电池片丝网印刷外观缺陷检测方法、设备及存储介质与流程

1.本发明属于丝网印刷领域，具体涉及一种电池片丝网印刷外观缺陷检测方法、设备及存储介质。


背景技术：

2.光伏电池丝网印刷外观检测位于丝网印刷后，用于检测丝网印刷后电池片表面印刷缺陷，从而检验印刷质量如何。
3.现有的丝网印刷检测算法采用边缘检测方式，提取主栅、细栅等部分，并判断各部分是否异常，检测速度较慢。并且，针对不同的网版图案，需要采用复杂的方式标注网版不同部分，从而正确提取各组成部分，耗时耗力。此外，还有采用深度学习或神经网络进行电池片外观印刷检测方法的，但是这种方法需要采集大量的样本，并且算法复杂，对有些场景实用价值低。


技术实现要素：

4.本发明的目的在于：提供了一种电池片丝网印刷外观缺陷检测方法、设备及存储介质，能够快速获取异常区域的位置和大小，方法简单，且不受网版图案影响。
5.本发明所采用的技术方案如下：一种用于电池片丝网印刷外观缺陷检测的标准模型获取方法，包括以下步骤：
6.s1、粗定位
7.通过拍摄标准产品获得模板图像及待定位图像，在模板图像中选取具有局部唯一性的特征区域、以及丝印边界的搜索区域；
8.利用所述模板图像中具有局部唯一性的特征区域作为匹配对象，使用基于形状的模板匹配方法对待定位图像进行粗定位，获取待定位图像中对应特征区域的坐标及角度；
9.s2、精定位
10.利用所述待定位图像中对应特征区域的坐标及角度，将待定位图像仿射变换到与模板图像匹配的位置；在所述丝印边界搜索区域中，使用亚像素边缘拟合方法对丝印边界精定位，获取待定位图像中丝印边界的坐标，从而实现对待定位图像的精定位；
11.s3、亮度校正
12.利用亮度均一化算法对所述步骤s2精定位后的图像进行亮度校正；
13.s4、获取标准模型
14.利用所述丝印边界的坐标，将多张亮度校正后的图像对齐，计算亮度校正后的图像的形状特征和亮度特征，形状特征为丝印边界的坐标，亮度特征包括每个像素的亮度均值及亮度方差、以及每个像素的亮度分布区间，形状特征和亮度特征构成标准模型。
15.按上述方法，所述具有局部唯一性的特征区域，为模板图像中边缘位置和梯度方向具有局部唯一性特征的区域。
16.按上述方法，所述基于形状的模板匹配方法具体为：选择模板图像中具有局部唯
一性的特征区域作为匹配对象，在待定位图像中搜索具有相同特征的特征区域。
17.按上述方法，所述的丝印边界为丝印图形区域的边缘；所述丝印边界的搜索区域为可能存在丝印边界的区域范围。
18.按上述方法，所述s3的亮度均一化算法具体为：
19.以卷积核大小为滑动窗口大小，通过卷积操作在定位后的图像上进行滑动窗口计算，获得每个局部图像块的亮度加权值，从而获得整个定位后的图像的亮度分布图；将定位后的图像的原图与所述亮度分布图进行加权计算，补偿各个局部图像块之间的亮度差异，从而得到统一亮度分布的图像，作为亮度校正后的图像。
20.一种电池片丝网印刷外观缺陷检测方法，包括：
21.对待检测图像进行粗定位、精定位和亮度校正；
22.采用标准模型，对亮度校正后的待检测图像进行逐像素比较亮度值及亮度方差，获取异常区域；所述的异常区域为：亮度特征或形状特征中的至少一个，与标准模型发生了大于设定阈值范围的区域；
23.根据异常区域进行缺陷检测；
24.所述的标准模型通过所述的标准模型获取方法获得；所述的对待检测图像进行粗定位、精定位的方法与对待定位图像的粗定位、精定位的方法相同；所述的对待检测图像进行亮度校正的方法，与对精定位后的图像亮度校正的方法相同。
25.进一步的，所述的根据异常区域进行缺陷检测，具体为：
26.对获取的异常区域使用形态学开运算及闭运算，将小于设定像素大小的异常区域剔除，并将相邻近异常区域进行连通，以获取完整的缺陷区域；所述的相邻近异常区域是指距离在一定像素范围内的异常区域。
27.再进一步的，在获取完整的缺陷区域之后，判断缺陷类型，具体为：
28.根据缺陷区域的灰度值和位置，判断缺陷属于印刷位置还是电池片上；
29.若缺陷属于印刷位置，则根据缺陷区域的方向，与预设的栅线方向比较，判断缺陷位于哪种栅线上；
30.再结合缺陷区域的亮度、形状和面积，判断缺陷的具体类型。
31.一种电池片丝网印刷外观缺陷检测设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述电池片丝网印刷外观缺陷检测方法。
