具体实施方式

为了使本发明的内容可以被更容易明了，以下特举实施例作为本发明确实能够据以实施的范例。另外，凡可能之处，在图式及实施方式中使用相同标号的元件/构件/步骤，代表相同或类似部件。

图1是本发明的一实施例的瑕疵检测系统的示意图。参考图1，瑕疵检测系统100包括处理器110以及储存装置120。处理器100耦接储存装置120。在本实施例中，储存装置120可储存边缘检测模块121、分割网络模块122、稠密卷积网络模块123以及线段检测模块124，但本发明并不限于此。在本发明的另一些实施例中，储存装置120还可储存其他相关影像处理及影像分析的模块或演算法，并且还可用于储存本发明各实施例所述的影像数据、影像处理结果及影像分析结果。在本发明的又另一些实施例中，储存装置120可只储存稠密卷积网络模块123或线段检测模块124。

在本实施例中，处理器110可例如是图形处理器(Graphics Processing Unit，GPU)、中央处理器(Central Processing Unit，CPU)、微处理器(Microprocessor ControlUnit，MCU)或现场可编程门阵列(Field Programmable Gate Array，FPGA)等诸如此类的具有数据处理能力的数字及/或模拟的处理电路、整合电路或晶片。储存装置120可为存储器(Memory)，并且可供处理器110存取数据，以使处理器110可执行本发明各实施例的方法与操作。

先说明的是，以下虽以太阳能电池基板(导电基板)为例进行说明，但本领域技术人员可以理解本发明亦可适用于其他表面具有薄膜材料图案(透明基板薄膜)的透明基板(例如显示器面板或触控面板)。在本实施例中，瑕疵检测系统100可用于对染料敏化太阳能电池(Dye-Sensitized Solar Cell，DSSC)进行瑕疵检测，特别是对染料敏化太阳能电池的透明导电基板上的材料图案进行分析，以自动化地判断导电基板是否具有瑕疵。在本实施例中，导电基板上可例如包括透明基材以及涂布在透明基材上的至少一层二氧化钛(Titanium dioxide,TiO2)材料及至少一层染料(Dye)的至少其中之一。在本实施例中，所述透明基材可为玻璃或塑胶材料，但本发明并不加以限制。二氧化钛材料可涂布在导电基板作为导电层，并且染料可接着涂布在导电基板的导电层上来作为吸光层。导电层与吸光层的范围及形状可为一致。并且，导电基板可依序涂布有多层导电层与多层吸光层，其中所述多层导电层与所述多层吸光层为交错堆叠。

值得注意的是，本发明的瑕疵检测系统100可对仅涂布有单一层二氧化钛材料的电极层的导电基板的基板影像进行影像检测，也可对涂布有单一层二氧化钛材料的电极层以及涂布有单一层染料的基板影像进行影像检测。甚至，本发明的瑕疵检测系统100可对涂布有多层二氧化钛材料的电极层以及涂布有多层染料的基板影像进行影像检测。本发明的瑕疵检测系统100可检测出二氧化钛材料的电极层及/或染料是否为完整涂布或是否涂布在正确的基板位置上。

图2是本发明的一实施例的基板影像的取像示意图。图3是本发明的一实施例的基板影像的示意图。参考图1至图3，在本发明的一些实施例中，瑕疵检测系统100还可包括图2的摄影机220以及光源230、240，并且处理器110耦接并控制光源230、240。或者，在本发明的另一些实施例中，瑕疵检测系统100未包括图2的摄影机220以及光源230、240。瑕疵检测系统100可经由输入接口接收由摄影机220取得的影像来进行瑕疵检测。

在取像过程中，染料敏化太阳能电池的导电基板210可被放置于封闭箱体200中的一平面上，其中所述平面可例如铺设有黑绒布或具有特定颜色的平面物件。封闭箱体200为一暗箱，并且设置有光源230、240(本发明并不限制光源数量及设置位置)。在取像过程中，光源230、240可朝导电基板210进行照明。对此，由于二氧化钛材料为接近透明的颜色且背景例如是黑绒布，因此经由光源230、240打光所造成的色偏影响会使得二氧化钛材料的部分呈现为深绿色。如此一来，摄影机220可拍摄经由照明光照射放置在封闭箱体200中的导电基板210来取得如图3所示的基板影像300。基板影像300可包括基板部分301与背景部分302。基板影像300的基板部分301可包括材料图案311～314以及基准图标P1～P4。值得注意的是，基板影像300中对应于二氧化钛材料的材料图案311～314的区域可例如为深绿色，并且材料图案311～314以外的区域为不同颜色。基板影像300的基板部分301边缘还可显示出导电基板210的边框。

