CN105388162A - 基于机器视觉的原料硅片表面划痕检测方法 - Google Patents
基于机器视觉的原料硅片表面划痕检测方法 Download PDFInfo
- Publication number
- CN105388162A CN105388162A CN201510713473.0A CN201510713473A CN105388162A CN 105388162 A CN105388162 A CN 105388162A CN 201510713473 A CN201510713473 A CN 201510713473A CN 105388162 A CN105388162 A CN 105388162A
- Authority
- CN
- China
- Prior art keywords
- raw material
- silicon chip
- image
- material silicon
- technology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 title claims abstract description 74
- 229910052710 silicon Inorganic materials 0.000 title claims abstract description 74
- 239000010703 silicon Substances 0.000 title claims abstract description 74
- 239000002994 raw material Substances 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 29
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000000877 morphologic effect Effects 0.000 claims abstract description 8
- 238000003708 edge detection Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 4
- 241001270131 Agaricus moelleri Species 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000007547 defect Effects 0.000 abstract description 3
- 238000003709 image segmentation Methods 0.000 abstract description 3
- 238000009499 grossing Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 241001494479 Pecora Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于机器视觉的原料硅片表面划痕检测方法，属于机器视觉缺陷检测技术领域，采用了图像位置矫正技术、灰度图像分割技术、线性滤波技术、边缘检测技术、数据统计与分析技术、图像处理技术以及形态学分析等对采集的图像进行处理和分析；对图像进行滤波处理、初步提取出表面划痕信息，经二值化处理后进一步凸显出划痕位置及大小，最后经形态学分析与粒子过滤的方法筛选出主要划痕。本发明可对原料硅片表面划痕实现在线稳定准确的存在性与方向性的判断，且实时显示检测结果；并可以通过数据采集模块向控制传送带的PLC控制器发出信号，使其对应不同的类别快速控制传送带采取不同的动作。
Description
技术领域
本发明属于机器视觉缺陷检测技术领域，具体涉及基于机器视觉的原料硅片表面划痕检测方法。
背景技术
硅片是太阳能电池片生产的主要原料，由于存在于整个电池片生产线的起始环节，其质量的优劣直接决定后续制绒，镀膜，印刷等所有工序中的半成品甚至电池片成品的工艺质量，从而影响太阳能电池片的使用性能；而在硅片原料的生产过程中，对原料切片时由于切割工具的抖动等原因，有时会在原料表面形成划痕，因此须对原料硅片进行表面划痕检测，将存在过多划痕的缺陷硅片予以剔除。但由于原料硅片表面的纹理性，灰度的差异、光线对于划痕的不敏感、外界环境噪声等因素的影响，对其表面划痕的检测带来了一定的不确定性。
目前，很多太阳能电池片生产厂家主要还是以人工检测的方法来应对这一问题，这样不仅成本高，而且也带来了人为因素不可忽略、没有固定标准、容易造成碎片，等一系列问题，从而降低生产效率，最终也很难达到高度自动化的现代化工厂的需求。
发明内容
发明目的：本发明的目的在于提供基于机器视觉的原料硅片表面划痕检测方法，其具有准确率高、非接触式检测、速度快、效率高等优点，能够实时准确、快速、高效、地检测出原料硅片的表面划痕的存在性及其方向，能自动对硅片进行分选，同时发送特定信号给PLC，利用PLC电控设备控制机械吸盘吸取将缺陷产品送入指定硅片盒内。
技术方案：为实现上述发明目的，本发明采用如下技术方案：
基于机器视觉的原料硅片表面划痕检测方法，包括如下步骤：
步骤1：接收信号，采集图像，其包括：
步骤1-1，原料硅片到达传感器位置，传感器发送模拟信号给数据采集设备，经由采集卡转换为数字信号传递给系统；
步骤1-2，系统接收到采集信号后，触发相机，采集图像，并将采集到的原料硅片灰度图像传送至图像处理模块；
