán)重函數(shù)為

那些距離遠(yuǎn)的點(diǎn)選定了其距離值而不是平方距離值參加運(yùn)算，由公式7計(jì)算得到，σ_δ表

示這些距離的標(biāo)準(zhǔn)偏差，由公式8計(jì)算得到；

S34、計(jì)算邊緣直線(xiàn)到對(duì)應(yīng)的邊緣直線(xiàn)的像素距離，通過(guò)相機(jī)標(biāo)定再將像素距離轉(zhuǎn)換為實(shí)際距離，從而得到硅晶片的長(zhǎng)度、寬度參數(shù)。

優(yōu)選的，所述步驟S3中，在選定的處理區(qū)域運(yùn)用Blob算法查找缺陷，圖像區(qū)域內(nèi)硅晶片的缺陷檢測(cè)具體步驟如下：

S35、圖像預(yù)處理：用灰度變換對(duì)選定的ROI區(qū)域進(jìn)行圖像預(yù)處理；

S36、圖像分割：將預(yù)處理后的圖像分割為構(gòu)成斑點(diǎn)和局部背景的像素集合；

S37、用對(duì)每個(gè)區(qū)域進(jìn)行連通區(qū)域提取，將目標(biāo)圖像聚合為目標(biāo)像素或斑點(diǎn)的連接體，得出區(qū)域斑點(diǎn)的面積、周長(zhǎng)參數(shù)。

優(yōu)選的，所述步驟S3中，采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)各種缺陷進(jìn)行分類(lèi)，具體步驟如下：

S38、建立硅晶片常見(jiàn)各種缺陷的缺陷圖像數(shù)據(jù)庫(kù)，可以以缺陷為中心的200*200像素為單

幅缺陷圖像大小，為后續(xù)的缺陷分類(lèi)器設(shè)計(jì)提供了樣本圖像；

S39、選用Blob算法和灰度直方圖方法計(jì)算圖像的缺陷特征，得出的圖像缺陷特征包括：

面積、周長(zhǎng)、圓形度、區(qū)域質(zhì)心、灰度均值、灰度標(biāo)準(zhǔn)差，將這一類(lèi)對(duì)象的多個(gè)或多種特

性集合來(lái)形成一個(gè)一維或多維的特征向量，作為識(shí)別系統(tǒng)的輸入；

其中Blob算法得出的圖像區(qū)域描繪子中面積Aera根據(jù)公式9計(jì)算得到：

公式9中，R表示圖像區(qū)域，m、n表示圖像區(qū)域的m行n列，f(i，j)表示區(qū)域內(nèi)點(diǎn)(i，

j)處的像素值；

Blob算法得出的圖像區(qū)域描繪子中區(qū)域的周長(zhǎng)P定義為邊界的長(zhǎng)度，邊界的長(zhǎng)度定義為邊

界點(diǎn)數(shù)之和，其中，每個(gè)點(diǎn)是占面積為1的一個(gè)小方塊，對(duì)圖像的邊緣像素做出標(biāo)記，然

后累計(jì)邊緣像素的個(gè)數(shù)，就得到了圖像區(qū)域的周長(zhǎng)；

Blob算法得出的圖像區(qū)域描繪子中圓形度C根據(jù)公式10計(jì)算得到：

公式10中，P表示區(qū)域的周長(zhǎng)，A表示區(qū)域的面積；

Blob算法得出的圖像區(qū)域描繪子中區(qū)域質(zhì)心(X，Y)根據(jù)公式11計(jì)算得到：

公式11中，m、n表示圖像區(qū)域的m行和n列，xi、yi分別表示圖像坐標(biāo)系內(nèi)(i，j)點(diǎn)的坐標(biāo)值；

灰度直方圖方法得出的圖像區(qū)域描繪子中灰度均值M根據(jù)公式12計(jì)算得到：

公式12中，其中，L是灰度級(jí)總數(shù)，z_i表示第i個(gè)灰度級(jí)，h(z_i)表示直方圖中統(tǒng)計(jì)的灰度為z_i的像素個(gè)數(shù)；

