CN113077449B - 一种矩形晶片角缺陷的图像检测方法 - Google Patents
一种矩形晶片角缺陷的图像检测方法 Download PDFInfo
- Publication number
- CN113077449B CN113077449B CN202110375654.2A CN202110375654A CN113077449B CN 113077449 B CN113077449 B CN 113077449B CN 202110375654 A CN202110375654 A CN 202110375654A CN 113077449 B CN113077449 B CN 113077449B
- Authority
- CN
- China
- Prior art keywords
- corner
- sequence
- wafer
- coordinate sequence
- column
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种矩形晶片角缺陷的图像检测方法,对矩形晶片的已进行预处理的四个角图像分别进行检测,首先获取角图像的角边缘坐标数列,然后由角边缘坐标数列求得评判数列,最后根据评判数列的数值大小判断晶片是否存在角缺陷。本发明是通过同一晶片求取评判数列的,是基于同一晶片的自我比较,克服了不同晶片的角差异所产生的检测误差,可广泛应用于光面、半腐蚀、全腐蚀的晶片角缺陷检测之中,具有检测速度快准确度高、无需训练学习的优点,能够满足高速高精度晶片缺陷检测仪器设备的需求。
Description
技术领域
本发明属于图像检测技术领域,涉及一种高速高精度缺陷检测仪器设备的检测方法,具体涉及一种矩形晶片角缺陷的图像检测方法。
背景技术
在工业生产过程中,通常需要采用机器视觉的方式来判断产品表面是否存在缺陷。由于制作工艺、批次、腐蚀程度的差异,矩形晶片的角并非尖的,其具有一定弧度且其弧度是变化的,不同类型的矩形晶片之间甚至同一类型的矩形晶片之间的角弧度均存在一定差异。矩形晶片的角弧度并非恒定值,其在一定范围内波动。另一方面,矩形晶片的角缺陷往往仅有一两个像素的大小,与角弧度的波动范围相当。角缺陷检测受到角弧度波动的巨大干扰。传统的缺陷检测技术主要依靠滤波和特征提取方法,无法消除角弧度波动的影响,难以给出有效的角缺陷检测结果。而基于学习算法的缺陷检测技术则计算速度慢,需要进行大量的训练学习,难以满足高速缺陷检测仪器设备的速度要求。
发明内容
本发明提供了一种矩形晶片角缺陷的图像检测方法,以解决现有技术的缺陷。
为了实现上述目的,本发明提供了一种矩形晶片角缺陷的图像检测方法,对矩形晶片的已进行预处理的四个角图像分别进行检测并判断矩形晶片的四个角是否存在缺陷,矩形晶片的已进行预处理的四个角图像中矩形晶片的角顶点位置是相同的,同时角平分线是穿过该角图像中点并且该角平分线是垂直的或者水平的,图像检测方法包括以下步骤:
步骤一、根据角平分线是垂直的,选择按列顺序搜索一个角图像的各列像素点,寻找各列第一个达到给定阈值的像素点的行号,将所有行号按列顺序进行排列,得到角边缘坐标数列;或,
根据角平分线是水平的,选择按行顺序搜索该角图像的各行像素点,寻找各行第一个达到给定阈值的像素点的列号,将所有列号按行顺序进行排列,得到角边缘坐标数列;
步骤二、将角边缘坐标数列的所有数据重新按其序号由大到小顺序排列,得到角边缘对称坐标数列;
步骤三、取角边缘坐标数列和角边缘对称坐标数列中相同序号数据的最大值或最小值,得到角边缘标准坐标数列;
步骤四、计算角边缘坐标数列与角边缘标准坐标数列中相同序号数据的差值绝对值,得到评判数列,如果评判数列的最大值超过给定阈值,则判断存在缺陷;
步骤五、对矩形晶片的其他三个角图像重复进行上述步骤。
进一步的,步骤一中通过对第一个超过给定阈值的像素点与其前一个像素点的插补运算,求得各列第一个达到给定阈值的像素点的行号或者各行第一个达到给定阈值的像素点的列号。
进一步的,还包括步骤六、计算矩形晶片的四个角图像的角边缘标准坐标数列中相同序号的数据的均值,得到均值数列;分别计算矩形晶片的四个角图像的角边缘坐标数列与均值数列中相同序号的数据的差值绝对值,得评判数列二,如果评判数列二的最大值超过给定阈值,则判断存在缺陷。
本发明通过获取矩形晶片的四个角图像的角边缘数据并进行自比较和相互比较,得出晶片是否存在角缺陷的结果。
本发明具备以下有益效果:
即使存在制作工艺、批次、腐蚀程度的差异,矩形晶片的角的两条边是相似的,同一片矩形晶片的四个角也是相似的。本发明利用这一特点,通过对矩形晶片的四个角图像进行自比较和相互比较,得出晶片是否存在角缺陷的结果;本发明是基于同一片矩形晶片的自我比较的,能自适应不同矩形晶片的角差异并消除其所产生的误差。
此外本发明具有方法简单、计算量少、可满足高速缺陷检测仪器设备的速度要求等优点。
下面结合附图对本发明作进一步的详细说明。
附图说明
图1是本发明实施例1矩形晶片角缺陷的图像检测方法的流程图;
图2是本发明实施例1中矩形晶片及其已进行预处理的四个角图像;
图3是本发明实施例1中所得到的四个角边缘坐标数列;
图4是本发明实施例1中所得到的四个角边缘对称坐标数列;
图5是本发明实施例1中所得到的四个角边缘标准坐标数列;
图6是本发明实施例1中所得到的四个评判数列;
图7是本发明实施例1中所得到的均值数列;
图8是本发明实施例1中所得到的四个评判数列二。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
实施例1
