基于el图像的硅电池缺陷检测方法_第1页
基于el图像的硅电池缺陷检测方法_第2页
基于el图像的硅电池缺陷检测方法_第3页
基于el图像的硅电池缺陷检测方法_第4页
基于el图像的硅电池缺陷检测方法_第5页
已阅读5页,还剩1页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于el图像的硅电池缺陷检测方法

1硅电池微胶囊的检测方法作为一种温和的能源代表,太阳电池在许多领域广泛传播。目前应用最普遍的硅太阳电池,在使用过程中出现了一个不可忽视的问题,即电池片中的裂缝、晶界错位和断栅等微小缺陷影响太阳电池的光电转换效率和使用寿命,缺陷严重时还会使电池组件丧失工作能力。因此,在生产过程中快速准确检测出硅电池中的微小缺陷成为必要。检测太阳电池内部缺陷的常用手段有接触电阻扫描、近红外扫描、热成像、光致发光(PL)法和激光诱导电流(LBIC)法等。最近,提出了一种用硅电池电致发光(EL)特性进行电池性能检测的方法。其中,Wurfel等人从多晶硅电池片的PL和EL图得出发光亮度与少子扩散长度的单调对应关系,并指出EL强度随所加电压变化不大;Fuyuki等人通过实验数据建立了硅电池发光亮度与少子扩散长度的对应关系,并分析了EL亮度与电池性能的关系。本文定量计算了硅太阳电池EL强度与少子扩散长度的对应关系,从理论指出通过硅电池EL图像检测电池缺陷的可行性。通过实验进行各类缺陷的检测,并且用数字图像处理的相关算法成功地对图像中的裂纹进行了识别。2将p区和空穴注入n区平衡P-N结中,存在着具有一定宽度和势垒高度的势垒区,其中相应地出现了内建电场,每一种载流子的扩散电流和漂移电流互相抵消,没有静电流通过P-N结,相应的在P-N结中费米能级处处相等,如图1(a)所示。当给太阳电池加一正向偏压,势垒便降低,势垒区内建电场也相应减弱。这样继续发生载流子的扩散,即电子由n区注入p区,同时空穴由p区注入到n区,如图1(b)所示。这些进入p区的电子和进入n区的空穴都是非平衡少数载流子。在实际电池的P-N结中,扩散长度远大于势垒宽度。因此电子和空穴通过势垒区时因复合而消失的概率很小,继续向扩散区扩散。这样P-N结势垒区和扩散区注入了少数载流子,这些非平衡少数载流子不断与多数载流子复合(辐射复合)而发光,这就是太阳电池的EL理论。3el强度与扩散长度的关系3.1辐射复合光子生成率计算公式将硅电池片简化成厚为d的理想P-N结,图2所示为正向偏压下的模型。理想P-N结满足:1)小注入条件;2)突变耗尽层条件。因此,注入的少数载流子在p区和n区是纯扩散运动,稳态时p区注入的电子满足扩散方程Dn=d2n(x)dx2=n(x)τn(1)因为扩散长度为Ln=√Dnτn(2)所以式(1)可改写为d2n(x)dx2=n(x)L2n(3)求得通解为n(x)=Aexp(-xLn)+Bexp(xLn)(4)式中:Dn是扩散系数;τn是少子寿命;A和B是待定系数。由边界条件计算A和B:1)由理想P-N结模型可知,耗尽层外的p区和n区是中性的,外加偏压V下理想突变P-N结位于x=0的注入电子浓度为n(0)=np0exp(eVkBΤ)(5)式中:np0是本征载流子浓度和受主浓度的比值;kB是波尔兹曼常数;T是绝对温度;e是电子电量。