图4是本发明的一实施例的瑕疵检测方法的流程图。参考图1、图3至图9，瑕疵检测系统100可执行以下步骤S410～S440的瑕疵检测操作。在步骤S410，瑕疵检测系统100的处理器110可取得具有透明基板薄膜的基板的基板影像。对此，以下说明将以瑕疵检测系统100的取得如图3所示的染料敏化太阳能电池的导电基板的基板影像300为范例实施例来说明之。在步骤S420，处理器110可对基板影像进行影像前处理，决定感兴趣区域(Region ofInterest,ROI)。在本实施例中，处理器110可执行边缘检测模块121来对基板影像300进行边缘检测，以检测基板影像300中的基板边缘(例如玻璃基板边缘)，并且根据基板边缘来区分基板影像300中的背景区域(即基板影像300的背景部分302)以及感兴趣区域(即基板影像300的基板部分301)。处理器110可有效定义基板影像300的基板部分301以及背景部分302的区域及位置。

在步骤S430，处理器110可对基板影像300中的感兴趣区域进行影像分割处理，以区别在感兴趣区域中的周边区域303以及材料区域304，并且产生如图5所示的遮罩影像500。图5是本发明的一实施例的遮罩影像的示意图。在本实施例中，处理器110可执行分割网络模块122来对基板影像300进行影像处理，并且产生对应于基板影像300的基板部分301的遮罩影像500。分割网络模块122可包括一种深度学习分割网络架构的演算法，例如U-Net模型。分割网络模块122可将基板影像300的感兴趣区域(即基板影像300的基板部分301)中的材料区域304找出来，并依据材料区域304来输出对应的遮罩影像500。在本实施例中，遮罩影像500为二值化影像。遮罩影像500的影像区域520为对应于基板影像300的周边区域303，并且具有第一数值(例如设定为二进制的数值“0”)。遮罩影像500的影像区域510为对应于基板影像300的材料区域304，并且具有第二数值(例如设定为二进制的数值“1”)。

在步骤S440，处理器110可比对遮罩影像500与基板影像300，以分析在基板影像300的材料区域304中的材料图案是否具有图案瑕疵，并且进而判断基板是否具有瑕疵。在本实施例中，处理器110可比对遮罩影像500与基板影像300的感兴趣区域，以从基板影像300的材料区域304撷取如图6所示的材料图案611～614。图6是本发明的一实施例的材料图案的示意图。处理器110可将材料图案611～614输入至稠密卷积网络模块123及/或线段检测模块124，以判断基板影像300是否具有杂质图案瑕疵。具体而言，稠密卷积网络模块123可输出材料图案是否具有非均匀图案及/或杂质图案的图案瑕疵的判断结果。线段检测模块124可输出材料图案是否具有错位瑕疵的判断结果。稠密卷积网络模块123可包括卷积神经网络(Convolutional Neural Networks，CNN)架构的演算法，例如稠密连线网络(DenseNet)模型。线段检测模块124可包括直线段检测器(Line Segment Detector，LSD)的演算法。本发明的瑕疵检测系统100可判断基板影像300是否具有以下实施范例的至少其中一种图案瑕疵。

对于具有非均匀图案及/或杂质图案的图案瑕疵，如图6的材料图案611、613为均匀涂布的图案。材料图案612具有非均匀区域601的图案瑕疵，其中非均匀区域601可例如是因为二氧化钛材料及/或染料未均匀涂布所导致。材料图案614具有杂质图案602～605的图案瑕疵，其中杂质图案602～605可例如是因为灰层或杂质所导致。因此，稠密卷积网络模块123可预先经训练后而可辨别或分类均匀图案、非均匀图案以及杂质图案。经由稠密卷积网络模块123的运算及分类，稠密卷积网络模块123可输出材料图案612、614为具有图案瑕疵的运算结果，并且可输出材料图案611、613为不具有图案瑕疵的运算结果。在本实施例中，处理器110可基于上述的图案瑕疵的运算结果来产生或提供对应的导电基板的瑕疵检测信息。

