一种单晶硅片生产过程的缺陷检测方法技术

本发明专利技术涉及图像数据处理技术领域，提出了一种单晶硅片生产过程的缺陷检测方法，包括：获取单晶硅片灰度图像；根据缺陷影响的范围对单晶硅片灰度图像进行分块；根据单晶硅片的晶面单向取向特征计算晶面取向差异系数；根据晶面取向差异系数计算硅片花污缺陷影响系数；根据单晶硅片的缺陷边界的分析结果获取花污缺陷边界远离度；根据花污缺陷边界远离度和硅片花污缺陷影响系数计算硅片花污缺陷关联系数；根据硅片花污缺陷关联系数获取极小值点的筛选结果；根据极小值点的筛选结果获取单晶硅片图像分割结果

【技术实现步骤摘要】
一种单晶硅片生产过程的缺陷检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种单晶硅片生产过程的缺陷检测方法
。

技术介绍

[0002]目前对于一次能源（煤矿
、
石油和天然气等）的使用仍然是全球能源的重要方式，这也导致了能源危机加重，环境污染日益严重
。
因此对新能源的开发和利用迫在眉睫，其中太阳能具有永不枯竭
、
安全稳定的特点，是新能源开发的首要选择
。
在太阳能的使用中常见是将太阳能转化为电能，太阳能电池的生产成为了热门产业
。
[0003]太阳能电池主要利用半导体材料的光伏特效应进行光电转换，因此太阳能的生产一个重要的部分就是半导体材料
——
单晶硅的生产
。
单晶硅的生产过程较复杂，且单晶硅片的生产要求较高，表面存在缺陷会影响单晶硅片使用的性能，因此对单晶硅片表面缺陷的检测尤为重要
。
传统的分水岭分割算法对单晶硅片进行分割时，由于单晶硅片表面花污等缺陷影响会出现过度分割现象，导致对单晶硅片缺陷的检测误差较大，使有瑕疵的单晶硅片流入到后续的生产中，降低了太阳能电池的质量且生产效率低
。

