电池片色差外观缺陷自动分选系统C500
基于机器视觉的光伏太阳能晶硅电池片缺陷检测及颜色分选系统研究
摘要为了解决在丝网印刷流水线末端光伏太阳能晶硅电池的自动缺陷检测和颜色分类的问题，通过对太阳能电池的检测方法进行分析，提出了基于机器视觉的电池片缺陷检测及颜色分选的解决方案，开发了光伏太阳能晶硅电池片检测系统。
首先介绍了太阳能电池的制备工艺，分析了太阳能电池的常见缺陷种类和色系等级及其形成原因，并提出了相应的检测标准和要求。
同时进行光伏太阳能晶硅电池片检测系统整体方案设计，分别对系统硬件和系统软件进行分析设计，然后根据检测系统要求完成了工业相机，镜头，灰度卡等核心元件的选型以及检测功能模块化，离线在线相结合的软件系统设计。
研究了太阳能晶硅电池片缺陷检测算法，介绍了电池片图像的色彩校正，区域提取，硅片定位，工艺点屏蔽等预处理过程。
提出了基于亚像素的电池片的尺寸测量方法。
针对破损缺陷，分别使用形态学和参考模板的检测方法进行实验，通过比较分析选择合适的检测算法。
针对栅线印刷缺陷，根据栅线分布特征将检测步骤细分为栅线提取，细栅检测，主栅检测。
针对脏污缺陷，提取出基于改进的局部阈值分割方法。
研究了太阳能晶硅电池片颜色分选算法，介绍了常用的颜色空间及其转化方法，并使用HSI通道进行颜色直方图特征提取。
分析了传统的颜色分选算法后，提出了一种基于神经网络的颜色分选算法，并通过实验对比分析两种方法的运行效率和精确度，验证了本算法的优越性。
最后，针对本课题的太阳能晶硅电池片缺陷检测及颜色分选系统，在线检测与人工目检相结合，分别从系统的精确度，高效性以及稳定性进行综合性能的实验分析。
实验数据表明，系统的综合性能可以满足实际生产需求。
关键词：机器视觉；检测系统；缺陷检测；颜色分选；神经网络AbstractIn order to solve the problem of automatic defect detection and color classification of silicon cells at the end of screen printing pipeline,through the analysis of solar cell detection methods,a solution based on machine vision for defect detection and color sorting of cells is proposed,and developing an inspection system of photovoltaic solar crystalline silicon cell.Firstly,analyzing the common defect types,color grades and their causes of formation of solar cells by introducing the preparation process of solar cells,afterwards putting forward the corresponding detection standards and requirements.At the same time the overall scheme design of photovoltaic solar crystal silicon cell detection system is carried out,and the system hardware and system software are analyzed and designed respectively.Then,the selection of core components,such as industrial camera,lens and gray card,and offline online software system design with detection function modular are completed according to the requirements of the detection system.secondly,the defect detection