[发明专利]一种电致发光半导体板材表面缺陷AI检测方法

说明书

本发明涉及一种电致发半导体光板材表面缺陷AI检测方法，所述方法步骤包括进行第一次图像增强处理、进行图像缺陷标注和转化、训练验证测试图像的随机分配、进行第二次图像增强处理、建立目标检测神经网络、进行数据训练获得最佳权重参数、板材图像AI检测。本发明旨在解决现有技术中对电致发光半导体板材表面进行缺陷检测时，由于受图像数据集质量和数量的限制，以及图像数据预处理方法单一，像素算法网络规模较小的制约，缺陷识别速度慢，精确度低，并且缺乏准确分类和定位能力的技术问题。本方法适用于硅、锗、砷化镓、碳化硅等半导体芯片、面板的检测。

技术领域

本发明涉及一种表面缺陷AI检测方法，尤其涉及一种电致发光半导体板材表面缺陷AI检测方法，属于图像识别和无损检测领域。

背景技术

电致发光(英文electroluminescent)简称EL，EL检测是一种利用高分辨率的红外相机拍摄的近红外图像检测板材表面缺陷的测试技术，在光伏电站运维等领域具有关键作用，其中对于EL图像缺陷特征信息的识别，是检测过程的核心部分。

中国专利201810794758.5公开了一种太阳能电池片电致发光图像检测和缺陷识别方法，具体包括如下步骤：获得待检测的太阳能电池片电致发光图像，定位栅线并进行区域分割；删除栅线区域并重新组合图像，计算图像灰度值并进行二维构建；计算粒子群的类间离散度矩阵，确定当前最佳位置；更新粒子种群最优个体和粒子历史最优个体；利用混沌模型产生新的混沌变量；更新粒子群所有粒子的位置和速度，重新计算直到达到迭代次数；根据得到的最佳位置分割得到电池片缺陷图像，并进行缺陷识别。

中国专利201911187612.5公开了一种应用于光伏电站现场的EL缺陷检测方法，包括如下步骤：对获取的原始光伏组件的EL图像进行预处理，得到矫正后的电致发光图像；对矫正后的EL图像进行裁切，形成m×n规格的电池片；对得到的电池片进行灰度化、腐蚀、膨胀、二值化、像素运算的方式处理，根据像素投影找到可能出现的EL缺陷，进行缺陷分析。

上述方法，能够对电致发光图像进行分割、分类和组合处理，通过像素运算确定板材表面缺陷的种类。但受图像数据集质量和数量的限制，以及图像数据预处理方法单一和像素算法网络规模较小的制约，对于电致发光图像所显示的板材缺陷识别速度慢，精确度低，并且缺乏对同一板材表面不同类别缺陷的准确分类和定位能力。

发明内容

针对现有技术的不足，本发明旨在提供一种电致发光半导体板材表面缺陷AI检测方法，以期解决现有技术中图像数据单一、像素算法网络规模小、识别过程速度慢，精确度低以及缺乏缺陷的准确定位的技术问题。本方法适用于硅、锗、砷化镓、碳化硅等半导体芯片、面板的检测。

为解决上述技术问题，本发明公开一种电致发光半导体板材表面缺陷AI检测方法，包括以下顺序的步骤：

1、第一次图像增强处理

(1)输入包含缺陷的半导体板材电致发光图像，利用图像裁剪函数，将输入图像大小调整的像素为640×640的正方形图像；

(2)编写图像随机翻转算法，将图像水平方向和竖直方向翻转概率设为0.5，进行图像翻转并保存；

(3)编写图像随机旋转算法，设定步长为2°-10°，各个旋转方向是否旋转的概率设为0.5，以保证图像变化的随机性，进行图像旋转并保存；

(4)获得共计4倍于原输入图像数的互不相同的，像素为640×640为半导体板材缺陷图像，进行批量重命名。

2、图像缺陷标注和转化

(1)对半导体板材缺陷位置进行标注，获得每处缺陷对应的的图像信息；

(2)编写格式转化算法，将可扩展标记语言格式的缺陷信息转化为张量格式，张量前系数表示缺陷种类，对应卷积神经网络输入端所需格式；