CN111739022B - 一种基于图像检测的晶圆计数方法及*** - Google Patents
一种基于图像检测的晶圆计数方法及*** Download PDFInfo
- Publication number
- CN111739022B CN111739022B CN202010856571.0A CN202010856571A CN111739022B CN 111739022 B CN111739022 B CN 111739022B CN 202010856571 A CN202010856571 A CN 202010856571A CN 111739022 B CN111739022 B CN 111739022B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- roi
- line family
- region
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013078 crystal Substances 0.000 claims abstract description 62
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000003709 image segmentation Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 2
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 235000012431 wafers Nutrition 0.000 description 37
- 238000010586 diagram Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 235000012709 brilliant black BN Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- GMMAPXRGRVJYJY-UHFFFAOYSA-J tetrasodium 4-acetamido-5-hydroxy-6-[[7-sulfonato-4-[(4-sulfonatophenyl)diazenyl]naphthalen-1-yl]diazenyl]naphthalene-1,7-disulfonate Chemical compound [Na+].[Na+].[Na+].[Na+].OC1=C2C(NC(=O)C)=CC=C(S([O-])(=O)=O)C2=CC(S([O-])(=O)=O)=C1N=NC(C1=CC(=CC=C11)S([O-])(=O)=O)=CC=C1N=NC1=CC=C(S([O-])(=O)=O)C=C1 GMMAPXRGRVJYJY-UHFFFAOYSA-J 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种基于图像检测的晶圆计数方法及***,其利用图像检测设备获取晶圆阵列的原始检测图像,对原始检测图像进行旋转矫正,对旋转校正后的检测图像进行ROI区域提取以获取第一ROI区域图像;利用第一ROI区域图像获取所述晶圆阵列的PN结区域、水平线族以及垂直线族,水平线族和垂直线族分别为水平方向和垂直方向的晶粒间隙区域,利用垂直线族和水平线族进行图像分割以获得单颗晶粒区域,计算单颗晶粒区域的特征值以实现良品晶粒的筛选。从而快速准确的对晶粒进行计数和分类,实现对晶圆的晶粒等级的准确判断,通过该方法及***可以快速有效准确的进行晶圆计数工作。
Description
技术领域
本发明属于图像检测技术领域,更具体地,涉及一种基于图像检测的晶圆计数方法及***。
背景技术
随着显示屏显示效果的不断提升,更高技术层次的Mini LED凭借着高对比度、低时延、低能耗、宽视角、高分辨率等各方面指标均高于常规LED、LCD,以及相比OLED的优势,被称为是颠覆产业的新一代显示技术。Mini LED被称为次毫米发光二极管,晶粒大小介于50~500 um(狭义定义为100~200um范围)之间在100~200um,间距在1mm以内。
Mini LED或者其他类似产品是基于晶圆生成得到,而晶圆检测涉及到如何对其生产出的晶圆进行出货前的晶粒数量检测,检测结果直接影响出货产品等级以及质量。然而对于晶粒非规则排列的晶圆来说,目前主要的计数方式为,采用操作员配合电子显微镜进行计数测量,整个检测周期长、效率低且精度差。
发明内容
针对现有技术的至少一个缺陷或改进需求,本发明提供了一种基于图像检测的晶圆计数方法及***,其目的在于解决如何快速准确地对晶粒进行计数和分类且实现对晶圆的晶粒等级的准确判断的问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于图像检测的晶圆计数方法,包括如下步骤:
利用图像检测设备获取晶圆阵列的原始检测图像,对原始检测图像进行旋转矫正,对旋转校正后的检测图像进行第一ROI区域提取以获取ROI区域图像;
利用所述第一ROI区域图像获取所述晶圆阵列的PN结区域、水平线族以及垂直线族,水平线族和垂直线族分别为水平方向和垂直方向的晶粒间隙区域,利用垂直线族和水平线族进行图像分割以获得单颗晶粒区域,计算单颗晶粒区域的特征值以实现良品晶粒的筛选。
作为本发明的进一步改进,ROI区域图像提取过程为:
利用晶粒区域图像的灰度值低于背景图像的灰度值的特征,采用全局阈值分割方法提取图像中的暗区域,通过面积特征筛选获得面积最大的区域即为第一ROI区域图像。
作为本发明的进一步改进,利用第一ROI区域图像获取晶圆阵列的PN结区域、水平线族以及垂直线族包括:
利用形态学算法筛选出所述第一ROI区域中的空白区域图像,从第一ROI区域图像中剔除所述空白区域图像获得第二ROI区域图像;
提取第二ROI区域图像中的PN结区域、水平线族以及垂直线族。
作为本发明的进一步改进,利用形态学算法筛选出所述第一ROI区域中的空白区域图像包括:
利用预设的全局阈值提取所述第一ROI区域图像的亮区域,分别利用第一预设大小的掩模和第二预设大小的掩模进行腐蚀操作和开运算的形态学运算,并进行区域面积筛选得到空白区域。
作为本发明的进一步改进,单颗晶粒区域的获取过程为:
提取第二ROI区域图像中的PN结区域、水平线族以及垂直线族,利用垂直线族区域和水平线族区域分割第二ROI区域图像以获得单颗晶粒区域。
作为本发明的进一步改进,对原始检测图像进行旋转矫正包括:
通过获取原始检测图像中多个标记区域中心点坐标,利用多个标记区域中心点坐标对原始检测图像进行旋转校正。
作为本发明的进一步改进,PN结区域的获取过程具体为:
利用第三预设大小的掩模对ROI区域图像进行均值滤波,然后取ROI区域图像中相对于均值滤波后图像的暗区域作为PN结区域。
作为本发明的进一步改进,水平线族和垂直线族的获取过程具体为:利用第四预设大小的掩模对ROI区域图像进行腐蚀后,再利用第五预设大小的掩模进行膨胀操作,最后取膨胀操作后的图片骨骼,以获得水平线族和垂直线族。
为实现上述目的,按照本发明的另一个方面,提供了一种基于图像检测的晶圆计数***,***包括图像检测设备、ROI区域图像获取模块、单颗晶粒获取模块和晶粒筛选模块,其中,
图像检测设备用于获取晶圆阵列的原始检测图像;
ROI区域图像获取模块用于对原始检测图像进行旋转矫正,对旋转校正后的检测图像进行ROI区域提取以获取第一ROI区域图像;
单颗晶粒获取模块用于利用所述第一ROI区域图像获取所述晶圆阵列的PN结区域、水平线族以及垂直线族,水平线族和垂直线族分别为水平方向和垂直方向的晶粒间隙区域,利用垂直线族和水平线族进行图像分割以获得单颗晶粒区域;
晶粒筛选模块用于计算单颗晶粒区域的特征值以实现良品晶粒的筛选。
为实现上述目的,按照本发明的另一个方面,提供了一种计算机可读介质,其存储有可由电子设备执行的计算机程序,当计算机程序在电子设备上运行时,使得电子设备执行上述方法的步骤。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明提供的一种基于图像检测的晶圆计数方法及***,其对原始检测图像进行旋转矫正及ROI区域图像,提取ROI区域图像中的PN结区域、水平线族以及垂直线族,利用垂直线族和水平线族分割ROI区域图像以获得单颗晶粒区域,其所采用设计的数字图像处理方法,利用矩形掩模在晶圆整幅图像进行形态学运算,极大的减少了运算时间,提高生产效率,可以实现单片晶圆下10颗以内的计数精度和重复精度,从而快速准确的对晶粒进行计数和分类,实现对晶圆的晶粒等级的准确判断,通过该方法及***可以快速有效准确的进行晶圆计数工作,提高了Mini LED晶粒上游生产企业的出货效率。
(2)本发明提供的一种基于图像检测的晶圆计数方法及***,其利用图像学方法去除ROI区域图像的空白区域,从而进一步精确筛选得到晶粒区域,可以避免空白区域内脏污对晶粒计数结果的影响。
附图说明
图1是本发明实施例提供的一种基于图像检测的晶圆计数方法的示意图;
图2是本发明实施例提供的旋转校正前的检测图像示意图
图3是本发明实施例提供的旋转校正后的检测图像示意图;
图4是本发明实施例提供的第一ROI区域图像的示意图;
图5是本发明实施例提供的空白区域图像的示意图;
图6是本发明实施例提供的垂直线族区域的示意图;
图7是本发明实施例提供的单颗晶粒区域图像的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明所提供的一种基于AOI的晶圆计数方法,其利用数字图像处理方法来计算AOI检测图像中的晶粒个数,可以快速准确地对晶粒进行计数和分类,实现对晶圆及其对应等级的准确判断。