技术实现思路

[0004]本专利技术提供一种单晶硅片生产过程的缺陷检测方法，以解决单晶硅片缺陷检测精度较低的问题，所采用的技术方案具体如下：本专利技术一个实施例一种单晶硅片生产过程的缺陷检测方法，该方法包括以下步骤：获取单晶硅片灰度图像；根据单晶硅片灰度图像的缺陷影响范围对单晶硅片进行分块，利用分块的结果获取单晶硅片灰度图像中的图像块；根据边缘检测算法获取图像块中每个像素点的梯度大小和梯度方向，根据图像块中像素点的梯度大小和梯度方向获取图像块中每个像素点的梯度投影样本集；根据图像块中每个像素点的梯度投影样本集获取图像块中每个像素点的晶面取向差异系数；根据图像块中每个像素点的晶面取向差异系数计算图像块中每个像素点的硅片花污缺陷影响系数；根据图像块中的缺陷的位置分析结果获取图像块中每个极小值点的花污缺陷边界远离度；根据图像块中每个极小值点的花污缺陷边界远离度和硅片花污缺陷影响系数计算图像块中每个极小值点的硅片花污缺陷关联系数；根据图像块中每个极小值点的硅片花污缺陷关联系数获取图像块中的极小值点的筛选结果；根据图像块中极小值点的筛选结果获取单晶硅片灰度图像的分割结果；根据单晶硅片灰度图像的分割结果获取单晶硅片灰度图像分割区域的硅片花污质量缺陷系数；根据单晶硅片灰度图像分割区域的硅片花污质量缺陷系数获取单晶硅片的质量检测结果
。
[0005]优选的，所述根据单晶硅片灰度图像的缺陷影响范围对单晶硅片进行分块，利用分块的结果获取单晶硅片灰度图像中的图像块的方法为：采用投影算法获取单晶硅片灰度图像的投影序列，根据序列分割算法获取所述单晶硅片灰度图像的投影序列的分割结果，根据所述单晶硅片灰度图像的投影序列的分割结果获取单晶硅片灰度图像的分块区域，将所述单晶硅片灰度图像的每个分块区域作为单晶硅片灰度图像的一个图像块
。
[0006]优选的，所述根据边缘检测算法获取图像块中每个像素点的梯度大小和梯度方向，根据图像块中像素点的梯度大小和梯度方向获取图像块中每个像素点的梯度投影样本集的方法为：采用
Sobel
算法获取单晶硅片灰度图像的每个图像块中像素点的梯度方向和梯度大小，以所述图像块中每个像素点为中心构建预设大小的窗口作为所述图像块中每个像素点的判定窗口，将所述图像块中像素点的梯度方向作为横坐标，将所述图像块中像素点的梯度大小作为纵坐标，将所述图像块中每个像素点的判定窗口中的像素点映射到所述横坐标和纵坐标构成的坐标系中，将映射的结果作为所述图像块中每个像素点的梯度投影样本集
。
[0007]优选的，所述根据图像块中每个像素点的梯度投影样本集获取图像块中每个像素点的晶面取向差异系数的方法为：
;
式中，
S
x
表示图像块中第
x
个像素点的晶面取向差异系数；
H
x
和
Z
x
分别表示图像块中第
x
个像素点的梯度投影样本集投影到横坐标和纵坐标构成直线的长度；
p
i
和
p
j
分别表示图像块中第
x
个像素点的梯度投影样本集中第
i
个和第
j
个样本，
dist(p
i
,p
j
)
表示计算
p
i
和
p
j
之间的欧氏距离；
n
表示图像块中第
x
个像素点的梯度投影样本集中样本的数量，
M
表示梯度投影样本集中样本之间欧式距离的数量
。
[0008]优选的，所述根据图像块中每个像素点的晶面取向差异系数计算图像块中每个像素点的硅片花污缺陷影响系数的方法为：
;
式中，
D
x
表示图像块中第
x
个像素点的硅片花污缺陷影响系数；
μ
x
表示图像块中第
x
个像素点所在的花污缺陷分布序列中所有像素点的晶面取向差异系数的均值；
S
x
表示图像块中第
x
个像素点的晶面取向差异系数；
S
z
表示图像块中第
x
个像素点所在的花污缺陷分布序列中第
z
个像素点的晶面取向差异系数，
m
表示图像块中第
x
个像素点所在的花污缺陷分布序列中元素的数量
。
[0009]优选的，所述根据图像块中的缺陷的位置分析结果获取图像块中每个极小值点的花污缺陷边界远离度的方法为：获取图像块中的边缘像素点，计算图像块中任意一个极小值点与图像块中边缘像
素点的欧氏距离，将所有所述图像块中任意一个极小值点与图像块中边缘像素点的欧氏距离按由小到大的顺序排序组成的序列作为所述图像块中任意一个极小值点的距离序列；计算所述图像块中任意一个极小值点的距离序列中第一个元素与其它所有元素的差值的绝对值的均值作为所述图像块中任意一个极小值点的花污缺陷边界远离度
