EL多晶硅片位錯(cuò)缺陷分割方法與缺陷面積統(tǒng)計(jì)

1、基于曲線擬合的多晶硅片位錯(cuò)缺陷分割方法與缺陷面積統(tǒng)計(jì)匯報(bào)人：張瑋華1.背景介紹在光致發(fā)光缺陷檢測中，多晶硅片的位錯(cuò)缺陷是檢測的對象之一，位錯(cuò)缺陷占硅片面積的比例關(guān)系著缺陷對電池片轉(zhuǎn)換效率的影響程度，對位錯(cuò)缺陷的檢測需要統(tǒng)計(jì)出位錯(cuò)缺陷占硅片面積的比例。根據(jù)比例的大小判斷硅片是否合格。本文采用的光致發(fā)光檢測裝置示意圖如下圖所示： 2.圖像去噪本文采用中值濾波結(jié)合高斯平滑濾波的方法去噪。中值濾波可以在不減弱圖像對比度的情況下去除圖像中的椒鹽噪聲，并且對圖像的細(xì)節(jié)具有較好的保持作用；高斯平滑濾波是一種帶權(quán)值的平均濾波方法，對去除高斯噪聲具有很好的效果，本文采用的高斯卷積核如下圖所示。 3.光致發(fā)光圖像

2、特征分析為了獲得光致發(fā)光圖像的灰度分布特征，采用沒有缺陷的單晶硅片獲得光致發(fā)光圖像，去噪后用MATLAB畫出圖像的灰度分布曲面，并且選取圖像上中間行，繪出中間行像素的灰度曲線，如下圖所示。由單晶硅片圖像灰度分布曲面和行像素的灰度曲線分析可知，本文的光致發(fā)光圖像的每一行像素的整體灰度分布近似服從于二次曲線分布。 硅片圖像 灰度曲面 灰度曲線 4.位錯(cuò)缺陷特征分析在光致發(fā)光圖像中，位錯(cuò)缺陷的表現(xiàn)即是圖像中灰度值偏低的區(qū)域。存在位錯(cuò)缺陷的多晶圖像如下圖所示。選取圖像上中間行像素，得到行像素的灰度曲線如下圖所示。由位錯(cuò)缺陷特征和中間行像素的灰度曲線分析可知，位錯(cuò)缺陷的存在使得缺陷所在像素的灰度值偏低，

3、在行像素的灰度曲線上形成一個(gè)明顯的凹陷。 位錯(cuò)缺陷圖像 中間行像素灰度曲線 5.位錯(cuò)缺陷分割由于位錯(cuò)缺陷灰度值較低，缺陷的存在會使得行像素的灰度曲線上形成凹陷。本文利用這一特征，采用逐行掃描圖像，對每一行像素的灰度曲線做最小二乘法二次曲線擬合，基于得到的擬合值求得每個(gè)像素的分割閾值，最終將缺陷分割出來。 最小二乘法通過最小化求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和來尋找數(shù)據(jù)的最佳函數(shù)匹配。 二次曲線的函數(shù)表達(dá)式如下式，其中a為系數(shù) 以位錯(cuò)缺陷圖像的中間行像素灰度曲線為例，做二次曲線擬合，得到結(jié)果如下圖所示，藍(lán)色線條為得到的擬合二次曲線。為了準(zhǔn)確地分割出缺陷，減小擬合誤差和圖像本身灰度值波動以及噪聲帶來的影響，每個(gè)像素的分割閾值采用對應(yīng)的二次曲線擬合值乘以一個(gè)比例系數(shù)K得到。kjiFjithreshold),(),( 通過大量的實(shí)驗(yàn)比較分析得到，本文分割閾值計(jì)算式中的比例系數(shù)K取值0.9時(shí)，位錯(cuò)缺陷的分割效果較理想。下面以位錯(cuò)缺陷圖像為例，進(jìn)行位錯(cuò)缺陷的分割，得到位錯(cuò)缺陷的二值圖像如下圖所示： 由結(jié)果可以看出，本文的方法對于多晶硅片位錯(cuò)缺陷的分割能夠達(dá)到理想的效果，具有一定的可行性。 6.缺陷面積統(tǒng)計(jì)本文在位錯(cuò)缺陷分割得到的二值圖像上，采