步骤2：对原料硅片的灰度图像进行位置矫正和图像分割，其包括：
步骤2-1，对原料硅片的灰度图像进行位置矫正，采用直边查找算法确定原料硅片的一个直边，获取其角度信息；其方法是先确定一个包含有完整底边的目标区域，在该区域内，设置合理的查找密度，按照从下往上的方向查找所有灰度从低到高跃迁的像素点，将这些像素点按照线性拟合的方式自动拟合为一条直线，并从中获取角度信息；直线角度为：
angle0＝ɑ(1)
然后利用公式(2)，将图像按顺时针旋转至水平，实现位置矫正，为图像分割做准备；
angle1＝-ɑ(2)
步骤2-2，采用直边查找算法分别对原料硅片的四条边进行直边查找；获得各直边线的部分坐标信息如下：
lineleft：(x11,y11)(3)
linerright：(x22,y22)(4)
linetop：(x31,y31)(5)
linebottom：(x42,y42)(6)
其中lineleft,lineright,linetop,linebottom分别为所得到的左、右、上、下四条直边线段的两个端点坐标中的一个，坐标点下标第二个数字“1”代表是起点坐标，“2”代表是终点坐标；
步骤2-3，分别以式(3)、(4)、(5)、(6)所得的两个顶点坐标为基础，进行坐标点重组，得到如下两个点坐标：
pointlefttop:(x11,y31)(7)
pointrightbottom:(x22,y42)(8)
对公式(7)，(8)两个点坐标作如下变换：
x'11＝x11+10；(9)
y'31＝y31+10；(10)
x'22＝x22-10；(11)
y'42＝y42-10；(12)
得到两个新点坐标：
point1:(x'11,y'31)(13)
point2:(x'22,y'42)(14)
以点point1,point2确定的线段作为对角线所确定的矩形区域作为目标区域，对图像进行分割，获得与原背景分离出来并且失去四个直边缘以内10个像素点宽度的本体图像，得到无边缘本体图像；
步骤3，对上述步骤2获得的无边缘本体图像进行滤波处理和边缘检测，采用线性滤波器对所得图像进行滤波去噪处理，以最大限度的削弱噪声和环境的影响，同时凸显检测目标的信息；
采用canny边缘检测法对滤波后图像进行处理，从而检测出所有可能是划痕的“边缘”(canny边缘检测法的原理是保留参与灰度跃迁的像素点，并非只是用于检测真正意义上的图像边缘)；
步骤4，对所获得滤波处理，边缘检测后的图像进行二值化；采用自动阈值二值化法对图像进行二值化处理为形态学分析和粒子过滤做好准备；
步骤5，对二值化图像进行形态学分析与粒子过滤；采用结构元素尺寸为3的水平腐蚀法和竖直腐蚀法去除原料硅片本身纹理粒子；
再使用基于面积的粒子过滤器对图像进行过滤，进一步去除原料硅片本身的纹理粒子，并得到过滤后粒子数目；
步骤6，将上述步骤得到的粒子数目与由样本数据统计得到的粒子数目阈值进行比较和判断，获得原料硅片表面划痕存在性的判定结果；
步骤7，根据步骤6的判定结果，对存在划痕的原料硅片进行水平和竖直粒子过滤；采用基于横纵坐标延续长度的粒子过滤器对所的图像分别进行水平和竖直粒子过滤，并获得两种过滤法后存留粒子的两个数目值；
步骤8，将步骤7所获得的两个数值进行比较，通过粒子数目的多少判定划痕的方向，得到原料硅片的检测结果。
步骤6和步骤8中，将所述的原料硅片的检测结果分为无划痕片、水平划痕片和竖直划痕片；当检测为水平或竖直中某一种划痕片时，发送相应的特定信号给PLC，由PLC电控设备控制机械吸盘吸取对应硅片放入指定硅片盒；而当检测为无划痕片时，将不发送任何信号给PLC，让其直接向前传送。
发明原理：本发明的检测的对象是原料阶段的硅片，其检测方案采用了图像位置矫正技术、灰度图像分割技术、线性滤波技术、边缘检测技术、数据统计与分析技术、图像处理技术以及形态学分析等对实时采集的原料硅片图像进行处理和分析，将原料硅片分为无划痕片、水平划痕片和竖直划痕片三类。其中，步骤6中，数据统计与分析的结果是在分析和研究大量实际样本的基础上，对按照上述方法所采集到的灰度图像进行实验，分析、总结并验证的。
有益效果：与现有技术相比，本发明的基于机器视觉的原料硅片划痕检测方法，通过实时快速采集原料硅片的灰度图像，获得原料硅片表面灰度信息并进行一系列的处理，可实时快速高效稳定准确地进行硅片表面划痕检测，且实时显示检测结果，自动将检测对象分为无划痕片、水平划痕片和竖直划痕片三类，还可通过数据采集模块向PLC控制器发送信号，使其对应不同的类别快速控制传送带采取不同的动作。
附图说明
图1是原料硅片表面划痕检测与分类流程图；
图2是硅片与传感器位置示意图；
图3是原料硅片经过步骤2-1中查找直边缘之后的结果示意图；
图4是原料硅片经过步骤2-1中位置矫正前后的对比示意图；
图5是步骤2-3中原料硅片四条直边缘查找结果示意图；
图6是步骤2-3中原料硅片与背景分离并去除边缘前后对比示意图；
图7是步骤5中有划痕片和无划痕片图像粒子过滤结果对比示意图；
图8是步骤7中竖直划痕片图像粒子水平、竖直过滤结果对比示意图；
图9是步骤7中水平划痕片图像粒子水平、竖直过滤结果对比示意图。
具体实施方式
以下结合附图和具体实施方式对本发明做进一步的说明。
如图1所示，基于机器视觉的原料硅片的表面划痕检测方法，包括如下步骤：
步骤1：接收信号，采集图像，其包括：
步骤1-1，如图2所示白传送带1，光电传感器2，原料硅片3；原料硅片传送到图2所示位置遮住光电传感器，传感器发送模拟信号给数据采集设备，经由采集卡转换为数字信号传递给系统；
步骤1-2，系统接收到采集信号后，触发相机，采集图像，并将采集的原料硅片彩色图像传送至图像处理模块；
步骤2：对原料硅片的灰度图像进行位置矫正和图像分割，其包括：