。
[0010]优选的，所述根据图像块中每个极小值点的花污缺陷边界远离度和硅片花污缺陷影响系数计算图像块中每个极小值点的硅片花污缺陷关联系数的方法为：将图像块中任意一个极小值点对应像素点的灰度值和所述图像块中任意一个极小值点对应像素点的硅片花污缺陷影响系数的乘积作为分子，将所述图像块中任意一个极小值点的花污缺陷边界远离度与预设调节参数的和作为分母，将所述分子和分母的比值作为所述图像块中任意一个极小值点的硅片花污缺陷关联系数
。
[0011]优选的，所述根据图像块中每个极小值点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种单晶硅片生产过程的缺陷检测方法，其特征在于，该方法包括以下步骤：获取单晶硅片灰度图像；根据单晶硅片灰度图像的缺陷影响范围对单晶硅片进行分块，利用分块的结果获取单晶硅片灰度图像中的图像块；根据边缘检测算法获取图像块中每个像素点的梯度大小和梯度方向，根据图像块中像素点的梯度大小和梯度方向获取图像块中每个像素点的梯度投影样本集；根据图像块中每个像素点的梯度投影样本集获取图像块中每个像素点的晶面取向差异系数；根据图像块中每个像素点的晶面取向差异系数计算图像块中每个像素点的硅片花污缺陷影响系数；根据图像块中的缺陷的位置分析结果获取图像块中每个极小值点的花污缺陷边界远离度；根据图像块中每个极小值点的花污缺陷边界远离度和硅片花污缺陷影响系数计算图像块中每个极小值点的硅片花污缺陷关联系数；根据图像块中每个极小值点的硅片花污缺陷关联系数获取图像块中的极小值点的筛选结果；根据图像块中极小值点的筛选结果获取单晶硅片灰度图像的分割结果；根据单晶硅片灰度图像的分割结果获取单晶硅片灰度图像分割区域的硅片花污质量缺陷系数；根据单晶硅片灰度图像分割区域的硅片花污质量缺陷系数获取单晶硅片的质量检测结果
。2.
根据权利要求1所述的一种单晶硅片生产过程的缺陷检测方法，其特征在于，所述根据单晶硅片灰度图像的缺陷影响范围对单晶硅片进行分块，利用分块的结果获取单晶硅片灰度图像中的图像块的方法为：采用投影算法获取单晶硅片灰度图像的投影序列，根据序列分割算法获取所述单晶硅片灰度图像的投影序列的分割结果，根据所述单晶硅片灰度图像的投影序列的分割结果获取单晶硅片灰度图像的分块区域，将所述单晶硅片灰度图像的每个分块区域作为单晶硅片灰度图像的一个图像块
。3.
根据权利要求1所述的一种单晶硅片生产过程的缺陷检测方法，其特征在于，所述根据边缘检测算法获取图像块中每个像素点的梯度大小和梯度方向，根据图像块中像素点的梯度大小和梯度方向获取图像块中每个像素点的梯度投影样本集的方法为：采用
Sobel
算法获取单晶硅片灰度图像的每个图像块中像素点的梯度方向和梯度大小，以所述图像块中每个像素点为中心构建预设大小的窗口作为所述图像块中每个像素点的判定窗口，将所述图像块中像素点的梯度方向作为横坐标，将所述图像块中像素点的梯度大小作为纵坐标，将所述图像块中每个像素点的判定窗口中的像素点映射到所述横坐标和纵坐标构成的坐标系中，将映射的结果作为所述图像块中每个像素点的梯度投影样本集
。4.
根据权利要求1所述的一种单晶硅片生产过程的缺陷检测方法，其特征在于，所述根据图像块中每个像素点的梯度投影样本集获取图像块中每个像素点的晶面取向差异系数的方法为：；
式中，
S
x
表示图像块中第
x
个像素点的晶面取向差异系数；
H
x
和
Z
x
分别表示图像块中第
x
个像素点的梯度投影样本集投影到横坐标和纵坐标构成直线的长度；
p
i
和
p
j
分别表示图像块中第
x
个像素点的梯度投影样本集中第
i
个和第
j
个样本，
dist(p
i
,p
j
)
表示计算
p
i
和
p
j
之间的欧氏距离；
n
表示图像块中第
x
个像素点的梯度投影样本集中样本的数量，
M
表示梯度投影样本集中样本之间欧式距离的数量
。5.
根据权利要求1所述的一种单晶硅片生产过程的缺陷检测方法，...

【专利技术属性】
技术研发人员：蔡斌，王坤，张立志，
申请(专利权)人：厘壮信息科技苏州有限公司，
类型：发明
国别省市：