一種快速優(yōu)化高清紅外缺陷圖的方法

上海太陽能工程技術(shù)研究中心有限公司 肖穎婕 祁永慶

一種快速優(yōu)化高清紅外缺陷圖的方法

上海太陽能工程技術(shù)研究中心有限公司 肖穎婕 祁永慶

太陽電池組件在生產(chǎn)過程中需要對(duì)組件中的電池片進(jìn)行紅外缺陷檢測(cè)，挑選出有重大缺陷的不合格組件，以保證組件的生產(chǎn)質(zhì)量。利用高分辨率面陣掃描相機(jī)采集組件的紅外缺陷圖像，并通過對(duì)現(xiàn)有圖像的對(duì)比度拉伸算法的改進(jìn)，更快速地獲得關(guān)于組件的高清紅外缺陷圖像。該方法相比于現(xiàn)有的一些組件紅外缺陷檢測(cè)設(shè)備，速度更快，圖像更清晰，大大提高了組件的生產(chǎn)效率。

太陽電池組件紅外檢測(cè)圖像處理

0引言

近年來，太陽能作為一種清潔能源得到了飛速發(fā)展，作為太陽能發(fā)電的主要載體，硅太陽電池組件的產(chǎn)量迅速增長(zhǎng)。太陽電池組件的生產(chǎn)需要相當(dāng)多的工序，而檢測(cè)是其中必不可少的一道工序。隨著全球光伏產(chǎn)業(yè)的快速發(fā)展，對(duì)組件檢測(cè)速度提出了更高的要求。目前，絕大多數(shù)的組件生產(chǎn)廠家采用的組件紅外缺陷檢測(cè)設(shè)備的檢測(cè)速度約為9秒～10秒，檢測(cè)時(shí)間較長(zhǎng)，而且圖像分辨率越高的設(shè)備，檢測(cè)速度越慢，使得高質(zhì)量圖像與高速檢測(cè)形成了一個(gè)矛盾，組件的生產(chǎn)速度也將受到一定影響。因此，需要尋求一個(gè)在獲得高清圖像的同時(shí)，又能保證檢測(cè)速度的方法。本文便是在這種情況下提出了一種快速優(yōu)化高清紅外缺陷圖的方法，令檢測(cè)速度大大加快，且圖像對(duì)比明顯，缺陷清晰可見。

1紅外缺陷檢測(cè)原理

1.1檢測(cè)原理

利用半導(dǎo)體的電致發(fā)光原理[1]來實(shí)現(xiàn)對(duì)硅太陽電池片的缺陷檢測(cè)。在給太陽電池注入正向電流的條件下，太陽電池發(fā)射出特征光譜的光，利用特定的感光元件，可記錄太陽電池方陣中存在的黑片、碎片、斷柵和裂紋等缺陷[2]。

圖1硅太陽電池量子躍遷光譜圖

由圖1可以看出，量子躍遷發(fā)出的光大部分分布在1150nm（納米）附近，也就是近紅外光，故可用紅外攝像機(jī)來捕獲其特征。因?yàn)槿毕荽嬖谔幍陌l(fā)光強(qiáng)度有異于正常表面，檢測(cè)時(shí)可根據(jù)不同的電池類型設(shè)置電源控制模塊，給電池供電；使用紅外裝置檢測(cè)出電池或組件表面的發(fā)光強(qiáng)度，最終獲得組件內(nèi)部結(jié)構(gòu)的紅外圖像。

1.2硬件構(gòu)成

圖2紅外缺陷檢測(cè)的硬件結(jié)構(gòu)

系統(tǒng)硬件如圖2所示。系統(tǒng)由紅外相機(jī)、計(jì)算機(jī)、直流電源、太陽電池組件組成。根據(jù)半導(dǎo)體的電致發(fā)光機(jī)理，當(dāng)對(duì)太陽電池組件施加直流電源時(shí)，組件會(huì)產(chǎn)生近似紅外波長(zhǎng)的光，紅外相機(jī)捕獲組件圖像，通過USB（通用串行總線）接口或以太網(wǎng)口將圖像送入計(jì)算機(jī)進(jìn)行圖像處理，最后檢測(cè)出太陽電池組件的缺陷，同時(shí)計(jì)算機(jī)還用來控制相機(jī)的曝光時(shí)間以及直流電源的大小。