步骤2-1，对原料硅片的灰度图像进行位置矫正，采用直边查找算法确定原料硅片的一个直边，获取其角度信息；其方法是先确定一个包含有完整底边的目标区域，在该区域内，设置合理的查找密度，按照从下往上的方向查找所有灰度从低到高跃迁的像素点，将这些像素点按照线性拟合的方式自动拟合为一条直线4，如图3所示，并从中获取角度信息；直线水平角度为：
angle0＝ɑ(1)
然后利用公式(2)，将图像按顺指针旋转至水平，如图4，实现位置矫正，为图像分割做准备；
angle1＝-ɑ(2)
步骤2-2，采用直边查找算法分别对原料硅片的四条边进行直边查找，查找效果如图5所示，获得各直边线的部分坐标信息如下：
lineleft：(x11,y11)(3)
linerright：(x22,y22)(4)
linetop：(x31,y31)(5)
linebottom：(x42,y42)(6)
其中lineleft,lineright,linetop,linebottom分别为所得到的左、右、上、下四条直边线段的两个端点坐标中的一个，坐标点下标第二个数字“1”代表是起点坐标，“2”代表是终点坐标；
步骤2-3，分别以式(3)、(4)、(5)、(6)所得的两个顶点坐标为基础，进行坐标点重组，得到如下两个点坐标：
pointlefttop:(x11,y31)(7)
pointrightbottom:(x22,y42)(8)
对公式(7)，(8)两个点坐标作如下变换：
x'11＝x11+10；(9)
y'31＝y31+10；(10)
x'22＝x22-10；(11)
y'42＝y42-10；(12)
得到两个新点坐标：
point1:(x'11,y'31)(13)
point2:(x'22,y'42)(14)
以点point1,point2确定的线段作为对角线所确定的矩形区域作为目标区域，对图像进行分割，获得与原背景分离出来并且失去四个直边缘以内约10个像素点宽度的本体图像，如图6；
步骤3，对上述步骤2获得的无边缘本体图像进行滤波处理和边缘检测，采用线性滤波器对所得图像进行滤波去噪处理，以最大限度的削弱噪声和环境的影响，同时凸显检测目标的信息；
采用canny边缘检测法对滤波后图像进行处理，从而检测出所有可能是划痕的“边缘”(canny边缘检测法的原理是保留参与灰度跃迁的像素点，并非只是用于检测真正意义上的图像边缘)；
步骤4，对所获得滤波处理，边缘检测后的图像进行二值化，采用自动阈值二值化法对图像进行二值化处理为形态学分析和粒子过滤做好准备；
步骤5，对二值化图像进行形态学分析与粒子过滤；采用结构元素尺寸为3的水平腐蚀法和竖直腐蚀法去除原料硅片本身纹理粒子；
再使用基于面积的粒子过滤器对图像进行过滤，进一步去除原料硅片本身的纹理粒子，如图7，并得到过滤后粒子数目。
步骤6，将上述步骤得到的粒子数目与由样本数据统计得到的粒子数目阈值进行比较和判断，确定原料硅片表面划痕存在性的判定结果；
步骤7，根据步骤6的判定结果，对存在划痕的原料硅片进行水平和竖直粒子过滤。采用基于横纵坐标延续长度的粒子过滤器对图像分别进行水平和竖直粒子过滤，竖直划痕片和水平划痕片的水平和竖直过滤效果分别如图8，图9所示，最终获得两种过滤法后存留粒子的两个数目值；
步骤8，将步骤7所获得的两个数值进行比较，通过粒子数目的多少判定划痕的方向。
步骤6和步骤8中，将所述的原料硅片的检测结果分为无划痕片、水平划痕片，竖直划痕片；当检测为水平或竖直中某一种划痕片时，发送相应的特定信号给PLC，由PLC电控设备控制机械吸盘吸取对应硅片放入指定硅片盒；而当检测为无划痕片时，将不发送任何信号给PLC，让其直接向前传送。
经以上八个步骤，实现了硅片表面划痕无接触检测和分类，避免了人工检测造成的碎片问题，检测标准固定，速度快，效率高，能够满足了在线生产、在线检测、在线分选的生产模式，且稳定可靠实用。
Claims (2)
1.基于机器视觉的原料硅片表面划痕检测方法，其特征在于，包括如下步骤：
步骤1：接收信号，采集图像，其包括：
步骤1-1，原料硅片到达传感器位置，传感器发送模拟信号给数据采集设备，经由采集卡转换为数字信号传递给系统；
步骤1-2，系统接收到采集信号后，触发相机，采集图像，并将采集到的原料硅片灰度图像传送至图像处理模块；
步骤2：对原料硅片的灰度图像进行位置矫正和图像分割，其包括：
步骤2-1，对原料硅片的灰度图像进行位置矫正，采用直边查找算法确定原料硅片的一个直边，获取其角度信息；其方法是先确定一个包含有完整底边的目标区域，在该区域内，设置合理的查找密度，按照从下往上的方向查找所有灰度从低到高跃迁的像素点，将这些像素点按照线性拟合的方式自动拟合为一条直线，并从中获取角度信息；直线角度为：
angle0＝ɑ(1)
然后利用公式(2)，将图像按顺时针旋转至水平，实现位置矫正，为图像分割做准备；
angle1＝-ɑ(2)
步骤2-2，采用直边查找算法分别对原料硅片的四条边进行直边查找；获得各直边线的部分坐标信息如下：
lineleft：(x11,y11)(3)
linerright：(x22,y22)(4)
linetop：(x31,y31)(5)
linebottom：(x42,y42)(6)
其中lineleft,lineright,linetop,linebottom分别为所得到的左、右、上、下四条直边线段的两个端点坐标中的一个，坐标点下标第二个数字“1”代表是起点坐标，“2”代表是终点坐标；
步骤2-3，分别以式(3)、(4)、(5)、(6)所得的两个顶点坐标为基础，进行坐标点重组，得到如下两个点坐标：
pointlefttop:(x11,y31)(7)