一种矩形晶片角缺陷的图像检测方法,对如图2所示矩形晶片的已进行预处理的四个角图像Pk(k=1,2,3,4)分别进行检测并判断矩形晶片的四个角是否存在缺陷,这四个角图像Pk已进行如下预处理:其矩形晶片的角顶点位置是相同的并且角平分线是穿过该角图像中点并且该角平分线是垂直的为例,介绍图像检测方法的步骤如下:
S5、分别令k=2,3,4,循环执行S1至S4,对其他三个角图像Pk进行检测。
分别计算矩形晶片的四个角图像的角边缘坐标数列Lk与均值数列A中相同序号的数据的差值绝对值,得评判数列二:
虽然本发明以较佳实施例揭露如上,但并非用以限定本发明实施的范围。任何本领域的普通技术人员,在不脱离本发明的发明范围内,当可作些许的改进,即凡是依照本发明所做的同等改进,应为本发明的范围所涵盖。
Claims (3)
1.一种矩形晶片角缺陷的图像检测方法,用于对矩形晶片的已进行预处理的四个角图像分别进行检测并判断矩形晶片的四个角是否存在缺陷,其中矩形晶片的已进行预处理的四个角图像中矩形晶片的角顶点位置是相同的,同时角平分线是穿过该角图像中点并且该角平分线是垂直的或者水平的,图像检测方法包括以下步骤:
步骤一、根据角平分线是垂直的,选择按列顺序搜索一个角图像的各列像素点,寻找各列第一个达到给定阈值的像素点的行号,将所有行号按列顺序进行排列,得到角边缘坐标数列;或,
根据角平分线是水平的,选择按行顺序搜索该角图像的各行像素点,寻找各行第一个达到给定阈值的像素点的列号,将所有列号按行顺序进行排列,得到角边缘坐标数列;
步骤二、将角边缘坐标数列的所有数据重新按其序号由大到小顺序排列,得到角边缘对称坐标数列;
步骤三、取角边缘坐标数列和角边缘对称坐标数列中相同序号数据的最大值或最小值,得到角边缘标准坐标数列;
步骤四、计算角边缘坐标数列与角边缘标准坐标数列中相同序号数据的差值绝对值,得到评判数列,如果评判数列的最大值超过给定阈值,则判断存在缺陷;
步骤五、对矩形晶片的其他三个角图像重复进行上述步骤。
2.如权利要求1所述的矩形晶片角缺陷的图像检测方法,其特征在于,步骤一中通过对第一个超过给定阈值的像素点与其前一个像素点的插补运算,求得各列第一个达到给定阈值的像素点的行号或者各行第一个达到给定阈值的像素点的列号。
3.如权利要求1所述的矩形晶片角缺陷的图像检测方法,其特征在于,还包括:
步骤六、计算矩形晶片的四个角图像的角边缘标准坐标数列中相同序号的数据的均值,得到均值数列;
分别计算矩形晶片的四个角图像的角边缘坐标数列与均值数列中相同序号的数据的差值绝对值,得评判数列二,如果评判数列二的最大值超过给定阈值,则判断存在缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110375654.2A CN113077449B (zh) | 2021-04-08 | 2021-04-08 | 一种矩形晶片角缺陷的图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110375654.2A CN113077449B (zh) | 2021-04-08 | 2021-04-08 | 一种矩形晶片角缺陷的图像检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077449A CN113077449A (zh) | 2021-07-06 |
CN113077449B true CN113077449B (zh) | 2022-04-08 |
Family
ID=76615404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110375654.2A Active CN113077449B (zh) | 2021-04-08 | 2021-04-08 | 一种矩形晶片角缺陷的图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077449B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984170B (zh) * | 2022-11-28 | 2023-07-14 | 广州航海学院 | 一种四边形晶片角顶点定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136061A (zh) * | 2011-03-09 | 2011-07-27 | 中国人民解放军海军航空工程学院 | 一种矩形石英晶片缺陷自动检测分类识别方法 |
CN107315012A (zh) * | 2017-06-22 | 2017-11-03 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片端面崩角的智能检测方法 |
CN109991232A (zh) * | 2017-12-29 | 2019-07-09 | 上海微电子装备(集团)股份有限公司 | 芯片崩边缺陷检测方法 |
CN110197259A (zh) * | 2019-05-30 | 2019-09-03 | 浙江大学 | 基于小批量数据集与深度学习算法的晶圆缺陷检测方法 |
CN110276750A (zh) * | 2019-06-17 | 2019-09-24 | 浙江大学 | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 |
CN110286126A (zh) * | 2019-06-17 | 2019-09-27 | 浙江大学 | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 |
