一种基于在线式石墨舟硅片检测的视觉算法

1.本发明属于石墨舟硅片检测领域，特别是涉及一种基于在线式石墨舟硅片检测的视觉算 法。


背景技术：

2.现有的石墨舟硅片检测采用垂直拍摄的方式进行图像采集，直接获取硅片与舟页的间距。 根据镜头选择的不同，目前石墨舟的硅片检测主要有两种方案，分别介绍如下：
3.方案一选择的硬件是普通工业镜头，在每个相机视场内对硅片和石墨舟舟页的特征进行 提取，并测量其间距。由于硅片的成像面在舟页以下1cm处，当拍摄视场边缘的硅片时，石 墨舟的舟页会完全遮挡硅片，从而造成硅片特征无法采集。
4.针对方案一的不足，方案二选择的硬件是广角远心镜头，由于镜头视角较宽，对于两个 相机之间重合的部分，同时也是视场边缘硅片特征缺失的部分可以进行相互补充，从而提升 了检测的准确度。但是由于广角远心镜头的成本很高，作为太阳能电池产线中硅片的检测项 目使用，这样产生的经济效益较低。
5.综上，本发明将要解决的问题主要有三个，一是目前方案存在的视场边缘硅片受遮挡或 成本过高的问题；二是新提出方案的算法设计问题；三是现场石墨舟运行过程中因位置偏差 导致特征提取失败的问题。


技术实现要素：

6.本发明针对现有技术存在的不足，旨在提供一种基于在线式石墨舟硅片检测的视觉算法。 本发明的算法能实现太阳能电池产线中石墨舟硅片的在线式检测，能够很大程度上提高了太 阳能电池产线中硅片翘曲和掉落的检出率，从而，提升了生产效率和经济效益。
7.为解决上述技术问题，本发明采用的技术方案为：一种基于在线式石墨舟硅片检测的视 觉算法：
8.检测视觉系统结构和拍摄原理：
9.一台标准石墨舟从左到右共有27片舟页，每两片舟页间距14mm，且可插入52张硅片。 自动化上下片机设备共分两个通道，分别都进行石墨舟进舟、出舟操作。在石墨舟正对左斜 上方架设四个相机，编号分别为下图所示的相机1、2、3、4，采用伺服电机驱动相机模组往 返运动来拍摄1、2通道，右斜上方1、2通道工位各安装一个光源，且光源、相机近似等腰 三角形，而在镜头选择上，选用普通的工业镜头；
10.利用四个相机拍摄来检测整个石墨舟硅片的情况，相机1拍摄的是舟页1的左侧到舟页 9的左侧，相机2拍摄的是舟页0的右侧到舟页8的右侧，舟页10的左侧到舟页17的左侧。 同理相机2、3镜像对称，相机1、4镜像对称；
11.视觉算法的具体步骤如下：
12.步骤1)图像预处理
13.s1、拍摄图像并仿射变换
14.首先调整相机光圈，校准相机焦距，调整相机的曝光时间、增益和对比度参数，使安装 的四个相机都可以清晰呈现石墨舟中硅片的图像并进行拍摄，当石墨舟进出设备时，相机模 组运动至当前工作通道，开始对运动中的石墨舟进行实时拍照；
15.接着工控机对相机模组内的图像进行读取，因为相机是倾斜拍照，会使石墨舟的矩形区 域在拍摄图像中呈现为梯形，为解决该问题，现采用4点仿射变换方式，按照左上、左下、 右上、右下的顺序读取梯形区域图像中的4个坐标点进行仿射变换，使石墨舟图像的梯形区 域还原为矩形；
16.s2、切割固定区域图像
17.将仿射变换还原的矩形图像进一步切割；
18.s3、光照均衡
19.采用光照均衡的算法使该图像亮度均衡，需要调整每一个石墨舟分片的光照；
20.s4、光照增强
21.将达到了亮度均衡要求的图片，利用同态滤波方法对低频能量进行压制，对高频能量进 行提高，增加图像的对比度，达到所提取特征可较好识别的效果；
22.s5、图像二值化并检查图像效果
23.将上述步骤s4中获取的图像a
t
，再次进行cv2.gaussianblur处理，包括平滑和去噪，得 到图像ac，通过cv2.threshold函数，对图像ac像素值的阈值进行判断，以此获取二值化后的 理想图像；
24.检查图像效果：各石墨舟分片图像的亮度是否均衡；暗区和亮区的细节描述是否清楚； 是否可准确判断出石墨舟舟页和硅片的位置；如果是则处理完成，否则重新调整参数进行处 理。
25.s6、图像转评估曲线
