CN114565558A - 一种cmos芯片表面缺陷检测方法及*** - Google Patents
一种cmos芯片表面缺陷检测方法及*** Download PDFInfo
- Publication number
- CN114565558A CN114565558A CN202210054556.3A CN202210054556A CN114565558A CN 114565558 A CN114565558 A CN 114565558A CN 202210054556 A CN202210054556 A CN 202210054556A CN 114565558 A CN114565558 A CN 114565558A
- Authority
- CN
- China
- Prior art keywords
- defect
- defects
- binarization processing
- detection
- product
- 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.)
- Pending
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
- G06T7/10—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
- G06T7/12—Edge-based segmentation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种CMOS芯片表面缺陷检测方法及***,其中检测方法包括以下步骤:对待测产品图像数据中的影像区进行划分,形成多个检测区块;根据灰度值对每个所述检测区块分别进行二值化处理;根据二值化处理的结果提取每个所述检测区块中的缺陷;对所述缺陷进行像素和/或尺寸分析,进一步提取有效缺陷。通过本发明的方法可在CMOS芯片贴膜前准确、快速且稳定地检出产品表面上的脏污缺陷,对于图像整体的灰度一致性、均匀性要求降低,方便硬件光源一致性的安装调试,保证产品中局部区域灰度的一致性,且可兼容不同产品因材料、加工差异引起的整体灰度变化,对灰度对比差异较小的缺陷和细微的缺陷检测精度更高。
Description
技术领域
本发明属于半导体检测领域,特别涉及一种CMOS芯片表面缺陷检测方法及***。
背景技术
在CMOS生产贴膜工序前,为了保证装入载盘的产品不会出现瑕疵,需要对CMOS整体做一次表面检测,剔除由于机械碰撞或是工艺不合格导致的外观缺陷产品。
现有技术一般采用人工剔除,人工确认往往速度较慢且存在较大的主观意识。且现有检测CMOS表面缺陷的传统技术主要是通过缺陷与正常表面的灰度差异,来提取缺陷,存在以下几个缺点:a、对图像整体灰度一致性要求很高,不同产品间容差较小;b、只检测一些灰度对比差异较大的缺陷;c、针对细微表面缺陷,检测精度不够高。
发明内容
针对上述问题,本发明采用的技术方案是:一种CMOS芯片表面缺陷检测方法,所述检测方法包括以下步骤:
对待测产品图像数据中的影像区进行划分,形成多个检测区块;
根据灰度值对每个所述检测区块分别进行二值化处理;
根据二值化处理的结果提取每个所述检测区块中的缺陷;
对所述缺陷进行像素和/或尺寸分析,进一步提取有效缺陷。
可选地,在对所述影像区进行划分的步骤之前,所述检测方法还包括以下步骤:
根据灰度值对所述待测产品图像数据进行二值化处理;
根据二值化处理结果对所述待测产品图像数据进行四周边缘找边处理,根据四周边缘的找边结果进行检测区域划分,所述检测区域的划分结果包括所述影像区和非影像区。
可选地,所述检测方法还包括步骤:
提取所述影像区,并获取所述待测产品图像数据的定位中心;
根据所述定位中心计算所述待测产品图像数据的位置偏差;
根据所述位置偏差进行定位偏移,重新确定所述影像区和所述非影像区。
可选地,在根据灰度值对每个所述检测区块分别进行二值化处理的步骤中,具体为:
获取每个所述检测区块的灰度中值;
根据相较于所述灰度中值的上下设定差值对每个所述检测区块进行二值化处理。
