TWI421971B - 物件定位方法 - Google Patents
物件定位方法 Download PDFInfo
- Publication number
- TWI421971B TWI421971B TW100116862A TW100116862A TWI421971B TW I421971 B TWI421971 B TW I421971B TW 100116862 A TW100116862 A TW 100116862A TW 100116862 A TW100116862 A TW 100116862A TW I421971 B TWI421971 B TW I421971B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- detected
- target
- target object
- contour
- Prior art date
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Description
本發明是有關於一種物件定位方法。
隨著能源的日益耗盡,人們迫切地追求新能源的開發,而太陽能是一個具有潛在性的再生能源。太陽能電池是用來轉換太陽能的主要裝置,係利用太陽能源的一種簡單和直接的方法,將太陽輻射轉變成電,達到沒有噪音、污染等機械運作。至今,太陽能發電迅速成長也越來越重要,成為石化燃料發電以外的一種再生能源替代方案。目前發展的太陽光電產業是以矽晶材料發展之結晶矽太陽電池為關鍵元件,結合上游半導體材料與下游電力系統領域而建構的產業,包括上游的矽材料的長晶、拉晶及晶片切割、中游的太陽電池製造及範本封裝、及其他週邊零組件與下游的系統設計與安裝等。
太陽能電池在製程的數個階段上,皆會產生不同的AOI檢測需求。以電極網印與燒結製程來說,以銀漿將表面及背面印刷成輸出電路,表面為負極、背面為正極,其目的在於將太陽能電池晶片所產生的電力以最少的損失取出。然而,矽晶太陽能晶片在生產製造或檢測的過程中,由於會發生旋轉或平移的情形,且太陽能晶片本身單薄且易碎裂,所以不宜使用傳統機構方式來定位。
因此,如何對矽晶太陽能晶片,使用傳統機構以外之方式進行定位,實屬當前重要研發課題之一,亦成為當前相關領域亟需改進的目標。
因此,本發明之一態樣是在提供一種物件定位方法。在物件定位方法中,將待檢測影像二值化,並根據二值化後之待檢測影像,計算出待檢測影像中目標物件之形心座標以及輪廓特徵。然後根據目標物件之形心座標以及輪廓特徵,計算其位移量以及旋轉量。物件定位方法包含以下步驟:接收一待檢測影像。將該待檢測影像二值化。根據二值化後之待檢測影像,計算一待檢測影像行程編碼資訊。根據待檢測影像行程編碼資訊,自檢測影像偵測數個可選物件。自可選物件中選擇面積最大者,作為一目標物件。計算目標物件之一目標物件形心座標。計算目標物件之一目標物件輪廓特徵。取得一樣本物件之一樣本物件形心座標以及一樣本物件輪廓特徵。根據目標物件形心座標以及樣本物件形心座標,計算目標物件之一位移量。根據目標物件輪廓特徵以及樣本物件輪廓特徵,計算目標物件之一旋轉量。
由上述本發明實施方式可知,應用本發明具有下列優點。不須傳統機構或治具定位,即可對待檢測影像上之物件進行定位。此外,可根據對物件定位後所計算出之物件位移量以及旋轉量,移動或旋轉所定位出之物件。尤其,在本發明之一實施例應用於太陽能晶片之定位時,可避免藉由傳統機構或治具對太陽能晶片定位而產生之碎裂。另外,利用待檢測影像上之物件之輪廓進行比對,可減少對待檢測影像上之物件進行定位時,所需處理的像素數量。於是,可減少物件定位所需之運算量,並提升物件定位之效率。
以下將以圖式及詳細說明清楚說明本發明之精神,任何所屬技術領域中具有通常知識者在瞭解本發明之較佳實施例後,當可由本發明所教示之技術,加以改變及修飾,其並不脫離本發明之精神與範圍。
請參照第1圖,其係依照本發明一實施方式的一種物件定位方法之流程圖。在物件定位方法中,將待檢測影像二值化,並根據二值化後之待檢測影像,計算出待檢測影像中目標物件之形心座標以及輪廓特徵。然後根據目標物件之形心座標以及輪廓特徵,計算其位移量以及旋轉量。物件定位方法可實作為一電腦程式,並儲存於一電腦可讀取記錄媒體中,而使電腦讀取此記錄媒體後執行物件定位方法。電腦可讀取記錄媒體可為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之電腦可讀取記錄媒體。
物件定位方法100包含以下步驟:
在步驟110中,接收一待檢測影像。其中,待測影像可透過有線或無線資料傳輸方式接收(步驟110)。此外,在本發明之一實施例中,可在步驟110前,驅動一攝影元件拍攝待檢測影像。
在步驟130中,將待檢測影像二值化。在步驟130之一實施例中,可將待測影像上之像素值大於一閥值者設為1,並將待測影像上之像素值不大於閥值者設為0,以將待檢測影像二值化。此外,在其他實施例中,可將待測影像上之像素值等於閥值者亦設為1,並不限於本揭露。其中,可設定一固定之閥值,進行步驟130之二值化。另外,在本發明之另一實施例中,可藉由將待檢測影像轉換為黑白影像,二值化待檢測影像。