26.利用np.mean函数算法对二值化后图像像素值进行平均化，按列求取平均值，转化为需 要的评估曲线；
27.步骤2)搜索区域分割识别
28.s1、通过前期的图像处理，得到评估曲线图像；
29.s2、相机模组中4个相机对于曲线区域的搜索方式不同，相机1、4成镜像对称，2、3 成镜像对称；
30.s3、确定舟页的分割起点(基准线)
31.相机模组中4个相机所拍摄石墨舟的位置不同，1、2相机拍摄石墨舟左侧图像，3、4相 机拍摄石墨舟右侧图像，以相机1、2为例：相机1、2选取舟页起点的方式相同，取切割后 舟页区域最右边的舟页为起点，将起点舟页的中心线作为基准线，左右各50像素的范围作为 搜索区域；
32.取相机1为例：
33.1)手动设置起点估计值为且其中a、b是常数；
34.2)for i in range(a，b):其中a，b为搜索区域起点和终点。
35.3)采用重心法计算：
[0036][0037]
其中，(a，b)为小视场的范围，e[j]为评估曲线，j和i为小视场的二重循环,m为指数 惩罚系数，costi为重心评价指数；
[0038]
4)求取基准线公式计算：x
1,0
＝a idx(max(cost))；
[0039]
其中，x
1,0
为基准线，a为搜索区域起点，idx(max(cost))为重心所在位置的像素坐标 值；
[0040]
s4、求取石墨舟舟页的间距均值；
[0041]
设k1为相机1舟页间距均值，k2为相机2舟页间距均值，根据评估曲线图像，利用均值 公式计算舟页间距均值：
[0042]
k1＝(x
1,0-x
1,9
)
÷9[0043]
k2＝(x
2,0-x
2,17
)
÷
17
[0044]
其中为手工选取估计值；
[0045]
在相机位置不变、石墨舟正常校准的情况下，每个相机的石墨舟条的成像间距大致相等；
[0046]
s5、确定每个舟页的理论位置
[0047]
根据舟页间距均值和舟页基准线位置的确定，采用外推的方式，依次从基准线起点位置 往外推间距均值大小的像素，确定所有舟页的位置；
[0048]
设相机1舟页位置为x
1,i
,相机2舟页位置为x
2,j
，采用外推法公式计算：
[0049]
x
1,i
＝x
1,0-k1×
i i∈(0,9)
[0050]
x
2,j
＝x
2,0-k2×
j j∈(0,17)
[0051]
s6、确定搜索区域
[0052]
为了避免对侧硅片成像干扰，对每一格采用一个缩小的区域进行搜索，由于距离相机中 心越远，硅片距离舟页就越远，故人为认定，靠近相机中心线的硅片不会越过两舟页1/2间 距处，其余硅片不会越过2/3间距处；
[0053]
相机1：记x
1,9
为相机中心线，gi为格，确定搜索区域：
[0054]
i∈[1,5]时，搜索区域为：(x
1,i-1-2k1/3，x
1,i-1
)
[0055]
i∈[6,9]时，搜索区域为：(x
1,i-1-k1/2，x
1,i-1
)
[0056]
相机2：记x
2,8
为相机中心线，gj为格，确定搜索区域：
[0057]
j∈[1,4]时，搜索区域为：(x
2,j-1-2k2/3，x
2,j-1
)
[0058]
j∈[5,8]时，搜索区域为：(x
2,j-1-k2/2，x
2,j-1
)
[0059]
j∈[9,12]时，搜索区域为：(x
2,j
k2/2，x
2,j
)
[0060]
j∈[13,17]时，搜索区域为：(x
2,j
2k2/3，x
2,j
)；
[0061]
s7、识别硅片并计算其到舟页的距离
[0062]
从搜索区域评估曲线内识别1的区段，其中曲线宽(胖)的区域中心是为石墨舟舟页的 理论位置，而石墨舟外侧的一个区段，曲线窄(瘦)的区域是为硅片，硅片区段中心则为硅 片的理论位置；
[0063]
相机1：评估曲线中有gn格，n∈(1,9)，而gn格对应硅片的位置为f
1,n
；
[0064]
通过距离公式计算硅片与舟页间的距离：
[0065]dn
＝|x
1,n-f
1,i
|＝|f
1,n-x
1,i
| i∈(0,8)
[0066]