下面结合实施例和附图对本发明提供的保护电路的结构和工作原理进行详细说明。
本发明所涉及的术语解释如下:
ROI(region of interest),感兴趣区域。机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为ROI区域。
AOI:自动外观检测。
晶圆:硅半导体集成电路制作所用的硅芯片,由于其形状为圆形,故称为晶圆。
Mini LED:次毫米发光二极管,晶粒大小介于50~500 um(狭义定义为100~200um范围),间距在1mm以内。
图1是本发明实施例提供的一种基于图像检测的晶圆计数方法的示意图。一种基于图像检测的晶圆计数方法,包括如下步骤:
利用图像检测设备获取晶圆阵列的原始检测图像,对原始检测图像进行旋转矫正;作为一个示例,该图像检测设备可以为AOI检测设备,当然也可以依据需求选取对应的其他图像检测设备,例如,可以采用71M黑白相机+0.4倍镜头进行图像采集,保证光学解析度在10um/pixel,实现最小3x5mil大小的Mini LED晶粒检测,提高Mini LED单颗晶粒的分辨率和清晰度;旋转校正可以有多种实现方式,例如利用形态学分析原始检测图像的特征以进行相应的旋转校正,作为一种优选的方式,可以通过获取原始检测图像中多个标记区域中心点坐标,利用多个标记区域中心点坐标对原始检测图像进行旋转校正;具体地,对于晶圆来说,其特定区域设置有固定大小的十字标记区域,可以获取并计算标记区域中心点坐标,然后利用多个标记区域中心点间的位置关系进行直线拟合并计算直线角度,该直线角度为标记区域中心点连线相对于检测图像y轴的角度,从而依据该直线角度对原始检测图像进行旋转校正。图2和3是本发明实施例提供的旋转校正前和旋转校正后的检测图像示意图。如图2和3所示,旋转矫正是一种图像处理方法,其目的是使得晶粒区域中每颗晶粒的精度趋于0度;优选的,可以利用模板匹配方法计算图像中标记区域中心点坐标,利用模板匹配带来的好处是提高算法的鲁棒性,对于不同批次的产品,只要标记区域形状一致,即可同样的算法逻辑进行模板匹配,进而达到晶粒区域图像旋转矫正的目的。
对旋转校正后的检测图像进行ROI区域提取以获取第一ROI区域图像。图4是本发明实施例提供提取的第一ROI区域图像的示意图。如图4所示,可选的,第一ROI区域图像提取过程为,利用晶粒区域图像的灰度值低于背景图像的灰度值的特征,采用全局阈值分割方法提取图像中的暗区域,通过面积特征筛选获得面积最大的区域,该区域即为第一ROI区域。
作为一种优选的方式,进行ROI区域提取以获取的ROI区域图像为第一ROI区域图像,利用形态学算法筛选出第一ROI区域图像的空白区域,剔除第一ROI区域图像中的空白区域以获取第二ROI区域图像,空白区域表示没有晶粒的区域,去除白色区域,可以避免空白区域内脏污对晶粒计数结果的影响。图4是本发明实施例提供的空白区域图像的示意图。如图4所示,利用形态学算法筛选出对应的空白区域具体为:首先利用预设的全局阈值提取第一ROI区域图像的亮区域,分别利用第一预设大小(作为一个示例,大小可以取5*3)的掩模和第二预设大小(作为一个示例,大小可以取6*3)的掩模进行腐蚀操作和开运算的形态学运算,并进行区域面积筛选得到空白区域,例如将大于单颗晶粒面积的区域筛选为空白区域。提取第一ROI区域图像或第二ROI区域图像中的PN结区域、水平线族(也称横向线族)以及垂直线族(也称纵向线族),该步骤是为了后续对ROI区域图像进行分割以获取单颗晶粒区域,对应的分割单元为单颗晶粒区域,为了实现图像分割,需要提取晶粒间隙区域。水平线族即为水平方向的晶粒间隙区域,垂直线族即为垂直方向的晶粒间隙区域。图5是本发明实施例提供的空白区域图像的示意图。由于单颗晶粒在检测图像中呈矩形状态,晶粒表面有对角排列的两个黑色PN结,可以通过黑色PN结实现垂直、水平线族的提取,利用动态阈值分割和预设大小的掩模,得到PN结区域。可选的,PN结区域的获取过程具体为:利用动态阈值分割和设定大小的掩模,得到PN结区域,动态阈值首先利用大小为第三预设大小(作为一个示例,大小可以取30*30)的掩模对第一ROI区域图像或第二ROI区域图像进行均值滤波,然后取第一ROI区域图像或第二ROI区域图像中相对于均值滤波后图像的暗区域作为PN结区域。图6是本发明实施例提供的垂直线族区域的示意图。如图6所示,可选的,水平线族和垂直线族的获取过程具体为:利用第四预设大小(作为一个示例,大小可以取15*1)的掩模进行腐蚀后,再利用第五预设大小(作为一个示例,大小可以取101*1)的掩模进行膨胀操作,最后取膨胀操作后的图片骨骼,以获得水平线族和垂直线族。
