TW202414349A - 智慧型檢測系統 - Google Patents
智慧型檢測系統 Download PDFInfo
- Publication number
- TW202414349A TW202414349A TW111136188A TW111136188A TW202414349A TW 202414349 A TW202414349 A TW 202414349A TW 111136188 A TW111136188 A TW 111136188A TW 111136188 A TW111136188 A TW 111136188A TW 202414349 A TW202414349 A TW 202414349A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- module
- target
- different
- physical
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 238000010586 diagram Methods 0.000 claims abstract description 52
- 230000007547 defect Effects 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000000704 physical effect Effects 0.000 claims abstract description 34
- 230000005855 radiation Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims description 25
- 239000004065 semiconductor Substances 0.000 claims description 20
- 238000007689 inspection Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000005457 Black-body radiation Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004020 luminiscence type Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000005286 illumination Methods 0.000 abstract 1
- 238000005401 electroluminescence Methods 0.000 description 27
- 238000012360 testing method Methods 0.000 description 20
- 210000004027 cell Anatomy 0.000 description 13
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 241000228143 Penicillium Species 0.000 description 7
- 241001327634 Agaricus blazei Species 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 230000006798 recombination Effects 0.000 description 6
- 238000005215 recombination Methods 0.000 description 6
- 238000002189 fluorescence spectrum Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 3
- KXNLCSXBJCPWGL-UHFFFAOYSA-N [Ga].[As].[In] Chemical compound [Ga].[As].[In] KXNLCSXBJCPWGL-UHFFFAOYSA-N 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 229910000661 Mercury cadmium telluride Inorganic materials 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000005424 photoluminescence Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002210 silicon-based material Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- MCMSPRNYOJJPIZ-UHFFFAOYSA-N