pointrightbottom:(x22,y42)(8)
对公式(7)，(8)两个点坐标作如下变换：
x'11＝x11+10；(9)
y'31＝y31+10；(10)
x'22＝x22-10；(11)
y'42＝y42-10；(12)
得到两个新点坐标：
point1:(x'11,y'31)(13)
point2:(x'22,y'42)(14)
以点point1,point2确定的线段作为对角线所确定的矩形区域作为目标区域，进行分割，获得原与背景分离出来并且失去边缘以内10个像素点宽度的本体图像，得到无边缘本体图像；
步骤3，对上述步骤2获得的无边缘本体图像进行滤波处理和边缘检测，采用线性滤波器对所得图像进行滤波去噪处理，以最大限度的削弱噪声和环境的影响，同时凸显检测目标的信息；采用canny边缘检测法对滤波后图像进行处理；
步骤4，对所获得滤波处理，边缘检测后的图像进行二值化；
步骤5，对二值化图像进行形态学分析与粒子过滤；采用结构元素尺寸为3的水平腐蚀法和竖直腐蚀法去除原料硅片本身纹理粒子；
再使用基于面积的粒子过滤器对图像进行过滤，进一步去除原料硅片本身的纹理粒子，并得到过滤后粒子数目；
步骤6，将上述步骤得到的粒子数目与由样本数据统计得到的粒子数目阈值进行比较和判断，获得原料硅片表面划痕存在性的判定结果；
步骤7，根据步骤6的判定结果，对存在划痕的原料硅片进行水平和竖直粒子过滤；采用基于横纵坐标延续长度的粒子过滤器对所的图像分别进行水平和竖直粒子过滤，并获得两种过滤法后存留粒子的两个数目值；
步骤8，将步骤7所获得的两个数值进行比较，通过粒子数目的多少判定划痕的方向，得到原料硅片的检测结果。
2.根据权利要求1所述的基于机器视觉的原料硅片表面划痕检测方法，其特征在于：步骤6和步骤8中，将所述的原料硅片的检测结果分为无划痕片、水平划痕片和竖直划痕片；当检测为水平或竖直中某一种划痕片时，发送相应的特定信号给PLC，由PLC电控设备控制机械吸盘吸取对应硅片放入指定硅片盒；而当检测为无划痕片时，将不发送任何信号给PLC，让其直接向前传送。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510713473.0A CN105388162B (zh) | 2015-10-28 | 2015-10-28 | 基于机器视觉的原料硅片表面划痕检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510713473.0A CN105388162B (zh) | 2015-10-28 | 2015-10-28 | 基于机器视觉的原料硅片表面划痕检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105388162A true CN105388162A (zh) | 2016-03-09 |
| CN105388162B CN105388162B (zh) | 2017-12-01 |
Family
ID=55420691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510713473.0A Active CN105388162B (zh) | 2015-10-28 | 2015-10-28 | 基于机器视觉的原料硅片表面划痕检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105388162B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106157303A (zh) * | 2016-06-24 | 2016-11-23 | 浙江工商大学 | 一种基于机器视觉对表面检测的方法 |
| CN106269549A (zh) * | 2016-08-23 | 2017-01-04 | 厦门佳元电子科技有限公司 | 硅片筛分流水线系统及筛分方法 |
| CN107358598A (zh) * | 2017-05-24 | 2017-11-17 | 上海视马艾智能科技有限公司 | 一种划痕检测方法与装置 |
| CN108090929A (zh) * | 2017-12-04 | 2018-05-29 | 国家海洋局第海洋研究所 | 矿区线性异常分析提取新型方法 |
| CN108230303A (zh) * | 2017-12-21 | 2018-06-29 | 河北工业大学 | 一种多晶硅太阳能电池片外观划痕缺陷检测的方法 |
| CN108365051A (zh) * | 2018-02-05 | 2018-08-03 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN108732186A (zh) * | 2018-07-20 | 2018-11-02 | 梧州学院 | 嵌入式工件表面缺陷自动检测系统及其控制方法 |
| CN109060838A (zh) * | 2018-07-23 | 2018-12-21 | 三固（厦门）科技有限公司 | 一种基于机器视觉的产品表面划痕检测方法 |
| CN109085791A (zh) * | 2018-07-25 | 2018-12-25 | 嘉兴锐川电气有限公司 | 冲床视觉监控系统及其监控方法 |
| CN109084957A (zh) * | 2018-08-31 | 2018-12-25 | 华南理工大学 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 |