可选地,所述检测方法还包括步骤:
对提取的所述缺陷以及所述缺陷周边区域根据灰度值进行二次二值化处理;
根据所述二次二值化处理的结果重新提取缺陷。
可选地,在对所述缺陷进行像素和尺寸分析的步骤中,具体为:
获取所述缺陷轮廓的外接矩形和面积;
判断所述外接矩形和所述缺陷轮廓的像素是否符合有效缺陷;
若符合,则判断所述外接矩形和所述面积的尺寸大小是否符合不良品的卡控标准。
可选地,在靠近所述卡控标准一定数值内的所述缺陷进行二次分析,所述二次分析具体为:
获取所述缺陷的灰度最高值、灰度最低值以及灰度均值;
将所述缺陷的灰度最高值、灰度最低值、灰度均值以及所述缺陷所在检测区块的灰度中值与设定的固定值进行比对;
根据比对结果重新提取所述检测区块中的缺陷,排除所述缺陷的边缘过渡像素;
重新获取所述缺陷的外接矩形和面积。
可选地,所述检测方法还包括以下步骤:
选定所述待测产品图像数据非影像区的固定灰度值;
根据相较于所述固定灰度值对每个所述非影像区进行二值化处理;
根据二值化处理的结果提取所述非影像区的缺陷。
可选地,在对所述非影像区进行二值化处理之前,还包括步骤:
排除所述待测产品非影像区中的边缘线条影响。
以及,一种CMOS芯片表面缺陷检测***,包括:
图像采集模块,用于采集待测产品图像数据;
区块划分模块,用于对所述待测产品图像数据中的影像区进行划分,并形成供缺陷检测的多个检测区块;
缺陷提取模块,包括:二值化处理单元,用于根据灰度值对每个所述检测区块分别进行二值化处理;缺陷提取单元,用于对多个所述检测区块中的缺陷进行提取;
缺陷分析模块,用于对提取的所述缺陷进行像素和/或尺寸分析,进一步提取有效缺陷。
可选地,所述二值化处理单元还用于根据灰度值对所述待测产品图像数据进行二值化处理;
所述检测***还包括区域划分模块,所述区域划分模块根据二值化处理结果对所述待测产品图像数据进行四周边缘找边处理,并根据四周边缘的找边结果进行检测区域划分,所述检测区域划分结果包括所述影像区和非影像区。
可选地,所述检测***还包括定位模块,所述定位模块用于计算所述待测产品图像数据的位置偏差,并重新确定所述待测产品图像数据的影像区和非影像区。
可选地,所述二值化处理单元还用于根据灰度值对所述待测产品图像数据的非影像区进行二值化处理,所述缺陷提取单元还用于根据所述二值化处理单元的处理结果提取所述非影像区的缺陷。
可选地,所述二值化处理单元还用于对提取的所述缺陷以及所述缺陷周边区域根据灰度值进行二次二值化处理,所述缺陷提取单元还用于对二次二值化处理后的所述缺陷及其周边区域重新提取缺陷。
可选地,所述缺陷分析模块包括:
分析单元,用于获取所述缺陷轮廓的外接矩形和面积,并判断所述外接矩形的像素及尺寸大小和所述面积的尺寸大小是否符合有效缺陷和不良品卡控标准;
处理单元,用于对靠近所述卡控标准一定数值内的所述缺陷进行分析处理,排除所述缺陷的边缘过渡像素的影响后重新确定所述缺陷的外接矩形和面积。
本发明由于采用上述技术方案,使其具有以下有益效果:
1、在CMOS芯片贴膜前可准确、快速且稳定地检出产品表面上的脏污缺陷;
2、对于图像整体的灰度一致性、均匀性要求降低,方便硬件光源一致性的安装调试,保证产品中局部区域灰度的一致性;
3、可兼容不同产品因材料、加工差异引起的整体灰度变化,对灰度对比差异较小的缺陷和细微的缺陷检测精度更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明实施例的CMOS芯片表面缺陷检测方法的步骤流程图;
图2示出了根据本发明实施例的CMOS芯片经过第一次二值化处理后的结构图;
图3示出了根据本发明实施例的CMOS芯片经过划分形成多个检测区块后的结构图;
图4示出了CMOS芯片的表面灰度及缺陷的灰度示意图;
图5示出了根据本发明实施例的CMOS芯片中边缘线条检测的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
当今社会,随着计算机技术,人工智能等科学技术的出现和发展,以及研究的深入,出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现,大大提高了生产作业的效率,避免了因作业条件,主观判断等影响检测结果的准确性,实现能更好更精确地进行表面缺陷检测,更加快速的识别产品表面瑕疵缺陷。