32.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电池片丝网印刷外观缺陷检测方法。
33.本发明与现有技术相比，具有以下优点及有益效果：
34.本发明方法采用基于标准模型配准的方式，无需准备有缺陷的样本，只需要通过采集少量印刷后无缺陷图像，其中一张作为模板图像，其它几张作为待定位图像定位后进行训练，即可快速针对不同网版图案获得标准模型，从而在缺陷检测时通过差异比较的方式，快速获取异常区域位置及大小，检测速度快且准确；在标准模型获取和缺陷检测过程中，均通过使用粗、精定位结合的方式，能够以亚像素的方式快速准确的定位到产品区域，并使印刷区域能够精确对齐；通过加入亮度校正，解决不同产品表面反光特性差异导致的背景均匀性差的问题，使得检测结果更加准确；通过使用标准模型取均值和方差的方式，能
够充分获取产品的合理变化范围以及进行容错处理，避免直接使用阈值判断的方式带来的误判。
附图说明
35.图1为模型训练流程图。
36.图2为缺陷检测流程图。
37.图3为用于粗定位的模板图像示意图。
38.图4为精定位后的模板图像示意图。
39.图中：1-模板图像，2-特征区域，3-丝印边界。
具体实施方式
40.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
41.边缘检测方式由于受到产品本身光学成像均匀性及亮度分布一致性的影响，在提取边缘时容易产生误提取，且提取算法受到不同的网版图案影响。为解决图像亮度一致性及快速适应不同网版切换的问题，本发明通过采用基于标准模型配准的方式，利用少量无缺陷图像训练标准模型样本，并利用亮度均一化算法对图像进行亮度校正，从而避免了亮度变化引起的误检测；为解决不同网版图案对切换型的影响，本方法采用网版图形边界进行定位对齐及模型制作，从而避免了针对不同图案采用不同的栅线提取方法，加快了不同网版模型的制作。
42.一般而言，电池片的印刷图案包括主栅线与细栅线，主栅线与细栅线互相垂直，栅线与电池片产品的边界垂直或平行。
43.本发明的电池片丝网印刷外观缺陷检测方法，包括模型训练及缺陷检测两个步骤。
44.第一步为模型训练，目的是为了获得用于电池片丝网印刷外观缺陷检测的标准模型，模型训练基本流程如图1所示，包括：
45.1、制作模板图像：
46.1)拍摄多个标准产品获得多张图像，其中一张作为模板图像，其它几张作为待定位图像。对模板图像根据电池片栅线方向进行水平校正，栅线既可以是主栅线，也可以是副删线，其目的是为提高后续预处理速度及效果。其中，标准产品为已经印刷好且无缺陷的产品。需要说明的是，获取有缺陷的样本更加麻烦，而且针对不同的网版，每个网版都获取有缺陷的样本会更麻烦。本发明仅获取印刷无缺陷图像，方法更为简单。
47.2)在模板图像中选取具有局部唯一性的特征区域、以及丝印边界的搜索区域。本实施例中，所述具有局部唯一性的特征区域，为模板图像中边缘位置和梯度方向具有局部唯一性特征的区域。所述丝印边界的搜索区域为可能存在丝印边界的区域范围，由坐标范围构成，设置该搜索区域的目的是减少搜索范围，从而加速边缘搜索速度。通常，以模板图像的中心作为坐标原点建立坐标系，具有局部唯一性的特征区域、丝印边界的搜索区域的
坐标范围均已知。
48.2、粗定位：
49.利用所述模板图像中具有局部唯一性的特征区域作为匹配对象，使用基于形状的模板匹配方法对待定位图像进行粗定位，获取待定位图像中对应特征区域的坐标及角度。
50.如图3所示，选择模板图像中具有局部唯一性的特征区域2作为匹配对象，使用基于形状的模板匹配方法，在待定位图像中搜索具有相同特征的特征区域，获取待定位图像中对应特征区域的坐标及角度。
51.3、精定位：
52.如图4所示，利用所述待定位图像中对应特征区域的坐标及角度，将待定位图像仿射变换到与模板图像1匹配的位置；在所述丝印边界搜索区域中，使用亚像素边缘拟合方法对丝印边界精定位，获取待定位图像中丝印边界3的坐标，从而实现对待定位图像的精定位。所述的丝印边界3为丝印图形区域的边缘，即具有栅线的区域的边缘。
53.通过仿射变换的方法，能够保证电池片上印刷图案是完全对齐的。由此得到的丝印边界的坐标，在模板图像和待定位图像，是完全一致的。
54.4、亮度校正：利用亮度均一化算法对精定位后的图像进行亮度校正，其方法是通过卷积操作估计图像的整体亮度分布图，从而根据亮度分布图调整图像背景亮度达到一致的目的。具体为：
55.以卷积核大小为滑动窗口大小，通过卷积操作在定位后的图像上进行滑动窗口计算，获得每个局部图像块的亮度加权值，从而获得整个定位后的图像的亮度分布图；将定位后的图像的原图与所述亮度分布图进行加权计算，补偿各个局部图像块之间的亮度差异，从而得到统一亮度分布的图像，作为亮度校正后的图像。
56.5、获取标准模型
57.利用所述丝印边界的坐标，将多张亮度校正后的图像对齐(如可以通过透视变换的方式进行对齐)，计算亮度校正后的图像的形状特征和亮度特征，形状特征为丝印边界的坐标，亮度特征包括每个像素的亮度均值及亮度方差、以及每个像素的亮度分布区间，形状特征和亮度特征构成标准模型。
58.第二步为缺陷检测，缺陷检测基本流程如图2所示，包括：
59.1、加载待检测图像(拍摄待检测的电池片图像，该图像能看到整个电池片的外部轮廓边界，然后载入图像)，使用第一步制作的模板图像，对待检测图像进行粗定位，粗定位与第一步的第2步方法相同。
60.2、对粗定位的待检测图像进行精定位，精定位与第一步的第3步相同。
61.3、对精定位的待检测图像进行亮度校正，使图像各部分区域背景亮度分布一致，亮度校正与第一步的第4步相同。
62.4、使用第一步训练得到的标准模型，对亮度校正后的待检测图像进行逐像素比较亮度值及亮度方差，获取异常区域；所述的异常区域为：亮度特征或形状特征中的至少一个，与标准模型发生了大于设定阈值范围的区域。
63.5、根据异常区域进行缺陷检测，具体为：
64.对获取的异常区域，首先使用形态学开运算及闭运算，将小于设定像素大小的异常区域(允许的范围内)剔除，并将相邻近异常区域进行连通，以获取完整的缺陷区域。
65.在获取完整的缺陷区域之后，判断缺陷类型，具体为：根据缺陷区域的灰度值和位置，判断缺陷属于印刷位置还是电池片上；若缺陷属于印刷位置，则根据缺陷区域的方向，与预设的栅线方向比较，判断缺陷位于哪种栅线上；再结合缺陷区域的亮度、形状和面积，判断缺陷的具体类型；根据缺陷区域与周边局部对比度差值，进一步判断缺陷等级。
66.本实施例中，对于检测出的异常的灰度值及其位置信息，判断其属于印刷位置(即电池片的栅线位置)还是电池片上(印刷区域在标准模型上为亮区域，电池片在标准模型上为暗区域)，进而判断缺陷类型。通过方向可以知道缺陷是位于主栅线还是副栅线(提前设置什么方向对应为主栅还是副删)。其中，缺陷类型分为多种，通过亮度，形状、面积、位置等信息可以判断出具体的缺陷类型，当缺陷位于栅线上时，包括断栅(断栅位置变暗)、栅线印歪(本应该亮的区域变暗，本应该暗的区域变亮)、栅线过宽(亮度宽度增大)等；当缺陷位于电池片上非印刷区域时，可能的缺陷包括多漏(多了一块亮度区域)，此外，整个电池片可能出现裂片部分电池片缺失的情况(亮度与背景亮度一致)。最后，根据缺陷与其周边局部对比度差值，进一步判断缺陷等级。
67.本发明还提供一种电池片丝网印刷外观缺陷检测设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述电池片丝网印刷外观缺陷检测方法。
68.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电池片丝网印刷外观缺陷检测方法。
69.综上所述，本发明使用基于模型配准的方式进行丝印外观缺陷检测，能够快速准确的检测出印刷缺陷，通过使用粗定位结合精定位方式，能够以亚像素的方式快速准确的定位到产品区域，并使印刷区域能够精确对齐。通过加入亮度校正预处理方法，能够解决对于不同产品表面反光特性差异导致的背景均匀性差的问题，使得检测结果更加准确。通过使用标准模型训练的方式，能够学习到印刷品的正常变化范围，避免直接使用阈值判断的方式带来的误判。
70.由于本技术的检测方法不仅准确，而且检测速度特别快，该方法特别适合于电池片一面的栅线印刷完成后的初步缺陷检查，便于迅速在初期发现印刷缺陷后就进行后续处理。
71.需要指出，根据实施的需要，可将本技术中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