cadmium;mercury;tellurium Chemical compound [Cd]=[Te]=[Hg] MCMSPRNYOJJPIZ-UHFFFAOYSA-N 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- WPYVAWXEWQSOGY-UHFFFAOYSA-N indium antimonide Chemical compound [Sb]#[In] WPYVAWXEWQSOGY-UHFFFAOYSA-N 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- GKCNVZWZCYIBPR-UHFFFAOYSA-N sulfanylideneindium Chemical compound [In]=S GKCNVZWZCYIBPR-UHFFFAOYSA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Abstract
本發明提供一種智慧型檢測系統，其包含：影像模組、檢測目標模組及物理模型處理模組；檢測目標模組能夠對待測物進行掃描模式，並控制影像模組以不同的物理屬性擷取待測物於掃描模式下之複數目標影像，掃描模式能夠為時間、電壓、電流或光照改變所放射出螢光或是熱輻射；物理模型處理模組接收各目標影像，物理模型處理模組將不同物理屬性之各目標影像進行疊加影像處理，並經由物理算式結合色度座標圖，產生檢測結果影像，檢測結果影像顯示所構成的影像分佈，物理模型處理模組藉由檢測結果影像取得待測物之功能、特徵、缺陷位置或缺陷位置之判斷結果。
Description
本發明係關於一種缺陷檢測相關領域，尤指一種針對具有半導體、電學非線性特性、時間變化之待測物的智慧型檢測系統。
目前太陽能系統案場廣泛以電壓錶及電流錶進行現場太陽光電模組的檢測，所測得的數據為整個大型元件的全體特性，並無法進行缺陷位置定位，因此，若電壓錶及電流錶量測的數據有問題，就會花費大量的人力及物力，將有問題的太陽光電模組搬運回測試實驗室，藉由測試實驗室之設備進一步檢測與將缺陷位置定位；其中，若檢測結果為太陽光電模組有嚴重問題不堪使用，則立即更換新的太陽光電模組；若檢測結果沒有太大問題，則需要將太陽光電模組搬運回案場現場，再次花費人力及物力進行重新安裝架設之復原工作。
再者，發電中的太陽光電模組因光電轉換產生電流流動與輸出，會讓太陽光電模組在優良與不良區域產生熱分佈的不均勻，藉由發熱區域的檢測方式，能夠了解太陽光電模組的缺陷狀況，而目前針對發熱區域的檢測方式，是利用專業人員於現場例行巡檢時，對太陽光電模組拍攝熱影像，並藉由專業人員以人工方式判讀熱影像，以確認模組或元件的發熱區域，但是即便專業人員經過訓練，仍難以透過人工方式精準判斷檢測結果。
另外，當太陽光電模組出廠時，產業規則都會有拍攝電致發光(Electroluminescence, EL)影像的SOP流程，主要釐清產品出貨的責任，因此EL影像就成為往後使用及老化的比對基準，接續在案場現場就有定期檢查或抽檢安排，通常也會排入EL影像檢測，通常所拍攝的EL影像僅於判斷太陽電池破裂與否，尚無再運用EL影像獲得更多的資訊，主要原因是需要多種檢測訊息(如EL影像、熱影像…等的交叉比對)，另需要專業人員及經驗資料庫進行判讀，而現場作業人員經訓練也難以達到影像專業判讀能力。
太陽光電模組也有隨時間變化的長期可靠度及其性能衰退分析，擷取待測物於掃描模式下之複數目標影像，其中，掃描模式為時間，即不同時間點所擷取的複數目標影像，如同產品履歷，觀察影像的長期變化，精準判斷待測物的特徵及缺陷定位，進而取得精確的判斷結果；若應用於農業待測物(如蘑菇等)的，掃描模式為時間，即不同時間點所擷取蘑菇的複數目標影像，隨時間變化的長期可靠度及其性能衰退情況，如同產品履歷，觀察影像的長期變化，精準判斷待測物生長的特徵及缺陷定位，缺陷定位可為蘑菇汙染物，如青黴菌、髒污…等。
因此，現行太陽能系統的檢測方式，除了現場僅能檢測簡單數據，無法準確判斷缺陷位置，導致需要耗費大量人力及物力才能獲得準確檢測結果以外，現場的檢測結果仍需仰賴人工判讀，難以有效率且準確取得判讀結果。
為解決上述課題，本發明提供一種智慧型檢測系統，透過不同物理屬性的影像，以精準判斷待測物的特徵及缺陷定位，進而取得精確的判斷結果。
本發明之一項實施例提供一種智慧型檢測系統，其包含：一影像模組，其能以不同的物理屬性擷取一待測物之影像；一檢測目標模組，其與影像模組耦接且與待測物連接，檢測目標模組能夠對待測物進行一掃描模式，並控制影像模組以不同的物理屬性擷取待測物於掃描模式下之複數目標影像，其中，掃描模式能夠為電壓、電流或光照改變所放射出螢光(luminescence)或是熱輻射(thermal radiation)；以及一物理模型處理模組，其與檢測目標模組耦接且接收各目標影像，物理模型處理模組將不同物理屬性之各目標影像進行疊加影像處理，並經由一物理算式結合一色度座標圖，產生一檢測結果影像，檢測結果影像能顯示所構成的影像分佈，物理模型處理模組藉由檢測結果影像取得待測物之功能、特徵、缺陷位置或缺陷位置之判斷結果。