此外,由於待檢測影像在拍攝時,可能因環境及光源角度的影像,造成待檢測影像上之物件色澤深淺不均,影響步驟130之二值化之結果。因此,亦可在步驟130前,使用Otus’s二值化演算法,計算對應於待檢測影像之一待檢測影像二值化閥值(步驟120)。其中,Otus’s二值化演算法主要是在二值化前,找到一個閥值,讓不同的群組分開。其原理是將灰階分佈圖分成兩集群,藉由此兩群變異數加權總合為最小,即找到最佳二值化閥值。如此一來,在本發明之一實施例應用於太陽能晶片之定位時,可藉由計算出適合待檢測影像之閥值,確保待檢測影像上之物件(如太陽能晶片之影像)之完整性,並避免由於環境以及光源角度的影響,而造成待檢測影像上之物件於二值化後殘缺。
在步驟140中,根據二值化後之待檢測影像,計算一待檢測影像行程編碼資訊。其中,在本發明之一實施例中,可在將待檢測影像二值化(步驟130)之同時,根據二值化後之待檢測影像,計算一待檢測影像行程編碼資訊。參照第2圖,其係在將待檢測影像二值化(步驟130)之同時,根據二值化後之待檢測影像,計算一待檢測影像行程編碼資訊(步驟140)之一實施例。舉例來說,當掃瞄到待檢測影像上大於待檢測影像二值化閥值的像素時,則建立一個行程(Run=0),並記錄該像素的y座標(Y=0)與x軸座標為行程之起點(XL=1),直到下一個未符合待檢測影像二值化閥值之像素時,則記錄其前一個像素的x軸座標為行程之迄點(XR=3)。此外,待檢測影像行程編碼資訊可用以記錄待檢測影像上之各物件之輪廓上之像素座標。舉例來說,根據待檢測影像行程編碼資訊之Run 6可知,待檢測影像上之物件301之輪廓上之像素座標包含(2,3)以及(2,4)。在本發明之另一實施例中,亦可在掃瞄到待檢測影像上大於或等於待檢測影像二值化閥值的像素時,建立一個行程,並記錄該像素的y座標與x軸座標為行程之起點,直到下一個未符合(大於或等於)待檢測影像二值化閥值之像素時,則記錄其前一個像素的x軸座標為行程之迄點。然而,在其他實施例中,可藉由其他行程編碼方式,計算待檢測影像行程編碼資訊(步驟140),並不限於本揭露。
此外,即使待檢測影像二值化閥值係藉由Otus’s二值化演算法所計算,待檢測影像上之物件仍可能因為受本身色澤、環境或光源之影響,造成局部像素值或灰階度與整理落差較大,因而使得待檢測影像之物件仍可能發生殘缺。因此,可在步驟150中,對待檢測影像行程編碼資訊進行閉合運算。參照第3A圖以及第3B圖,其係對待檢測影像行程編碼資訊進行閉合運算前後,一待檢測影像400之一實施例。在第3A圖中,待檢測影像400上之標示處401a上發生部分殘缺之情形。在閉合運算後,待檢測影像400上之標示處401b可被修補,而保持物件輪廓之完整性(如第3B圖所示)。
其中,可藉由膨脹運算以及侵蝕運算,對待檢測影像行程編碼資訊進行閉合運算(步驟150)。
在本發明之一實施例中,對待檢測影像行程編碼資訊進行閉合運算之膨脹運算計算式可為:
其中,Z
為該待檢測影像行程編碼資訊、N Z
為Z
的總行程數、S
為一結構元素行程編碼資訊、N S
為S
的總行程數、y
為影像行程之y座標、xL
為影像行程之起點之x座標、xR
為影像行程之終點之x座標。此外,可藉由快速排序法或其他排序演算法,將膨脹運算所計算待檢測影像行程編碼資訊之結果進行排序,再做聯集運算而完成膨脹運算。
在本發明之另一實施例中,對該待檢測影像行程編碼資訊進行閉合運算之侵蝕運算計算式可為:
其中,Z
為該待檢測影像行程編碼資訊、N Z
為Z
的總行程數、S
為一結構元素行程編碼資訊、N S
為S
的總行程數、y
為影像行程之y座標、xL
為影像行程之起點之x座標、xR
為影像行程之終點之x座標。此外,可藉由快速排序法或其他排序演算法,將侵蝕運算計算式所計算待檢測影像行程編碼資訊之結果進行排序,再做聯集與交集運算而完成侵蝕運算。然而,在其他實施例中,可藉由膨脹運算以及侵蝕運算的不同組合方式,對待檢測影像行程編碼資訊進行閉合運算(步驟150),不限於本揭露。
在步驟160中,根據待檢測影像行程編碼資訊,自待檢測影像400偵測數個可選物件402、403、404。
在步驟170中,自可選物件402、403、404中選擇面積最大者,作為一目標物件402。然而,在其他實施例中,可藉由其他選擇方式,自可選物件選擇目標物件,並不限於本實施例。
在步驟180中,計算目標物件之一目標物件形心座標。
在步驟190中,計算目標物件之一目標物件輪廓特徵。其中,在步驟190之一實施例中,可使用輪廓追蹤技術,自待檢測影像擷取目標物件之一目標二維輪廓資訊。然後,將目標二維輪廓資訊轉換為一目標一維輪廓資訊。上述轉換中,可先計算目標二維輪廓資訊上各點至形心的歐幾里得距離(Euclidean Distance),以將輪廓的二維資訊轉換成一維資訊為,其中N