72.本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种用于电池片丝网印刷外观缺陷检测的标准模型获取方法，其特征在于：包括以下步骤：s1、粗定位通过拍摄标准产品获得模板图像及待定位图像，在模板图像中选取具有局部唯一性的特征区域、以及丝印边界的搜索区域；利用所述模板图像中具有局部唯一性的特征区域作为匹配对象，使用基于形状的模板匹配方法对待定位图像进行粗定位，获取待定位图像中对应特征区域的坐标及角度；s2、精定位利用所述待定位图像中对应特征区域的坐标及角度，将待定位图像仿射变换到与模板图像匹配的位置；在所述丝印边界搜索区域中，使用亚像素边缘拟合方法对丝印边界精定位，获取待定位图像中丝印边界的坐标，从而实现对待定位图像的精定位；s3、亮度校正利用亮度均一化算法对所述步骤s2精定位后的图像进行亮度校正；s4、获取标准模型利用所述丝印边界的坐标，将多张亮度校正后的图像对齐，计算亮度校正后的图像的形状特征和亮度特征，形状特征为丝印边界的坐标，亮度特征包括每个像素的亮度均值及亮度方差、以及每个像素的亮度分布区间，形状特征和亮度特征构成标准模型。2.根据权利要求1所述的标准模型获取方法，其特征在于：所述具有局部唯一性的特征区域，为模板图像中边缘位置和梯度方向具有局部唯一性特征的区域。3.根据权利要求1或2所述的标准模型获取方法，其特征在于：所述基于形状的模板匹配方法具体为：选择模板图像中具有局部唯一性的特征区域作为匹配对象，在待定位图像中搜索具有相同特征的特征区域。4.根据权利要求1所述的标准模型获取方法，其特征在于：所述的丝印边界为丝印图形区域的边缘；所述丝印边界的搜索区域为可能存在丝印边界的区域范围。5.根据权利要求1所述的标准模型获取方法，其特征在于：所述s3的亮度均一化算法具体为：以卷积核大小为滑动窗口大小，通过卷积操作在定位后的图像上进行滑动窗口计算，获得每个局部图像块的亮度加权值，从而获得整个定位后的图像的亮度分布图；将定位后的图像的原图与所述亮度分布图进行加权计算，补偿各个局部图像块之间的亮度差异，从而得到统一亮度分布的图像，作为亮度校正后的图像。6.一种电池片丝网印刷外观缺陷检测方法，其特征在于：包括：对待检测图像进行粗定位、精定位和亮度校正；采用标准模型，对亮度校正后的待检测图像进行逐像素比较亮度值及亮度方差，获取异常区域；所述的异常区域为：亮度特征或形状特征中的至少一个，与标准模型发生了大于设定阈值范围的区域；根据异常区域进行缺陷检测；所述的标准模型通过权利要求1至5中任意一项所述的标准模型获取方法获得；所述的对待检测图像进行粗定位、精定位的方法与对待定位图像的粗定位、精定位的方法相同；所述的对待检测图像进行亮度校正的方法，与对精定位后的图像亮度校正的方法相同。
7.根据权利要求6所述的电池片丝网印刷外观缺陷检测方法，其特征在于：所述的根据异常区域进行缺陷检测，具体为：对获取的异常区域使用形态学开运算及闭运算，将小于设定像素大小的异常区域剔除，并将相邻近异常区域进行连通，以获取完整的缺陷区域；所述的相邻近异常区域是指距离在一定像素范围内的异常区域。8.根据权利要求7所述的电池片丝网印刷外观缺陷检测方法，其特征在于：在获取完整的缺陷区域之后，判断缺陷类型，具体为：根据缺陷区域的灰度值和位置，判断缺陷属于印刷位置还是电池片上；若缺陷属于印刷位置，则根据缺陷区域的方向，与预设的栅线方向比较，判断缺陷位于哪种栅线上；再结合缺陷区域的亮度、形状和面积，判断缺陷的具体类型。9.一种电池片丝网印刷外观缺陷检测设备，其特征在于：包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求6-8任一项所述电池片丝网印刷外观缺陷检测方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述权利要求6-8任一项所述电池片丝网印刷外观缺陷检测方法。

技术总结
本发明提供一种电池片丝网印刷外观缺陷检测方法，对待检测图案进行粗定位、精定位和亮度校正；采用标准模型对亮度校正后的待检测图像进行逐像素比较亮度值及亮度方差，获取异常区域；根据异常区域进行缺陷检测。所述的标准模型通过以下方法获得：在模板图像中选取特征区域和丝印边界的搜索区域；利用特征区域作为匹配对象对待定位图像进行粗定位；采用仿射变换和亚像素边缘拟合方法进行精定位；亮度校正后计算亮度校正后的图像的形状特征和亮度特征。本发明可快速针对不同网版图案获得标准模型，从而在缺陷检测时通过差异比较的方式，快速获取异常区域位置及大小，检测速度快且准确。确。确。


技术研发人员：姚峰 艾辉
受保护的技术使用者：武汉帝尔激光科技股份有限公司
技术研发日：2022.09.16
技术公布日：2023/8/28