藉由上述，本發明透過不同物理屬性的影像及結合色度座標圖之顯示，以此所構成的影像分佈，精準判斷待測物的特徵及缺陷定位，進而取得精確的判斷結果；藉此，能夠改善習知無法在現場精準判斷待測物缺陷定位的問題，以及能夠有效改善仰賴人工判斷不精準的問題。
為便於說明本發明於上述發明內容一欄中所表示的中心思想，茲以具體實施例表達。實施例中各種不同物件係按適於說明之比例、尺寸、變形量或位移量而描繪，而非按實際元件的比例予以繪製。
本發明所提到的方向用語，例如「上」、「下」、「前」、「後」、「左」、「右」、「內」、「外」、「側面」等，僅是圖式的方向；因此，使用的方向用語是用以說明及理解本發明，而非用以限制本發明，合先敘明。
請參閱圖1至圖14c所示，本發明提供一種智慧型檢測系統100，其包含：
一影像模組10，其能以不同的物理屬性擷取一待測物1之影像；影像模組10能夠以紫外光、可見光、近紅外光、黑體輻射熱、紅外線、微波、兆赫波其中之一頻譜範圍拍攝待測物1，以產生待測物1之不同物理屬性影像；其中，待測物1具有半導體、電學非線性特性，例如待測物1為太陽光電模組、太陽能電池。
一檢測目標模組20，其與影像模組10耦接且與待測物1連接，檢測目標模組20能夠對待測物1進行一掃描模式，並控制影像模組10以不同的物理屬性擷取待測物1於掃描模式下之複數目標影像，其中，掃描模式能夠為電壓、電流或光照改變所放射出螢光(luminescence)或是熱輻射(thermal radiation)；檢測目標模組20對待測物1以持續或間接進行掃描模式。
進一步說明，當待測物1具有半導體特性，依據光譜能階物理需要以外加能量的方式讓半導體產生螢光光譜，由半導體能隙(band gap)理論可說明，當對待測物1外加能量後，待測物1之激發狀態若處在高能量之電子，則能獲得足夠的能量從價電帶(valence band)躍遷到導電帶(conduction band)，經過有限時間後，載子將復合至較低能量狀態，而電子會從導電帶再度躍遷回到價電帶而與電洞結合，並將導電帶與價電帶間能量釋放出，釋放出光或熱的形式，由此產生螢光影像，如近紅外光影像、短波可見光影像等。
請參閱圖2所示光譜範圍，當待測物1為半導體的太陽能電池，說明影像可為紫外光影像(光波長＜400nm)、可見光影像(400nm~800nm)、近紅外光影像(1μm ~2μm)、黑體輻射熱影像(2μm ~1mm)、微波影像(1mm~1m)等等，半導體激發螢光波長取決於能隙大小，矽材料之能隙約為1.11eV，等同螢光波長約為1.15μm，針對螢光光譜之電荷耦合元件(charge coupled device, CCD)的選用，可選用不同能隙之半導體材料，其中，可見光偵測範圍可選用矽(silicon)材料，砷化銦鎵(InGaAs)材料偵測光譜範圍0.9μm ~1.7μm，熱輻射偵測選用銻化銦(InSb)和碲鎘汞(HgCdTe)材料，因此在待測物1為太陽能電池之螢光光譜則選用砷化銦鎵電荷耦合元件；而小於880nm的可見光譜範圍是接面崩潰輻射(junction breakdown radiation)，矽半導體能階螢光(band-to-band luminescence, B2B)波長範圍約1.1~1.2μm，這波段是太陽能電池之半導體的螢光範圍；另外，經由晶格錯位(dislocation states)之缺陷能階會產生輻射復合波長範圍1.2~1.6μm，這波段是太陽能電池中的半導體雜質所產生的螢光範圍，室溫之黑體輻射(black body radiation)主要為熱輻射範圍，這波段是太陽能電池之光電轉換除外的其餘能量轉為熱能，因太陽光譜中僅300~1200nm能將光能量轉換為電能量，300~1200nm波段外的能量即可能產生熱型式的熱輻射範圍。
再者，檢測目標模組20能夠對待測物1進行掃描模式為外部能量激發，而外部能量激發可為外加光照射能量或外加電壓能量，其中，請參閱圖3所示，當檢測目標模組20能夠對待測物1進行掃描模式為外加光照射能量時，是利用功率放大器激發790~940nm的雷射光波長，將光源調整為準直光後，使用均勻光強度的雷射入射待測物1而光致發光(Photoluminescence, PL)。
請參閱圖4所示，當檢測目標模組20能夠對待測物1進行掃描模式為外加電壓能量時，是利用電源供應器加入順向偏壓，以電致發光(Electroluminescence, EL)來激發螢光光譜的方法，載子復合(carrier recombination)所經時間稱為複合生命期(recombination lifetime)，其能量形式可分為兩類，分別為非輻射複合(non-radiative recombination)及輻射復合(radiative recombination)，在能量轉移過程中，直接躍遷為電子持續維持動量，使電子從導電帶直接躍遷到價電帶進而發出光子，而間接躍遷為電子與電洞結合而改變動量，使得躍遷困難而多以熱方式將能量放出；而輻射複合產生的光子是螢光光譜的來源，待測物1因為非直接能隙材料而有較低之輻射複合率，可使用高於能隙能量之方式產生激發。
