基于機(jī)器視覺的太陽能電池顏色自動(dòng)分選研究*

周 奇，孫智權(quán)， 趙不賄，陶鶴鳴

(江蘇大學(xué) a.電氣信息工程學(xué)院；b.工業(yè)中心，江蘇 鎮(zhèn)江 212013)

1001-2265(2017)10-0087-04

10.13462/j.cnki.mmtamt.2017.10.021

2017-01-09；

2017-02-10

鎮(zhèn)江市重點(diǎn)研發(fā)計(jì)劃(GY2015038)

周奇(1991—)，男，江蘇邳州人，江蘇大學(xué)碩士研究生，研究方向?yàn)橹悄軝z測、機(jī)器視覺，(E-mail)zhouxiaguang180@yeah.net；通訊作者：孫智權(quán)(1979—)，男，江蘇鎮(zhèn)江人，江蘇大學(xué)實(shí)驗(yàn)師，博士生，研究方向?yàn)榍度胧?、機(jī)器視覺，(E-mail)sunclever@ujs.edu.cn；趙不賄(1957—)，男，江蘇高淳人， 江蘇大學(xué)教授，博士生導(dǎo)師，研究方向?yàn)镻etri網(wǎng)、混雜系統(tǒng)、低碳與節(jié)能等，(E-mail)zhaobuhui@ujs.edu.cn。

基于機(jī)器視覺的太陽能電池顏色自動(dòng)分選研究*

周 奇a，孫智權(quán)b， 趙不賄a，陶鶴鳴a

(江蘇大學(xué) a.電氣信息工程學(xué)院；b.工業(yè)中心，江蘇 鎮(zhèn)江 212013)

針對硅晶太陽能電池顏色差異，首先設(shè)計(jì)了一套顏色分選方案，構(gòu)建了圖像采集與自動(dòng)化單元；并提出了基于彩色機(jī)器視覺原理的顏色分選方法，通過對圖像分塊直方圖的計(jì)算與比較建立顏色樣本庫與待檢測目標(biāo)之間的相似關(guān)系，并以此作為顏色分選的依據(jù)。最后將以往計(jì)算整體灰度直方圖差異來進(jìn)行顏色分選的方法相比較，證明了所提方法能夠克服色差對分選結(jié)果的影響。實(shí)驗(yàn)證明，所提方法在配合系統(tǒng)工作中具有足夠的快速性、準(zhǔn)確性和穩(wěn)定性，能夠滿足實(shí)際生產(chǎn)需求。

太陽能電池；機(jī)器視覺;圖像分塊；灰度直方圖；顏色分選

0 引言

隨著全球能源問題的不斷升級，人們逐漸將目光轉(zhuǎn)移到可替代傳統(tǒng)能源的新能源上。太陽能作為一種新能源，由于具有環(huán)保、清潔、可再生等優(yōu)點(diǎn)而逐漸成為目前可利用的主要新能源之一[1]。太陽能最典型的利用形式是太陽能發(fā)電，而太陽能電池是整個(gè)光電轉(zhuǎn)換過程中最為關(guān)鍵的部分[2]。太陽能電池在生產(chǎn)過程中要經(jīng)歷多種工藝處理，其中沉積氮化硅(PECVD)環(huán)節(jié)[3]，鍍膜的厚度與均勻性會(huì)對 電池片表面顏色分布產(chǎn)生影響，從而出現(xiàn)不同顏色的電池片；為不影響組件的美觀度，光伏行業(yè)標(biāo)準(zhǔn)中規(guī)定：不允許在同一盒中出現(xiàn)跨2個(gè)以上顏色等級的電池片。因此有必要根據(jù)顏色對電池片進(jìn)行分選[4]。目前，國外在太陽能電池片顏色分選方面的研究主要是提取電池片整體灰度特征值，再利用線性分類器和神經(jīng)網(wǎng)絡(luò)等思想，進(jìn)行分類器的訓(xùn)練[5]，計(jì)算復(fù)雜度較高；國內(nèi)主要是從灰度直方圖方面進(jìn)行研究，通過歐氏距離公式[6]分別計(jì)算待檢電池片與各顏色標(biāo)準(zhǔn)片之間的灰度直方圖差值，根據(jù)計(jì)算結(jié)果，選擇灰度直方圖最相似的標(biāo)準(zhǔn)片所屬顏色作為分選結(jié)果[6-8]；這類方法具有簡單直觀的特點(diǎn)，但由于是從圖像整體灰度特征層面進(jìn)行研究，而忽略了灰度分布的細(xì)節(jié)；因此，針對同一張電池片內(nèi)存在兩種以上顏色的色差片，往往不能夠如實(shí)反映顏色相似度[9]?；诖耍疚奶岢隽艘环N基于彩色圖像分塊與塊單元灰度直方圖分析的太陽能電池顏色分選方法，通過圖像分塊提取塊單元圖像的HSI顏色空間[10-12]灰度直方圖，結(jié)合直方圖比較結(jié)果對電池片進(jìn)行自動(dòng)顏色分選。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)架構(gòu)