| CN109374638A (zh) * | 2018-12-18 | 2019-02-22 | 王章飞 | 一种基于机器视觉的木地板表面检测装置及其检测方法 |
| CN109584212A (zh) * | 2018-11-05 | 2019-04-05 | 华中科技大学 | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 |
| CN110632086A (zh) * | 2019-11-04 | 2019-12-31 | 大连中启伟创科技有限公司 | 一种基于机器视觉的注塑件表面缺陷的检测方法及系统 |
| CN112508937A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 生成划痕数据的方法、装置、电子设备和存储介质 |
| CN113129260A (zh) * | 2021-03-11 | 2021-07-16 | 广东工业大学 | 一种锂电池电芯内部缺陷的自动检测方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040223053A1 (en) * | 2003-05-07 | 2004-11-11 | Mitutoyo Corporation | Machine vision inspection system and method having improved operations for increased precision inspection throughput |
| JP2009229197A (ja) * | 2008-03-21 | 2009-10-08 | Seiko Epson Corp | 線状欠陥検出方法および線状欠陥検出装置 |
| CN101852768A (zh) * | 2010-05-05 | 2010-10-06 | 电子科技大学 | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 |
| CN103175839A (zh) * | 2011-12-21 | 2013-06-26 | 北京兆维电子(集团)有限责任公司 | 胶印版材表面检测的处理方法及系统 |
| CN103245671A (zh) * | 2013-05-09 | 2013-08-14 | 深圳先进技术研究院 | 冲压件表面缺陷检测装置及方法 |
| CN104111029A (zh) * | 2013-04-19 | 2014-10-22 | 延锋伟世通汽车电子有限公司 | 用于电子产品加工检验的机器视觉检测系统 |
| CN104458749A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷实时检测系统 |
| CN104952754A (zh) * | 2015-05-05 | 2015-09-30 | 江苏大学 | 基于机器视觉的镀膜后硅片分选方法 |
| CN104966101A (zh) * | 2015-06-17 | 2015-10-07 | 镇江苏仪德科技有限公司 | 一种基于LabVIEW的太阳能电池片分类方法 |
-
2015
- 2015-10-28 CN CN201510713473.0A patent/CN105388162B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040223053A1 (en) * | 2003-05-07 | 2004-11-11 | Mitutoyo Corporation | Machine vision inspection system and method having improved operations for increased precision inspection throughput |
| JP2009229197A (ja) * | 2008-03-21 | 2009-10-08 | Seiko Epson Corp | 線状欠陥検出方法および線状欠陥検出装置 |
| CN101852768A (zh) * | 2010-05-05 | 2010-10-06 | 电子科技大学 | 磁粉探伤环境下基于复合特征的工件伤痕识别方法 |
| CN103175839A (zh) * | 2011-12-21 | 2013-06-26 | 北京兆维电子(集团)有限责任公司 | 胶印版材表面检测的处理方法及系统 |
| CN104111029A (zh) * | 2013-04-19 | 2014-10-22 | 延锋伟世通汽车电子有限公司 | 用于电子产品加工检验的机器视觉检测系统 |
| CN103245671A (zh) * | 2013-05-09 | 2013-08-14 | 深圳先进技术研究院 | 冲压件表面缺陷检测装置及方法 |
| CN104458749A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷实时检测系统 |
| CN104952754A (zh) * | 2015-05-05 | 2015-09-30 | 江苏大学 | 基于机器视觉的镀膜后硅片分选方法 |
| CN104966101A (zh) * | 2015-06-17 | 2015-10-07 | 镇江苏仪德科技有限公司 | 一种基于LabVIEW的太阳能电池片分类方法 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106157303A (zh) * | 2016-06-24 | 2016-11-23 | 浙江工商大学 | 一种基于机器视觉对表面检测的方法 |