相机2：评估曲线中有gm格，m∈(1,17)，而gm格对应硅片的位置为f
2,m
；
[0067]
通过距离公式计算硅片与舟页间的距离：
[0068]
当m∈(1,8)时，对应硅片位置为
[0069][0070]
当m∈(9,17)时，对应硅片位置为
[0071][0072]
步骤3)标准间距值计算和结果判定
[0073]
s1、标准间距值计算：
[0074]
取20组正常图像来进行试验，利用均值公式求取标准间距值：
[0075]
相机1：
[0076][0077]
相机2：
[0078][0079][0080]
s2、设定翘片检测阈值：
[0081]
由于设备检测石墨舟硅片精度要求为1mm，而舟页间距理论均值为100pix，实际间距 值为14mm，则阈值l为：l＝100
÷
14≈7.14pix/mm
[0082]
故当前的阈值设定为7pix；
[0083]
3、检测结果判定：
[0084]
设测量值为d，标准间距值为
[0085]
1)当搜索区域没有发现硅片时，系统自动给d赋值-1，标记为：掉片。
[0086]
2)当搜索区域发现硅片时，则利用均值中的距离公式得到间距值为d。
[0087]
3)判断结果：
[0088]
若d＝-1，则标记为：掉片；
[0089]
若d≠-1，且则标记为：翘片。
[0090]
进一步的，步骤1)的s2中的切割方式如下：选取矩形图像的中间部分，采集中间固定 区域图像的对角点进行切割，对角点坐标按照左上、右下的方式选取，取切割固定区域的横 坐标时：对相机1来说，左上点横坐标取舟页0往左1/2舟页间距处，右下点横坐标取舟页 9往右1/2舟页间距处；对相机2来说，左上点横坐标取舟页0往左1/2舟页间距处，右下点 横坐标取舟页17往右1/2舟页间距处；取切割固定区域的纵坐标时，保证上下高度为50pix。
[0091]
进一步的，所述步骤1)的s3中光照均衡算法的具体步骤如下：
[0092]
1、设置石墨舟分片数量，以相机1为例：分片数量为10，目标灰度值为100，输入图像 为a
in
；
[0093]
2、计算分片均衡的分片宽度：wb＝wa÷
10，其中，wa为图像宽度；
[0094]
3、新分片均衡的分片列数：c＝a
in
÷
wb；
[0095]
4、依据输入图像返回给定数组的标准零矩阵图像a
zero
；
[0096]
5、foriinrange(c)：其中c为分片列数；
[0097]
6、每一分片的起点：x
min,i
＝i
×
wb，终点：x
max,i
＝(1 i)
×
wb；
[0098]
7、对输入图像x按照[x
min,i
，x
max,i
]坐标值进行切割分片得到图像a
in,i
；
[0099]
8、对分片a
in,i
图像上所有像素值进行平均化得a
average,i
图像；
[0100]
9、变换1：a
1,i
＝a
in,i
×
(100
÷aaverage,i
)；
[0101]
10、判断新分片图像a
1,i
的像素值是否大于255，如果大于则保留为255，避免像素值超 限，且对每个像素值进行取整处理，利用cv2.threshold函数将图像a
1,i
处理后得到阈值ti；
[0102]
11、变换2：mida＝(a
1,i
–
ti)
÷
255
[0103]a2,i
＝ti×
(1 np.sign(mida)
×
abs(mida)
(1/1.5)
)
[0104]
其中，mida是中间转换值，abs是求取绝对值函数，ti是阈值，np.sign是取数字符 号的函数，a
1,i
是新分片图像；
[0105]
12、对图像a
2,i
的像素值进行cv2.minmaxloc函数运算，求取图像a
2,i
像素值的max(a
2,i
)、 min(a
2,i
)以及相应的索引位置；
[0106]
13、变换3：a
3,i
＝(a
2,i
–
min(a
2,i
))
×
255
÷
(max(a
2,i
)
–
min(a
2,i
))；
[0107]
14、将图像a
3,i
像素值按照[x
min,i
，x