algorithm of solar crystalline silicon cells is discussed.First, introducing the preprocessing processes including color correction,region extraction,silicon wafer positioning,process point shielding and so on.After that,proposing a subpixel-based cell size measurement method.Aiming at the damage defects,the detection methods of morphology and reference template are used to carry out experiments,and the appropriate detection algorithm is selected through comparative analysis.Aiming at the defects of grid line printing,the detection steps are subdivided into grid line extraction,fingers detection and busbars detection according to the distribution characteristics of grid line.Aiming at the dirt defect,an improved local threshold segmentation method was extracted.Then,research on the color sorting algorithm of solar crystalline silicon cells.First the color histogram feature extraction is carried out using HSI channel through introducing the common color space and its transformation method.Then a color sorting algorithm based on neural network is advanced with the traditional color sorting algorithm analyzed,and the operation efficiency and accuracy of the two methods are compared and analyzed experimentally,which proves the superiority of the algorithm.Finally,aiming at the defect detection and color sorting system of solar crystal silicon cells in this topic,the comprehensive performance of the system was analyzed from the perspective of accuracy，efficiency and stability combined with online detection and manual eye inspection.Experimental data show that the comprehensive performance of the system can meet the actual production requirements.Key Words:Machine Vision;Detection System;Defect Detection;Color Sorting;Neural Network目录摘要 (I)Abstract ............................................................................................................................. I I 第一章绪论. (1)1.1 研究背景 (1)1.2 国内外研究现状 (2)1.2.1 机器视觉研究现状 (2)1.2.2 太阳能电池检测的研究现状 (3)1.3 本文研究目的与意义 (5)1.4 本文研究内容和组织结构 (6)1.4.1 研究内容 (6)1.4.2 组织结构 (6)第二章缺陷检测与颜色分选系统的分析与设计 (8)2.1 引言 (8)2.2 电池片视觉检测关键问题 (8)2.2.1 太阳能电池制备工艺 (8)2.2.2 电池片缺陷与色系 (9)2.2.3 检测标准与要求 (12)2.3 检测系统整体方案设计 (13)2.4 检测系统硬件选型与设计 (14)2.4.1 工业相机选型 (15)2.4.2 相机镜头选型 (17)2.4.3 灰度卡的选型 (19)2.4.4 其他硬件 (20)2.5 检测系统软件设计 (21)2.6 本章小结 (23)第三章电池片缺陷检测算法研究 (24)3.1 引言 (24)3.2 电池片图像预处理 (24)3.2.1 图像的白平衡色彩校正算法 (24)3.2.2太阳能晶硅电池片区域提取 (26)3.2.3基于模板匹配的电池片定位 (27)3.2.4基于仿射变换的工艺点屏蔽 (30)3.3基于亚像素的电池片尺寸测量 (32)3.4电池片破损缺陷检测算法研究 (37)3.4.1基于形态学检测方法 (37)3.4.2基于模板检测方法 (39)3.4.3破损检测实验分析 (40)3.5电池片栅线缺陷检测算法研究 (40)3.5.1电池片栅线提取 (40)3.5.2电池片细栅检测 (41)3.5.3电池片主栅检测 (43)3.6电池片脏污缺陷检测算法研究 (44)3.7本章小结 (46)第四章电池片颜色分选算法研究 (47)4.1引言 (47)4.2颜色空间变换与特征提取 (47)4.3电池片颜色分选算法 (50)4.3.1基于相似度和距离的颜色分选算法 (50)4.3.2基于神经网络的颜色分选算法 (51)4.3.3颜色分选算法的对比分析 (57)4.4本章小结 (58)第五章检测系统性能分析 (59)5.1引言 (59)5.2检测系统精确度实验 (60)5.3检测系统高效性实验 (60)5.4检测系统稳定性实验 (61)5.5本章小结 (62)总结与展望 (63)研究成果 (63)研究展望 (63)参考文献 (65)攻读硕士学位期间取得的研究成果 (70)致谢 (71)第一章绪论第一章绪论1.1研究背景众所周知，当今科技和经济的高速发展给我们的生活带来了前所未有的变革，不断更新迭代的生产设备及消费产品对能源的需求也在日益增长[1,2]。
基于机器视觉的太阳能电池片外观缺陷检测
引 言
随 着 国 内外 对 清 洁 能 源 需 求 的 增 加 以 及 各 国政 府 对
因此 采 用几 何 定 位 方 式 。
１ 太 阳 能 电池 片 表 面缺 陷检 测 系统 设 计
系 统 硬 件 方 面 由 ３ 部 分 构 成 ：处 理 芯 片
清 洁 能 源 补 助 的提 高 ， 光 伏 组 件 的需 求 也 在 快 速 增 长 。 为 保 证 产 能 及 组 件 品质 的 可 靠 性 ， 高 精度 、 高 速 太 阳能 电 池
片 的 全 自动 焊 机 成 为 光 伏 企 业 的 首 选 。 目前 这 些 设 备 大 多依 赖进 口 ， 然 而 进 口设 备 高 昂 的价 格 很 大程 度 上 增 加 了 太 阳能发电的成本 ， 急 需 研 制 出高 水 平 的 太 阳 能 电 池 片 焊 接 设 备来 满 足 市 场 的需 求 。 电池 片焊 接 设 备 的 精 度 、 速 度 与 电 池 片 的 完 整 性 相 关 。传 统 的 检 测 方 法 精 度 低 、 速 度 慢， 而且部分还需依赖人工操作 ， 不 能满 足 市 场 要 求 ， 而 基 于机 器 视 觉 的 检 测 方 法 能 有 效 地 解 决 这 些 问 题 。 机 器视 觉 技 术 与 人 类 通 过 眼 睛 获 取 信 息 的 方 式 是 一
Ｓ ｏ ｎ ｇ Ｙｕ ｑ ｉ ｎ， Ｌｉ ｕ Ｋａ ｉ ｋａ ｉ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ， Ｘｉ ａ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｘｉ ａ ｎ ７ １ ０ ０ ４ ８， Ｃｈ ｉ ｎ ａ ）
电池片分选标准
5.2.4分选标准
（1）电池片分为六级，分别为A级品、 B级品、 C级品、D级品（等外品）、NG品、碎片。
A级品：是外观和电极无明显缺陷的，且电性能符合组件设计要求的完整单体电池片。
B级品：是外观和电极有一定缺陷的，且电性能符合组件设计要求的完整单体电池片。
C级品：是外观和电极有明显缺陷的完整电池片或单体太阳电池，最大完整破损面积≥1/4完整单体太阳电池面积，可划片生产的，划片后电池片电性能符合划片组件设计要求的电池片。
D级品：逆电流或并联电阻超标即Rsh≤7Ω或Irev1≥3A的电池片。
NG品：FF、UOC、ISC、RS等电性能不符合组件设计要求的电池片及Pmpp≤3.65W的电池片。
碎片：指面积小于四分之一、不可切割、按重量入库的电池片碎片。
（2）具体的分类标准见下表：
（3）各种外观不良缺陷成品太阳电池片分选分类和标识：
a.电池片的完整度缺陷包含，V型缺口、圆弧型缺口、缺角、崩边、裂纹、穿孔等。
见如图1示例：
图1：电池片的完整度缺损示意图
b.电池片的印刷缺陷包含，正面或背面的印刷图案偏离或缺损、正面漏浆、栅线断线或结点等。
c.电池片的色度均匀性缺陷包含，色差（含片间色差和片内色差两种）、色斑、指印、水痕、
划伤、硫化、挂钩痕等。
d.电池片的背面均匀性缺陷包含，鼓泡、铝珠、霉变等。
e.电池片的弯曲度缺陷包含，弓片、翘曲等。
电池片分选标准
5.2.4分选标准
（1）电池片分为六级，分别为A级品、 B级品、 C级品、D级品（等外品）、NG品、碎片。
A级品：是外观和电极无明显缺陷的，且电性能符合组件设计要求的完整单体电池片。
B级品：是外观和电极有一定缺陷的，且电性能符合组件设计要求的完整单体电池片。
C级品：是外观和电极有明显缺陷的完整电池片或单体太阳电池，最大完整破损面积≥1/4完整单体太阳电池面积，可划片生产的，划片后电池片电性能符合划片组件设计要求的电池片。
D级品：逆电流或并联电阻超标即Rsh≤7Ω或Irev1≥3A的电池片。
NG品：FF、UOC、ISC、RS等电性能不符合组件设计要求的电池片及Pmpp≤3.65W的电池片。
碎片：指面积小于四分之一、不可切割、按重量入库的电池片碎片。
（3）各种外观不良缺陷成品太阳电池片分选分类和标识：
a.电池片的完整度缺陷包含，V 型缺口、圆弧型缺口、缺角、崩边、裂纹、穿孔等。
见如图1示例：
图1：电池片的完整度缺损示意图
b.电池片的印刷缺陷包含，正面或背面的印刷图案偏离或缺损、正面漏浆、栅线断线或结点等。
c.电池片的色度均匀性缺陷包含，色差（含片间色差和片内色差两种）、色斑、指印、水痕、划伤、硫化、挂钩痕等。
d.电池片的背面均匀性缺陷包含，鼓泡、铝珠、霉变等。
e.电池片的弯曲度缺陷包含，弓片、翘曲等。
光伏电池片外观不良解决方案
光伏电池片外观不良解决方案1. 外观异常—黑边1.1 异常描述刻蚀后半成品硅片呈现黑灰色边缘称为黑边。
1.2多边黑边1. 典型形貌特征2. 原因分析药液浓度偏高，腐蚀量偏大，导致边缘黑边。
3. 处理办法适量补加DI降低自补量减小腐蚀度，调节过程中关注腐蚀度的变化。
1.3 单边黑边1. 典型形貌特征2. 原因分析单侧排风过大；刻蚀槽滚轮水平较差，硅片在行进过程中抖动较大。
3. 处理办法适当降低黑边背侧排风；观察找出偏高或偏低的滚轮，调节滚轮水平。
1.4 边角黑边1. 典型形貌特征2. 原因分析单根滚轮不平，一边高一边低会导致偏低的一侧边角出现黑边；侧面排风过大；3. 处理办法观察找出不平的滚轮，调节滚轮水平；根据黑边出现的方位，调节侧排。
1.5 黑边原因分析总结1. 药液浓度偏高，腐蚀量偏大，导致边缘黑边；2. 刻蚀槽滚轮水平较差，硅片在行进过程中抖动较大；3. 侧面排风过大。
1.6 黑边处理办法总结1. 适量补加DI降低自补量减小腐蚀度，调节过程中关注腐蚀度的变化。
2. 观察找出偏高或偏低的滚轮，调节滚轮水平；3. 根据黑边出现的方位，调节侧排。
2. 外观异常—滚轮印2.1 异常描述刻蚀后或在EL图中出现与刻蚀滚轮位置一致的印记称为滚轮印。
2.2 典型形貌特征：2.3 原因分析1. 刻蚀槽流量偏低，背面部分N型硅未被刻蚀掉；2. 进槽滚轮偏高，硅片接触药液时间偏短；3.上下滚轮脏污，脏污粘在硅片表面。
2.4 处理办法1. 如果滚轮印出现在非扩散面，可以适当增加刻蚀槽流量来解决；2. 调节进槽滚轮高度；3. 如果脏污情况较轻，可以通过跑假片的方法来去除；如果脏污情况较严重，可以将所有槽药液打至Tank槽，用酒精擦拭除刻蚀槽外所有滚轮，再用DI水擦拭，最后跑假片复机即可。
3. 外观异常—皮带印3.1 异常描述在EL图中出现皮带印位置与刻蚀皮带印宽度一致称为皮带印。
3.2 典型形貌特征：3.3 原因分析1. 电池片正面与下料机下料皮带进行摩擦接触，在EL缺陷分选检测出与刻蚀下料皮带对应的皮带印；2. 电池片在皮带传送过程中因摩擦力较小容易与皮带产生打滑，导致电池片与皮带接触打滑区域受损导致电池片与皮带接触位置EL不良。
电池片外观等级划分作业指导书CSICSIPQA006
电池片外观等级划分作业指导书CSICSIPQA006太阳能光伏电池片外观的分选作业指导阿特斯阳光电力电池片等级划分作业指导书一外观等级分类说明 1. A 级:上等片各项指标(缺陷的接收标准均在正常值范围内,颜色均匀;无明显瑕疵 2. C 级:有明显的瑕疵,颜色分布不均匀； 3. D 级:严重瑕疵,含缺角裂片------可用于它方划小片使用备注：对于色差和亮斑的判定，检验距离为：0.5m; 检验人员要求：1.无色盲，视力; 1.5; 2.间隔 1 小时需远眺防止视觉疲劳版本版次页码文件号第A版第1次修改第 1 页共2 页 CSIC-SIP-QA-006序号项目外观A级外观C级外观D级1颜色电池正面主体颜色为蓝色且均匀一致，允许边缘有相存在3种及以上颜色，允许有跳色现象，包括存在3种以上颜色，包括完全未镀上减反射膜的近色的色差，最多只允许存在2种颜色,如淡蓝-蓝少量未镀上减反射膜的电池片，但不允许存在电池片以及以及有较大面积的颜色色差，包括黄色和金色。
色，蓝色-深蓝，但不包括黄色-金色等黄色和金色。
2允许边缘有不明显色斑(在正常的光强下，距离30公色斑.脏分处观察)。
色斑总面积不超过电池总面积的3%,个显著水痕印、手指印、斑点、面积不超过电池污数不超过(2)个。
可允许有3个以下直径小于1.5mm的片总面积的30%。
脏污亮斑不允许有亮斑有轻微亮斑，面积不超过1.0_1.0mm,个数不超过5个允许显著水痕印、手指印、斑点面积不限3有严重亮斑(数量与面积不限)4白线50公分内观察无明显可视白线；无要求5崩边、缺受光面边缘允许轻微崩边，深度不超过0.5mm,长度允许崩边，深度不超过1mm,长度不超过3mm, 允许崩边，V型缺角缺损面积_gt;1__215;3mm2.数目不口、掉角不超过1.5mm,数目不超过1个，无V型缺角。
数目不超过2个，不允许有V型缺角。
限。
裂纹、裂痕无裂纹、裂痕,无穿孔125M(P); t≤2 mm 无裂纹、裂痕,无穿孔125M(P); 4mm ≥t_gt;2 mm 156M(P); 5mm≥t_gt;3m m 允许裂纹裂痕.但可根据缺陷电池片的面积区分。
电池片外观缺陷检测与色差分选系统（12）
电池片外观缺陷检测与色差分选系统（12）预览说明:预览图片所展示的格式为文档的源格式展示,下载源文件没有水印,内容可编辑和复制电池片外观缺陷检测与色差分选系统一、功能简介来料电池片可能存在缺角、崩边、孔洞、脏污、断栅等外观缺陷，以及电池片之间颜色不一致等问题，因此在串焊之前对电池片进行外观缺陷检测，并根据颜色进行分档，是提升组件质量的重要手段。
电池片外观检测与色差分选系统首先利用小批量电池片样本，按照设定的分档数量，自动创建分档模板；正常检测时，系统首先对电池片进行缺角、崩边、孔洞、脏污等外观缺陷检测，然后提取电池片的颜色信息，并与模板颜色进行比对，根据比对结果将电池片归为相应档位。
该系统已成功用于某光伏设备制造企业。
在此基础上可根据客户具体要求进行定制开发。
二、技术参数1、测试对象：各种规格型号电池片；2、最大区域：200mmX200mm；3、检测效率：单次检测时间约1.5秒；4、可识别缺陷种类：缺角、崩边、孔洞裂纹、脏污、断栅等；5、颜色分档数量可设定，最多20档；6、采用网口与PLC通信，实现与产线集成；7、利用小批量电池片样本自动创建分档模板，无需人工参与；8、所有缺陷判别均参数化，用户可通过参数调整实现个性判定标准；9、软件界面友好，易于操作。
10、系统组成：工业相机、镜头、背光源、侧面光源、检测软件。
三、特色优点1、特定光源与图像采集系统，图像稳定、质量高；2、自动创建模板，使用更方便；3、检测效率高，可与产线集成；4、智能图像处理算法，检测结果稳定可靠；5、检测分选的效果与效率远优于人工，取代人工，减少企业用工量；6、兼容多种产品与型号，有效降低企业成本；四、测试情况。
基于机器视觉的光伏电池片位置误差检测系统
综上计算与分析，选择日本Computar定焦镜头MP2 系列的M1214-MP2（图2）,该镜头的焦距为12 mm,具有 手动光圈以及光圈和焦点锁定螺母；靶面为1.7cm（2/3 英寸），在整个屏幕内都具有较高的对比度和清晰度;采 用C接口连接,满足已选工业相机的要求。
匹配的型材滑块可实现相机镜头、条形LED光源的位置 调整，光源角度调整机构可以改变打光角度，待调整完毕 后通过螺母将其锁紧。利用此实验平台可以对晶硅太阳 能电池片进行图像测量、位置误差计算等实验。
滤波去噪
结束
直线似合
图4电池片位置误差检测流程图
3基于电池片边缘和主栅线平均定 位的位置误差检测
图 2 M1214-MP2 镜头
1.2检测系统硬件平台
为了检测系统进行图像算法实验，设计了系统实验平 台如图3所示。主体采用工业铝型材，通过与型材沟槽相
一种太阳能电池硅片的自动分选系统[实用新型专利]
![一种太阳能电池硅片的自动分选系统[实用新型专利]](https://img.taocdn.com/s3/m/444288acb307e87100f69649.png)
专利名称：一种太阳能电池硅片的自动分选系统专利类型：实用新型专利
发明人：何金峰,冯志城
申请号：CN202020278764.8
申请日：20200309
公开号：CN212041566U
公开日：
20201201
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种太阳能电池硅片的自动分选系统，包括：AOI颜色测试机，所述AOI 颜色测试机用于测试电池硅片的颜色深度，并根据电池硅片的颜色深度确定对应的颜色等级；IV测试机，所述IV测试机用于测试电池硅片的光电转换率，其内部设置有太阳光模拟光源；EL测试机；分选机及移栽机。
有益效果在于：通过串联设置多个分选机，可在AOI颜色测试机、IV测试机和EL测试机对电池硅片进行检测后进行更加精细的分类，从而缩小同级电池硅片之间的性能差；通过在分选机的末端设置移栽机，可在电池硅片分选后，配合分选机对承载硅片的料盒进行循环运输，料盒运输过程无需人工参与，提高了电池硅片分选的效率。
申请人：常州新隆威智能技术有限公司
地址：213000 江苏省常州市金坛区华城中路168号
国籍：CN
代理机构：苏州通途佳捷专利代理事务所(普通合伙)
代理人：闵东
更多信息请下载全文后查看。
太阳能电池片颜色分选机
太阳能电池片外观/缺陷/颜色分选机机器视觉公司创视新科技日前在国内某大型太阳能电池企业安装太阳能颜色分选设备。
公司称这是一款基于机器视觉图像识别技术的检测系统，可准确、可靠地对电池片正、反面外观缺陷和颜色进行一次分选。
随着业界对高品质太阳能电池需求的增长，在电池片出厂前对其外观质量和颜色分选变得至关重要，为进行有效、客观可靠的外观缺陷检测与颜色分选，越来越多的太阳能生产商在考虑如何在已有分选设备上配套升级改造，以适应电池片外观缺陷检测与颜色分选同步进行，提高生产效率。
无锡创视新科技公司研发的csxkj-mvc自动化光学识别系统，采用先进的图像识别技术，结合电池片外观缺陷和颜色特点进行了针对性多模块设计组合，系统结合了对电池片正面印刷质量检测与颜色分选的功能，并实现准确、可靠的质量检测和分选。
可精确识别电池片外观缺陷和颜色差别，一次流程完成电池片正反面外观缺陷和颜色分选，大大提高了目前传统分选设备的分选检测效率。
该颜色分选机适用于单晶硅和多晶硅电池片。
该系统的处理能力超过3000片/小时，分类可靠性超过99.8%。
该系统由二个千万级像素工业相机，、LED照明光源、工业控制系统等组成。