对于具有错位瑕疵的图案瑕疵，搭配参考图7，图7是本发明的另一实施例的基板影像的示意图。处理器110可对基板影像300的感兴趣区域301中的材料图案311～314(即图6的材料图案611～614已被辨识出，以对比至基板影像300)执行第一方向T1的线段检测，以取得材料图案311～314的边缘线段3111、3112、3121、3122、3131、3132、3141、3142。然而，本发明并不限于第一方向T1的线段检测，处理器110还可对基板影像300的感兴趣区域301中的材料图案311～314执行第二方向T2，或任意方向上的线段检测。接着，搭配参考图8，图8是本发明的一实施例的样板影像的示意图。样板影像800可为生产者涂布二氧化钛材料及/或染料的预设参考图案。在本实施例中，处理器110可比较对应于基板影像300的样板影像800中的参考边缘线段8111、8112、8121、8122、8131、8132、8141、8142与边缘线段3111、3112、3121、3122、3131、3132、3141、3142，以判断材料图案311～314是否具有错位瑕疵的图案瑕疵。

举例而言，样板影像800同样包括材料图案811～814以及参考基准图标PA～PD，并且材料图案811～814具有参考边缘线段8111、8112、8121、8122、8131、8132、8141、8142。处理器110可根据样板影像800中的参考基准图标PA来计算参考边缘线段8111、8112、8121、8122、8131、8132、8141、8142相对于参考基准图标PA的参考距离K1～K8。处理器110可根据基板影像300中的基准图标P1(对应于参考基准图标PA)来计算边缘线段3111、3112、3121、3122、3131、3132、3141、3142相对于基准图标P1的距离D1～D8。接着，处理器110可逐一判断距离D1～D8与参考距离K1～K8的距离差是否大于门槛值。当某一距离与对应的某一参考距离的距离差大于门槛值则判断对应的材料图案具有错位瑕疵。另外，本实施例的距离以及门槛值可以是以像素为单位、以米为单位或其他长度单位，而本发明并不加以限制。

然而，本发明的处理器110计算距离及参考距离的方式不限上述。处理器110也可根据基板影像300中的基准图标P1～P4的至少其中之一来计算材料图案311～314的第一方向T1及/或第二方向T2的边缘线段与对应的基准图标之间的距离，并且根据样板影像800中的参考基准图标PA～PD的至少其中之一来计算材料图案811～814的第一方向T1及/或第二方向T2的边缘线段与对应的参考基准图标之间的参考距离。

以材料图案311具有错位瑕疵为例，搭配参考图9，图9是本发明的另一实施例的材料图案的示意图。如图9所示，材料图案311具有第二方向T2的偏移，因此材料图案311的沿着第一方向T1的两侧的边缘线段与参考边缘线段未重叠。对此，处理器110所计算的距离D1与参考距离K1之间具有距离差，并且处理器110所计算的距离D2与参考距离K2之间具有距离差。因此，处理器110可判断距离D1与参考距离K1之间的距离差是否大于门槛值，并且判断距离D2与参考距离K2之间的距离差是否大于门槛值。若距离差未大于门槛值，则表示此偏移在可接受范围。反之，若距离差大于门槛值，则处理器110将发出警示表示材料图案311具有错位瑕疵。

值得注意的是，本发明的错位瑕疵不限于图9所示，并且处理器110为独立比对材料图案311的每一个侧边。并且，处理器110可比对材料图案311的每一个侧边，而不限于第一方向T1上的边缘线段的比对。如图9所示，材料图案311还具有第一方向T1的偏移，因此处理器110也可比对材料图案311的沿着第二方向T2的侧边的边缘线段与参考边缘线段，以判断材料图案311是否具有错位瑕疵。

综上所述，本发明的透明基板薄膜的瑕疵检测方法及其系统，可对表面具有薄膜材料图案的透明基板的基板影像进行快速、准确且自动化的瑕疵检测，以有效判断在基板影像中的薄膜材料图案是否被正确地涂布。本发明的透明基板薄膜的瑕疵检测方法及其系统可分析基板影像中的薄膜材料图案是否具有非均匀图案及/或杂质图案的图案瑕疵及具有错位瑕疵的图案瑕疵的至少其中之一，进而可判断对应于此基板影像的透明基板是否具有瑕疵。

以上所述仅为本发明较佳实施例，然其并非用以限定本发明的范围，任何熟悉本项技术的人员，在不脱离本发明的精神和范围内，可在此基础上做进一步的改进和变化，因此本发明的保护范围当以本申请的权利要求书所界定的范围为准。