max,i
]坐标值返回至标准零矩阵数组图像a
zero
对应区域；
[0108]
15、循环结束后，则获得实验所需要的光照均衡图像ae。
[0109]
进一步的，所述步骤1)的s4中同态滤波方法的具体步骤如下：
[0110]
1、利用sobel算子对输入图像进行梯度计算，该算法的效果会使梯度图像更亮，设置灰 度值取值范围是0-255，当每个像素的像素值相应增加时，数值超出取值范围则会被截断，正 常状态下将得到需要的梯度图像ah；
[0111]
2、当灰度值小于0时保留为0，进行如下变换：a4＝α
×ah
(1-α)
÷ae
，
[0112]
其中，α为设置参数0.5，ah为梯度图像，ae为光照均衡图像；
[0113]
3、当图像a
img
的像素值大于255时，保留为255；
[0114]
4、对图像a
img
每一个像素点进行cv2.gaussianblur处理，去掉多余毛刺、杂质，消除高 斯噪声，减少噪点；
[0115]
5、将滤波后的a
img
图像进行同态滤波处理，设置相应滤波的参数，使其呈现效果最佳的 图像a
t
。
[0116]
本发明的优点及其积极效果是：
[0117]
一是通过相机拍摄角度、距离和间距的调节，将石墨舟的整体特征合理分配到4个相机 位置，其中对单台相机来说，可见侧硅片和石墨舟舟页的间距由中心向外逐渐增大，遮挡侧 的硅片特征则由其他相机来拍摄，保证了硅片和舟页特征的完全采集；
[0118]
二是通过多级分层的图像处理操作，去除背景和杂质干扰，从而获取到清晰的硅
片和舟 页特征；
[0119]
三是通过一种重心法区域搜索的方式，解决了现场石墨舟运行过程中产生位置偏差，造 成特征提取失败的问题；
[0120]
四是方案整体通过优化视觉算法处理，降低了硬件成本，提升了检测性能。
附图说明
[0121]
图1为相机、光源、石墨舟简易构架图。
[0122]
图2为相机模组拍摄架设位置图。
[0123]
图3为相机1评估曲线图。
[0124]
图4为相机2评估曲线图。
具体实施方式
[0125]
为使本发明的目的、特征和优点能够更为明显易懂，下面对本发明的具体实施方式做详 细的说明。
[0126]
如图1和图2所示，本发明基于在线式石墨舟硅片检测的视觉算法，采用的视觉系统结 构和拍摄原理如下：
[0127]
一台标准石墨舟从左到右共有27片舟页，每两片舟页间距14mm，且可插入52张硅片。 自动化上下片机设备共分两个通道，分别都进行石墨舟进舟、出舟操作，在石墨舟正对左斜 上方架设四个相机，编号分别为下图所示的相机1、2、3、4，采用伺服电机驱动相机模组往 返运动来拍摄1、2通道，右斜上方1、2通道工位各安装一个光源，且光源、相机近似等腰 三角形，而在镜头选择上，选用普通的工业镜头。
[0128]
利用四个相机拍摄来检测整个石墨舟硅片的情况，如图2所示，相机1拍摄的是舟页1 的左侧到舟页9的左侧，相机2拍摄的是舟页0的右侧到舟页8的右侧，舟页10的左侧到舟 页17的左侧。同理相机2、3镜像对称，相机1、4镜像对称。
[0129]
基于上述视觉系统，本发明在线式石墨舟硅片检测的视觉算法的具体步骤如下：
[0130]
步骤1)图像预处理
[0131]
s1、拍摄图像并仿射变换
[0132]
首先调整相机光圈，校准相机焦距，调整相机的曝光时间、增益和对比度等参数，使安 装的四个相机都可以清晰呈现石墨舟中硅片的图像并进行拍摄。当石墨舟进出设备时，相机 模组运动至当前工作通道，开始对运动中的石墨舟进行实时拍照。
[0133]
接着工控机对相机模组内的图像进行读取，因为相机是倾斜拍照，会使石墨舟的矩形区 域在拍摄图像中呈现为梯形，为解决该问题，现采用4点仿射变换方式，按照左上、左下、 右上、右下的顺序读取梯形区域图像中的4个坐标点进行仿射变换，使石墨舟图像的梯形区 域还原为矩形。
[0134]
s2、切割固定区域图像
[0135]
