 Software Engineering and Applications 软件工程与应用, 2013, 2, 26-30 http://dx.doi.org/10.12677/sea.2013.21005 Published Online February 2013 (http://www.hanspub.org/journal/sea.html) A Rapid Algorithm for Defect Detection of Solar Cell Edges Jie Ding School of Computer Science and Technology, Soochow University, Suzhou Email: 20114527004@suda.edu.cn Received: Dec. 19th, 2012; revised: Dec. 24th, 2012; accepted: Jan. 10th, 2013 Abstract: Image processing techniques have attracted much attention in the field of automatically detection of indus- trial products. For the size measurement and defect detection of solar cell edges, fitting geometrical shape of the solar cell by local edge pixels is proposed to measure the sizes. Then a reverse traverse technique is used to detect the edge pixels. Finally, a curvature computation and a threshold processing are proceeded to detect the edge defects. Experi- mental results indicate that the proposed algorithm can measure the sizes accurately and quickly, and the new method to detect the defects of solar cell edge by curvature works effectively. Keywords: Solar Cell; Edge Defects Detection; Shape Fitting; Reverse Traverse; Curvature 一种快速电池板边缘缺陷检测算法 丁 杰 苏州大学计算机科学与技术学院，苏州 Email: 20114527004@suda.edu.cn 收稿日期：2012 年12 月19 日；修回日期：2012 年12 月24 日；录用日期：2013 年1月10 日 摘 要：近年来图像处理技术在工业产品的自动化检测中得到了广泛的重视和应用，针对电池板尺寸测量和边 缘缺陷检测，本文首先提出通过局部边缘像素拟合电池板的几何形状来计算电池板的表面尺寸，然后使用逆向 遍历法检测指定边的像素集合，最后通过边缘像素的曲率计算和阈值处理实现边缘缺陷的检测。实验表明，本 文中的算法能够准确并快速地实现电池板的尺寸测量，并且通过曲率定位边缘缺陷的新方法效果显著。 关键词：电池板；边缘缺陷检测；形状拟合；逆向遍历；曲率 1. 引言 近年来随着光伏产业的迅速发展，图像处理技术 已经广泛地应用到电池板的检测工艺中，促进了电池 板自动化检测技术的不断发展。针对电池板尺寸测量 和表面缺陷的检测，学术者们相继提出了一系列图像 研究方法，如上海交通大学付庄[1]提出了缺陷的潜在 轮廓提取方法，柳效辉[2]提出了电池板内部裂纹的检 测方法，华南理工大学张舞杰[3]提出通过边缘像素与 拟合直线间的距离检测电池板外形破损。现今国内外 一些公司推出了自己的太阳能电池板检测仪，如德国 SENSOPART公司研发的 FA46-SolarSensor，苏州诺 威特测控科技有限公司推出了全功能电池片光学特 性检测复合机。目前，对电池板的自动化检测技术的 研究仍处在不断发展的阶段，尤其在国内利用图像处 理技术实现电池板的自动化检测具有广阔的前景。 针对电池板的尺寸测量，图像处理的研究方法主 要有拟合和 Hough 变换检测电池板几何形状，但是首 先需要使用比较复杂的边缘检测算法检测边缘像素， 如燕山大学赵黎静[4]提出在 Canny 算法检测的边缘上 进行 Hough 变换检测直线，需要耗费大量的系统运行 时间。为此，本文提出了通过局部边缘像素进行电池 板几何形状的拟合。目前对于电池板的边缘缺陷检 Copyright © 2013 Hanspub 26  一种快速电池板边缘缺陷检测算法 测，图像处理方法主要有模板匹配和边缘像素的距离 测量来确定边缘破损，如西南科技大学邸中华[5]提出 的模板匹配和差影法进行破损检测，燕山大学赵黎静 [4]通过像素距离测量边缘破损，其通用性和准确性不 高。