利用垂直线族区域和水平线族区域分割第一ROI区域图像或第二ROI区域图像获得单颗晶粒区域,计算单颗晶粒区域的特征值以实现良品晶粒的筛选。图7是本发明实施例提供的单颗晶粒区域图像的示意图。如图7所示,计算单个晶粒区域特征值(也称属性计算)以进行良品晶粒筛选,特征值包括每个晶粒区域的最小外接矩形的长度、宽度、面积以及晶粒区域内PN结的个数,根据数字图像处理分析计算可知每个晶粒区域的最小外接矩形的长度、宽度和面积,晶粒区域内PN结的个数。优选的,可对不良区域进行二次筛选,获取的晶粒个数加上前次筛选得到的晶粒个数为输出晶粒的总个数。
一种基于图像检测的晶圆计数***,***包括图像检测设备、ROI区域图像获取模块、单颗晶粒获取模块和晶粒筛选模块,其中,
图像检测设备用于获取晶圆阵列的原始检测图像;
ROI区域图像获取模块用于对原始检测图像进行旋转矫正,对旋转校正后的检测图像进行ROI区域提取以获取第一ROI区域图像;
单颗晶粒获取模块用于利用第一ROI区域图像获取晶圆阵列的PN结区域、水平线族以及垂直线族,水平线族和垂直线族分别为水平方向和垂直方向的晶粒间隙区域,利用垂直线族和水平线族进行图像分割以获得单颗晶粒区域;
晶粒筛选模块用于计算单颗晶粒区域的特征值以实现良品晶粒的筛选。该***的实现原理、技术效果与上述方法类似,此处不再赘述。
本实施例还提供了一种电子设备,其包括至少一个处理器、以及至少一个存储器,其中,存储器中存储有计算机程序,当计算机程序被处理器执行时,使得处理器执行实施例中的基于图像检测的晶圆计数的方法的步骤,具体步骤参见实施例,此处不再赘述;本实施例中,处理器和存储器的类型不作具体限制,例如:处理器可以是微处理器、数字信息处理器、片上可编程逻辑***等;存储器可以是易失性存储器、非易失性存储器或者它们的组合等。
该电子设备也可以与一个或多个外部设备 (如键盘、指向终端、显示器等)通信,还可与一个或者多个使得用户能与该电子设备交互的终端通信,和/或与使得该电子设备能与一个或多个其它计算终端进行通信的任何终端(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。
本实施例还提供了一种计算机可读介质,其存储有可由电子设备执行的计算机程序,当所述计算机程序在电子设备上运行时,使得所述电子设备执行实施例中的基于图像检测的晶圆计数的方法的步骤。计算机可读介质的类型包括但不限于SD卡、U盘、固定硬盘、移动硬盘等存储介质。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像检测的晶圆计数方法,其特征在于,包括如下步骤:
利用图像检测设备获取晶圆阵列的原始检测图像,对原始检测图像进行旋转矫正,对旋转校正后的检测图像进行ROI区域提取以获取第一ROI区域图像;
利用所述第一ROI区域图像获取所述晶圆阵列的PN结区域,利用PN结区域实现垂直线族、水平线族的提取,所述水平线族和垂直线族分别为水平方向和垂直方向的晶粒间隙区域,利用所述垂直线族和水平线族进行图像分割以获得单颗晶粒区域,计算单颗晶粒区域的特征值以实现良品晶粒的筛选;
所述PN结区域的获取过程具体为:
利用第三预设大小的掩模对ROI区域图像进行均值滤波,然后取ROI区域图像中相对于均值滤波后图像的暗区域作为PN结区域;
所述水平线族和垂直线族的获取过程具体为:利用第四预设大小的掩模对ROI区域图像进行腐蚀后,再利用第五预设大小的掩模进行膨胀操作,最后取膨胀操作后的图片骨骼,以获得水平线族和垂直线族。
2.如权利要求1所述的一种基于图像检测的晶圆计数方法,其中,ROI区域图像提取过程为:
利用晶粒区域图像的灰度值低于背景图像的灰度值的特征,采用全局阈值分割方法提取图像中的暗区域,通过面积特征筛选获得面积最大的区域即为第一ROI区域图像。
3.如权利要求1或2所述的一种基于图像检测的晶圆计数方法,其中,
所述利用所述第一ROI区域图像获取所述晶圆阵列的PN结区域、水平线族以及垂直线族包括:
利用形态学算法筛选出所述第一ROI区域中的空白区域图像,从所述第一ROI区域图像中剔除所述空白区域图像获得第二ROI区域图像;
提取所述第二ROI区域图像中的PN结区域、水平线族以及垂直线族。
4.如权利要求3所述的一种基于图像检测的晶圆计数方法,其中,所述利用形态学算法筛选出所述第一ROI区域中的空白区域图像包括:
利用预设的全局阈值提取所述第一ROI区域图像的亮区域,分别利用第一预设大小的掩模和第二预设大小的掩模进行腐蚀操作和开运算的形态学运算,并进行区域面积筛选得到空白区域。
5.如权利要求3所述的一种基于图像检测的晶圆计数方法,其中,单颗晶粒区域的获取过程为:
提取第二ROI区域图像中的PN结区域、水平线族以及垂直线族,利用垂直线族区域和水平线族区域分割第二ROI区域图像以获得单颗晶粒区域。
6.如权利要求1所述的一种基于图像检测的晶圆计数方法,其中,对原始检测图像进行旋转矫正包括:
通过获取原始检测图像中多个标记区域中心点坐标,利用多个标记区域中心点坐标对原始检测图像进行旋转校正。
7.一种基于图像检测的晶圆计数***,其特征在于,所述***包括图像检测设备、ROI区域图像获取模块、单颗晶粒获取模块和晶粒筛选模块,其中,
所述图像检测设备用于获取晶圆阵列的原始检测图像;
所述ROI区域图像获取模块用于对原始检测图像进行旋转矫正,对旋转校正后的检测图像进行ROI区域提取以获取第一ROI区域图像;
所述单颗晶粒获取模块用于利用所述第一ROI区域图像获取所述晶圆阵列的PN结区域,利用PN结区域实现垂直线族、水平线族的提取,所述水平线族和垂直线族分别为水平方向和垂直方向的晶粒间隙区域,利用所述垂直线族和水平线族进行图像分割以获得单颗晶粒区域;
所述晶粒筛选模块用于计算单颗晶粒区域的特征值以实现良品晶粒的筛选;
所述PN结区域的获取过程具体为:
利用第三预设大小的掩模对ROI区域图像进行均值滤波,然后取ROI区域图像中相对于均值滤波后图像的暗区域作为PN结区域;
所述水平线族和垂直线族的获取过程具体为:利用第四预设大小的掩模对ROI区域图像进行腐蚀后,再利用第五预设大小的掩模进行膨胀操作,最后取膨胀操作后的图片骨骼,以获得水平线族和垂直线族。
8.一种计算机可读介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述计算机程序在电子设备上运行时,使得所述电子设备执行权利要求1~6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010856571.0A CN111739022B (zh) | 2020-08-24 | 2020-08-24 | 一种基于图像检测的晶圆计数方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010856571.0A CN111739022B (zh) | 2020-08-24 | 2020-08-24 | 一种基于图像检测的晶圆计数方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739022A CN111739022A (zh) | 2020-10-02 |
CN111739022B true CN111739022B (zh) | 2020-12-11 |
Family
ID=72658717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010856571.0A Active CN111739022B (zh) | 2020-08-24 | 2020-08-24 | 一种基于图像检测的晶圆计数方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739022B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533356A (zh) * | 2021-09-16 | 2021-10-22 | 武汉精创电子技术有限公司 | 晶粒阵列缺陷检测方法、装置、设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940708A (zh) * | 2014-04-10 | 2014-07-23 | 江苏大学 | 一种钢材全形态晶粒的快速测量、精细分类方法 |
CN104880389A (zh) * | 2015-04-01 | 2015-09-02 | 江苏大学 | 一种钢材晶粒混晶度的自动测量、精细分类方法及其*** |
CN109118494A (zh) * | 2018-07-24 | 2019-01-01 | 山东大学 | 一种基于凹点匹配的重叠区域分割方法及装置 |
CN110969598A (zh) * | 2018-09-28 | 2020-04-07 | 台湾积体电路制造股份有限公司 | 晶圆检查方法以及晶圆检查*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8841933B2 (en) * | 2010-09-09 | 2014-09-23 | International Business Machines Corporation | Inspection tool and methodology for three dimensional voltage contrast inspection |
-
2020
- 2020-08-24 CN CN202010856571.0A patent/CN111739022B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103940708A (zh) * | 2014-04-10 | 2014-07-23 | 江苏大学 | 一种钢材全形态晶粒的快速测量、精细分类方法 |