灰度直方圖方法得出的圖像區(qū)域描繪子中灰度標(biāo)準(zhǔn)差σ是區(qū)域內(nèi)所有像素灰度的標(biāo)準(zhǔn)差，灰度標(biāo)準(zhǔn)差反映了區(qū)域內(nèi)灰度分布的均勻性，其計(jì)算公式如下式：

式中，f(x,y)為點(diǎn)(x，y)的像素值，S為區(qū)域內(nèi)像素的個(gè)數(shù)，M表示區(qū)域的灰度均值；

S40、主要的缺陷特征描述子有面積、周長(zhǎng)、圓形度、區(qū)域質(zhì)心、灰度均值、灰度標(biāo)準(zhǔn)差共6種，要識(shí)別輸出的缺陷種類(lèi)有光污染、柵線(xiàn)缺失、水紋、崩邊、缺角、隱裂、黑芯片、斷柵、破片、材料缺陷、燒結(jié)和工藝污染，根據(jù)輸入層數(shù)等于所選的主要特征數(shù)，輸出層數(shù)等于輸出的缺陷種類(lèi)數(shù)，確定輸入層、輸出層數(shù)目分別為6和12，采用一般的經(jīng)驗(yàn)公式12來(lái)確定隱層節(jié)點(diǎn)層數(shù)，經(jīng)過(guò)多次試驗(yàn)確定最終的隱層節(jié)點(diǎn)層數(shù)為10：

公式14中，hide表示隱藏層個(gè)數(shù)，m和n分別為輸入層和輸出層節(jié)點(diǎn)數(shù)，a取1-10；

初始權(quán)值的選擇通常的做法是選擇(-1,1)之間的隨機(jī)數(shù)，學(xué)習(xí)率n設(shè)置為0.5，動(dòng)量因子a，選擇經(jīng)驗(yàn)?zāi)J(rèn)值0.6，引入動(dòng)量因子后可以加速網(wǎng)絡(luò)收斂，選用公式13作為激勵(lì)函數(shù)公式

公式15中y表示輸入，定義域?yàn)閇-∞，+∞],σ(y)表示輸出，值域?yàn)閇0,1]。

本發(fā)明提供的一種太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)及檢測(cè)方法的有益效果在于：

(1)本太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)采用機(jī)器視覺(jué)獲取圖像的方法進(jìn)行尺寸測(cè)量和缺陷檢測(cè)，克服了傳統(tǒng)的人工檢測(cè)精度低，主觀性強(qiáng)，可重復(fù)性差，無(wú)法提供持續(xù)一致性檢測(cè)結(jié)果，漏檢誤檢率高等不足；

(2)本太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)針對(duì)硅晶片這種產(chǎn)品，設(shè)計(jì)了同軸環(huán)形的光學(xué)照明方式，能夠?qū)⒊Ｒ?jiàn)缺陷顯著的區(qū)別于背景圖像，從而為缺陷檢測(cè)帶來(lái)了極大的便利；

(3)本太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)能保障硅晶片順暢地傳送到圖像檢測(cè)工位，還能基于圖像處理方法快速地進(jìn)行硅晶片尺寸測(cè)量和缺陷檢測(cè)并對(duì)缺陷進(jìn)行分類(lèi)，能滿(mǎn)足高速檢測(cè)線(xiàn)上的實(shí)時(shí)性要求；

(4)本太陽(yáng)能硅晶片缺陷檢測(cè)方法，提供基于多次迭代擬合算法提取邊緣信息的算法，能精準(zhǔn)的定位到硅晶片的邊緣直線(xiàn)特征，克服了傳統(tǒng)的最小平方法擬合直線(xiàn)魯棒性不高的缺點(diǎn)，從而顯著的提高了尺寸測(cè)量結(jié)果的精度和準(zhǔn)確性，通過(guò)Blob算法還能快速地檢測(cè)出硅晶片是否存在缺陷及提取各種缺陷的主要特征，且本檢測(cè)方法運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法可對(duì)不同缺陷進(jìn)行精確分類(lèi)。

附圖說(shuō)明

圖1是視覺(jué)檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖。

圖2是視覺(jué)系統(tǒng)構(gòu)成示意圖。

圖3為視覺(jué)檢測(cè)系統(tǒng)總流程圖。

圖4為硅晶片缺陷及缺陷分類(lèi)示意圖Ⅰ。

圖5為硅晶片缺陷及缺陷分類(lèi)示意圖Ⅱ。

圖1中：1、上料機(jī)械臂；2、物料槽；3、物料臺(tái)；4、工業(yè)相機(jī)；5、硅晶片、6、分揀機(jī)械臂；7、分揀箱；8、照明光源；9、傳送皮帶；10、工控PC機(jī)。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。本領(lǐng)域普通人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，均屬于本發(fā)明的保護(hù)范圍。

實(shí)施例1：一種太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)。

參照?qǐng)D1所示，一種太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)，包括：視覺(jué)圖像采集系統(tǒng)、圖像處理系統(tǒng)和分揀系統(tǒng)；所述視覺(jué)圖像采集系統(tǒng)用于在硅晶片自動(dòng)生產(chǎn)線(xiàn)上自動(dòng)采集硅晶片的圖像，所述圖像處理系統(tǒng)用于分析采集到的硅晶片圖像，并對(duì)硅晶片圖像進(jìn)行自動(dòng)識(shí)別，并將識(shí)別的信號(hào)發(fā)送至分揀系統(tǒng)，分揀系統(tǒng)用于執(zhí)行圖像處理系統(tǒng)的信號(hào)，分揀出有缺陷的硅晶片，并將相同缺陷的硅晶片分揀至相同的分揀箱內(nèi)，實(shí)現(xiàn)硅晶片的精準(zhǔn)分揀。

參照?qǐng)D1和圖2所示，所述視覺(jué)圖像采集系統(tǒng)包括上料機(jī)械臂1、物料槽2、物料臺(tái)3、工業(yè)相機(jī)4、照明光源8和傳送皮帶9，所述物料槽2固定在物料臺(tái)3臺(tái)面上，上料機(jī)械臂1安裝在物料槽2一側(cè)，傳送皮帶9安裝在上料機(jī)械臂1前方，工業(yè)相機(jī)4安裝在傳送皮帶9中部的正上方，照明光源8安裝在工業(yè)相機(jī)4的正下方，所述圖像處理系統(tǒng)包括工控PC機(jī)10，工控PC機(jī)10內(nèi)安裝有圖像采集卡、圖像處理軟件和IO板卡，所述工控PC機(jī)10通過(guò)IO板卡的信號(hào)輸出端與PLC的信號(hào)輸入端連接，所述視覺(jué)圖像采集系統(tǒng)中的上料機(jī)械臂1首先將放置在物料槽2內(nèi)的硅晶片5取出放置在傳送皮帶9上，傳送皮帶9動(dòng)作將硅晶片5傳輸至工業(yè)相機(jī)4的正下方，工業(yè)相機(jī)4對(duì)硅晶片5進(jìn)行拍照，并將拍攝照片通過(guò)圖像采集卡傳輸至圖像處理系統(tǒng)中的工控PC機(jī)10，并通過(guò)工控PC機(jī)10中的圖像處理軟件對(duì)采集圖像依次進(jìn)行圖像預(yù)處理、圖像分割和特征提取識(shí)別；所述分揀系統(tǒng)包括分揀機(jī)械臂6、分揀箱7和PLC，所述分揀機(jī)械臂6安裝在傳送皮帶9的末端，分揀箱7放置在分揀機(jī)械臂6的一側(cè)，PLC安裝在物料臺(tái)3內(nèi)置的電控柜內(nèi)，所述分揀機(jī)械臂6的信號(hào)輸入端與PLC的信號(hào)輸出端連接，PLC通過(guò)IO板卡與工控PC機(jī)連接，所述圖像處理軟件對(duì)采集的圖片進(jìn)行預(yù)處理、分割和特征提取識(shí)別處理，然后將識(shí)別的信息傳送至分揀系統(tǒng)中的PLC，PLC控制分揀機(jī)械臂6將不同特征的硅晶片5分揀至不同的分揀箱7。