把x=0代入式(4)得n(0)=A+B(6)2)由于电池处于正向偏压下,由p区注入的少数载流子将在n区末端(x=d)全部引出,则n(d)=Aexp(-dLn)+Bexp(dLn)=0(7)由式(4)、(5)和(6)可解得A=n(0)/[1-exp(-2dLn)](8)B=n(0)/[1-exp(-2dLn)](9)稳态时,辐射复合光子生成率是指在P-N结内某一处,由于注入而产生的电子-空穴对中辐射复合产生的单位能量dE(E=hv)的光子率。计算公式为R(x‚E)=2πh3c2α(E)E2exp{[E-ΔU(x)]/kBΤ}-1(10)其中:E是生成光子的能量;α(E)是吸收系数;ΔU(x)是x处的准费米能级;h是普朗克常量;c是光速。又因为ΔU=qV(x)(11)x处的少数载流子浓度为n(x)=np0exp(qV(x)kBΤ)(12)并且E-ΔU≫kBT,所以光子生成率R可改写为R(x‚E)=2πh3c2α(E)E2exp(-EkBΤ)n(x)np0(13)将式(4)、(5)和(6)代入式(13)可得R(x‚E)=2πh3c2α(E)E2exp(-EΚΤ)exp(qVΚΤ)·[e(-xLn)1-e(-2dLn)+e(xLn)1-e(2dLn)](14)3.2材料扩散长度的el强度的计算对于某一特定波长的辐射复合光,式(14)中2πh3c2α(E)E2exp(-EΚΤ)exp(qVΚΤ)是一个常量,假设为C,于是光子生成率公式简化为R(x)=C[e(-xLn)1-e(-2dLn)+e(xLn)1-e(2dLn)](15)可见,辐射复合光子生成率只与电池片纵向位置x有关。忽略对辐射复合生成光子的重吸收(极少量),对式(15)电池片在厚(纵向)为d范围内进行积分,所得结果作为硅电池片EL强度Td的度量,有Τd(Ln)=Ln[exp((d/Ln)-1)]2exp(2d/Ln)-1C(16)式(16)表明,一定厚的硅电池片EL强度只与材料的扩散长度有关。用Matlab对式(16)进行数值模拟,得到电池片EL强度与材料扩散长度的关系曲线。由图3可得,0~80μm范围内EL强度与扩散长度的关系近似为线性;80~300μm范围内明显构不成线性关系;在0~300μm的模拟范围内,EL强度随着扩散长度的增加而增加;普通的硅太阳电池厚一般大于150μm,因此符合第2种(非线性)关系。本文结论与文献得出的太阳电池EL强度和扩散长度成正比关系(如图4所示)的结论有差别。文献仅仅是通过实验取点后进行直线拟合,而图4中实验点比较分散,并非明显呈直线分布,直接进行直线拟合主观性太强。4晶硅材料的缺陷分析从以上的计算分析来看,硅电池EL强度与材料的扩散长度成单调递增关系,即电池片某位置注入少子的扩散长度越长,EL亮度越亮,反之越暗。由式(2)可得,少子寿命与EL亮度也有同样的关系。硅电池中的微小缺陷可分为两大类:一是用于制造电池的硅材料中存在高密度的错位和杂质沉淀;二是硅电池片生产、封装和使用过程中由于外部应力和局部高温造成的隐裂、显裂和断栅等缺陷。对于第1类缺陷,晶体硅中的晶格错位会引入受主能级,形成深能级中心,影响少子寿命;杂质原子本身或者通过与晶格错位相互作用,形成少数载流子的复合中心,也可大大降低少子寿命。由上面分析可知,硅电池中有第1类缺陷的地方EL亮度会减弱;对于第2类缺陷,在硅电池中有裂纹和断栅的地方,电子很难注入P-N结,因此无法形成复合发光。以上分析可见,硅电池中有缺陷的地方,在其EL二维图上会以不同亮度和不同形状的暗斑和暗纹显示出来。5作为cd捕收剂的电池el图像硅太阳电池EL光谱在900~1400nm间,处于近红外波段,如图5所示。因此,要求捕捉硅电池EL图像的CCD响应光谱中应含有此波段。此外,电池EL亮度很弱,要尽量减少可见光对拍摄的影响。