一种硅片分选机AOI方法与流程

一种硅片分选机aoi方法
技术领域
1.本发明涉及太阳能电池片技术领域，具体为一种硅片分选机aoi方法。


背景技术：

2.在太阳能电池片的生产过程中，需要先将硅棒切割成硅片，然后对硅片清洗，清洗完成后需要对硅片进行多项检测，例如可以对脏污、隐裂和颜色进行检测，而aoi是(automatic optic inspection)的缩写，中文为：全称是自动光学检测，意为通过光电软结合而成的一种检查装置，其应用非常广泛，是基于各方面各行业近年来对于效率和精度的需要开发的一种替代mvi(人工目视检查)的机器视觉，机器视觉即通过模拟人的眼睛和大脑通过机械的运动方式来达到运算目的，为了节省人力，降低人工成本以及增加生产效率，提高生产产能，我们提出一种硅片分选机aoi方法。


技术实现要素：

3.(一)解决的技术问题
4.针对现有技术的不足，本发明提供了一种硅片分选机aoi方法。
5.(二)技术方案
6.为实现上述目的，本发明提供如下技术方案：一种硅片分选机aoi方法，包括以下步骤：s1：获取原材料，在库存中收集硅片；
7.s2：上料，将s1中的原材料放进分选机中的上料台里；
8.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以五至十五度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；
9.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；
10.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他五至十五个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
11.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；
12.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为一百六十毫米-二百六十毫米之间的长度)，以五至十五度之间的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
13.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二
千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
14.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
15.优选的，当s1中的原材料通过传感器时，正常情况下会检测八百八十八个点左右的厚度,然后计算出平均厚度和ttv即厚度偏差。
16.优选的，由于s1中的原材料表面高低不平，所以在角度固定的红色激光线下，会呈现高低不平的图像,对图像进行放大、处理，计算出线痕。
17.优选的，在红外线照射时，裂纹区域红外光不会发生透射，而会向各个方向反射，从而使得裂纹区域呈现黑色。
18.优选的，由于led阵列会发出强度非常高的白光，在被遮光罩反射后，成全角度射向硅片表面的各个区域，这样每个晶粒都受到全方向的光照射，不会因为自身晶向的不同，而产生灰度的差异。
19.优选的，图像的表现形式一般有v形凹槽式、阶梯式以及平缓波浪式三种常见的表现形式。
20.优选的，通过分析不同像素的灰度、灰阶值和像素间的rgb值，用来判断边缘上的缺角、崩边、穿孔和裂纹。
21.优选的，下测试探头上设置有pn传感器。
22.(三)有益效果
23.与现有技术相比，本发明提供了一种硅片分选机aoi方法，具备以下有益效果：
24.1、该一种硅片分选机aoi方法，通过利用相机的成像原理、图像检测技术、激光、红外线以及电容耦合的应用将硅片的厚度、表面平整度、脏污情况、尺寸大小、垂直度等准确地测量出来，提高了检测硅片质量和效率。
25.2、该一种硅片分选机aoi方法，通过融合aoi方法，无需人工检测，降低人工成本，提高了生产产能。
具体实施方式
26.下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
27.实施例一：
28.一种硅片分选机aoi方法，包括以下步骤：
29.s1：获取原材料，在库存中收集硅片；
30.s2：上料，将s1中的原材料放进分选机中的上料台里；
31.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以五至十五度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；
32.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外
观基本一致；
33.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他五个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
34.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；
35.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为一百六十毫米的长度)，以五度的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
36.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
37.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
38.实施例二：
39.一种硅片分选机aoi方法，包括以下步骤：
40.s1：获取原材料，在库存中收集硅片；
41.s2：上料，将s1中的原材料放进分选机中的上料台里；
42.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以六度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；
43.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；
44.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他六个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
45.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；
46.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为一百八十毫米的长度)，以六度的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
47.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
48.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
49.实施例三：
50.一种硅片分选机aoi方法，包括以下步骤：
51.s1：获取原材料，在库存中收集硅片；
52.s2：上料，将s1中的原材料放进分选机中的上料台里；
53.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以八度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；
54.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；
55.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他八个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
56.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；
57.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为二百毫米的长度)，以八度的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
58.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
59.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
60.实施例四：
61.一种硅片分选机aoi方法，包括以下步骤：
62.s1：获取原材料，在库存中收集硅片；
63.s2：上料，将s1中的原材料放进分选机中的上料台里；
64.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以十二度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；
65.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；
66.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他十二个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
67.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号
为模拟信号，通过a/d转换器转化为数字信号；
68.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为二百一十毫米之间的长度)，以十二度的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
69.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
70.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
71.实施例五：
72.一种硅片分选机aoi方法，包括以下步骤：
73.s1：获取原材料，在库存中收集硅片；
74.s2：上料，将s1中的原材料放进分选机中的上料台里；
75.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以十四度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；
76.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；
77.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他十四区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
78.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；
79.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为二百三十毫米的长度)，以十四度的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
80.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
81.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
82.实施例六：
83.一种硅片分选机aoi方法，包括以下步骤：
84.s1：获取原材料，在库存中收集硅片；
85.s2：上料，将s1中的原材料放进分选机中的上料台里；
86.s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以十五度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行
分析；
87.s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；
88.s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他十五个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；
89.s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；
90.s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为二百六十毫米之间的长度)，以十五度的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；
91.s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；
92.s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。
93.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种硅片分选机aoi方法，其特征在于，包括以下步骤：s1：获取原材料，在库存中收集硅片；s2：上料，将s1中的原材料放进分选机中的上料台里；s3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以五至十五度的角度入射到s1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；s4：再利用线性相机和红外光源对s1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色，和肉眼观察的硅片外观基本一致；s5：再利用白光led阵列，线性相机对s1中的原材料进行脏污检测，硅片被分为若干区块，每个区块有二十个基本像素，每个区块分别计算自身内部的平均灰度，并与相邻的其他五至十五个区块做比较，如果灰度差值大于十五，即认定该区块为污渍区块；s6：再利用电容耦合的方法测量s1中的原材料的厚度，设置三对传感器，各有上下两个电容传感器，会根据与硅片距离产生不同的电压值，距离与电压一般成正比；电压信号为模拟信号，通过a/d转换器转化为数字信号；s7：再利用一个镜头、二个led红色光源和二个激光发射器对s1中的原材料的尺寸和翘曲进行检测，当检测bow/sori(翘曲的两种形式)时，使用二道激光线(用光栅衍射为一百六十毫米-二百六十毫米之间的长度)，以五至十五度之间的角度入射到硅片上(激光与硅片行进方向平行)，通过在硅片上投射出的影像，计算出bow/sori值；s8：再利用线性相机和红光光源对s1中的原材料的边缘进行检测，线性相机为二千拍/秒，每次拍摄硅片的图形是一长条，拼接起来构成硅片的edge检测图像；s9：再利用电阻率测试支架、上测试探头以及下测试探头对s1中的原材料的电阻率进行检测。2.根据权利要求1所述的一种硅片分选机aoi方法，其特征在于，当s1中的原材料通过传感器时，正常情况下会检测八百八十八个点左右的厚度,然后计算出平均厚度和ttv即厚度偏差。3.根据权利要求1所述的一种硅片分选机aoi方法，其特征在于，由于s1中的原材料表面高低不平，所以在角度固定的红色激光线下，会呈现高低不平的图像,对图像进行放大、处理，计算出线痕。4.根据权利要求1所述的一种硅片分选机aoi方法，其特征在于，在红外线照射时，裂纹区域红外光不会发生透射，而会向各个方向反射，从而使得裂纹区域呈现黑色。5.根据权利要求1所述的一种硅片分选机aoi方法，其特征在于，由于led阵列会发出强度非常高的白光，在被遮光罩反射后，成全角度射向硅片表面的各个区域，这样每个晶粒都受到全方向的光照射，不会因为自身晶向的不同，而产生灰度的差异。6.根据权利要求3所述的一种硅片分选机aoi方法，其特征在于，图像的表现形式一般有v形凹槽式、阶梯式以及平缓波浪式三种常见的表现形式。7.根据权利要求1所述的一种硅片分选机aoi方法，其特征在于，通过分析不同像素的灰度、灰阶值和像素间的rgb值，用来判断边缘上的缺角、崩边、穿孔和裂纹。8.根据权利要求1所述的一种硅片分选机aoi方法，其特征在于，下测试探头上设置有
pn传感器。

技术总结
本发明公开了一种硅片分选机AOI方法，包括以下步骤：S1：获取原材料，在库存中收集硅片；S2：上料，将S1中的原材料放进分选机中的上料台里；S3：利用三个矩阵相机镜头和三个激光发射器检测线痕，用激光以五至十五度的角度入射到S1中的原材料表面，矩阵相机在硅片传送过程中一共拍摄十二张图片，对图片进行分析；S4：再利用线性相机和红外光源对S1中的原材料进行裂纹检测，在正常区域，红外线会透射过硅片，但是因为晶向不同，会在图像中显示出不同的颜色。通过利用相机的成像原理、图像检测技术、激光、红外线以及电容耦合的应用将硅片的厚度、表面平整度、脏污情况、尺寸大小、垂直度等准确地测量出来，提高了检测硅片质量和效率。提高了检测硅片质量和效率。


技术研发人员：林邦羽 朱斌 李勇春
受保护的技术使用者：立川(无锡)半导体设备有限公司
技术研发日：2022.02.17
技术公布日：2022/5/25