本實(shí)施例中，所述照明光源采用同軸環(huán)形光源，由于采用環(huán)形同軸的照明方式，同軸光能創(chuàng)建一個(gè)明視野，無(wú)透視畸變，適用于扁平、光澤表面定位缺陷或者瑕疵的情形，可以提高工業(yè)相機(jī)采集圖片的準(zhǔn)確性。

實(shí)施例2：一種太陽(yáng)能硅晶片缺陷檢測(cè)方法。

參照?qǐng)D3所示，一種基于本發(fā)明提供的太陽(yáng)能硅晶片缺陷檢測(cè)系統(tǒng)所進(jìn)行的檢測(cè)方法，具體包括如下操作步驟：

S1、上料機(jī)械臂1從物料槽2中抓取硅晶片5放入傳送皮帶9上，電機(jī)控制傳送皮帶9將待檢測(cè)硅晶片5送入至工業(yè)相機(jī)4正下方的檢測(cè)工位；

S2、PLC根據(jù)到位信號(hào)控制工業(yè)相機(jī)4拍照，照明光源8頻閃，從而獲取硅晶片圖像；

S3、針對(duì)獲取的硅晶片圖像，圖像處理軟件自動(dòng)測(cè)量硅晶片的幾何特征值，所述的硅晶片幾何特征值包括硅晶片的長(zhǎng)度、寬度尺寸；將幾何特征值與標(biāo)準(zhǔn)的特征值比較以檢測(cè)硅晶片是否合格，同時(shí)在圖像區(qū)域內(nèi)檢測(cè)硅晶片的缺陷，并根據(jù)各種缺陷的主要特征運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分類(lèi)；

S4、經(jīng)過(guò)檢測(cè)工位后，工控PC機(jī)10的圖像處理結(jié)果通過(guò)IO板卡反饋給PLC，然后PLC控制分揀機(jī)械臂6根據(jù)檢測(cè)結(jié)果剔除尺寸不合格的產(chǎn)品，并將各種缺陷分別放入對(duì)應(yīng)的分揀箱7內(nèi)。

優(yōu)選的，所述步驟S3中，幾何特征值的測(cè)量具體步驟如下：

S31、選定ROI處理區(qū)域；

S32、在選定的處理區(qū)域內(nèi)查找邊緣點(diǎn)，直到邊緣點(diǎn)數(shù)量達(dá)到閾值或者區(qū)域掃描完畢；

S33、采用多次迭代擬合算法將多個(gè)邊緣點(diǎn)擬合成邊緣直線(xiàn)，所述多次迭代擬合算法包括：

a)直線(xiàn)可以出現(xiàn)在圖像坐標(biāo)系中的任何方位，使用黑塞范式法來(lái)表示所有的直線(xiàn)，如公式

1，為了從一系列點(diǎn)(r_i，c_i)，i＝1，……，n來(lái)擬合一條直線(xiàn)，用公式2式對(duì)這些點(diǎn)到這條直

線(xiàn)的距離的平方和最小化處理，實(shí)際中需要引入約束條件α²+β²＝1作為拉格朗日乘子，

公式2將變?yōu)楣?，當(dāng)掃描到的邊緣點(diǎn)距離比較集中時(shí)，采用公式3求取最優(yōu)化解并進(jìn)