顏色分選系統(tǒng)主要由硬件系統(tǒng)與軟件系統(tǒng)組成，其中硬件系統(tǒng)包括圖像采集與可執(zhí)行單元模塊，分別負(fù)責(zé)圖像數(shù)據(jù)的采集以及具體分選動(dòng)作的執(zhí)行；軟件系統(tǒng)主要完成圖像的處理與顏色分類算法的執(zhí)行。系統(tǒng)的整個(gè)工作流程為：太陽能電池傳送到位后觸發(fā)光電傳感器，由光電傳感器觸發(fā)圖像傳感器采集圖像并傳送給計(jì)算機(jī)；在計(jì)算機(jī)中，軟件系統(tǒng)讀取到圖像并進(jìn)行處理，再進(jìn)行相關(guān)算法的執(zhí)行，最后將處理結(jié)果信息反饋給PLC控制機(jī)械手動(dòng)作，執(zhí)行分選任務(wù)。系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

1.2 機(jī)器視覺成像平臺(tái)

圖像的質(zhì)量直接決定系統(tǒng)的性能，為實(shí)現(xiàn)高質(zhì)量圖像的采集，設(shè)計(jì)如圖2所示的成像平臺(tái)。

圖2 成像平臺(tái)示意圖

為最大限度還原電池本身顏色，本系統(tǒng)選用白色中孔平面光源垂直打光，配合500萬分辨率的全局曝光彩色工業(yè)相機(jī)采集圖像。

2 顏色分選算法

本文所提太陽能電池片顏色分選方法及流程如圖3所示。

圖3 顏色分選方法流程

2.1 圖像預(yù)處理

本文采用機(jī)器視覺中數(shù)字圖像處理的方法對采集到的標(biāo)準(zhǔn)顏色電池片樣本圖像進(jìn)行預(yù)處理。首先采用雙線性插值法檢測圖像的亞像素邊緣，通過圖像動(dòng)態(tài)閾值分割去除圖像背景及主柵部分[13-14]，提取感興趣的區(qū)域(Region Of Interest，ROI)再作仿射變換，對電池片進(jìn)行位置校正與特征定位，然后采用均值濾波對圖像進(jìn)行去噪，采用形態(tài)學(xué)操作濾除電池片表面的副柵線，完成圖像預(yù)處理。最后，根據(jù)主柵數(shù)目與電池片尺寸將圖像分割成X×Y個(gè)面積相等的矩形塊單元(為準(zhǔn)確反映圖像灰度分布情況，塊單元大小應(yīng)介于15mm×15mm～30mm×30mm之間)。原始圖像、位置矯正與ROI分割效果如圖4所示。

(a)原圖像 (b)位置校正 (c)ROI分割圖4 圖像預(yù)處理

2.2 灰度直方圖數(shù)組

對各顏色樣本(假設(shè)共有M種顏色，每個(gè)顏色有標(biāo)準(zhǔn)片N張)的彩色分塊圖像進(jìn)行顏色分量抽取并計(jì)算各分量中各塊單元灰度直方圖數(shù)組:Gh(m,n)(x,y)，Gs(m,n)(x,y)，Gi(m,n)(x,y)；0

(1)

其中，0≤i≤255。

2.3 RGB到HSI顏色空間的轉(zhuǎn)換原理

本文采用的彩色圖像傳感器所成的像為RGB圖像(RGB模型如圖5a)，所有顏色都是通過R、G、B各分量按照不同的比例混合而成。該模式對圖像顏色生產(chǎn)來說是理想的，但限制了對顏色的描述。本文采用的HSI色彩空間(如圖5b)是以人為第一視角，從人的視覺感知出發(fā)，通過色調(diào)H(Hue)平面、飽和度S(Saturation)平面、亮度I(Intensity)平面來描述環(huán)境的色彩。HSI色彩空間對人的感官來說是自然且直觀的，更適合表面具有彩色特性的物體的檢測與分析。

(a)RGB模型 (b)HSI模型圖5 RGB與HSI顏色空間模型

RGB與HSI空間的轉(zhuǎn)換關(guān)系[15]為：

(2)