CN111982931A (zh) * | 2020-08-27 | 2020-11-24 | 惠州高视科技有限公司 | 一种高精度晶圆表面缺陷检测装置及其检测方法 |
-
2021
- 2021-04-08 CN CN202110375654.2A patent/CN113077449B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136061A (zh) * | 2011-03-09 | 2011-07-27 | 中国人民解放军海军航空工程学院 | 一种矩形石英晶片缺陷自动检测分类识别方法 |
CN107315012A (zh) * | 2017-06-22 | 2017-11-03 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片端面崩角的智能检测方法 |
CN109991232A (zh) * | 2017-12-29 | 2019-07-09 | 上海微电子装备(集团)股份有限公司 | 芯片崩边缺陷检测方法 |
CN110197259A (zh) * | 2019-05-30 | 2019-09-03 | 浙江大学 | 基于小批量数据集与深度学习算法的晶圆缺陷检测方法 |
CN110276750A (zh) * | 2019-06-17 | 2019-09-24 | 浙江大学 | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 |
CN110286126A (zh) * | 2019-06-17 | 2019-09-27 | 浙江大学 | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 |
CN111982931A (zh) * | 2020-08-27 | 2020-11-24 | 惠州高视科技有限公司 | 一种高精度晶圆表面缺陷检测装置及其检测方法 |
Non-Patent Citations (2)
Title |
---|
"晶圆表面缺陷视觉检测研究";郭毅强;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200215;第I135-162页 * |
"石英晶片表面在线缺陷检测算法研究";朱冠英;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130815;第I138-558页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113077449A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665458B (zh) | 透明体表面缺陷提取及识别方法 | |
CN101996398A (zh) | 用于晶圆对准的图像匹配方法及设备 | |
CN106373124B (zh) | 基于灰度共生矩阵与ransac的工业产品表面缺陷视觉检测方法 | |
CN113450292B (zh) | 一种pcba零部件高精度视觉定位方法 | |
CN112085709B (zh) | 一种图像对比方法及设备 | |
JPH03257304A (ja) | 位置認識装置 | |
CN111524139B (zh) | 一种基于双边滤波器的角点检测方法和检测系统 | |
CN115690104B (zh) | 一种晶圆裂缝检测方法、装置及存储介质 | |
CN113077449B (zh) | 一种矩形晶片角缺陷的图像检测方法 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN117495856A (zh) | 基于深度学习的晶圆表面检测方法、装置、设备和介质 | |
Zhang et al. | A new algorithm for accurate and automatic chessboard corner detection | |
CN116503316A (zh) | 一种基于图像处理的芯片缺陷量测方法及系统 | |
CN108267104A (zh) | 一种基于双目视觉的轴类零件半径尺寸测量方法 | |
CN114255212A (zh) | 一种基于cnn的fpc表面缺陷检测方法及其系统 | |
CN114387232A (zh) | 一种晶圆圆心定位、晶圆缺口定位及晶圆定位校准方法 | |
CN116012292A (zh) | 一种基于机器视觉的晶圆外观缺陷检测方法 | |
CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN111539955A (zh) | 一种缺陷检测方法 | |
CN113192061A (zh) | Led封装外观检测图像的提取方法、装置、电子设备和存储介质 | |
CN115980063A (zh) | 工件表面瑕疵检测方法及装置 | |
CN104573635B (zh) | 一种基于三维重建的微小高度识别方法 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN118644484A (zh) | 一种家用纺织品智能缺陷检测方法 | |
CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |