用于废硅片回收的不均布流体杂质边缘精准检测方法与流程

本技术涉及图像处理，尤其涉及一种用于废硅片回收的不均布流体杂质边缘精准检测方法。

背景技术：

1、多晶硅片是一种半导体材料，由许多小的单晶硅片组成，在太阳能、电子和半导体产业中有着广泛的应用。废硅片是在半导体生产过程中被切割或者加工后剩余的废料硅片。硅的开采与提炼过程耗能严重、不可持续；另外，若废硅片未妥善处理，会对土壤、水源等环节造成污染，因此对于废硅片的回收可以实现资源再利用、保护环境、降低生产成本等，具有一定的经济价值和环保意义。

2、废硅片在生产、加工和运输过程中可能会受到流体杂质的污染，流体杂质包括油污、有机溶剂、硅片腐蚀光刻胶等。因此在废硅片回收过程中，需要将废硅片上的流体杂质进行检测，以便提高再利用质量，防止环境污染。传统的废硅片流体杂质检测是根据canny边缘检测得到流体杂质的边缘分布，但是受到多晶硅片表面有着不规则的纹理和流体杂质分布不均匀的影响，导致无法得到准确的流体杂质边缘。为了准确获取精细边缘往往还采用亚像素边缘检测方法通过对亚像素边缘进行定位得到流体杂质的边缘分布，但这同样会受到多晶硅片表面不规律的纹理和流体杂质的影响，使得亚像素边缘获取不准确。

技术实现思路

1、本技术提供了一种用于废硅片回收的不均布流体杂质边缘精准检测方法，以得到准确的流体杂质边缘。

2、根据本技术实施例的第一方面，提供了一种用于废硅片回收的不均布流体杂质边缘精准检测方法，所述方法包括：

3、采集获得废硅片图像；

4、对废硅片图像进行canny边缘检测，得到多个边缘像素点；

5、计算边缘像素点表征为阴影区域分布的特征程度，获得阴影区域分布的边缘像素点；

6、分析阴影区域分布的边缘像素点，获得废硅片图像中每个像素点的位置分布程度；

7、对废硅片图像中的所有像素点进行dbscan聚类，得到多个聚类类别；

8、根据像素点所属的聚类类别的灰度分布特征，获得像素点的局部高亮特征；

9、根据像素点所属的聚类类别的边缘分布情况，获得像素点的不规则纹理分布影响特征；

10、根据像素点的阴影分布程度、像素点的局部高亮特征和像素点的不规则纹理分布影响特征，获得像素点的校正权重；

11、根据像素点的校正权重，进行自适应亚像素边缘检测，得到亚像素边缘。

12、在本发明的一些实施例中，所述方法还包括：

13、分析不同废硅片得到的亚像素边缘，得到亚像素点边缘构成的连通域形状和连通域的灰度均值；

14、将所述连通域形状和所述连通域的灰度均值输入到神经网络模型中，进行杂质的识别。

15、在本发明的一些实施例中，计算边缘像素点表征为阴影区域分布的特征程度，获得阴影区域分布的边缘像素点，包括：

16、第个边缘像素点与最近的边缘像素点相连接，得到对应的边缘像素点曲线；

17、以废硅片图像行方向为0°，根据曲线的起始点和终点相连的直线确定的方向，获取曲线方向的走向；

18、计算边缘像素点表征为阴影区域分布的特征程度，计算方法为：

19、

20、式中，表示第个边缘像素点表征为阴影区域分布的特征程度，表示第个边缘像素点与其具有关联的边缘像素点的数量，表示第个边缘像素点的窗口内的根据方向为的直线分割开的像素点中灰度均值较小的那一面的灰度均值；表示废硅片图像中最小的灰度值；表示第个边缘像素点中第个关联边缘像素点的窗口内的根据方向为的直线分割开的像素点中灰度均值较小的那一面的灰度均值；表示以自然常数为底数的指数函数；表示第个边缘像素点邻域信息权重值；

21、判断是否大于等于第二预设阈值，若是，则表明该边缘像素点为阴影区域分布的边缘像素点。

22、在本发明的一些实施例中，第个边缘像素点与最近的边缘像素点相连接，得到对应的边缘像素点曲线，包括：

23、第个边缘像素点与最近的边缘像素点相连接，计算相邻边缘像素点的斜率值的变化情况，其中边缘像素点的斜率值为相连边缘像素点曲线的斜率值，表示前一个边缘像素点的斜率值，表示后一个边缘像素点的斜率值，表示以自然常数为底数的指数函数；

24、判断斜率值的变化情况是否大于等于第一预设阈值，若是，继续链接最近的边缘像素点，得到对应的边缘像素点曲线；否则停止继续连接。

25、在本发明的一些实施例中，分析阴影区域分布的边缘像素点，获得废硅片图像中每个像素点的位置分布程度，包括：

26、分析阴影区域分布的边缘像素点，获得废硅片图像中每个像素点的阴影分布程度，计算方法为：

27、

28、式中，表示第个像素点的阴影分布程度；表示第像素点的灰度值，表示距离最近的第个的阴影区域分布点的灰度值，表示距离最近的第个的阴影区域分布点的阴影区域分布的特征程度，表示softmax归一化函数；

29、根据像素点的阴影分布程度，获得废硅片图像中每个像素点的位置分布程度，计算方法为：

30、

31、式中，表示第的距离最近的第个的阴影区域分布点直线的倾斜角度。

32、在本发明的一些实施例中，所述像素点的局部高亮特征，计算方法为：

33、

34、式中，第个表示像素点的局部高亮特征，表示第个像素点的灰度值；表示第个像素点所属类别的像素点的灰度值最大值；表示第个像素点与其所属类别的像素点的灰度值最大值对应的像素点之间的欧式距离均值。

35、在本发明的一些实施例中，所述像素点的不规则纹理分布影响特征，计算方法为：

36、

37、式中，表示第个像素点的不规则纹理分布影响特征；表示第个像素点所属类别的边缘像素点的个数，表示第个像素点所属类别的第个边缘像素点的链码序列值，表示第个像素点所属类别的第个边缘像素点的链码序列值。

38、在本发明的一些实施例中，所述像素点的校正权重，计算方法为：

39、

40、式中，表示第个像素点的线性归一化后的位置分布程度值；表示第个像素点的局部高亮特征；表示第个像素点的不规则纹理分布影响特征。

41、由以上实施例可见，本技术实施例提供的用于废硅片回收的不均布流体杂质边缘精准检测方法，具有的有益效果如下：

42、本案基于亚像素边缘检测结果来获取准确的流体杂质边缘。其中通过canny边缘检测得到的初始边缘，根据不同阴影区域的分布来表征不同位置的废硅片的位置分布了来获取废硅片的位置分布程度来表征废硅片受到的光照的影响，并结合受到不同光照影响程度，综合分析每个像素点的的局部高亮特征以及不规则纹理分布影响特，进而得到每个像素点的校正权重。避免了废硅片在进行亚像素边缘检测过程中会受到多晶硅片表面不规律的纹理和流体杂质的影响导致亚像素边缘获取不准确的问题，计算得到的亚像素边缘结果更加准确。

43、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。