為輪廓總點數,將目標二維輪廓資訊轉換為一目標一維輪廓資訊之計算式可為:
然後,使用傅立葉描述子,將目標一維輪廓資訊轉換為目標傅立葉描述特徵,並將目標傅立葉描述特徵視為該目標物件輪廓特徵,而計算出目標物件之一目標物件輪廓特徵(步驟190)。其中,將目標一維輪廓資訊轉換為目標傅立葉描述特徵之計算式可為:
其中,為目標傅立葉描述特徵,為目標一維輪廓資訊。然而,在其他實施例中,可藉由其他物件輪廓資訊,描述物件特徵(步驟190),並不限於本揭露。
在步驟200中,取得一樣本物件之一樣本物件形心座標以及一樣本物件輪廓特徵。其中,可在步驟200前,接收一參考影像,並接收一選擇樣本訊號,用以自參考影像選擇一樣本物件。然後,計算樣本物件之一樣本物件形心座標以及一樣本物件輪廓特徵,以供步驟200取得。
其中,可藉由Otus’s二值化演算法、影像二值化並行程編碼、閉合運算(由膨脹運算以及侵蝕運算之不同組合方式所執行)以及輪廓特徵擷取等步驟,輔助計算樣本物件之樣本物件形心座標以及樣本物件輪廓特徵。
在步驟210中,根據目標物件形心座標以及樣本物件形心座標,計算目標物件之一位移量。其中,步驟210可計算目標物件形心座標以及樣本物件形心座標間之差值,作為目標物件之位移量。上述差值運算之計算式可為:
其中,為樣本物件形心座標,為目標物件形心座標。
在步驟220中,根據目標物件輪廓特徵以及樣本物件輪廓特徵,計算目標物件之一旋轉量。其中,根據目標物件輪廓特徵以及樣本物件輪廓特徵,計算目標物件之旋轉量之計算式可為:
其中θ為目標物件之旋轉量,
N
為目標物件之一輪廓總點數,x
函數以及y
函數分別為目標物件上之一輪廓像素之x座標以及y座標。
於是,可在步驟220中,根據位移量,移動目標物件。此外,可在步驟230中,根據旋轉量,旋轉目標物件。如此一來,不須傳統機構,即可對待檢測影像上之物件進行定位。此外,可根據對物件定位後所計算出之物件位移量以及旋轉量,移動或旋轉所定位出之物件。尤其,在本發明之一實施例應用於太陽能晶片之定位時,可避免藉由傳統機構對太陽能晶片定位而產生之碎裂。然而,在其他實施例中,本發明亦可應用於對其他類型之待檢測物品進行定位,並不限於本揭露。
由上述本發明實施方式可知,應用本發明具有下列優點。利用待檢測影像上之物件之輪廓進行比對,可減少對待檢測影像上之物件進行定位時,所需處理的像素數量。於是,可減少物件定位所需之運算量,並提升物件定位之效率。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100...物件定位方法
110~240...步驟
301...物件
400...待檢測影像
401a、401b...標示處
402、403、404...可選物件
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:
第1圖係依照本發明一實施方式的一種物件定位方法之流程圖。
第2圖係在將待檢測影像二值化(步驟130)之同時,根據二值化後之待檢測影像,計算一待檢測影像行程編碼資訊(步驟140)之一實施例。
第3A圖以及第3B圖係對待檢測影像行程編碼資訊進行閉合運算前後,一待檢測影像400之一實施例。
100...物件定位方法
110~240...步驟
Claims (10)
- 一種物件定位方法,包含:接收一待檢測影像;將該待檢測影像二值化;根據二值化後之該待檢測影像,計算一待檢測影像行程編碼資訊;根據該待檢測影像行程編碼資訊,自該檢測影像偵測複數個可選物件;自該些可選物件選擇一目標物件;計算該目標物件之一目標物件形心座標;計算該目標物件之一目標物件輪廓特徵;取得一樣本物件之一樣本物件形心座標以及一樣本物件輪廓特徵;根據該目標物件形心座標以及該樣本物件形心座標,計算該目標物件之一位移量;以及根據該目標物件輪廓特徵以及該樣本物件輪廓特徵,計算該目標物件之一旋轉量。
- 如請求項1所述之物件定位方法,更包含:根據該位移量,移動該目標物件;以及根據該旋轉量,旋轉該目標物件。
- 如請求項1所述之物件定位方法,其中計算該目標物件之該目標物件輪廓特徵包含:使用輪廓追蹤技術,自該待檢測影像擷取該目標物件之一目標二維輪廓資訊;將該目標二維輪廓資訊轉換為一目標一維輪廓資訊;以及使用特徵描述子,將該目標一維輪廓資訊轉換為目標描述特徵,並將該目標描述特徵視為該目標物件輪廓特徵。
- 如請求項1所述之物件定位方法,其中根據該目標物件輪廓特徵以及該樣本物件輪廓特徵,計算該目標物件之該旋轉量之計算式為:
- 如請求項1所述之物件定位方法,更包含:使用Otus’s二值化演算法,計算對應於該待檢測影像之一待檢測影像二值化閥值,藉此根據該待檢測影像二值化閥值,將該待檢測影像二值化。
- 如請求項1所述之物件定位方法,更包含:藉由膨脹運算以及侵蝕運算,對該待檢測影像行程編碼資訊進行閉合運算或斷開運算或其組合。
- 如請求項6所述之物件定位方法,其中對該待檢測影像行程編碼資訊進行閉合運算之膨脹運算計算式為:
- 如請求項6所述之物件定位方法,其中對該待檢測影像行程編碼資訊進行閉合運算之侵蝕運算計算式為:
- 如請求項1所述之物件定位方法,更包含:接收一參考影像;接收一選擇樣本訊號,用以自該參考影像選擇一樣本物件;計算該樣本物件之一樣本物件形心座標;以及計算該樣本物件之一樣本物件輪廓特徵。
- 如請求項1所述之物件定位方法,其中該目標物件為一太陽能晶片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100116862A TWI421971B (zh) | 2011-05-13 | 2011-05-13 | 物件定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100116862A TWI421971B (zh) | 2011-05-13 | 2011-05-13 | 物件定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201246440A TW201246440A (en) | 2012-11-16 |
TWI421971B true TWI421971B (zh) | 2014-01-01 |
Family
ID=48094554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100116862A TWI421971B (zh) | 2011-05-13 | 2011-05-13 | 物件定位方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI421971B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI731671B (zh) * | 2020-05-07 | 2021-06-21 | 美商矽成積體電路股份有限公司 | 異常晶片檢測方法與異常晶片檢測系統 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI579122B (zh) * | 2015-11-12 | 2017-04-21 | 國立臺北科技大學 | 機械手臂教導方法 |
TWI571829B (zh) * | 2016-03-17 | 2017-02-21 | 倍利科技股份有限公司 | 光學檢測方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020164164A1 (en) * | 2000-10-25 | 2002-11-07 | Shotoku Ltd. | Image pick-up method and image pick-up system |
US20030225484A1 (en) * | 2002-06-04 | 2003-12-04 | Samsung Electronics Co., Ltd. | Method and apparatus for controlling the rotation position of an object |
US20100110176A1 (en) * | 2007-03-22 | 2010-05-06 | Honda Motor Co., Ltd. | Position detection method and position detection device |
US20100166256A1 (en) * | 2006-11-03 | 2010-07-01 | Marcin Michal Kmiecik | Method and apparatus for identification and position determination of planar objects in images |
-
2011
- 2011-05-13 TW TW100116862A patent/TWI421971B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020164164A1 (en) * | 2000-10-25 | 2002-11-07 | Shotoku Ltd. | Image pick-up method and image pick-up system |
US20030225484A1 (en) * | 2002-06-04 | 2003-12-04 | Samsung Electronics Co., Ltd. | Method and apparatus for controlling the rotation position of an object |
US20100166256A1 (en) * | 2006-11-03 | 2010-07-01 | Marcin Michal Kmiecik | Method and apparatus for identification and position determination of planar objects in images |
