趙 謙，李蓉蓉，錢 渠 ，馬 莉，尹怡晨

(1.西安科技大學通信與信息工程學院，陜西西安 710054；2.南通智能感知研究院，江蘇南通 226000；3.西安地山視聚科技有限公司，陜西西安 712044)

0 引言

在大力發(fā)展新能源產(chǎn)業(yè)的趨勢下，太陽能作為分布最廣泛的可再生能源受到了廣泛關(guān)注[1]。但是目前，太陽能的轉(zhuǎn)換效率較低，為了提高太陽能電池轉(zhuǎn)換效率，促使光伏產(chǎn)業(yè)的良性發(fā)展，各行各業(yè)都在不斷研究新方法[2]。例如在電池內(nèi)部器件的結(jié)構(gòu)設(shè)計進行改進[3]；還有在太陽能板流入市場前的各類檢測技術(shù)，比如基于圖像處理的太陽能電池板檢測技術(shù)的研究[4-5]；還有將目光投射至光伏產(chǎn)業(yè)上游產(chǎn)品——石英坩堝的大量研究。石英坩堝作為拉制單晶硅主要設(shè)備，在太陽能光伏發(fā)電中起著至關(guān)重要的作用[6]。在長時間高溫條件下，石英坩堝內(nèi)表層的氣泡很容易破裂，將氣泡中的氣體和石英微粒釋放到硅液中，從而將雜質(zhì)引入單晶硅中，導致拉制出的單晶硅的結(jié)構(gòu)發(fā)生變化[7]。因此對于石英坩堝的質(zhì)量檢測工作是一項具有研究性意義而又充滿挑戰(zhàn)性的工作。

目前對于石英坩堝的檢測大多以人工為主，準確性得不到保障。在近幾年發(fā)展起來的流水線檢測工作中，機械設(shè)備代替了人工完成了一些稱重、口徑測量等簡單工作。對于石英坩堝內(nèi)壁的微小缺陷、透明層氣泡的檢測等方面還處于研究階段。隨著現(xiàn)代各種技術(shù)的不斷研究，各行各業(yè)不斷改革創(chuàng)新的趨勢下，機器視覺結(jié)合圖像處理等領(lǐng)域不斷發(fā)展，可以代替人工完成一些危險的、重復性的檢測工作[8-9]?；跈C器視覺的數(shù)字圖像技術(shù)因其高效的處理效果廣泛應(yīng)用于工業(yè)檢測[10-11]。2019年劉國華等人[12]設(shè)計了一套以機器人為平臺的機器視覺的坩堝缺陷檢測系統(tǒng)，并且結(jié)合基于圖像尺度的平移向量的圖像拼接算法對石英坩堝的缺陷進行識別與拼接，最終達到高效的良好的檢測效果。但是這種技術(shù)所使用的機械臂費用高，也僅僅是處理內(nèi)壁較大范圍的劃痕等缺陷，并不適用于后期集成發(fā)展。本文以此背景，展開對石英坩堝透明層氣泡數(shù)量、直徑、面積等參數(shù)的提取研究，旨在結(jié)合機器視覺與圖像處理去實時智能化地檢測石英坩堝透明層的氣泡。

1 坩堝氣泡動態(tài)檢測系統(tǒng)

基于ARM的石英坩堝氣泡無損動態(tài)檢測系統(tǒng)主要由硬件結(jié)構(gòu)和軟件部分構(gòu)成，如圖1所示。硬件結(jié)構(gòu)由待檢測物體、圖像采集與數(shù)字化系統(tǒng)組成；軟件部分由操作系統(tǒng)、底層驅(qū)動以及相關(guān)圖像處理算法組成。

圖1 石英坩堝智能檢測系統(tǒng)架構(gòu)

1.1 硬件結(jié)構(gòu)的組成與選型

硬件平臺包括電源模塊、機械臂、電子放大鏡、石英坩堝碎片、ARM Cortex-M控制單元、ARM Cortex-A7核心控制板、顯示單元。核心控制單元控制機械臂攜載電子放大鏡實現(xiàn)圖像數(shù)據(jù)采集，具體方法是：利用STM32f103rct6控制板上的A/D轉(zhuǎn)換器采集電位器的電壓值，電壓值的范圍是0～1.65 V，舵機的轉(zhuǎn)動角度為0～180°，通過映射關(guān)系將轉(zhuǎn)動角度與電壓值進行轉(zhuǎn)換，利用電阻分壓原理，實現(xiàn)控制電位器電阻值的大小來控制機械臂舵機的轉(zhuǎn)動角度。在視覺上機械臂的的運動方向與同步控制桿的運動方向一致。

機械臂搭載的電子放大鏡可以做到對坩堝內(nèi)壁任意的位置點氣泡圖像的采集，電子放大鏡作為平臺的圖像采集前端自帶輔助光源功能，當光線照度不充足時，可以手動調(diào)節(jié)輔助光源的亮度；采集到的圖像數(shù)據(jù)發(fā)送到圖像處理單元ARM Cortex-A7處理實時采集的石英坩堝透明層氣泡，達到動態(tài)檢測的目的，對處理結(jié)果進行JEPG壓縮，通過有線或以太網(wǎng)傳輸至上位機進行顯示。整體結(jié)構(gòu)如圖2所示。

圖2 系統(tǒng)實物圖

1.2 軟件組成

石英坩堝透明層氣泡的圖像處理算法是軟件部分的核心，主要包括氣泡圖像預處理、氣泡圖像邊緣定位以及氣泡分割處理等幾部分。

將石英坩堝透明層的氣泡采集到之后，先利用仿真軟件來驗證算法的可行性以及處理效果，針對坩堝氣泡復合層的影響，所拍攝的氣泡圖像輪廓與背景像素差異小，首先對氣泡圖像進行增強處理，使得氣泡輪廓信息被增強；接著提出融合霍夫變換邊緣檢測算法提取坩堝氣泡的輪廓；石英坩堝透明層的氣泡會發(fā)生重疊現(xiàn)象，需要對重疊氣泡進行分割。接著利用向量叉乘來篩選出凹點與凸點，進而完成重疊氣泡的分割，進一步提高了石英坩堝透明層氣泡的檢測準確性。

2 坩堝氣泡檢測關(guān)鍵技術(shù)及結(jié)果

2.1 坩堝氣泡的增強處理

石英坩堝透明層的氣泡直徑在μm級別，在氣泡復合層的影響下，采集到的氣泡圖像輪廓與背景像素差異小，因此先對氣泡圖像進行區(qū)域增強。增強結(jié)果見圖3。

(a)原始圖像

(b)增強圖像

經(jīng)過增強后的氣泡圖像對比度提高了，氣泡的輪廓與背景的差異也增大了。

接著提取氣泡輪廓，傳統(tǒng)的檢測氣泡輪廓的方法有形態(tài)學算子、Sobel算子、LOG算子、Canny算子等[13]。Sobel算子計算方向單一，單一閾值處理可能會丟失重要的邊緣信息；LOG雖然克服了拉普拉斯算子抗噪能力差的缺點，但是圖像的尖銳邊緣也可能會被濾除；Canny在邊緣檢測的處理效果最好且具備一定抗噪性，但是其雙閾值的選取需要人為設(shè)定。針對上述算法檢測邊緣的不足，提出改進的氣泡輪廓提取算法。

2.2 融合霍夫變換邊緣檢測算法

Canny算法[14]可以有效抑制高斯白噪聲。這種算法有如下3個準則：邊緣點檢測準確性高，算法可以盡可能地識別圖像的實際邊緣；檢測的邊緣錯誤率小，所有的邊緣均能被檢測，無偽邊緣響應(yīng)，邊緣有唯一響應(yīng)，邊緣點只存在一個像素值。

理論上Canny算法在提取目標輪廓方面效果顯著，但其高斯濾波的參數(shù)、雙閾值大小均需人為設(shè)定，檢測結(jié)果易受主觀因素影響。本文提出的改進算法步驟如下：

(1)形態(tài)學填充；由于光線的影響，氣泡中心區(qū)域的像素值非常接近背景區(qū)域的像素值。氣泡中心區(qū)域的灰度值小于閾值，會被識別為背景。氣泡的中心可能會出現(xiàn)一個“孔洞”。需要利用形態(tài)學填充，消除氣泡內(nèi)部的影響。

(2)計算梯度幅值及方向。

(3)非極大值抑制；找出圖像梯度中的局部極大值點，抑制非極大值，得到細化的邊緣。

(4)利用霍夫變換連接氣泡邊緣；細化后的氣泡邊緣并不完整，采用霍夫變換將計算得到的梯度極大值點進行連接，得到完整的氣泡輪廓圖像。

本文對采集到的的坩堝氣泡圖像進行了大量的實驗，為了驗證提出改進氣泡邊緣檢測算法的檢測效果，將其與LOG算子、Sobel算子及文獻[15]處理結(jié)果進行比較，實驗結(jié)果如圖4所示。

從上述結(jié)果可以看出，經(jīng)過LOG算子檢測出來的氣泡輪廓包含較多雜質(zhì)；經(jīng)過Sobel算子檢測出來的氣泡輪廓雖然完整度高且清晰，但是丟失了一些微小氣泡的信息；文獻[15]利用數(shù)學形態(tài)學算子，去提取目標的輪廓，將此算法應(yīng)用到本文中，提取的氣泡輪廓完整，但是將部分不是氣泡雜質(zhì)輪廓也提取出來了；經(jīng)過本文的提取算法后，對氣泡輪廓定位準確，氣泡輪廓完整清晰。

2.3 鏈碼標記的凹點檢測分割算法

為了提高分類的準確性以及準確分割重疊氣泡，利用Freeman鏈碼來進行凹凸點的篩選。Freeman碼是用曲線起始點的坐標和邊界點方向代碼來描述曲線或邊界的方法[16]，以8個向量矩陣作為編碼的符號，

(a)LOG算子

(b)Sobel算子

(c)文獻[15]算法

(d)本文算法

以45°的角倍數(shù)對整個區(qū)域進行劃分(0°，45°，90°，135°，180°，225°，270°，315°)，所以可以用一組方向數(shù)據(jù)來表示一段曲線輪廓，鏈碼表示在目標分析、圖像分割中廣泛應(yīng)用[17]。

本文將檢測到的重疊氣泡二值圖像進行角點提取，選取了64個角點鏈碼值進行統(tǒng)計，得到了表示其形狀的鏈碼值序列，示意圖如圖5所示。

檢測出來的角點有凹點與凸點之分，以角點的向量叉乘去判別當前角點是否為凹點。假設(shè)當前角點為Pi(xi,yi)、前角點為Pi-1(xi-1,yi-1)、后角點為Pi+1(xi+1，yi+1)。計算向量Pi-1Pi與向量PiPi+1的叉乘。

(4)

對鏈碼進行向量叉乘，其示意圖如圖6所示。

圖6 向量示意圖

圖6的前半部分表示一個凸點，此時的向量叉乘結(jié)果為負；后半部分表示一個凹點，向量叉乘的結(jié)果為正。利用上述方法遍歷整個氣泡輪廓，對檢測出來的凹點進行標記，分割實驗結(jié)果如圖7所示。

圖7 凹點檢測結(jié)果

從圖7可以看出，重疊區(qū)域的所有凹點均被準確識別。采用凹點之間分割線最短原則對重疊區(qū)域進行分割，結(jié)果如圖8所示。

圖8 分割結(jié)果圖

從實驗結(jié)果看，針對這種重疊氣泡的分割，本文算法在凹點被標識以后，可以有效分割出重疊氣泡。

3 算法驗證

文獻[18]中提出的凸殼區(qū)域分割算法，分割思想是先找尋能夠完全包圍重疊區(qū)域的凸殼，再利用凸殼對重疊區(qū)域進行最大限度的腐蝕，這樣就能得到重疊部位的凹陷區(qū)域，根據(jù)重疊目標的位置關(guān)系，進行分割處理。利用這種算法提取重疊氣泡的凹陷區(qū)域，結(jié)果如圖9所示。

文獻[18]使用最大凸殼對重疊區(qū)域進行最大限度的腐蝕。這種算法思想在凹陷區(qū)域特征明顯時，對凹點區(qū)域定位準確，從圖9可以看出，當重疊區(qū)域不明顯時，利用凸殼不斷腐蝕重疊區(qū)域找尋凹陷區(qū)域具有很大局限性，可能導致凹陷區(qū)域提取失敗。其分割結(jié)果如圖10所示。

圖10 文獻[18]分割結(jié)果圖

文獻[18]在使用標準測試圖像時，分割效果良好，在外界干擾較大的情況下對于真實的重疊目標圖像分割、定位效果略差。實驗結(jié)果表明，當重疊區(qū)域特征不明顯，凸殼最大限度腐蝕重疊氣泡區(qū)域也會將凹陷區(qū)域一并腐蝕掉，進而也會導致重疊氣泡不能被正確分割。

4 系統(tǒng)應(yīng)用驗證

利用STM32f103rct6控制機械臂轉(zhuǎn)動角度，搭載機械臂實現(xiàn)石英坩堝透明層氣泡的采集，將本文處理坩堝透明層氣泡的算法移植到ARM CortexTM-A7核心控制板上，對實時采集的坩堝透明層氣泡進行動態(tài)檢測，處理結(jié)果通過無線或者以太網(wǎng)傳輸至上位機進行顯示，結(jié)果如圖11所示。

圖11 坩堝動態(tài)檢測截圖

將檢測到氣泡直徑大于100 μm、單張圖像氣泡數(shù)超過100個的圖像信息進行保存，以便后期信息查詢，切實提高石英坩堝檢測的效率。經(jīng)測試石英坩堝透明層氣泡檢測模塊的最終檢測速度為一幀圖像100 ms，基本無卡頓。經(jīng)過測試，平臺對石英坩堝透明層氣泡的檢測達到了快速有效的要求。

5 結(jié)束語

目前對于坩堝透明層微小氣泡的檢測大多由人工檢測，檢測效率低且受主觀因素影響大。基于此，本文設(shè)計出一種基于ARM的石英坩堝氣泡動態(tài)智能檢測平臺。

(1)該平臺利用STM32內(nèi)部的A/D轉(zhuǎn)換器采集電位器的電壓值，得出電壓變化與舵機轉(zhuǎn)動角度的映射關(guān)系，進而通過控制電位器的電阻控制機械臂舵機的轉(zhuǎn)動角度，搭載電子放大鏡以實現(xiàn)石英坩堝透明層任意位置氣泡的采集功能。

(2)提出一種改進的氣泡輪廓提取算法用來準確檢測出氣泡的輪廓，并結(jié)合鏈碼標記與凹點檢測分割算法處理重疊氣泡。較文獻[18]誤檢率降低62.75%，提高了坩堝氣泡的檢測精度。

(3)將MATLAB程序轉(zhuǎn)化成C++程序在ARM核心控制板對實時采集的氣泡圖像進行動態(tài)檢測。通過無線協(xié)議將檢測結(jié)果傳輸至上位機進行顯示，為石英坩堝智能化檢測提供了新的思路。