請參閱圖5a所示，檢測目標模組20能夠控制影像模組10在一般可見光的物理屬性下拍攝待測物1，影像模組10會傳送待測物1於可見光時的影像。
請參閱圖5b所示，檢測目標模組20能夠對待測物1進行掃描模式，以對待測物1外加順向電壓，由影像模組10以近紅外線螢光物理屬性下拍攝待測物1，影像模組10能擷取待測物1產生的電致發光 (Electroluminescence, EL)影像，由此能夠顯示待測物1的傳導電阻情形，因此適合用於觀測待測物1的破裂情形。
請參閱圖5c所示，檢測目標模組20能夠對待測物1進行掃描模式，以對待測物1外加光照射能量，使待測物1光電轉換除外的其餘能量轉為熱能，由影像模組10以黑體熱輻射物理屬性下拍攝待測物1，影像模組10能擷取待測物1產生的黑體熱輻射影像，由此產生的成像影像品質，是取決於待測物1之電荷耦荷元件的解析度與量子效率(Quantum Efficiency)因素；舉例說明：待測物1為太陽電池，而太陽電池受到太陽的光照射後，會將光能轉換為電能，即太陽電池上會有電壓與電流的作用，不同太陽光照射強度會有不同半導體特性變化(產生影像變化率)，熱影像為太陽光無法產生電能的剩餘能量，可以熱型式顯示於熱影像儀器，因此不同熱影像變化率的缺陷掃描定位方法，原理相同於缺陷掃描定位，變化率決定缺陷位置，影像變化率可經由掃描模式(電壓改變、電流改變、光照度改變-PL)所放射出螢光(luminescence)或熱輻射(thermal radiation)而經由相機擷取出影像，藉由掃描模式產生影像的變化梯度，決定出變化梯度大的影像區域即為缺陷定位的位置。
請參閱圖5d所示，檢測目標模組20能夠對待測物1進行掃描模式，以對待測物1外加逆向電壓，由影像模組10以短波可見光物理屬性下拍攝待測物1，影像模組10能擷取待測物1產生的電致發光影像(Electroluminescence, EL)，由此能夠顯示待測物1因pn接面接觸不良或絕緣不良區域，因此適合用於觀測待測物1的漏電流。
於本發明之另一實施例中，檢測目標模組20能夠將同一物理屬性下所擷取的各目標影像進行疊加影像處理，以產生具有影像梯度變化之一檢測影像，檢測目標模組20由檢測影像分析取得變化梯度大之影像區域，並判斷為待測物1之缺陷位置。
進一步說明，檢測目標模組20採用掃描模式對待測物1外加不同電壓，並操控影像模組10拍攝不同電壓下的待測物1的影像，而檢測目標模組20透過擷取在同一物理屬性下的不同電壓所產生待測物1的影像進行疊加影像處理，而推算影像變化率；請參閱圖6所示，檢測目標模組20對同一待測物1外加多個順向偏壓，而圖中所顯示的6條特性曲線代表6個待測物1的結果，6條特性曲線中編號1斜率大代表較良好的半導體特性，相對的編號5與編號6斜率小代表較差的半導體特性，因此反應在影像顯示上，良好的半導體特性在不同外加電壓有高變化率(斜率大)，較差的半導體特性在不同外加電壓有低變化率(斜率小)；由前述可知，檢測目標單元之缺陷掃描定位方法，能夠直接對應檢測出待測物1(本實施例為太陽電池)高性能、低性能、破裂缺陷等特性。
上述為外加順向偏壓獲得影像變化率的缺陷掃描定位方法，相同原理可應用於外加逆向偏壓特性實驗，請參閱圖7所示，為6個待測物1的結果，當多個逆向電壓由0V變化至-110V間，每個外加電壓都可以拍攝EL圖(如圖7的影像)，同理可推得多個電壓推算影像變化率，完成缺陷掃描定位。
再者當檢測目標模組20對同一待測物1外加順向電壓由0V變化至65V間，影像模組10能對於每個外加電壓拍攝電致發光影像，當檢測目標模組20進行缺陷掃描定位時，圖8a之影像為外加順向偏壓58V(0.28A)條件下，由攝影模組拍攝的EL圖，圖8b之影像為外加更大的順向偏壓69V(2.4A)條件下由攝影模組拍攝的EL圖，圖8c之影像為檢測目標模組20將圖8b與圖8a進行疊加影像灰階數據運算，即將不同灰階進行運算(此實施例為減法)而獲得電壓推算影像變化率圖，因此，經由施加不同電壓所拍攝的EL圖進行影像的運算，即可獲得影像上較大變化率的位置，將此位置做為缺陷掃描定位，針對圖8a至圖8c中的定位說明如：(1)定位點A為變化多個電壓但在影像灰階上非常微小的變化率，可視為pn接面性能差(性能低落區域)，(2)定位點B為變化多個電壓相對於影像灰階呈現均勻且正比相關的變化率，可視為pn接面性能良好(高性能區域)，(3)定位點C為變化多個電壓但在影像灰階同時呈現高變化率及低變化率，所以在待測物1(本實施例為同一片太陽電池)應為均勻影像，但產生變化率的落差即可能為電池破裂，因此可視為pn接面部分破裂、部分沒有破裂(破裂缺陷區域)。