其中：

(3)

(4)

式(2)～式(4)中RGB值已歸一化到區(qū)間[0,1]內(nèi)。

2.4 相似度

假設(shè)G={g0,g1,g2…g255}，P={p0,p1,p2…p255}分別為某一標(biāo)準(zhǔn)顏色電池圖像理想灰度和待檢電池片圖像H平面相同位置塊單元直方圖數(shù)組；依次通過歐幾里得公式求各灰度級的差別大?。?/p>

(5)

H平面灰度直方圖相似度[6]定義為:

(6)

同理可求VS,VI及Ds,DI；則總相似度為：

(7)

圖6a為一張已知顏色類別為3的標(biāo)準(zhǔn)電池片，圖6b為存在輕微色差的電池片，除右側(cè)顏色較深外，整體顏色仍偏淺，其顏色類別為2；分別計(jì)算出兩張電池圖像H平面36個(gè)分塊灰度直方圖差異與整體灰度直方圖差異如圖6c、圖6d所示。

(a)標(biāo)準(zhǔn)片 (b)輕微色差片

(c)分塊直方圖差異

(d)整體直方圖差異圖6 分塊與整體相似度計(jì)算效果的比較

與標(biāo)準(zhǔn)片相比，色差片左上角顏色偏淺，右半部分顏色偏深；因此，在這些區(qū)域兩幅圖的灰度分布差異較大，中間區(qū)域顏色分布基本一致。圖6c為將兩圖像按照相同的方式分割成36個(gè)小方格的灰度差異圖。其中陰影部分面積越大，表明相同位置顏色差異越大，反之則越相似。通過分析可以發(fā)現(xiàn)，圖6c較準(zhǔn)確的反應(yīng)了兩張圖像的顏色分布差異；但是由于整體灰度值基本接近，圖6d反應(yīng)的整體灰度差異較小，更不能夠描述這種色差情況，從而將兩張電池歸為同一種顏色。以上是針對H平面這一個(gè)分量進(jìn)行的分析，若將S、I兩個(gè)分量也考慮在內(nèi)，本分塊法更能準(zhǔn)確反映顏色分布。

2.5 顏色的判定

用以上方法求出待檢電池片每一單元塊與各標(biāo)準(zhǔn)顏色對應(yīng)位置單元塊理想灰度直方圖的相似度D1，D2，D3…DM，其中的最大值說明與該顏色最接近，將該單元塊歸為對應(yīng)顏色，實(shí)現(xiàn)各單元塊的顏色分類。最后將電池片整體顏色確定為各塊單元中出現(xiàn)頻次最高的顏色。

3 實(shí)驗(yàn)結(jié)果與分析

本樣本庫建立過程中，選用了156mm×156mm的多晶硅電池片5種顏色共150張標(biāo)準(zhǔn)片。本實(shí)驗(yàn)是在計(jì)算機(jī)上采用Halcon軟件與C#語言實(shí)現(xiàn)圖像處理，通過VS2015 平臺(tái)進(jìn)行數(shù)據(jù)處理、軟件設(shè)計(jì)與界面制作，結(jié)合硬件系統(tǒng)實(shí)現(xiàn)對電池片顏色的自動(dòng)分選。系統(tǒng)實(shí)物如圖7所示。

圖7 系統(tǒng)實(shí)物圖

實(shí)驗(yàn)共選取了3000張實(shí)驗(yàn)片，其中每個(gè)顏色各取600張作為實(shí)驗(yàn)樣本；各顏色標(biāo)準(zhǔn)片取樣如圖8所示。

圖8 顏色1～5標(biāo)準(zhǔn)片取樣(局部)

實(shí)驗(yàn)中將每張圖像分為36個(gè)單元塊，顏色數(shù)目為5。采用整體直方圖計(jì)算法與本文所提分塊方法顏色分類準(zhǔn)確度對比如表1所示，耗時(shí)情況如表2所示。

表1 顏色分類準(zhǔn)確度對比

表2 單片顏色分類耗時(shí)

通過分析表1可以發(fā)現(xiàn)，對不存在色差的顏色最深(顏色編號(hào)為5)與最淺(顏色編號(hào)為1)的電池分選中，兩種方法準(zhǔn)確度都可以維持在98%以上，而在存在輕微色差的中間部分(編號(hào)2～4)，分塊方法準(zhǔn)確度仍可以保持在99%以上，而整體計(jì)算法低于97%；由表2分析可知兩種計(jì)算方法單片檢測耗時(shí)相當(dāng)，約800ms。通過實(shí)驗(yàn)可以發(fā)現(xiàn)，本分塊方法在滿足快速性需求的同時(shí)，因在很大程度上可以克服輕微色差影響，而具有較高的檢測準(zhǔn)確度，檢測效果優(yōu)于整體灰度計(jì)算法。

4 結(jié)束語

本文根據(jù)機(jī)器視覺在顏色分類的應(yīng)用基礎(chǔ)上，通過對太陽能電池顏色研究和試驗(yàn)，提出一套基于圖像分塊和灰度直方圖計(jì)算相似度并根據(jù)塊單元顏色統(tǒng)計(jì)進(jìn)行顏色分選的方法并進(jìn)行了實(shí)現(xiàn)。實(shí)驗(yàn)表明該顏色分類方法平均準(zhǔn)確率在99.5%以上，檢測耗時(shí)低于1s，具有較高的準(zhǔn)確率和較好的穩(wěn)定性，對于太陽能電池生產(chǎn)效率的提高具有極大的意義。

[1] 羅承先. 太陽能發(fā)電的普及與前景[J].中外能源，2010，15(11):33-38.

[2] 陳豪，王明召.太陽能電池的基本原理[J].中國現(xiàn)代教育裝備，2011(16):59-60.

[3] 鄧其明. PECVD氮化硅薄膜的制備工藝及仿真研究[D]. 成都：電子科技大學(xué)，2012.

[4] 孟慶平，王舉亮，董鵬，等.Vitronic分選設(shè)備在太陽能電池片分選中的應(yīng)用[J].電子設(shè)計(jì)工程，2014,22(21):19-21.

[5] 劉斐，盧惠民，鄭志強(qiáng),等.基于線性分類器的混合空間查找表顏色分類方法[J].中國圖像圖形學(xué)報(bào)，2008,13(1):105-108.

[6] 孫海杰，林俊強(qiáng)，李崢濤，等. 基于彩色機(jī)器視覺的多晶硅太陽能電池顏色分選技術(shù)研究[J].制造業(yè)自動(dòng)化，2012,34(11):1-4.

[7] GONZALEZ R C, WOODS R E.數(shù)字圖像處理[M]. 阮秋琦，阮宇智，譯.3版.北京:電子工業(yè)出版社，2014.

[8] 龔金云,全思博. 基于灰度圖像直方圖的邊緣檢測[J].裝備制造技術(shù), 2007(2):50-52.

[9] 張晨陽.圖像相似度與物體輪廓定位方法的研究[D].大連：大連理工大學(xué)，2013.

[10] 王婧.紡織品顏色分類及色差檢測系統(tǒng)研究[D].西安：西安工程大學(xué)，2015.

[11] 龐曉敏，閔子建,闞江明,等.基于HSI和LAB顏色空間的彩色圖像分割[J].廣西大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011, 36 (6):976-980.

[12] 楊璟，朱雷.基于RGB顏色空間的彩色圖像分割方法[J].計(jì)算機(jī)與現(xiàn)代化,2010(8):147-149.

[13] 王巖松，金偉其.基于映射色差的顏色分類表面缺陷檢測方法研究[J].北京理工大學(xué)學(xué)報(bào)，2010，30(1):75-77.

[14] 張舞杰，李迪，葉峰.硅太陽能電池紋理缺陷檢測[J].計(jì)算機(jī)應(yīng)用，2010,30(10):2703-2704.

[15] 陳健美，宋余慶，朱峰.數(shù)字圖像處理與分析[M].鎮(zhèn)江:江蘇大學(xué)出版社，2015.

StudyofColorSortingAutomaticallyinSolarCellsBasedonMachineVision

ZHOU Qia, SUN Zhi-quanb, ZHAO Bu-huia, TAO He-minga

(a.School of Electrical and Information Engineering;b.Industrial Center，University of Jiangsu,Zhenjiang Jiangsu 212013,China)

For the quality problem caused by color difference in crystalline solar cells , a project of sorting color is designed . Firstly, image acquisition and automation system is constructed. Then , a method of sorting color based on colorful machine vision is proposed: the similarity between the normal cell and the detected one is calculated by segmenting image and the block gray histogram and is used to check the color kind. Lastly ,It has been proved that compared with calculating the gray histogram entirely ,the proposed performs better when it comes to cells with color difference. Experiments show that the proposed has sufficient rapidity, accuracy and stability, it is possible to meet the actual production needs.

solar cell; machine vision; image segmentation; gray histogram; color sorting

TH39;TG506

A

(編輯李秀敏)