5.1近红外光实验平台如图6所示。使用INFINITY3-1型近红外制冷CCD相机,光谱相应范围是400~1000nm,镜头前加装截止频率为670nm的红外滤镜。因此,硅电池PL谱中900~1000nm的近红外光可以被CCD捕捉。暗箱可以减少可见光的干扰。5.2电池片的制备实验所用样品有5cm×5cm单晶硅电池片、5cm×5cm多晶硅电池片以及1.2cm×6cm高质多晶硅电池片。实验前,用酒精棉球擦拭硅电池片表面,以清除污垢的影响;在电池片的P极和N极上焊接导线,并分别接直流电源的正、负极。5.3结果与分析5.3.1相关系数并有明显的暗纹如表1单晶硅片中杂质沉淀、晶界错位等缺陷很少,因此裂纹会在EL图上明显显示。由图7可见,(a)中左上角有一条明显的暗纹;而(b)相应位置却没有看到明显裂纹。由此可以判定是一条隐裂,如果不尽早检测出,电池片后续的生产使用过程中会逐渐发展成显裂,导致左上角电池片破碎。5.3.2晶体电池多晶硅片具有复杂的晶格结构和高浓度的杂质(如O、C及过渡金属铁等),影响少子寿命(扩散长度),因此EL图也较复杂。1有一个裂缝由图8可见,(a)可见光图箭头所示位置的裂纹,在(b)EL图相应位置明显显示出。2b为施加外压碎电池一如图9所示,(a)为一块完整的多晶硅电池片EL图;(b)为施加外力压碎电池一角,在(a)虚线框对应的位置出现一条暗纹。说明外加应力使电池片出现隐裂,并且在EL图上显示出。3副栅线断裂时电池片大面积断路由图10可见,(a)电池片EL图像明显分为明暗两个区域;从(b)可见光图中,A′区域内主栅线断裂,因此导致电池片大面积断路。(a)中,B区域内副栅线及其周围区域的亮度明显比其他区域暗,很可能是由于副栅线断裂造成局部断路;由于副栅线尺度较小,从外观很难检测出是否有断裂,如(b)中B′区域。因此,EL是检测断栅很好的方法。4晶界错位结合如图11所示,(a)区域A中缺陷可判定为隐裂,区域B、C和D中缺陷可判定为杂质原子本身或者与晶界错位结合形成的缺陷。隐裂与其他内部缺陷相比,形状更规则(狭长细线),亮度更暗,边缘锐度更高。B和C区域中缺陷图像亮度比D中的更暗,说明B、C中的缺陷对少子寿命影响更大。硅材料铸造和电池生产过程中会在硅电池边缘引入更多的缺陷,可从(b)多晶硅电池EL图得到印证。6织物裂纹识别为了在太阳电池生产过程中进行快速的流水线检测,运用数字图像处理的相关算法对拍摄到的EL图像进行裂纹识别,并基于Matlab实现可视化操作界面。6.1边缘检测及裂纹识别自动检测系统采取的工作流程为:图像获取→图像预处理→图像分割→特征抽取→判断识别。图像预处理采用中值滤波,在去噪的同时还可以较好的保护图形边缘信息;图像分割采用Canny算子进行边缘检测,然后用形态学算法对边缘检测后的二值图像进行缝隙填补、区域填充、移除与边界联通的目标,最后用菱形结构元素对分割出来的裂纹进行平滑处理;特征抽取阶段计算裂纹图像的面积和周长;裂纹识别采用圆形度指标C,它反映了被测量边界的复杂程度,有C=Ρ24πA(17)式中:P是周长;A是面积。6.2行和参数的调整界面上的执行按钮和调整窗口通过调用实现对原程序的执行和参数的调整,如图12所示。文献指出,分割后封闭图形的圆形度在3~7间,可被判别为裂纹。在操作界面中,调整好参数,计算得圆形度为5.4,处在裂纹范围内。7el图像的分析从半导体EL的基本理论出发,在理想P-N结模型

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论