一物理模型處理模組30，其與檢測目標模組20耦接且接收各目標影像，物理模型處理模組30將不同物理屬性之各目標影像進行疊加影像處理，並經由一物理算式結合一色度座標圖，產生一檢測結果影像，檢測結果影像能顯示所構成的影像分佈，物理模型處理模組30藉由檢測結果影像取得待測物1之功能、特徵、缺陷位置或缺陷位置之判斷結果；其中，物理模型處理模組30能將各目標影像進行疊加、去雜訊、分割、特徵強化、特徵擷取與辨識解析其中之一或及其組合之影像處理。
進一步說明，物理模型處理模組30之影像整合缺陷分析流程，依序分別為影像轉換、影像型式處理、特徵辨識、特徵分析計算、量化評比運算，以判別缺陷的精確度取決於影像校正、數值正規化、二值化、影像識別與電荷耦荷元件量子效率等因素，當擷取出靈敏的影像訊號後，即可進行螢光影像做區域缺陷的辨識，並定義故障特徵及建立實測資料庫診斷，如圖9所示，其結果已整合變電壓及色度座標的物理模型處理單元特性，並進行監測與診斷結果之判別。
再者，物理算式係由電子元件所構成之一電路模型，電路模型依據不同電子元件特性來代表不同物理屬性，電路模型能夠係能階物理模型、電磁物理模型、熱力學物理模型或物理行為模型；其中，物理算式為等效二極體電路或半導體能階圖；於本發明實施例中，物理算式為等效二極體電路。
色度座標圖為三維基底，色度座標圖之三維基底能夠為分屬三個不同物理屬性參數，色度座標圖之三維基底係將三個不同屬性參數以色度座標顯示來判斷待測物1的特徵、缺陷位置或缺陷位置之判斷結果，或是將三個不同屬性參數分別調整不同權重，再標示於色度座標，由不同權重取得待測物1的功能；其中，色度座標圖之座標以數學模式來定義色彩空間，色度座標圖之色彩空間影像處理方式能夠是CIE XYZ、CIE RGB、YIQ、HSV、YUV、CMY或HSI。
請參閱圖10所示，物理算式為等效二極體電路，串聯電阻(Rs)表示電路上的阻力，可以順向偏壓EL影像可代表不同影像區域的傳導能力特性/阻力，並聯電阻(Rsh)與二極體特性(D)表示電路上的短路特性，可以逆向偏壓EL影像代表不同影像區域的漏電流或短路絕緣特性，電流源(IL)表示電路上的外部輸入能量特性，太陽光譜能量可轉換為電能及熱能，因此熱影像代表不同影像區域的光能轉電能的損失及光譜未利用的損失，即熱影像代表電流源(IL)元件；Vout與Iout即為這三種影像(順向偏壓EL影像、逆向偏壓EL影像、熱影像)的共同輸出特性，將此共同輸出特性以色度座標圖進行影像的顏色配色，顯示出影像空間上不同區域(localized)的缺陷診斷特性。
請參閱圖11所示，物理模型處理模組30利用電子元件所構成電路模型，以說明外加電壓對應於電路元件的量測方式，其中，外部輸入電源端點於Vin端，(1)當(+)端點與(-)端點分別接於電源供應器的正極與負極，此時為順向偏壓，順向偏壓路徑僅會經過串聯電阻(Rs)與二極體(D)的電路元件，因此順向偏壓之電流會走電阻小的二極體(D)路徑，獲得所量測出的EL影像僅會對應至串聯電阻(Rs)與二極體(D)的電路元件，一般而言二極體(D)內部電阻相較串聯電阻(Rs)數值小過100倍以上，因此可忽略二極體(D)內部電阻，即順向偏壓EL影像代表串聯電阻(Rs)元件；(2)當(+)端點與(-)端點分別接於電源供應器的負極與正極，此時反接方式為逆向偏壓，逆向偏壓路徑僅會經過並聯電阻(Rsh)的電路元件，因此逆向偏壓之電流會走串聯電阻(Rs)與並聯電阻(Rsh)路徑，獲得所量測出的EL影像僅會對應至串聯電阻(Rs)與並聯電阻(Rsh)的電路元件，一般而言並聯電阻(Rsh)相較串聯電阻(Rs)數值大過100倍以上，因此可忽略串聯電阻(Rs)，即逆向偏壓EL影像代表並聯電阻(Rsh)元件。
當物理模型處理模組30將不同物理屬性之各目標影像(順向偏壓EL影像、逆向偏壓EL影像、熱影像)進行疊加影像處理，並經由物理算式結合色度座標圖的共同輸出特性，請參閱圖12，將此共同輸出特性以色度座標圖之座標進行影像的顏色配色，顯示出影像空間上不同區域(localized)的缺陷診斷特性，圖12中的紅藍綠三維基底，而三維基底將三個不同屬性參數以色度座標圖顯示來判斷串聯電阻(順向)、並聯電阻(逆向)、光電流的共同輸出，結果為其特徵或缺陷，另可使用不同權重調整三個不同屬性參數(串聯電阻(順向)、並聯電阻(逆向)、光電流)，再標示於色度座標圖顯示，由權重可具智慧決定出追蹤檢測目標的功能，顯示於影像之區域定位。
需特別說明的是，在物理模型處理模組30方面，以國際測試規範IEC61215 為標準，利用三維基底可為分屬三個不同物理屬性參數，三維基底將三個不同屬性參數以色度座標圖顯示來判斷結果，結果為其特徵或缺陷。另外三個不同屬性參數可分別調整不同權重，再標示於色度座標圖顯示，由權重可具智慧決定出檢測目標的功能，權重的調整採用類神經網路的訓練資料設計。
而三個不同屬性參數可分別調整不同權重，再標示於色度座標圖顯示，進一步可融入人工智慧或專家系統進行資料判讀，初步擬定有四個輸入、三個輸出、一層隱藏層，隱藏層有四個神經元，以等效二極體模型法、色度座標圖顯示進行物理模型處理，關聯太陽光電模組與數學模型之狀態監測與診斷系統功能設計，基於產品出廠履歷、例行檢測、長期可靠度之資料庫，可探討太陽能電池模組常見的缺陷故障及其品質間的關係，物理模型處理選用的關鍵參數，可經過IEC61215 規範試驗後可延伸至太陽模組串列的傳導電阻、絕緣電阻、濕漏電阻…等，資料庫建立可採用量測試驗前後太陽能電池模組的最大功率衰減比例、螢光影像量化指標的衰減比例，最後依據品質評價模型的輸出形式，將評價分為多級或三級（A、B、C），依據採集資料進行學習訓練，進行預測正確率與設定參數的修正研究，經由本發明智慧型檢測系統100以期達到狀態監測與診斷功能。