产品表面缺陷检测属于机器视觉技术的一种,就是利用计算机视觉模拟人类视觉的功能,从具体的实物进行图像的采集处理、计算、最终进行实际检测、控制和应用。产品的表面缺陷检测是机器视觉检测的一个重要部分,其检测的准确程度直接会影响产品最终的质量优劣。由于使用人工检测的方法早已不能满足生产和现代工艺生产制造的需求,而利用机器视觉检测很好地克服了这一点,表面缺陷检测***的广泛应用促进了企业工厂产品高质量的生产与制造业智能自动化的发展。
如图1所示CMOS芯片表面缺陷检测方法的步骤流程图,本发明实施例的CMOS芯片表面缺陷检测方法包括以下步骤:
S1、精确定位
根据灰度值对所述待测产品图像数据进行第一次二值化处理,如图2所示的CMOS芯片经过第一次二值化处理后的结构图;
根据二值化处理结果对所述待测产品图像数据进行四周边缘找边处理,根据四周边缘的找边结果进行影像区和非影像区的划分;
提取所述影像区,并得到所述待测产品图像数据的定位中心;
根据所述定位中心计算所述待测产品图像数据的位置偏差;
根据所述位置偏差进行定位偏移,重新确定定位中心。
具体的,在本实施例中,影像区、非影像区共设置8个找边缘参数,包含区域、找边方向(向内或向外寻找)、找边灰度跳变方向(灰度增加、下降)、跳变灰度、找边间隔,边缘点选取顺序;一般影像区设置为向外寻找第一个灰度下降的跳变点,灰度跳变值>20,即为边缘线,非影像区向内寻找第一个灰度值下降的跳变点,灰度跳变值>20,即为边缘线。在本实施例中,灰度值255对应纯白,0对应纯黑,255→0,对应图像从白到黑的变化过程。
S2、区域划分
由于影像区和非影像区使用不同的参数提取缺陷,需要重新确定所述影像区和所述非影像区,具体为:根据重新确定的定位中心,对所述待测产品图像数据进行第二次二值化处理,根据第二次二值化处理结果对所述待测产品图像数据进行四周边缘找边处理,根据四周边缘的找边结果进行影像区和非影像区的划分。
区域划分后对待测产品图像数据中的影像区进行划分,形成多个检测区块,多个检测区块分别独立提取缺陷。在本实施例中,如图3所示的CMOS芯片经过划分形成多个检测区块后的结构图,划分为5行5列的25个区块。
S3、缺陷提取
1)对于影像区的缺陷提取步骤为:根据灰度值对每个所述检测区块分别进行二值化处理,根据所述二值化处理的结果提取每个所述检测区块中的缺陷。
具体为:通过直方图统计分析检测区块的灰度值,以获取每个所述检测区块的灰度中值,以该灰度中值作为自适应阈值;根据相较于所述灰度中值的上下设定差值对每个所述检测区块进行二值化处理。具体的,使用自适应阈值+相对亮阈值做二值化处理,以提取白斑缺陷,使用自适应阈值-相对暗阈值做二值化处理,以提取黑斑缺陷。
如图4所示的CMOS芯片的表面灰度及缺陷的灰度示意图,产品上部与下部存在灰度值偏差,且由于不同产品之间也存在整体灰度差异,在本方案中,使用自适应算法,统计当前产品灰度特征,可以避免不同产品之间的差异,便于检测参数的统一。
2)对于非影像区的缺陷提取步骤为:根据灰度值对非影像区进行二值化处理;根据所述二值化处理的结果提取非影像区中的缺陷。
具体为:选定所述待测产品图像数据非影像区的固定灰度值;根据相较于所述固定灰度值对每个所述非影像区进行二值化处理;根据所述二值化处理的结果提取所述非影像区的缺陷。基于上述,由于非影像区表面缺陷对于产品影响较小,要求不高,因此与影像区不同,不使用统计灰度中值,而是使用设定的固定灰度值做二值化处理,且可根据需要,调整固定灰度值的范围。
此外,在提取非影像区的缺陷之前,还需要排除所述待测产品非影像区中的边缘线条影响。非影像区内部线条、特征等较多,都需要单独设置检查参数,包括位置区域和检查阈值、检查值范围等。线条区域相对产品来说是固定的,位置变化不大,训练时记录其相对于影像中心的位置、线条方向、尺寸,检测时根据影像中心变化移动对应的检测区域,对检测区域内单独做二值化分析,得到检测数值。