行迭代擬合：

αr+βc+γ＝0 公式1

b)當(dāng)掃描到的邊緣點(diǎn)距離比較松散時(shí)，由于直線(xiàn)距離遠(yuǎn)的那些點(diǎn)在最優(yōu)化的過(guò)程中將會(huì)由

非常大的權(quán)重，為了減少這些遠(yuǎn)離點(diǎn)的影響，可以為每個(gè)點(diǎn)引入權(quán)重wⁱ，采用公式4進(jìn)

行迭代擬合：

c)權(quán)重w_i按照公式5或者6計(jì)算：

τ＝2σ_δ 公式7

公式5和公式6中參數(shù)τ是消波因數(shù)，它定義哪些點(diǎn)應(yīng)被視為離群值，所有距離≦τ的

點(diǎn)對(duì)應(yīng)的權(quán)重都是1，對(duì)于距離大于τ的點(diǎn)，將獲得一個(gè)更小的權(quán)重，此權(quán)重函數(shù)為

那些距離遠(yuǎn)的點(diǎn)選定了其距離值而不是平方距離值參加運(yùn)算，由公式7計(jì)算得到，σ_δ表

示這些距離的標(biāo)準(zhǔn)偏差，由公式8計(jì)算得到；

S34、計(jì)算邊緣直線(xiàn)到對(duì)應(yīng)的邊緣直線(xiàn)的像素距離，通過(guò)相機(jī)標(biāo)定再將像素距離轉(zhuǎn)換為實(shí)際距離，從而得到硅晶片的長(zhǎng)度、寬度參數(shù)。

優(yōu)選的，所述步驟S3中，在選定的處理區(qū)域運(yùn)用Blob算法查找缺陷，圖像區(qū)域內(nèi)硅晶片的缺陷檢測(cè)具體步驟如下：

S35、圖像預(yù)處理：用灰度變換對(duì)選定的ROI區(qū)域進(jìn)行圖像預(yù)處理；

S36、圖像分割：將預(yù)處理后的圖像分割為構(gòu)成斑點(diǎn)和局部背景的像素集合；

S37、用對(duì)每個(gè)區(qū)域進(jìn)行連通區(qū)域提取，將目標(biāo)圖像聚合為目標(biāo)像素或斑點(diǎn)的連接體，得出區(qū)域斑點(diǎn)的面積、周長(zhǎng)等參數(shù)。

優(yōu)選的，所述步驟S3中，采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)各種缺陷進(jìn)行分類(lèi)，具體步驟如下：

S38、建立硅晶片常見(jiàn)各種缺陷的缺陷圖像數(shù)據(jù)庫(kù)，可以以缺陷為中心的200*200像素為單

幅缺陷圖像大小，為后續(xù)的缺陷分類(lèi)器設(shè)計(jì)提供了樣本圖像；

S39、選用Blob算法和灰度直方圖方法計(jì)算圖像的缺陷特征，得出的圖像缺陷特征包括：

面積、周長(zhǎng)、圓形度、區(qū)域質(zhì)心、灰度均值、灰度標(biāo)準(zhǔn)差，將這一類(lèi)對(duì)象的多個(gè)或多種特