以巴西蘑菇生長為例，常因人為或環境汙染而有巴西蘑菇感染黴菌(青黴菌)，請參閱圖13a以及圖13b所示，圖13a為正常的巴西蘑菇(沒有黴菌)，圖13b為汙染的巴西蘑菇(綠色區域有青黴菌)，利用掃描模式為時間，即不同時間點所擷取的複數目標影像，圖13a以及圖13b之巴西蘑菇相差5天，如同產品履歷，觀察影像的長期變化，精準判斷待測物1(巴西蘑菇)的青黴菌特徵及此缺陷定位，進而取得精確的判斷結果。
請參閱圖14a至圖14c所示，檢測目標(巴西蘑菇)隨時間變化，以影像處理color threshold HSV演算法來比較圖13a以及圖13b前後的影像，取得熱影像變化梯度大的區域(如圖14a)，呈現物理屬性為不同物質之異樣顏色發生區域；檢測目標(巴西蘑菇)隨時間變化，以可見光影像處理color threshold RGB演算法來比較圖13之5天前後的影像，取得影像變化梯度大的區域(如圖14b)，呈現物理屬性為連續成長之褐色連動生長區域；檢測目標(巴西蘑菇)隨時間變化，以可見光影像處理Color location演算法來比較圖13之5天前後的影像，取得影像變化梯度大的區域(如圖14(c))，呈現物理屬性為青黴菌嚴重區域；物理模型處理模組30將此不同物理屬性之各目標影像進行疊加影像處理，三維基底將三個不同屬性參數以色度座標圖顯示來判斷結果，結果為其特徵(或缺陷)，依據採集資料進行學習訓練，進行預測正確率與設定參數的修正研究，經由本發明智慧型檢測系統100以期達到狀態監測與診斷功能。
因此，本發明智慧型檢測系統100，能透過不同物理屬性的影像及結合色度座標圖之顯示，以此所構成的影像分佈，精準判斷待測物1的特徵及缺陷定位，進而取得精確的判斷結果。
以上所舉實施例僅用以說明本發明而已，非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或變化，俱屬本發明意欲保護之範疇。
1:待測物
100:智慧型檢測系統
10:影像模組
20:檢測目標模組
30:物理模型處理模組
圖1係本發明系統方塊示意圖。
圖2係本發明激發螢光光譜與半導體材料偵測範圍示意圖。
圖3係本發明之掃描模式為外加光照射能量示意圖。
圖4係本發明之掃描模式為外加電壓能量示意圖。
圖5a係本發明影像模組以可見光拍攝待測物所產生之影像示意圖。
圖5b係本發明影像模組以近紅外光拍攝待測物所產生之影像示意圖。
圖5c係本發明影像模組以黑體輻射熱拍攝待測物所產生之影像示意圖。
圖5d係本發明影像模組以短波可見光拍攝待測物所產生之影像示意圖。
圖6係本發明檢測目標模組以掃描模式外加不同順向電壓之特性曲線示意圖。
圖7係本發明檢測目標模組以掃描模式外加不同逆向電壓之特性曲線示意圖。
圖8a係本發明外加順向電壓之影像示意圖，表示為外加順向偏壓58V(0.28A)。
圖8b係本發明外加順向電壓之影像示意圖，表示為外加順向偏壓69V(2.4A)。
圖8c係本發明將圖8a與圖8b影像疊加處理影像示意圖。
圖9係本發明色度座標圖，表示特徵缺陷的區域定位與缺陷診斷示意圖。
圖10係本發明等效二極體電路模型示意圖。
圖11係本發明物理模型處理模組利用電子元件所構成電路模型實施例示意圖。
圖12係本發明色度座標圖之座標示意圖。
圖13a係正常未生長黴菌之巴西蘑菇影像示意圖。
圖13b係受汙染而有青黴菌之巴西蘑菇影像示意圖。
圖14a係本發明檢測巴西蘑菇呈現物理屬性為不同物質之異樣顏色發生區域之色度座標圖。
圖14b係本發明檢測巴西蘑菇呈現物理屬性為連續成長之褐色連動生長區域之色度座標圖。
圖14c係本發明檢測巴西蘑菇呈現物理屬性為青黴菌嚴重區域之色度座標圖。
1:待測物
100:智慧型檢測系統
10:影像模組
20:檢測目標模組
30:物理模型處理模組
Claims (10)
- 一種智慧型檢測系統，其包含： 一影像模組，其能以不同的物理屬性擷取一待測物之影像； 一檢測目標模組，其與該影像模組耦接且與該待測物連接，該檢測目標模組能夠對該待測物進行一掃描模式，並控制該影像模組以不同的物理屬性擷取該待測物於該掃描模式下之複數目標影像，其中，該掃描模式能夠為時間、電壓、電流或光照改變所放射出螢光(luminescence)或是熱輻射(thermal radiation)；以及 一物理模型處理模組，其與該檢測目標模組耦接且接收各該目標影像，該物理模型處理模組將不同物理屬性之各該目標影像進行疊加影像處理，並經由一物理算式結合一色度座標圖，產生一檢測結果影像，該檢測結果影像能顯示所構成的影像分佈，該物理模型處理模組藉由該檢測結果影像取得該待測物之功能、特徵、缺陷位置或缺陷位置之判斷結果。