如图5所示的CMOS芯片中边缘线条检测的结构图,图示下方两个十字之间的线条是封胶线,在提取缺陷之前,需要排除该条封胶线的影响,避免将该条封胶线作为缺陷进行提取。通过上述找边步骤确定影像区四个拐角,拐角连线(图示中间虚线)交点就是影像中心(中间十字位置),记录封胶线两端位置到影像中心的XY方向上的偏差,以及封胶线的上下宽度,使用一个灰度值检测封胶线周边区域的缺陷;检测不同产品时,产品找边确定的中心十字存在位置偏差,但是线的两端相对中心十字的偏差是固定的,可以直接计算得到,确定封胶线的检测位置、大小,使用同样设置的灰度值对待测产品进行检测。
S4、缺陷分析
对提取的所述缺陷以及所述缺陷周边区域根据灰度值进行二次二值化处理;根据所述二次二值化处理的结果重新提取缺陷。具体的,对提取的缺陷进行轮廓分析,得到缺陷的外接矩形,以当前矩形框作为单个Unit中心,上下左右方向各扩充一个相同尺寸的矩形框,并把四个角也补上,作为一个九宫格,在该九宫格框住的区域内,重新做直方图灰度值分析,得到灰度中值,再次做二次二值化效果,作为精确提取的缺陷,排除图像不均匀影响。
此外,还对所述缺陷进行像素和/或尺寸分析,以进一步提取有效缺陷。在本实施例中,对所述缺陷进行像素和尺寸分析,具体的:获取所述缺陷轮廓的外接矩形和面积;判断所述外接矩形和所述缺陷轮廓的像素是否符合有效缺陷,例如,外接矩形长宽尺寸都大于2Pixel,轮廓面积大于10Pixle,则作为有效缺陷进行提取;若符合,则判断所述外接矩形和所述面积的尺寸大小是否符合不良品的卡控标准,例如,卡控标准为缺陷长度>0.015um、面积>0.001mm2。
更优的,在靠近所述卡控标准一定数值内的所述缺陷进行二次分析,具体为:获取所述缺陷的灰度最高值、灰度最低值以及灰度均值;计算最高灰度值和最低灰度值的差值,记为第一差值,缺陷灰度均值与当前缺陷所在区块的灰度中值的差值,记为第二差值;若第一差值大于其对应的第一固定值,且第二差值也大于其对应的第二固定值,则需要进行精准的二次分析。在需要进行二次分析时,使用缺陷灰度均值+(缺陷灰度均值-当前缺陷所在区块的灰度中值)*Value,Value表示占比,一般为0或10%,重新提取原始图像的缺陷,以重新计算缺陷尺寸;进而重新获取所述缺陷的外接矩形和面积,从而得到更接近实际尺寸的数据,从而排除所述缺陷的边缘过渡像素。
S5、数据记录
对提取出的缺陷记录其位置,以及缺陷的外接矩形的长和宽、缺陷轮廓面积等信息。较佳的,每次检测时会记录缺陷的信息,在产品复检时,检测到缺陷后,在缺陷列表信息中查找,如果能找到同样位置信息的缺陷,就不再统计。排除相机、镜头脏污影响。
基于上述方法,可准确、快速且稳定地检出产品表面上的脏污缺陷;同时对于图像整体的灰度一致性、均匀性要求降低,可兼容不同产品因材料、加工差异引起的整体灰度变化,对灰度对比差异较小的缺陷和细微的缺陷检测精度更高。
此外,在执行步骤S1之前,还需要进行采集待测产品图像数据的步骤,在采集图像数据时,硬件光源是整套***中配合相机采图时的打光设备,针对每件产品,产品到位后,先打开光源,然后开启相机采图,采图完成后关闭光源,得到一张处理图像。其中,针对不同的缺陷可以使用不同的光源组合,采集不同的图像效果,本方案中的硬件光源是有高亮高角度的环形和方形白色光源,直射产品表面,突出产品缺陷。由于本方案对于图像整体的灰度一致性、均匀性要求降低,从而方便硬件光源一致性的安装调试,保证产品中局部区域灰度的一致性。
结合上述本发明实施例的CMOS芯片表面缺陷检测方法,进一步介绍本发明实施例的CMOS芯片表面缺陷检测***,该检测***包括图像采集模块、定位模块、区域划分模块、区块划分模块、缺陷提取模块、缺陷分析模块以及数据记录模块。其中,缺陷提取模块包括二值化处理单元和缺陷提取单元,缺陷分析模块包括分析单元和处理单元,具体的:
图像采集模块用于采集待测产品图像数据,采集到的待测产品图像数据以供后续区域划分、缺陷检测、缺陷分析等步骤进行操作。
定位模块用于计算所述待测产品图像数据的位置偏差,在通过二值化处理单元根据灰度差对待测产品图像数据进行二值化处理后,重新确定所述待测产品图像数据的影像区和非影像区。其中,通过区域划分模块对所述待测产品图像数据进行检测区域找边和划分,以确定影像区和非影像区。