对此，本文提出使用逆向遍历法检测电池板指定 边的边缘像素，然后通过边缘曲率计算和阈值处理进 行边缘缺陷定位。本文中的算法能够准确并快速地实 现电池板的尺寸测量，并且通过曲率定位边缘缺陷的 新方法效果显著。电池板尺寸测量和边缘缺陷检测整 体工艺流程如图 1所示。 2. 电池板尺寸测量 硅太阳能电池板在生产过程中，由于设备本身老 化，振动以及人员操作不慎等因素，导致生产的电池 板不符合厂商的尺寸规格，因此需要进行电池板尺寸 测量。 2.1. 电池板结构 硅太阳能电池板主要是由能将光转换为电的单 晶硅片构成，其外形由四条直线边和 4段圆弧组成， 表面印有晶花，如图 2所示。 为了捕获更好的电池板图像，降低晶花对测量电 池板尺寸参数的影响，在物理设备上，我们采用弧形 灯光源照射来降低电池板表面晶花对光线的反射，使 得面阵相机捕获的图像中电池板和底板背景分离较 为明显。 如图 3所示，硅太阳能电池板表面尺寸参数主要 有：电池板的边长(A)、直径(B)、直线段长(C)、弧 长 投影(D)、对边平行度，邻边垂直度。 电池板图像 尺寸测量 边缘缺陷检测 Figure 1. Flow chart 图1. 流程图 Figure 2. Solar cell 图2. 电池板 2.2. 尺寸测量算法 尺寸测量算法，步骤如下：1) 采用 Otsu[6]全局阈 值法对电池板图像进行二值化处理；2) 从图像中心点 出发，检测指定宽度的局部边缘像素；3) 采用最小二 乘直线拟合硅太阳能电池板边缘；4) 沿着电池板直角 线方向检测圆弧上的局部边缘像素，采用最小二乘圆 拟合圆弧。电池板尺寸测量流程如图 4所示。 Figure 3. Size parameter 图3. 尺寸参数 开始 Otsu 二值化 快速局部边缘 像素检测 最小二乘直线 拟合边缘 圆弧局部边缘 像素检测 最小二乘圆拟 合圆弧 结束 尺寸计算 Figure 4. Sizes measurement flowchart 图4. 尺寸测量流程图 Copyright © 2013 Hanspub 27  一种快速电池板边缘缺陷检测算法 对于图像的二值化处理，我们采用了用时最少的 全局阈值法最大类间方差法(Otsu)，在保证图像平面 几何特征的同时降低图像的信息，图像二值化效果如 图5所示。 局部边缘像素的检测，首先取整幅图像的中心 点，根据图像几何特性，在水平(竖直)方向进行一定 长度的线扫描，从中心点开始往四边局部边缘进行检 测。对于转换后的二值图(像素值为 0或255)，即寻找 到第一个像素为255 的像素边缘集合，检测效果如图 6所示。 采用最小二乘法对四条边的局部边缘像素进行 直线拟合，最小二乘法拟合直线公式如下： 直线方程形式为： yabx (1) 11 11 nn i ii ayb nn i x (2) 11 2 2 11 111 11 nnn iii i iii nn ii ii 1 x yx nnn b xx nn y (3) ,,1,2,, ii x yi n为一组局部边缘点实验检测数据， 利用最小二乘法我们得到四条边的拟合直线方程，拟 合效果如图 7所示。通过直线的交点计算四边边长， 利用直线斜率计算对边平行度及邻边垂直度。 Figure 5. Binary image 图5. 二值化图像 Figure 6. Local edge pixels 图6. 局部 Z边缘像素 Figure 7. Edge line fitting 图7. 边缘直线拟合 圆弧上局部边缘像素的检测，通过沿对角线方向 进行像素扫描，寻找到对角线与圆弧的四个交点。再 以交点为中心的指定宽度区域进行边缘点检查，得到 一组局部边缘像素，用最小二乘法拟合圆方程，最小 二乘法拟合圆公式如下： 22 0xyax byc (4) 22 2 1 ,, n ii i Q abcxyr (5) 公式(4)为圆方程，公式(5)中为圆弧上 局部像素点 ,,Q abc ,1,2,, ii x yi n到圆心 , 的距离 平方与圆弧半径平方的差的平方和。由最小二乘原 理，参数 0 aa ，0 bb ， 使得取最小 值。 0 cc ,,Q abc 02 H DEG aCG D (6) 02 H CED bDGC (7) 22 11 0 nn ii i ii1 n i i x yaxby cn (8) 公式(6)，(7)中C，D，E，G，H分别记作： 2 111 nnn ii iii Cnxx x i (9) 111 nnn iii i iii Dnxyx y (10) 3222 11 1 nn nn iiiii ii ii Enx nxyxyx 1 i (11) 3 111 nnn ii iii Gn yyy i (12) 32 22 111 nn nn iiiii ii ii1 i H nynxyx yy (13) Copyright © 2013 Hanspub 28  一种快速电池板边缘缺陷检测算法 由， ， 确定拟合圆方程，拟合效果如图8 所示，根据圆方程进而计算直径和弧投影。 0 a0 b0 c 3. 电池板边缘缺陷检测 在电池板图像二值化基础上，边缘缺陷检测算法 步骤如下：1) 采用逆向遍历法检测指定边的边缘像 素；2) 计算边缘像素的曲率，通过曲率阈值处理检测 出边缘缺陷。边缘缺陷检测流程如图 9所示。 3.1. 逆向遍历法 逆向遍历法检测电池板右边缘像素，以圆弧上的 某一边缘点为起点，对二值图像进行逆向遍历，逆向 遍历法定义如下： 11, ,,1,2, nni ExyEi ,7 (14) 1n E是第边缘像素点， 具有八个邻域像素， 1nn E Figure 8. Fitting image 图8. 拟合效果图 开始 Otsu 二值化 指定边缘像素 检测 曲率计算 阈值处理 结束 Figure 9. Defects detection flowchart 图9. 缺陷检测流程图 1,ni E 表示当前边缘像素 以邻域边缘像素 n E1n E 为基 准，逆时针方向遍历 的其余邻域像素，找到首个边 缘像素。 n E 对于二值图像(像素值为 0或255)，起始边缘点像 素值为 0，通过逆向遍历法寻找下一个像素为 0的边 缘点，进而获得一组边缘像素集合，如图 10 的电池 板右边缘像素集合。 3.2. 曲率计算与阈值处理 曲率衡量曲线的弯曲程度，因此用曲率能够直观 地刻画出边缘缺陷处的不平整程度。我们首先对右边 缘每个像素进行曲率计算，曲率公式如下： 22 32 22 ,,, ,,, xsysxs ys ks xs ys , (15) 对获得的一组边缘像素的曲率进行阈值处理，阈 值T选取如下： ,ks Tn (16) n 为集合 ,,ks ks 0 元素个数，选取大于阈 值T的曲率边缘点为边缘缺陷点，如图 11 所示即为 边缘缺陷处。 Figure 10. Edge image 图10. 边缘 Figure 11. Curvature and thresholding 图11. 曲率与阈值处理 Copyright © 2013 Hanspub 29  一种快速电池板边缘缺陷检测算法 Copyright © 2013 Hanspub 30 5. 结语 随着光伏产业和计算机技术的不断发展，电池板 的自动化检测发展到了利用基于图像处理技术的软 件系统实现高性能检测阶段。本文提出的图像处理检 测算法过程简单，而且巧妙地利用了硅片图像的特点 实现了局部边缘像素的定位，同时提出逆向遍历法和 曲率检测边缘缺陷，在准确实现测量和定位的同时， 提高了时间性能。 Figure 12. Edge crack image 图12. 边缘缺陷图 4. 实验结果与分析 参考文献 (References) 本文试验中应用到的原始图片有图2和图 12，对 原始图像首先进行 Otsu 二值化处理，然后进行各边局 部边缘像素的检测，并且根据边缘像素集进行最小二 乘直线拟合得到硅片各边直线。最后采用沿对角线跟 踪的方法检测圆弧上局部边缘像素，进行最小二乘圆 拟合。采用局部边缘像素拟合代替传统的整个电池板 边缘拟合，类似于投影法避免了如 Canny[7]算法复杂 的边缘检测过程。从实验结果图 8上，我们可以清晰 地看出实验拟合效果很好。对边缘缺陷检测，采用了 曲率和阈值处理替代了传统的距离测量，如图11 中， 电池板边缘缺陷处得到了准确的定位，而且实验方法 简单，能够满足自动化检测设备的精度和时间性能要 求。 [1] Z. Fu, Y. Zhao, Y. L iu, et al. Solar cell crack inspection by image processing. International Conference on the Business of Elec- tronic Product Reliability and Liability, 2004: 77-80. [2] 柳效辉, 徐林, 肖晨江等. 基于Matlab 的图像处理技术识别 硅太阳能电池的缺陷[J]. 上海交通大学学报, 2010, 44(7): 926-930. [3] 张舞杰, 李迪, 叶峰. 硅太阳能电池视觉检测方法研究[J]. 计算机应用, 2010, 30(1): 245, 249-252. [4] 赵黎静. 单晶硅电池片的几何和测量与缺陷检测系统设计与 实现[D]. 燕山大学, 2012. [5] 邸中华, 邓琥, 武志翔. 太阳能电池板的检测系统及方法研 究[J]. 计算机光盘软件与应用, 2011, 21: 24-26. [6] 李梅. 基于 Otsu 算法的图像分割研究[D]. 合肥工业大学, 2011. [7] J. Canny. A computational approach to edg e det ec tion. IEEE Tran- sactions on Pattern Analysis and Machine Intelligence, 1986, 10 (5): 720-727. |