性集合來(lái)形成一個(gè)一維或多維的特征向量，作為識(shí)別系統(tǒng)的輸入；

其中Blob算法得出的圖像區(qū)域描繪子中面積Aera根據(jù)公式9計(jì)算得到：

公式9中，R表示圖像區(qū)域，m、n表示圖像區(qū)域的m行n列，f(i，j)表示區(qū)域內(nèi)點(diǎn)(i，

j)處的像素值；

Blob算法得出的圖像區(qū)域描繪子中區(qū)域的周長(zhǎng)P定義為邊界的長(zhǎng)度，邊界的長(zhǎng)度定義為邊

界點(diǎn)數(shù)之和，其中，每個(gè)點(diǎn)是占面積為1的一個(gè)小方塊，對(duì)圖像的邊緣像素做出標(biāo)記，然

后累計(jì)邊緣像素的個(gè)數(shù)，就得到了圖像區(qū)域的周長(zhǎng)；

Blob算法得出的圖像區(qū)域描繪子中圓形度C根據(jù)公式10計(jì)算得到：

公式10中，P表示區(qū)域的周長(zhǎng)，A表示區(qū)域的面積；

Blob算法得出的圖像區(qū)域描繪子中區(qū)域質(zhì)心(X，Y)根據(jù)公式11計(jì)算得到：

公式11中，m、n表示圖像區(qū)域的m行和n列，xi、yi分別表示圖像坐標(biāo)系內(nèi)(i，j)點(diǎn)的坐標(biāo)值；

灰度直方圖方法得出的圖像區(qū)域描繪子中灰度均值M根據(jù)公式12計(jì)算得到：

公式12中，其中，L是灰度級(jí)總數(shù)，z_i表示第i個(gè)灰度級(jí)，h(z_i)表示直方圖中統(tǒng)計(jì)的灰度為z_i的像素個(gè)數(shù)；

灰度直方圖方法得出的圖像區(qū)域描繪子中灰度標(biāo)準(zhǔn)差σ是區(qū)域內(nèi)所有像素灰度的標(biāo)準(zhǔn)差，灰度標(biāo)準(zhǔn)差反映了區(qū)域內(nèi)灰度分布的均勻性，其計(jì)算公式如下式：

式中，f(x,y)為點(diǎn)(x，y)的像素值，S為區(qū)域內(nèi)像素的個(gè)數(shù)，M表示區(qū)域的灰度均值；

S40、主要的缺陷特征描述子有面積、周長(zhǎng)、圓形度、區(qū)域質(zhì)心、灰度均值、灰度標(biāo)準(zhǔn)差共6種，要識(shí)別輸出的缺陷種類(lèi)有光污染、柵線(xiàn)缺失、水紋、崩邊、缺角、隱裂、黑芯片、斷柵、破片、材料缺陷、燒結(jié)和工藝污染，根據(jù)輸入層數(shù)等于所選的主要特征數(shù)，輸出層數(shù)等于輸出的缺陷種類(lèi)數(shù)，確定輸入層、輸出層數(shù)目分別為6和12，采用一般的經(jīng)驗(yàn)公式12來(lái)確定隱層節(jié)點(diǎn)層數(shù)，經(jīng)過(guò)多次試驗(yàn)確定最終的隱層節(jié)點(diǎn)層數(shù)為10：

公式14中，hide表示隱藏層個(gè)數(shù)，m和n分別為輸入層和輸出層節(jié)點(diǎn)數(shù)，a取1-10；

初始權(quán)值的選擇通常的做法是選擇(-1,1)之間的隨機(jī)數(shù)，學(xué)習(xí)率n設(shè)置為0.5，動(dòng)量因子

a，選擇經(jīng)驗(yàn)?zāi)J(rèn)值0.6，引入動(dòng)量因子后可以加速網(wǎng)絡(luò)收斂，選用公式13作為激勵(lì)函數(shù)公

式

公式15中y表示輸入，定義域?yàn)閇-∞，+∞],σ(y)表示輸出，值域?yàn)閇0,1]。

BP神經(jīng)網(wǎng)絡(luò)算法可以針對(duì)如圖4和圖5所示的光污染、柵線(xiàn)缺失、水紋、崩邊、缺角、隱裂、黑芯片、斷柵、破片、材料缺陷、燒結(jié)和工藝污染等各種硅晶片缺陷進(jìn)行檢測(cè)分類(lèi)。

以上所述為本發(fā)明的較佳實(shí)施例而已，但本發(fā)明不應(yīng)局限于該實(shí)施例和附圖所公開(kāi)的內(nèi)容，所以凡是不脫離本發(fā)明所公開(kāi)的精神下完成的等效或修改，都落入本發(fā)明保護(hù)的范圍。