区块划分模块对所述待测产品图像数据中的影像区进行划分,并形成供缺陷检测的多个检测区块。
二值化处理单元根据灰度值对影像区的每个所述检测区块和非影像区分别进行二值化处理,缺陷提取单元用于对影像区的每个所述检测区块和非影像区中的缺陷进行提取。此外,对于第一次提取的缺陷,还需通过二值化处理单元对提取的所述缺陷以及所述缺陷周边区域根据灰度值进行二次二值化处理,所述缺陷提取单元对经过二次二值化处理后的所述缺陷及其周边区域重新提取缺陷。
缺陷分析模块对提取的所述缺陷进行像素和/或尺寸分析,以进一步提取有效缺陷。具体的,分析单元获取所述缺陷轮廓的外接矩形和面积,并判断所述外接矩形的像素及尺寸大小和所述面积的尺寸大小是否符合有效缺陷和不良品卡控标准;处理单元对靠近所述卡控标准一定数值内的所述缺陷进行二次分析,以排除所述缺陷的边缘过渡像素,并重新获取所述缺陷的外接矩形和面积,从而得到更接近实际尺寸的数据。
数据记录模块对提取出的缺陷进行位置记录,以及缺陷的外接矩形的长和宽、缺陷轮廓面积等数据。
具体的,本***中各个模块、单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
以上所述仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (15)
1.一种CMOS芯片表面缺陷检测方法,其特征在于,所述检测方法包括以下步骤:
对待测产品图像数据中的影像区进行划分,形成多个检测区块;
根据灰度值对每个所述检测区块分别进行二值化处理;
根据二值化处理的结果提取每个所述检测区块中的缺陷;
对所述缺陷进行像素和/或尺寸分析,进一步提取有效缺陷。
2.如权利要求1所述的CMOS芯片表面缺陷检测方法,其特征在于,在对所述影像区进行划分的步骤之前,所述检测方法还包括以下步骤:
根据灰度值对所述待测产品图像数据进行二值化处理;
根据二值化处理结果对所述待测产品图像数据进行四周边缘找边处理,根据四周边缘的找边结果进行检测区域划分,所述检测区域的划分结果包括所述影像区和非影像区。
3.如权利要求2所述的CMOS芯片表面缺陷检测方法,其特征在于,所述检测方法还包括步骤:
提取所述影像区,并获取所述待测产品图像数据的定位中心;
根据所述定位中心计算所述待测产品图像数据的位置偏差;
根据所述位置偏差进行定位偏移,重新确定所述影像区和所述非影像区。
4.如权利要求1所述的CMOS芯片表面缺陷检测方法,其特征在于,在根据灰度值对每个所述检测区块分别进行二值化处理的步骤中,具体为:
获取每个所述检测区块的灰度中值;
根据相较于所述灰度中值的上下设定差值对每个所述检测区块进行二值化处理。
5.如权利要求1所述的CMOS芯片表面缺陷检测方法,其特征在于,所述检测方法还包括步骤:
对提取的所述缺陷以及所述缺陷周边区域根据灰度值进行二次二值化处理;
根据所述二次二值化处理的结果重新提取缺陷。
6.如权利要求1所述的CMOS芯片表面缺陷检测方法,其特征在于,在对所述缺陷进行像素和尺寸分析的步骤中,具体为:
获取所述缺陷轮廓的外接矩形和面积;
判断所述外接矩形和所述缺陷轮廓的像素是否符合有效缺陷;
若符合,则判断所述外接矩形和所述面积的尺寸大小是否符合不良品的卡控标准。
7.如权利要求6所述的CMOS芯片表面缺陷检测方法,其特征在于,在靠近所述卡控标准一定数值内的所述缺陷进行二次分析,所述二次分析具体为:
获取所述缺陷的灰度最高值、灰度最低值以及灰度均值;
将所述缺陷的灰度最高值、灰度最低值、灰度均值以及所述缺陷所在检测区块的灰度中值与设定的固定值进行比对;
根据比对结果重新提取所述检测区块中的缺陷,排除所述缺陷的边缘过渡像素;
重新获取所述缺陷的外接矩形和面积。
8.如权利要求1所述的CMOS芯片表面缺陷检测方法,其特征在于,所述检测方法还包括以下步骤:
选定所述待测产品图像数据非影像区的固定灰度值;
根据相较于所述固定灰度值对每个所述非影像区进行二值化处理;
根据二值化处理的结果提取所述非影像区的缺陷。
9.如权利要求8所述的CMOS芯片表面缺陷检测方法,其特征在于,在对所述非影像区进行二值化处理之前,还包括步骤:
排除所述待测产品非影像区中的边缘线条影响。
10.一种CMOS芯片表面缺陷检测***,其特征在于,包括:
图像采集模块,用于采集待测产品图像数据;
区块划分模块,用于对所述待测产品图像数据中的影像区进行划分,并形成供缺陷检测的多个检测区块;
缺陷提取模块,包括:二值化处理单元,用于根据灰度值对每个所述检测区块分别进行二值化处理;缺陷提取单元,用于对多个所述检测区块中的缺陷进行提取;
缺陷分析模块,用于对提取的所述缺陷进行像素和/或尺寸分析,进一步提取有效缺陷。
11.如权利要求10所述的CMOS芯片表面缺陷检测***,其特征在于,所述二值化处理单元还用于根据灰度值对所述待测产品图像数据进行二值化处理;
所述检测***还包括区域划分模块,所述区域划分模块根据二值化处理结果对所述待测产品图像数据进行四周边缘找边处理,并根据四周边缘的找边结果进行检测区域划分,所述检测区域划分结果包括所述影像区和非影像区。
12.如权利要求10所述的CMOS芯片表面缺陷检测***,其特征在于,所述检测***还包括定位模块,所述定位模块用于计算所述待测产品图像数据的位置偏差,并重新确定所述待测产品图像数据的影像区和非影像区。
13.如权利要求10所述的CMOS芯片表面缺陷检测***,其特征在于,所述二值化处理单元还用于根据灰度值对所述待测产品图像数据的非影像区进行二值化处理,所述缺陷提取单元还用于根据所述二值化处理单元的处理结果提取所述非影像区的缺陷。
14.如权利要求10所述的CMOS芯片表面缺陷检测***,其特征在于,所述二值化处理单元还用于对提取的所述缺陷以及所述缺陷周边区域根据灰度值进行二次二值化处理,所述缺陷提取单元还用于对二次二值化处理后的所述缺陷及其周边区域重新提取缺陷。
15.如权利要求10所述的CMOS芯片表面缺陷检测***,其特征在于,所述缺陷分析模块包括:
分析单元,用于获取所述缺陷轮廓的外接矩形和面积,并判断所述外接矩形的像素及尺寸大小和所述面积的尺寸大小是否符合有效缺陷和不良品卡控标准;
处理单元,用于对靠近所述卡控标准一定数值内的所述缺陷进行分析处理,排除所述缺陷的边缘过渡像素的影响后重新确定所述缺陷的外接矩形和面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210054556.3A CN114565558A (zh) | 2022-01-18 | 2022-01-18 | 一种cmos芯片表面缺陷检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210054556.3A CN114565558A (zh) | 2022-01-18 | 2022-01-18 | 一种cmos芯片表面缺陷检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114565558A true CN114565558A (zh) | 2022-05-31 |
Family
ID=81712505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210054556.3A Pending CN114565558A (zh) | 2022-01-18 | 2022-01-18 | 一种cmos芯片表面缺陷检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565558A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578462A (zh) * | 2022-11-18 | 2023-01-06 | 深圳市全正科技有限公司 | 应用于显示屏光学薄膜自动对贴的机器视觉定位控制*** |
CN117878025A (zh) * | 2024-03-11 | 2024-04-12 | 江苏芯德半导体科技有限公司 | 一种自动卡控晶圆图谱上缺陷芯片的方法 |
CN118071758A (zh) * | 2024-04-25 | 2024-05-24 | 苏州杰锐思智能科技股份有限公司 | Ccs电池盖板镍片偏移缺陷的检测方法、装置及电子设备 |