2快速優(yōu)化高清紅外缺陷圖的方法

要獲得高清的紅外缺陷圖像，除了更換高分辨率的相機(jī)之外，還可以對(duì)圖像進(jìn)行適當(dāng)?shù)奶幚?。因?yàn)楂@得的原始圖像本身可能存在過亮或過暗的情形，并且由于電池片的激發(fā)光強(qiáng)度并不是很強(qiáng)，所以得到的圖像可能出現(xiàn)對(duì)比度過低，缺陷不清晰等情況，此時(shí)就需要對(duì)圖像進(jìn)行處理，使得缺陷與良好區(qū)域有明顯差別[3]。因此對(duì)原始圖像進(jìn)行對(duì)比度等處理是很有必要的，并且處理的速度對(duì)于整個(gè)檢測(cè)速度而言也是非常重要的。

在檢測(cè)中，我們首先采集太陽電池組件紅外缺陷的原始圖像，并對(duì)原始圖像進(jìn)行預(yù)處理，包括去噪、濾波等，然后根據(jù)圖像畫出相應(yīng)的直方圖[4]。在得到圖像的直方圖后，仔細(xì)分析直方圖的特征與圖像的特征，根據(jù)直方圖給出圖像拉伸的參考范圍。除此之外，需要尋找一個(gè)合適的對(duì)比度拉伸函數(shù)，本文中使用的是冪函數(shù)作為拉伸的基本函數(shù)[5]，如圖3所示，為冪函數(shù)的各種可用映射。

圖3冪函數(shù)的各種可用映射

從圖3可知，圖3(a)和圖3(c)的映射分別適用于圖像偏暗和圖像偏亮的情況。由于圖像的亮暗除了與曝光時(shí)間有關(guān)之外，也受到相機(jī)增益的影響，增益越大，圖像越亮，但是圖像的噪聲也會(huì)增多；反之，增益越小，圖像越暗，但是圖像的噪聲也會(huì)減少，而原始圖像的好壞直接影響到圖像處理的結(jié)果。因此，在曝光時(shí)間已定的情況下需要采集噪聲較少的、增益適當(dāng)?shù)膱D像作為原始圖像。

圖4所示，即為太陽電池組件紅外缺陷的原始圖像，經(jīng)過去噪、濾波等預(yù)處理后畫出其直方圖，如圖5所示。分析直方圖可以發(fā)現(xiàn)，直方圖中的兩個(gè)波峰分別對(duì)應(yīng)圖像背景以及電池片區(qū)域，因此可以嘗試以這兩個(gè)波峰的峰值作為圖像拉伸的參考范圍，假設(shè)前一個(gè)波峰的值為low，后一個(gè)波峰的值為high，則原始圖像的灰度拉伸范圍為（low，high）。假設(shè)圖像處理后的灰度范圍為（buttom，top），于是建立一個(gè)冪函數(shù)：

圖4太陽電池組件紅外缺陷原始圖像

圖5經(jīng)預(yù)處理后的原始圖像直方圖

式中，X、Y分別為原始圖像拉伸前后某一個(gè)像素點(diǎn)的灰度值，α為指數(shù)，由于最適當(dāng)?shù)脑紙D像本身略偏暗，根據(jù)冪函數(shù)的各種映射可知指數(shù)的范圍在0＜α＜1較為合適。圖6所示，為不同α值時(shí)的拉伸效果，可以看到，當(dāng)α=0.8時(shí)的圖像效果最好，α=0.7時(shí)圖像仍嫌偏暗，而α=0.9時(shí)圖像又稍嫌過亮了。

由此可見，當(dāng)時(shí)本文所述的對(duì)比度拉伸函數(shù)效果最好。當(dāng)然，圖像處理的速度除了算法是一個(gè)關(guān)鍵之外，編程所用的方法也是非常重要的。