| CN106269549A (zh) * | 2016-08-23 | 2017-01-04 | 厦门佳元电子科技有限公司 | 硅片筛分流水线系统及筛分方法 |
| CN106269549B (zh) * | 2016-08-23 | 2018-10-12 | 厦门佳元电子科技有限公司 | 硅片筛分流水线系统及筛分方法 |
| CN107358598A (zh) * | 2017-05-24 | 2017-11-17 | 上海视马艾智能科技有限公司 | 一种划痕检测方法与装置 |
| CN108090929A (zh) * | 2017-12-04 | 2018-05-29 | 国家海洋局第海洋研究所 | 矿区线性异常分析提取新型方法 |
| CN108090929B (zh) * | 2017-12-04 | 2021-12-03 | 国家海洋局第一海洋研究所 | 矿区线性异常分析提取新型方法 |
| CN108230303A (zh) * | 2017-12-21 | 2018-06-29 | 河北工业大学 | 一种多晶硅太阳能电池片外观划痕缺陷检测的方法 |
| CN108365051B (zh) * | 2018-02-05 | 2019-08-02 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN108365051A (zh) * | 2018-02-05 | 2018-08-03 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN108732186A (zh) * | 2018-07-20 | 2018-11-02 | 梧州学院 | 嵌入式工件表面缺陷自动检测系统及其控制方法 |
| CN109060838B (zh) * | 2018-07-23 | 2020-12-29 | 三固（厦门）科技有限公司 | 一种基于机器视觉的产品表面划痕检测方法 |
| CN109060838A (zh) * | 2018-07-23 | 2018-12-21 | 三固（厦门）科技有限公司 | 一种基于机器视觉的产品表面划痕检测方法 |
| CN109085791A (zh) * | 2018-07-25 | 2018-12-25 | 嘉兴锐川电气有限公司 | 冲床视觉监控系统及其监控方法 |
| CN109084957A (zh) * | 2018-08-31 | 2018-12-25 | 华南理工大学 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 |
| CN109084957B (zh) * | 2018-08-31 | 2024-03-19 | 华南理工大学 | 光伏太阳能晶硅电池片的缺陷检测和颜色分选方法及其系统 |
| CN109584212A (zh) * | 2018-11-05 | 2019-04-05 | 华中科技大学 | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 |
| CN109584212B (zh) * | 2018-11-05 | 2022-04-26 | 华中科技大学 | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 |
| CN109374638A (zh) * | 2018-12-18 | 2019-02-22 | 王章飞 | 一种基于机器视觉的木地板表面检测装置及其检测方法 |
| CN109374638B (zh) * | 2018-12-18 | 2022-01-18 | 深圳市鼎源检测技术有限公司 | 一种基于机器视觉的木地板表面检测装置及其检测方法 |
| CN110632086A (zh) * | 2019-11-04 | 2019-12-31 | 大连中启伟创科技有限公司 | 一种基于机器视觉的注塑件表面缺陷的检测方法及系统 |
| CN112508937A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 生成划痕数据的方法、装置、电子设备和存储介质 |
| CN113129260A (zh) * | 2021-03-11 | 2021-07-16 | 广东工业大学 | 一种锂电池电芯内部缺陷的自动检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105388162B (zh) | 2017-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN103913468B (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
| CN102495069B (zh) | 一种基于数字图像处理的拉链链带缺陷检测方法 | |
| CN102998316B (zh) | 一种透明液体杂质检测系统及其检测方法 | |
| CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
| CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
| CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
| CN109724984A (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
| CN201935873U (zh) | 瓶盖在线影像检测系统 | |
| CN105891233A (zh) | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN110648364A (zh) | 一种多维度空间固废视觉检测定位及识别方法与系统 | |
| CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
| CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
| CN104952754B (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
| CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
| CN105403147A (zh) | 一种基于嵌入式的瓶胚检测系统和检测方法 | |
| CN107328781A (zh) | 一种基于机器视觉的柱状产品表面缺陷检测方法及装置 | |
| CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测系统及检测方法 | |
| CN113894055A (zh) | 基于机器视觉的五金件表面缺陷检测分类系统及方法 | |
| CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
| CN112560941A (zh) | 基于图像检测的煤矸识别方法 | |
| CN110096980A (zh) | 字符检测识别系统 | |
| CN104048966B (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
| CN103245666B (zh) | 一种蓄电池极板外观缺陷自动检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: Room 301, building C30, R & D zone, No. 99 Chuqiao Road, Zhenjiang New District, Jiangsu Province, 212013 Patentee after: ZHENJIANG SYD TECHNOLOGY Co.,Ltd. Address before: 212013 Zhenjiang City, Jiangsu province Jingkou District No. 301 School of Jiangsu University Patentee before: ZHENJIANG SYD TECHNOLOGY Co.,Ltd. |
|
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160309 Assignee: Zhenjiang yinuoweisi Intelligent Technology Co.,Ltd. Assignor: ZHENJIANG SYD TECHNOLOGY Co.,Ltd. Contract record no.: X2022320000303 Denomination of invention: Scratch Detection Method of Raw Silicon Wafer Surface Based on Machine Vision Granted publication date: 20171201 License type: Common License Record date: 20221210 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| CB03 | Change of inventor or designer information |
Inventor after: Sun Zhiquan Inventor after: Tong Gang Inventor after: Zhou Qi Inventor before: Sun Zhiquan Inventor before: Tong Gang Inventor before: Zhou Qi Inventor before: Zhang Qian |
|
| CB03 | Change of inventor or designer information | ||
| EC01 | Cancellation of recordation of patent licensing contract |
Assignee: Zhenjiang yinuoweisi Intelligent Technology Co.,Ltd. Assignor: ZHENJIANG SYD TECHNOLOGY Co.,Ltd. Contract record no.: X2022320000303 Date of cancellation: 20240116 |
|
| EC01 | Cancellation of recordation of patent licensing contract |