CN104880389A (zh) * | 2015-04-01 | 2015-09-02 | 江苏大学 | 一种钢材晶粒混晶度的自动测量、精细分类方法及其*** |
CN109118494A (zh) * | 2018-07-24 | 2019-01-01 | 山东大学 | 一种基于凹点匹配的重叠区域分割方法及装置 |
CN110969598A (zh) * | 2018-09-28 | 2020-04-07 | 台湾积体电路制造股份有限公司 | 晶圆检查方法以及晶圆检查*** |
Non-Patent Citations (2)
Title |
---|
基于机器视觉的晶粒检测方法研究;宋鹏;《中国优秀硕士学位论文全文数据库.信息科技辑》;20200715(第07期);第12-13页第3.2节,第31页第3.3.3节,第32-35页第4.1-4.2节,第39页第1段,图4-12,第45页第4.3节 * |
基于机器视觉的智能LED晶粒数量统计***;周文豪;《计算机产品与流通》;20190415(第04期);第163页第三章第(三)节,图4 * |
Also Published As
Publication number | Publication date |
---|---|
CN111739022A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
US7424146B2 (en) | Defect inspection method | |
KR102203112B1 (ko) | 표준 기준 이미지로부터 결정된 속성에 기초한 결함 검출 및 분류 | |
CN114140679B (zh) | 一种缺陷融合方法、装置、识别***及存储介质 | |
US9098893B2 (en) | System, method and computer program product for classification within inspection images | |
TWI539150B (zh) | 用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品 | |
TWI547802B (zh) | 檢驗方策產生技術及基於檢驗方策之檢驗技術 | |
TWI737375B (zh) | 缺陷辨識方法以及影像分析系統 | |
US20030228050A1 (en) | Method for pattern inspection | |
CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
CN109449093A (zh) | 晶圆检测方法 | |
Ma | Defect detection and recognition of bare PCB based on computer vision | |
CN111739022B (zh) | 一种基于图像检测的晶圆计数方法及*** | |
CN113112396B (zh) | 导电粒子的检测方法 | |
CN113487569B (zh) | 基于频域和空域结合的复杂背景图像缺陷检测方法及*** | |
CN114486916A (zh) | 基于机器视觉的手机玻璃盖板缺陷检测方法 | |
Kim et al. | Automatic defect detection from SEM images of wafers using component tree | |
Meng et al. | Defect detection of glassivation passivation parts wafer surface with random texture and different brightness | |
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 | |
CN117974601B (zh) | 基于模板匹配的硅片表面缺陷检测方法及*** | |
CN114943769B (zh) | 一种定位方法、装置、电子设备及介质 | |
CN117541579B (zh) | 一种封装支架缺陷检测方法及*** | |
Katti et al. | Profile based classification of capacitors for reuse | |
TWI399704B (zh) | 影像雜質分析系統及方法 |
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 |