基于机器视觉的硅片隐裂检测系统的研究

穆星泽，段建国

(中国电子科技集团公司第二研究所，山西 太原 030024)

太阳能电池因其永久性、清洁性和灵活性的特点越来越受到人们的青睐，近年来的太阳能电池行业有着飞速的发展[1]。太阳能电池生产线有多道工艺，大致可归结为表面制绒及酸洗、扩散制结、去磷脂玻璃、等离子刻蚀及酸洗、镀减反射膜、丝网印刷、快速烧结等，而各道工艺都有隐裂硅片的存在，造成碎片。随着太阳能行业的发展，太阳能电池片厂家对良品率的要求与日俱增，迫切要求降低各个工艺段的碎片率。将视觉检测技术应用到太阳能自动化设备中，对降低碎片率有重要意义。隐裂硅片被剔除的越早就越可以降低碎片率，更能节省能源与人力成本。而电池片生产工艺流程中的第一道工艺是制绒，因此对制绒段的隐裂硅片，进行剔除刻不容缓。本文针对制绒段的隐裂硅片，设计了一套在线视觉检测装置。实践表明，本检测装置具有实用效果。

在线视觉检测装置的设计难点在于：在不影响设备产能、稳定性的情况下，能够快速、准确地剔除隐裂硅片。

1 系统流程设计

本节主要介绍自动化制绒上料机与视觉检测系统结合的流程设计。设计流程图如图1所示。

图1 系统流程设计

自动化制绒上料机主要由料盒循环机构、硅片升降机构、硅片搬送机构、硅片吹气机构、硅片传送机构、硅片剔除机构等组成[2]。在这里着重分析硅片在硅片传送机构上的运动。

自动化制绒上料机通过硅片升降、吹气及搬送机构将料盒里的硅片放置于硅片传送机构上。当硅片经过视觉检测装置时，相机拍摄图片，并将图像传输至工控机。工控机对图像进行数据处理，将结果显示在显示屏上，并通知PLC。PLC经过判断，若是正常片则通过硅片传送机构将硅片传送至制绒工艺机台；若是隐裂片则将硅片通过硅片剔除机构剔除。

2 视觉检测系统的软硬件设计

2.1 视觉检测系统的硬件设计

在线视觉检测装置主要由相机、光源、挡光板、背景板、工控机及支架等组成[3]。其硬件设计结构如图2所示。

图2 视觉在线检测硬件结构示意图

线阵相机可以检测匀速运动的连续物体，正可运用于本系统。线阵相机的两个主要参数为分辨率、行频，共同决定了图像的检测精度。本文选择相机每线像素数HC=16 438像素，最大行频Vmax=40 kHz。硅片的尺寸为L×S=156×156 mm，运行速度V0=424 mm/s。由公式(1)可得检测横向最小隐裂尺寸为Lmin=0.02μm。根据“横向和纵向的分辨率相等”的原则，则由公式(2)可得相机行频为V=21 kHz

(1)

(2)

选择合适的光源是缺陷检测的主要步骤。光源的频谱特性和光谱特性，亮度分布和视角分布等的差异都会影响检测效果，所以检测隐裂硅片时要选择合适的光源[3]。平行光有很好的方向性和准直性，平行光结合暗场照明，所得图像灰度梯度明显。平行光与缺陷方向垂直时，形成背景亮而缺陷暗的特征，而线性光源可以很好地提供平行光。红外光波长较长，且具有很好的穿透作用，可用于检测物体内部缺陷。因此本文选择线性红外光源。经实践检测红外光源波长为800 nm时，可以得到清晰的隐裂硅片图像。

在线视觉检测系统的光路图如图3所示。线性红外光源，照射在硅片表面，经反射进入相机。为了成像更加清晰，需要增加挡光板和背景板。增加挡光板可以使线性光源照射在硅片表面时，光线更加均匀，明暗对比明显，减少了图像的曝光度。经实践检测，当挡光板距离硅片越近时，相机成像越清楚。为了能够让硅片更好的通过，选择挡光板距离硅片1 mm～2 mm的安装距离。增加背景板，使硅片轮廓与周围环境对比更加清晰，方便从原始图像中，提取硅片图像，减小图像处理难度。

图3 在线视觉检测系统光路图

2.2 在线视觉检测软件流程设计

为了能够准确快速挑选出隐裂硅片，本程序采用分类器的方法。首先需要提取正常硅片的轮廓及其纹理特征，然后用待测硅片的轮廓及其纹理特征与正常硅片的特征进行比较，判断是否为隐裂硅片。硅片的轮廓特征主要包括硅片的尺寸大小、倒角大小和形状等。纹理特征主要包括硅片栅线的宽度、位置及间隔等。具体流程如下：

1) 提取1张正常硅片的轮廓特征，作为模板。

2) 运用A的模板，将20张正常硅片放入分类器中，提取其纹理特征。

3) 运用A模板，将待测硅片放入到分类器中，进行特征匹配。

4) 若特征匹配程度达到一定阈值，则认为是正常硅片，否则为隐裂硅片。

为了不影响设备产能，同时降低开发成本，实现数据处理的实时有效性，本程序选用双线程工作方式。一个线程用来采集图像，即获取相机生成的待测硅片的原始图像；一个线程用于数据处理，即判断待测硅片是否为隐裂硅片，并将处理结果发送至PLC，PLC对待测硅片进行相应的处理。若是正常硅片则进入工艺机台，否则被硅片剔除机构剔除。

3 在线视觉检测工业现场实现

如图4所示，即为工业现场在线视觉检测系统的机械硬件实现。图5为检测出的隐裂硅片，框内部分为检测出的隐裂硅片特征。经统计每班次可以剔除近200张隐裂硅片，准确率高达90%。

图4 在线视觉检测系统

图5 隐裂硅片

各个投料方式的整线碎片率如表1所示。

表1 整线碎片率

各个投料方式的制绒段碎片率如表2所示。

数据表明，自动化设备取代人工上片，可以大大降低碎片率，而加入在线检测装置后进一步降低了碎片率。

表2 制绒段碎片率

4 小结

针对太阳能电池行业制绒段的隐裂硅片，根据硅片特征及其运动环境，设计了视觉检测装置的硬件，采用分类器的方法开发了视觉检测装置的软件，实现了视觉检测功能。通过工业现场应用表明，在制绒段采用自动化制绒上料机与视觉检测系统结合的方式，可以大大减小整线的碎片率。