软件系统由创视新科技独立自主开发，适合国内用户的操作习惯，可进行自动快速工具校准和匹配，并可进行快速干预以及生产工艺调整等控制，同时能统计当前以及最近检测的太阳能电池片外观缺陷和颜色分选信息。
颜色分选系统正面检测图像颜色分选系统反面检测图像1. 设备用途电池片缺陷/颜色分选机主要用于电池片颜色及缺陷（正面及背面）的自动分选，实现电池片的颜色及缺陷（正面及背面）测试分选功能，采用堆叠（离线）的上料方式，对电池片进行颜色及缺陷测试，下料单元根据测试结果将电池片下到对应等级的下料盒中，由人工取片包装，降低人工作业强度，降低人工操作破片率，减少人为对晶片的污染，提高生产率及产能。
2. 适用晶片规格6" 156&156.5 (±) 160~200μm3. 设备外观尺寸4880mm (L)*1420mm (W)*2050mm (H)4. 设备产能及兼容性设备产能≥3000片/ 小时(不含人工操作时间)5. 不合格片处理破片率：≤0.1% 晶片自身缺陷除外6. MES系统可选7. 设备运行参数Uptime ≥98%平均故障间隔时间（MTBF）：＞200小时平均故障修复时间（MTTR）：＜1小时故障停机时间（Downtime）：≤1％8. 设备使用寿命＞10年（易损件耗材除外）9. 提供资料操作保养手册：操作手册、保养维护手册图纸资料：机械图纸、电气图纸其它资料：OEM手册、场地确认Layout、装箱清单10. 安全和环境保护机械和电气系统具备安全急停、停止功能电气控制柜接线符合国家安全规定系统需接地设备声噪< 65db11.检测分选类别1）自动识别颜色差别进行不合格剔除（通过图像检测技术识别电池片颜色差别）颜色分选类别正常蓝片中的颜色分类可设置到3～4种边红蓝片需要分辨边红的方向（上、下、左、右）灰片中不论深浅放置在一个bin中花片中包含晶格花片和黑丝花片，放置在一个bin中2)自动识别外观缺陷进行不合格剔除缺陷检测分选类别颜色分选系统反面检测图像。
基于机器视觉的太阳能电池片外观缺陷检测
基于机器视觉的太阳能电池片外观缺陷检测
宋玉琴;刘凯凯
【期刊名称】《单片机与嵌入式系统应用》
【年(卷),期】2015(15)2
【摘要】为了提高太阳能焊接机的焊接精度和焊接速度,提出了基于机器视觉在线检测太阳能电池片缺陷的方法,以ARM处理器STM32F103RBT6作为图像处理芯片,设计了系统的硬件电路,采用行扫描像素点的方法处理图像.实验结果表明:系统具有计算速度快、效果好、稳定性高、成本低、实用性较强的特点,在太阳能单焊机上具有较高的应用价值.
【总页数】4页(P71-74)
【作者】宋玉琴;刘凯凯
【作者单位】西安工程大学电子信息学院,西安710048;西安工程大学电子信息学院,西安710048
【正文语种】中文
【中图分类】TP24
【相关文献】
1.基于机器视觉的太阳能电池片表面缺陷检测研究现状及展望 [J], 钱晓亮;张鹤庆;陈永信;曾黎;刁智华;刘玉翠;杨存祥
2.基于机器视觉的圆锥滚子外观缺陷检测系统研究 [J], 文生平;刘云明
3.基于机器视觉的金手指外观缺陷检测 [J], 刘华珠;林洪军;谢豪聚;吴荣海
4.基于机器视觉的太阳能电池缺陷检测实验设计 [J], 臧月;辛青;赵巨峰;崔光茫
5.基于机器视觉的塑料制品外观缺陷检测 [J], 王宇杰
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电池片色差外观缺陷自动分选系统C500
产品价值：
◆为用户节省人力成本，用户可在1-1.5年回收设备投入成本
◆代替现有人工分选模式，体现产品优越性
◆效率更高，重复性更好，准确性更好
◆减少人工接触的中间环节，增加转换效率
产品特色：
OPT-C50-------离线模式
◆上料，色差检测，外观缺陷检测，下料分选模块集成一体机
◆检测测度可达2800—3000P/h,二条电池片生产线可配一套该系统◆缺省有12个分选BIN，用户可根据需求自行添加分选模组
◆顶升式分选系统，确保分选动作不会对电池片造成二次伤害
软件特点
◆单晶/多晶电池片通用型
◆独创的分选系统，用户可自动定义无片内色差片的分类与范围，
片内色差，跳色片，亮片的自定义与分选，可满足对不同电池片的分选要求
◆缺陷检测系统模块化设计，用户可自行选择所需检测的缺陷类型
及参数设计。