- 如請求項1所述之智慧型檢測系統，其中，該檢測目標模組能夠將同一物理屬性下所擷取的各該目標影像進行疊加影像處理，以產生具有影像梯度變化之一檢測影像，該檢測目標模組由該檢測影像分析取得變化梯度大之影像區域，並判斷為該待測物之缺陷位置。
- 如請求項1或2所述之智慧型檢測系統，其中，該影像模組能夠以紫外光、可見光、近紅外光、黑體輻射熱、紅外線、微波、兆赫波其中之一頻譜範圍拍攝該待測物，以產生該待測物之不同物理屬性影像。
- 如請求項3所述之智慧型檢測系統，其中，該物理模型處理模組能將各該目標影像進行疊加、去雜訊、分割、特徵強化、特徵擷取與辨識解析其中之一或及其組合之影像處理。
- 如請求項3所述之智慧型檢測系統，其中，該待測物具有半導體、電學非線性特性、或隨時間變化特性。
- 如請求項3所述之智慧型檢測系統，其中，該檢測目標模組對該待測物以持續或間接進行該掃描模式。
- 如請求項1所述之智慧型檢測系統，其中，該物理算式係由電子元件所構成之一電路模型，該電路模型依據不同電子元件特性來代表不同物理屬性，該電路模型能夠係能階物理模型、電磁物理模型、熱力學物理模型或物理行為模型。
- 如請求項7所述之智慧型檢測系統，其中，該物理算式為等效二極體電路或半導體能階圖。
- 如請求項1所述之智慧型檢測系統，其中，該色度座標圖為三維基底，該色度座標圖之三維基底能夠為分屬三個不同物理屬性參數，該色度座標圖之三維基底係將三個不同屬性參數以色度座標顯示來判斷該待測物的特徵、缺陷位置或缺陷位置之判斷結果，或是將三個不同屬性參數分別調整不同權重，再標示於色度座標，由不同權重取得該待測物的功能。
- 如請求項9所述之智慧型檢測系統，其中，該色度座標圖之座標以數學模式來定義色彩空間，該色度座標圖之色彩空間影像處理方式能夠是CIE XYZ、CIE RGB、YIQ、HSV、YUV、CMY或HSI。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111136188A TWI808009B (zh) | 2022-09-23 | 2022-09-23 | 智慧型檢測系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111136188A TWI808009B (zh) | 2022-09-23 | 2022-09-23 | 智慧型檢測系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI808009B TWI808009B (zh) | 2023-07-01 |
| TW202414349A true TW202414349A (zh) | 2024-04-01 |
Family
ID=88149175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111136188A TWI808009B (zh) | 2022-09-23 | 2022-09-23 | 智慧型檢測系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI808009B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102007016922A1 (de) * | 2007-04-05 | 2008-10-09 | Vistec Semiconductor Systems Gmbh | Verfahren zur Detektion von Defekten auf der Rückseite eines Halbleiterwafers |
| JP7418274B2 (ja) * | 2020-04-17 | 2024-01-19 | 東京エレクトロン株式会社 | 異物検査システム、異物検査方法、プログラム及び半導体製造装置 |
| CN112734692B (zh) * | 2020-12-17 | 2023-12-22 | 国网信息通信产业集团有限公司 | 一种变电设备缺陷识别方法及装置 |
| CN114636706A (zh) * | 2022-03-22 | 2022-06-17 | 江苏大学 | 一种太阳能电池片在镀膜后的图像检测的综合方法及装置 |
-
2022
- 2022-09-23 TW TW111136188A patent/TWI808009B/zh active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7601941B2 (en) | Method and apparatus for evaluating solar cell and use thereof | |
| CN104685349B (zh) | 用于检查光电模块的方法和设备 | |
