基于光致發(fā)光的空間太陽電池方陣缺陷檢測

上海太陽能工程技術研究中心有限公司 祁永慶

空間太陽電池方陣缺陷除了電池材料本身的缺陷外還包括制作過程中的工藝缺陷，例如電池碎片、缺角、隱裂等，降低電池的可靠性和使用壽命。本文使用局部采集圖像、整體拼接圖像的方法獲得完整的電池方陣圖像。

1 發(fā)光檢測原理

光致發(fā)光檢測技術使用特定波長的光源照射在硅片或電池片上，激發(fā)出紅外光，通過濾光片以及特殊感光元件采集特定波長的發(fā)光信號，最后經(jīng)過數(shù)據(jù)處理得出樣品表面及體內(nèi)的缺陷分布。

圖1 太陽電池光致發(fā)光檢測結構示意圖

如圖1所示即為太陽電池光致發(fā)光的檢測結構示意圖。將感光元器件置于待測樣品的正上方用以采集光信號，光源從感光元器件旁照射到太陽電池表面，從而激發(fā)出特定波長的光信號被感光元器件采集，感光元器件再將采集到的光信號傳輸?shù)接嬎銠C中并以圖像的方式顯示出來。

2 圖像校正

必須在圖像拼接前，先對圖像進行校正，以消除圖像失真對拼接的影響。

本文使用了一種通用性強的方法，校正的過程主要分為以下幾步：

（1）制作標準的網(wǎng)格，網(wǎng)格的間距已知(假設為a毫米)。

（2）固定攝像頭，以網(wǎng)格平面為目標平面調(diào)整焦距。

（3）對拍攝的網(wǎng)格圖像進行二值化處理，并找到每個網(wǎng)格的交點。

（4）以離圖像中心點最近的交點為基準點，基準點附近的交點距離為b(單位為像素)。由此得到a和b的對應關系，從而計算出虛擬的標準網(wǎng)格交點，如圖2所示。

圖2 實際與虛擬的網(wǎng)格交點

（5）根據(jù)實際網(wǎng)格交點和與之對應的標準網(wǎng)格交點，對圖像中每一塊小區(qū)域的像素點做平移，得到校正后的圖像。

3 圖像拼接原理

圖像拼接是指將數(shù)張有重疊部分的圖像拼成一幅大型的無縫高分辨率圖像，其中的關鍵在于相鄰圖像的匹配及拼接。一般來說，同一物體在不同時間、不同傳感器、不同視角下獲得的圖像，其幾何特性、光學特性、空間位置都會有很大不同，若包括噪聲、干擾等影響，則圖像差異會更大。為此需要對圖像進行配準以在不同圖像中找到相同點。

圖像配準算法采用了基于灰度匹配的方法配準圖像。

模板匹配是灰度匹配的一種，是用一個較小的圖像作為模板與源圖像進行比較，以確定在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，則可確定其位置并提取該區(qū)域。本文中的重疊區(qū)域基本確定，因此以兩幅相鄰圖像的重疊區(qū)域作為模板，將兩幅圖像進行匹配，該方法對于橫向和縱向的圖像拼接皆可適用。

模板匹配常用的一種測度為模板與源圖像對應區(qū)域的誤差平方和。設f(x,y)為M×N的源圖像，t(j,k)為J×K(J≤M，K≤N)的模板圖像，則定義誤差平方和測度：

將上式展開可得：

其中，DS(x , y)稱為源圖像中與模板對應區(qū)域的能量，它與像素位置(x , y)有關，但隨像素位置(x , y)的變化，DS(x , y)變化緩慢。DST(x , y)稱為模板與源圖像對應區(qū)域互相關，它隨像素位置(x , y)的變化而變化，當模板t(j , k)和源圖像中對應區(qū)域相匹配時取最大值。DT(x , y)稱為模板的能量，它與圖像像素位置(x , y)無關，只用一次計算便可。顯然，計算誤差平方和測度可以減少計算量。

基于上述分析，若設DS(x , y)也為常數(shù)，則用DST(x , y)便可進行圖像匹配，當DST(x , y)取最大值時，便可認為模板與圖像是匹配的。但假設DS(x ),y為常數(shù)會產(chǎn)生誤差，嚴重時將無法正確匹配，因此可用歸一化互相關作為誤差平方和測度，其定義為：

圖2給出了模板匹配的示意圖，其中假設源圖像f(x , y)和模板圖像t(k ,l)的原點都在左上角。對任何一個 f(x , y)中的(x , y)，根據(jù)上式都可以算得一個R(x , y)。當x和y變化時，t(j , k)在源圖像區(qū)域中移動并得出R(x , y)所有值。R(x , y)的最大值指出了與t(j , k)匹配的最佳位置，若從該位置開始在源圖像中取出與模板大小相同的一個區(qū)域，便可得到匹配圖像。

圖3 模板匹配示意圖

4 實驗結果分析

通過全自動掃描機構帶動紅外成像系統(tǒng)移動，對太陽電池方陣進行分區(qū)域掃描，共采集了5×8幅大小相同、重疊區(qū)域面積一致的局部圖像。根據(jù)本文描述的方法，對所有采集到的原始圖片進行了失真校正，部分圖像校正結果如圖3所示：

利用本文中的圖像拼接方法，對校正后的圖像進行拼接，得到的圖像如圖4所示。

圖4 失真校正前(左)與失真校正后(右)的圖像

圖5 縱向拼接后的效果

圖6 5×8幅局部圖像拼接成的全景圖

由此可見，本文中所用的失真校正方法能夠很好地對圖像失真的現(xiàn)象進行校正，使其不影響后續(xù)的圖像拼接，并且得到了效果較好且無明顯接縫的拼接圖像，如圖5所示。本文實驗中共拍攝的5×8幅局部圖像拼接而成的電池方陣圖像，該圖像的分辨率為4968·5542，拼接效果良好、沒有明顯接縫，且圖中的電池缺陷十分清晰。而源圖像的分辨率只有1360·1024，幾乎是完整圖像拼接后的1/20。

5 結語

本文中所描述的圖像失真校正方法在校正時不需要測量參數(shù)，且在同一檢測環(huán)境下，只需采集一次標準網(wǎng)格圖像即可重復使用，適用性強。由于網(wǎng)格是由黑白格子相間而成，因此在尋找網(wǎng)格交點時較好的避免了因網(wǎng)格線寬造成的交點不準。這種利用全自動掃描機構采集局部圖像進而拼接得到完整的全景圖像的方法是有很大的實用性的，可推廣至民用相關領域的圖像缺陷檢測。