-
2022
- 2022-01-18 CN CN202210054556.3A patent/CN114565558A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578462A (zh) * | 2022-11-18 | 2023-01-06 | 深圳市全正科技有限公司 | 应用于显示屏光学薄膜自动对贴的机器视觉定位控制*** |
CN115578462B (zh) * | 2022-11-18 | 2023-03-07 | 深圳市全正科技有限公司 | 应用于显示屏光学薄膜自动对贴的机器视觉定位控制*** |
CN117878025A (zh) * | 2024-03-11 | 2024-04-12 | 江苏芯德半导体科技有限公司 | 一种自动卡控晶圆图谱上缺陷芯片的方法 |
CN117878025B (zh) * | 2024-03-11 | 2024-05-28 | 江苏芯德半导体科技有限公司 | 一种自动卡控晶圆图谱上缺陷芯片的方法 |
CN118071758A (zh) * | 2024-04-25 | 2024-05-24 | 苏州杰锐思智能科技股份有限公司 | Ccs电池盖板镍片偏移缺陷的检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230005130A1 (en) | Method and device for detecting display panel defect | |
CN110389127B (zh) | 一种金属陶瓷零件识别及表面缺陷检测***和方法 | |
JP4095860B2 (ja) | 欠陥検査方法及びその装置 | |
CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
CN108416765B (zh) | 一种字符缺陷自动检测方法和*** | |
CN114565558A (zh) | 一种cmos芯片表面缺陷检测方法及*** | |
CN112577969B (zh) | 一种基于机器视觉的缺陷检测方法以及缺陷检测*** | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN115561247A (zh) | 一种电子元器件外观自动视觉检测*** | |
CN113034464A (zh) | 一种多背景下的液晶显示器缺陷视觉实时检测方法 | |
CN113034488A (zh) | 一种喷墨印刷品的视觉检测方法 | |
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 | |
JP2005172559A (ja) | パネルの線欠陥検出方法及び装置 | |
CN110648330A (zh) | 摄像头玻璃的缺陷检测方法 | |
CN112669272A (zh) | 一种aoi快速检测方法及快速检测*** | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN111724375A (zh) | 一种屏幕检测方法及*** | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN117173107A (zh) | 产品缺陷检测方法、装置、设备、***和可读存储介质 | |
CN116503324A (zh) | 一种基于机器视觉的黑胶模组外观检测方法及*** | |
US5682440A (en) | Method of extracting pixels constituting intensity changes in an image and method of identifying collection of intensity changes |
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 |