EL多晶硅片位错缺陷分割方法与缺陷面积统计剖析.ppt

基于曲线拟合的多晶硅片位错缺陷分割方法与缺陷面积统计 汇报人：张玮华 1.背景介绍 在光致发光缺陷检测中，多晶硅片的位错缺陷是检测的对象之一，位错缺陷占硅片面积的比例关系着缺陷对电池片转换效率的影响程度，对位错缺陷的检测需要统计出位错缺陷占硅片面积的比例。根据比例的大小判断硅片是否合格。 本文采用的光致发光检测装置示意图如下图所示： 2.图像去噪 本文采用中值滤波结合高斯平滑滤波的方法去噪。中值滤波可以在不减弱图像对比度的情况下去除图像中的椒盐噪声，并且对图像的细节具有较好的保持作用；高斯平滑滤波是一种带权值的平均滤波方法，对去除高斯噪声具有很好的效果，本文采用的高斯卷积核如下图所示。 3.光致发光图像特征分析 为了获得光致发光图像的灰度分布特征，采用没有缺陷的单晶硅片获得光致发光图像，去噪后用MATLAB画出图像的灰度分布曲面，并且选取图像上中间行，绘出中间行像素的灰度曲线，如下图所示。 由单晶硅片图像灰度分布曲面和行像素的灰度曲线分析可知，本文的光致发光图像的每一行像素的整体灰度分布近似服从于二次曲线分布。 硅片图像 灰度曲面 灰度曲线 4.位错缺陷特征分析 在光致发光图像中，位错缺陷的表现即是图像中灰度值偏低的区域。存在位错缺陷的多晶图像如下图所示。选取图像上中间行像素，得到行像素的灰度曲线如下图所示。 由位错缺陷特征和中间行像素的灰度曲线分析可知，位错缺陷的存在使得缺陷所在像素的灰度值偏低，在行像素的灰度曲线上形成一个明显的凹陷。 位错缺陷图像 中间行像素灰度曲线 5.位错缺陷分割 由于位错缺陷灰度值较低，缺陷的存在会使得行像素的灰度曲线上形成凹陷。 本文利用这一特征，采用逐行扫描图像，对每一行像素的灰度曲线做最小二乘法二次曲线拟合，基于得到的拟合值求得每个像素的分割阈值，最终将缺陷分割出来。 最小二乘法通过最小化求得的数据与实际数据之间误差的平方和来寻找数据的最佳函数匹配。 二次曲线的函数表达式如下式，其中a为系数 为了准确地分割出缺陷，减小拟合误差和图像本身灰度值波动以及噪声带来的影响，每个像素的分割阈值采用对应的二次曲线拟合值乘以一个比例系数K得到。 通过大量的实验比较分析得到，本文分割阈值计算式中的比例系数K取值0.9时，位错缺陷的分割效果较理想。 下面以位错缺陷图像为例，进行位错缺陷的分割，得到位错缺陷的二值图像如下图所示： 6.缺陷面积统计 本文在位错缺陷分割得到的二值图像上，采用扫描计数法统计位错缺陷的像素数目，再求出位错缺陷像素数目与图像总像素数目的比值，便可以求得位错缺陷的面积比例。 谢谢！ * 以位错缺陷图像的中间行像素灰度曲线为例，做二次曲线拟合，得到结果如下图所示，蓝色线条为得到的拟合二次曲线。 由结果可以看出，本文的方法对于多晶硅片位错缺陷的分割能够达到理想的效果，具有一定的可行性。 *