将仿射变换还原的矩形图像进一步切割，切割方式如下：选取矩形图像的中间部分，采 集中间固定区域图像的对角点进行切割，对角点坐标按照左上、右下的方式选取。取切割固 定区域的横坐标时：对相机1来说，左上点横坐标取舟页0往左1/2舟页间距处，右下点横 坐标取舟页9往右1/2舟页间距处；对相机2来说，左上点横坐标取舟页0往左1/2舟页
间距 处，右下点横坐标取舟页17往右1/2舟页间距处。取切割固定区域的纵坐标时，则可以灵活 选取，一般保证上下高度为50pix。
[0136]
s3、光照均衡
[0137]
依据对角点切割固定区域后，会发现石墨舟硅片图像因光源光照角度的不同，拍摄图像 的亮度是不均衡的，很难区分石墨舟舟页和硅片的位置，为了更好的解决该问题，采用一种 光照均衡的算法使该图像亮度均衡，需要调整每一个石墨舟分片的光照。
[0138]
1、设置石墨舟分片数量。以相机1为例：分片数量为10，目标灰度值为100，输入图像为 a
in
。
[0139]
2、计算分片均衡的分片宽度：
[0140]
wb＝wa÷
10
[0141]
，其中wa为图像宽度。
[0142]
3、新分片均衡的分片列数：c＝a
in
÷
wb。
[0143]
4、依据输入图像返回给定数组的标准零矩阵图像a
zero
。
[0144]
5、for i in range(c)：其中c为分片列数。
[0145]
6、每一分片的起点：x
min,i
＝i
×
wb，终点：x
max,i
＝(1 i)
×
wb。
[0146]
7、对输入图像x按照[x
min,i
，x
max,i
]坐标值进行切割分片得到图像a
in,i
。
[0147]
8、对分片a
in,i
图像上所有像素值进行平均化得a
average,i
图像。
[0148]
9、变换1：a
1,i
＝a
in,i
×
(100
÷aaverage,i
)
[0149]
10、判断新分片图像a
1,i
的像素值是否大于255，如果大于则保留为255，避免像素值超限， 且对每个像素值进行取整处理。利用cv2.threshold函数将图像a
1,i
处理后得到阈值ti。
[0150]
11、变换2：
[0151]
mida＝(a
1,i
–
ti)
÷
255
[0152]a2,i
＝ti×
(1 np.sign(mida)
×
abs(mida)
(1/1.5)
)
[0153]
其中mida是中间转换值，abs是求取绝对值函数，ti是阈值，np.sign是取数字符号的函 数，a
1,i
是新分片图像。
[0154]
12、对图像a
2,i
的像素值进行cv2.minmaxloc函数运算，求取图像a
2,i
像素值的max(a
2,i
)、 min(a
2,i
)以及相应的索引位置。
[0155]
13、变换3：a
3,i
＝(a
2,i
–
min(a
2,i
))
×
255
÷
(max(a
2,i
)
–
min(a
2,i
))
[0156]
14、将图像a
3,i
像素值按照[x
min,i
，x
max,i
]坐标值返回至标准零矩阵数组图像a
zero
对应区域。
[0157]
15、循环结束后，则获得实验所需要的光照均衡图像ae。
[0158]
s4、光照增强
[0159]
通过光照均衡算法使图像基本达到了亮度均衡要求，但因为图像中动态范围很大导致石 墨舟暗区的细节不是很清楚的呈现，所以提出在增加石墨舟暗区细节的同时又不损失亮区细 节的一种方法，称为同态滤波。该方法对低频能量进行压制，对高频能量进行提高，以此来 增加图像的对比度，达到所提取特征可较好识别的效果。
[0160]
1、利用sobel算子对输入图像进行梯度计算，该算法的效果会使梯度图像更亮，设置灰度 值取值范围是0-255，当每个像素的像素值相应增加时，数值超出取值范围则会被
截断，正 常状态下将得到需要的梯度图像ah。
[0161]
2、当灰度值小于0时保留为0，进行如下变换：
[0162]
a4＝α
×ah
(1-α)
÷ae
[0163]
其中α为设置参数0.5，ah为梯度图像，ae为光照均衡图像。
[0164]
3、当图像a
img
的像素值大于255时，保留为255。