| US8698083B2 (en) | Solar cell evaluation method, evaluation device, maintenance method, maintenance system, and method of manufacturing solar cell module | |
| US10554172B2 (en) | Illuminated outdoor luminescence imaging of photovoltaic modules | |
| Doll et al. | Photoluminescence for defect detection on full-sized photovoltaic modules | |
| US7847237B2 (en) | Method and apparatus for testing and evaluating performance of a solar cell | |
| Høiaas et al. | Inspection and condition monitoring of large-scale photovoltaic power plants: A review of imaging technologies | |
| JP6565112B2 (ja) | 太陽電池の評価方法及び評価装置 | |
| KR101055790B1 (ko) | 태양전지 교류 전계발광 화상검사 장치 | |
| Besold et al. | Quantitative imaging of shunts in organic photovoltaic modules using lock-in thermography | |
| Sporleder et al. | Quick test for reversible and irreversible PID of bifacial PERC solar cells | |
| Adams et al. | The influence of defects on the cellular open circuit voltage in CuInGaSe2 thin film solar modules—An illuminated lock-in thermography study | |
| Köntges et al. | Quantitative analysis of PV-modules by electroluminescence images for quality control | |
| Guo et al. | Quantitative analysis of crystalline silicon wafer PV modules by electroluminescence imaging | |
| Ciocia et al. | Realization and Use of an IR Camera for Laboratory and On-field Electroluminescence Inspections of Silicon Photovoltaic Modules | |
| WO2023272479A1 (zh) | 电站运维***、电站运维方法及光伏电站 | |
| CN108092624A (zh) | 一种太阳能电池开路电压分布的检测装置及其检测方法 | |
| TWI808009B (zh) | 智慧型檢測系統 | |
| TW202414349A (zh) | 智慧型檢測系統 | |
| Castañeda et al. | Field Inspection of PV modules: quantitative determination of performance loss due to cell cracks using EL images | |
| US20240178791A1 (en) | Intelligent detection system | |
| Doll et al. | Contactless outdoor photoluminescence of silicon photovoltaic modules with large area excitation source | |
| CN101915546B (zh) | 太阳能芯片的抗反射层的检测方法及检测装置 | |
| Kumar et al. | High-Speed Laser Beam Induced Current Imaging: A Complementary Quantitative Diagnostic Tool for Modules | |
| Doll et al. | Towards true contactless outdoor luminescence of silicon photovoltaic modules with inhomogeneous small area excitation source |