一般來說，圖像編程所用的方法有三種：一是像素法，即對(duì)采集的圖像逐點(diǎn)讀取每個(gè)像素的灰度值，進(jìn)行拉伸運(yùn)算后再重新賦值；二是內(nèi)存法，即將采集的圖像轉(zhuǎn)換為數(shù)組形式，通過內(nèi)存進(jìn)行拉伸運(yùn)算后再重新轉(zhuǎn)為圖像；三是指針法，即將采集的圖像通過指針方式直接對(duì)圖像數(shù)據(jù)進(jìn)行處理。這三種方法中，針對(duì)同樣的運(yùn)算處理，指針法的速度最快，對(duì)于分辨率越高的圖像，該優(yōu)勢(shì)也越明顯。因此，本文的圖像處理編程使用的是指針法，以盡量節(jié)省圖像處理過程的運(yùn)算時(shí)間。

圖6通過對(duì)比度函數(shù)拉伸后的太陽電池組件紅外缺陷圖像

3總結(jié)

綜上所述，快速優(yōu)化高清紅外缺陷圖像的方法，可以利用直流電源及相機(jī)構(gòu)成視覺成像系統(tǒng)，獲得關(guān)于組件表面的具有較大分辨率的原始圖像，通過圖像的直方圖分析圖像特征，并采用冪函數(shù)作為對(duì)比度拉伸函數(shù)對(duì)原始圖像進(jìn)行圖像處理，令原本亮度不佳、對(duì)比度不夠清晰的原始圖像呈現(xiàn)出亮暗分明、缺陷明顯的圖像。整個(gè)過程，千萬像素的分辨率，包括圖像采集的時(shí)間在內(nèi)，只需7-8秒，比現(xiàn)在的方法提速約2秒左右，在獲得高清圖像的同時(shí)，又保證了檢測(cè)速度。對(duì)于太陽電池組件生產(chǎn)商而言，清晰的圖像能夠提高檢測(cè)的準(zhǔn)確性，而每塊組件節(jié)約2秒的檢測(cè)速度，將會(huì)大大提高企業(yè)的生產(chǎn)效率。

[1]劉恩科,朱秉升,羅晉生.半導(dǎo)體物理學(xué)[M].北京國(guó)防工業(yè)出版社,2006,273-278

[2]丁葉飛,李紅波,張瀅清,薛永勝,劉小宇,陳鳴波.硅太陽電池組件工藝缺陷的紅外檢測(cè)技術(shù).太陽能技術(shù)與產(chǎn)品,2010(2)

[3]Fu Zhuang,Zhao Yanzheng,Liu Yang,et al.Solar Cell Crack Inspection by Image Processing [R].2004 International Conference on the Business of Electronic Product Reliablility and Liability:77-80

[4]何東健.數(shù)字圖像處理(第二版).西安電子科技大學(xué)出版社,2009.07(10)

[5]Rafael C.Gonzalez,R ichard E.W oods,Stevev L.Eddins.岡薩雷斯數(shù)字圖像處理(MATLAB版).電子工業(yè)出版社,2007.10(5)

A Fast Optim ized Method for High-Resolution Infrared Defect Image

Xiao ying jie,Qi yong qing

Assemb ly solar cells in so lar modules require infrared defect inspection in the p roduc tion p rocess to pick out the failed modules which has significant deficiencies,in order to ensure the quality of modules.Using high-resolution area scan cam era to cap ture in frared component defec t im age and by imp roving the contrast stretching algorithm of the existing image,we could obtain the high-reso lution infrared defect image of module much more quickly and c learer.This method has faster speed,obtains c learer im ages,and greatly imp roves the efficiency of modules p roduction compared to some o f the existing in frared de fec t detec tion equipm ent o f m odu le.

So lar m odu le,In frared detec tion,Im age p rocessing

項(xiàng)目】

1）上海市科委科研計(jì)劃項(xiàng)目，課題編號(hào)：12dz1201300，項(xiàng)目名稱：光伏并網(wǎng)發(fā)電系統(tǒng)檢測(cè)及低反射高效率光伏組件關(guān)鍵技術(shù)研究與示范。

2）863計(jì)劃項(xiàng)目，課題編號(hào)：2011AA050503，項(xiàng)目名稱：MW級(jí)柔性薄膜硅太陽電池產(chǎn)業(yè)化關(guān)鍵技術(shù)研究。

肖穎婕，碩士，軟件工程師，主要研究方向?yàn)檐浖帉懪c數(shù)字圖像處理。祁永慶，博士，高級(jí)工程師，主要研究方向?yàn)樘柲苎b備與控制工程。