[0165]
4、对图像a
img
每一个像素点进行cv2.gaussianblur处理，去掉多余毛刺、杂质，消除高斯 噪声，减少噪点。
[0166]
5、将滤波后的a
img
图像进行同态滤波处理，设置相应滤波的参数，使其呈现效果最佳的图 像a
t
。
[0167]
s5、图像二值化并检查图像效果
[0168]
将图像a
t
，再次进行cv2.gaussianblur处理，包括平滑和去噪，得到图像ac。通过 cv2.threshold函数，对图像ac像素值的阈值进行判断，以此获取二值化后的理想图像。
[0169]
检查图像效果：各石墨舟分片图像的亮度是否均衡；暗区和亮区的细节描述是否清楚； 是否可准确判断出石墨舟舟页和硅片的位置；如果是则处理完成，否则重新调整参数进行处 理。
[0170]
s6、图像转评估曲线
[0171]
利用np.mean函数算法对二值化后图像像素值进行平均化，按列求取平均值，转化为需 要的评估曲线。
[0172]
步骤2)搜索区域分割识别
[0173]
目标是以舟页所在的位置为分界线，对整个搜索区域进行分割，从而在每个分割区域中， 对唯一存在的硅片进行识别处理。
[0174]
s1、通过前期的图像处理，得到评估曲线图像，如下图3所示。
[0175]
s2、相机模组中4个相机对于曲线区域的搜索方式不同，相机1、4成镜像对称，2、3成镜 像对称。
[0176]
s3、确定舟页的分割起点(基准线)
[0177]
相机模组中4个相机所拍摄石墨舟的位置不同，1、2相机拍摄石墨舟左侧图像，3、4相 机拍摄石墨舟右侧图像。以相机1、2为例：相机1、2选取舟页起点的方式相同，取切割后 舟页区域最右边的舟页为起点，将起点舟页的中心线作为基准线，左右各50像素的范围作为 搜索区域。如上图3、图4所示。
[0178]
取相机1为例：
[0179]
1)手动设置起点估计值为且其中a、b是常数。
[0180]
2)for i in range(a，b):其中a，b为搜索区域起点和终点。
[0181]
3)采用重心法计算：
[0182][0183]
其中：(a，b)为小视场的范围，e[j]为评估曲线，j和i为小视场的二重循环, m为指数惩罚系数，costi为重心评价指数。
[0184]
4)求取基准线公式计算：
[0185]
x
1,0
＝a idx(max(cost))
[0186]
其中x
1,0
为基准线，a为搜索区域起点，idx(max(cost))为重心所在位置的像素坐标值。 s4、求取石墨舟舟页的间距均值。
[0187]
设k1为相机1舟页间距均值，k2为相机2舟页间距均值。根据图3、图4所示的评估曲 线图像，利用均值公式计算舟页间距均值：
[0188]
k1＝(x
1,0-x
1,9
)
÷9[0189]
k2＝(x
2,0-x
2,17
)
÷
17
[0190]
其中为手工选取估计值。
[0191]
可以总结出的规律是：在相机位置不变、石墨舟正常校准的情况下，每个相机的石墨舟 条的成像间距大致相等。
[0192]
s5、确定每个舟页的理论位置
[0193]
根据舟页间距均值和舟页基准线位置的确定，采用外推的方式，依次从基准线起点位置 往外推间距均值大小的像素，确定所有舟页的位置。如图3、图4所示。
[0194]
设相机1舟页位置为x
1,i
,相机2舟页位置为x
2,j
。采用外推法公式计算：
[0195]
x
1,i
＝x
1,0-k1×
i i∈(0,9)
[0196]
x
2,j
＝x
2,0-k2×
j j∈(0,17)
[0197]
s6、确定搜索区域
[0198]
依据图3、图4所示，为了避免对侧硅片成像干扰，对每一格采用一个缩小的区域进行 搜索，由于距离相机中心越远，硅片距离舟页就越远，故人为认定，靠近相机中心线的硅片 不会越过两舟页1/2间距处，其余硅片不会越过2/3间距处。
[0199]
相机1：记x
1,9
为相机中心线，gi为格，确定搜索区域：
[0200]
i∈[1,5]时，搜索区域为：(x
1,i-1-2k1/3，x
1,i-1
)
[0201]
i∈[6,9]时，搜索区域为：(x
1,i-1-k1/2，x
1,i-1
)
[0202]
相机2：记x
2,8
为相机中心线，gj为格，确定搜索区域：
[0203]
j∈[1,4]时，搜索区域为：(x
2,j-1-2k2/3，x
2,j-1
)
[0204]
j∈[5,8]时，搜索区域为：(x
2,j-1-k2/2，x
2,j-1
)
[0205]
j∈[9,12]时，搜索区域为：(x
2,j
k2/2，x
2,j
)
[0206]
j∈[13,17]时，搜索区域为：(x
2,j
2k2/3，x
2,j
)
[0207]
s7、识别硅片并计算其到舟页的距离
[0208]
根据图3、图4所示，从搜索区域评估曲线内识别1的区段，其中曲线宽(胖)的区域 中心是为石墨舟舟页的理论位置，而石墨舟外侧的一个区段，曲线窄(瘦)的区域是为硅片， 硅片区段中心则为硅片的理论位置。
[0209]
相机1：评估曲线中有gn格，n∈(1,9)，而gn格对应硅片的位置为f
1,n
。
[0210]
通过距离公式计算硅片与舟页间的距离：
[0211]dn
＝|x
1,n-f
1,i
|＝|f
1,n-x
1,i
| i∈(0,8)
[0212]
相机2：评估曲线中有gm格，m∈(1,17)，而gm格对应硅片的位置为f
2,m
。
[0213]
通过距离公式计算硅片与舟页间的距离：
[0214]
当m∈(1,8)时，对应硅片位置为
[0215][0216]
当m∈(9,17)时，对应硅片位置为
[0217][0218]
步骤3)标准间距值计算和结果判定
[0219]
s1、标准间距值计算：
[0220]
取20组正常图像来进行试验，利用均值公式求取标准间距值：
[0221]
相机1：
[0222][0223]
相机2：
[0224][0225][0226]
s2、设定翘片检测阈值：
[0227]
由于设备检测石墨舟硅片精度要求为1mm，而舟页间距理论均值为100pix，实际间距 值为14mm，则阈值l为：
[0228]
l＝100
÷
14≈7.14pix/mm
[0229]
故当前的阈值设定为7pix。
[0230]
s3、检测结果判定：
[0231]
设测量值为d，标准间距值为
[0232]
1)当搜索区域没有发现硅片时，系统自动给d赋值-1，标记为：掉片。
[0233]
2)当搜索区域发现硅片时，则利用均值中的距离公式得到间距值为d。
[0234]
3)判断结果：
[0235]
若d＝-1，则标记为：掉片；
[0236]
若d≠-1，且则标记为：翘片。
[0237]
通过采用本发明的算法能够解决以下几个问题：1)存在硅片被舟页遮挡的问题。当拍摄 视场边缘的硅片时，由于硅片的成像面在舟页以下1cm处，舟页会完全遮挡硅片，从而造成 硅片特征无法采集。故通过倾斜拍摄的方式，将硅片和舟页的特征合理分配到4个相机，就 单个相机来说，可见侧硅片和舟页的间距由中心向外逐渐增大，遮挡侧的硅片特征则由其他 相机来拍摄，从而保证了硅片和舟页特征的完全采集。
[0238]
2)背景和杂质干扰问题。因现场石墨舟环境中的背景以及碎片杂质的干扰问题，会导致 提取的图像特征存在误差。故采用图像处理算法对拍摄图像进行处理，步骤如下：拍摄图像 并仿射变换、切割固定区域、光照均衡、光照增强、图像二值化并检查图像效果、图像转评 估曲线。从而去除背景和杂质干扰，获取到清晰的硅片和舟页特征。
[0239]
3)特征提取失败的问题。因石墨舟进出通道时，会产生位置偏差，导致石墨舟硅片在视 场中的位置出现偏移，从而造成特征提取的失败。故采用一种重心法的区域搜索方式来解决 因位置偏差产生的特征提取失败的问题。
[0240]
上面对本发明的实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通 技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。