US20100110176A1 (en) * | 2007-03-22 | 2010-05-06 | Honda Motor Co., Ltd. | Position detection method and position detection device |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI731671B (zh) * | 2020-05-07 | 2021-06-21 | 美商矽成積體電路股份有限公司 | 異常晶片檢測方法與異常晶片檢測系統 |
Also Published As
Publication number | Publication date |
---|---|
TW201246440A (en) | 2012-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Solar cell surface defect detection based on improved YOLO v5 | |
US12020417B2 (en) | Method and system for classifying defects in wafer using wafer-defect images, based on deep learning | |
US8750596B2 (en) | System and method for identifying defects in a material | |
Dhimish et al. | Development of novel solar cell micro crack detection technique | |
TW201630092A (zh) | 使用結構性資訊之缺陷偵測 | |
JP2015511310A (ja) | ウエハ検査のためのセグメント化 | |
WO2010064720A1 (ja) | 太陽電池セルの検査装置、検査方法及びそのプログラムを記録した記録媒体 | |
Al-Mashhadani et al. | Deep learning methods for solar fault detection and classification: a review | |
TWI421971B (zh) | 物件定位方法 | |
CN109120230B (zh) | 一种太阳能电池片el图像检测和缺陷识别方法 | |
JP2014202482A (ja) | 検査方法および検査装置 | |
CN112014407A (zh) | 一种集成电路晶圆表面缺陷检测的方法 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN113989241A (zh) | 一种基于图像处理与深度学习融合的光伏组件el缺陷检测方法 | |
CN113781458A (zh) | 一种基于人工智能的识别方法 | |
CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
Ahan et al. | AI-assisted cell-level fault detection and localization in solar PV electroluminescence images | |
Otamendi et al. | A scalable framework for annotating photovoltaic cell defects in electroluminescence images | |
CN112415013A (zh) | 一种铜箔缺陷检测*** | |
Kim et al. | Automatic detection of malfunctioning photovoltaic modules using unmanned aerial vehicle thermal infrared images | |
CN116228637A (zh) | 基于多任务多尺寸网络的电子元器件缺陷识别方法及装置 | |
CN111598851B (zh) | 一种基于形态学图像处理的太阳能电池破片检测方法 | |
Zhu et al. | C2DEM-YOLO: improved YOLOv8 for defect detection of photovoltaic cell modules in electroluminescence image | |
CN114881990A (zh) | 掩模版缺陷检测方法、装置、电子设备及存储介质 | |
CN112700415A (zh) | 一种笔电外壳缺陷快速检测算法 |