CN115274486A - 一种半导体表面缺陷识别方法 - Google Patents

一种半导体表面缺陷识别方法 Download PDF

Info

Publication number
CN115274486A
CN115274486A CN202211177695.1A CN202211177695A CN115274486A CN 115274486 A CN115274486 A CN 115274486A CN 202211177695 A CN202211177695 A CN 202211177695A CN 115274486 A CN115274486 A CN 115274486A
Authority
CN
China
Prior art keywords
point
processed
points
obtaining
pixel
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.)
Granted
Application number
CN202211177695.1A
Other languages
English (en)
Other versions
CN115274486B (zh
Inventor
张晓军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Ruixi Intelligent Technology Co ltd
Original Assignee
Nantong Ruixi Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Ruixi Intelligent Technology Co ltd filed Critical Nantong Ruixi Intelligent Technology Co ltd
Priority to CN202211177695.1A priority Critical patent/CN115274486B/zh
Publication of CN115274486A publication Critical patent/CN115274486A/zh
Application granted granted Critical
Publication of CN115274486B publication Critical patent/CN115274486B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种半导体表面缺陷识别方法。该方法通过对半导体制冷片的表面图像分析，计算其灰白程度以及为直线的可能性得到其中的保留点、重要点和目标点，对保留点、重要点和目标点设置不同的高斯滤波方差，基于高斯滤波方差获取每个像素点对应滤波窗口内的权重，根据所述权重以及高斯滤波方差对所述表面图像进行高斯滤波得到优化图像；基于Sobel算子对所述优化图像进行边缘检测，以得到所述表面图像中的缺陷像素点，根据所述缺陷像素点得到表面图像中的划痕缺陷，提高了缺陷检测的准确性。

Description

一种半导体表面缺陷识别方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种半导体表面缺陷识别方法。
背景技术
半导体是导电性介于金属与绝缘体之间的一种材料，在实际的半导体材料生产制造加工过程中，由于各种环境，温度，杂质，提拉速率的影响，会导致半导体材料出现一些缺陷，例如晶片在研磨或抛光过程中，出现明显的划伤痕迹。
常规的图像处理技术检测划痕缺陷时使用的是边缘检测，但是单晶硅材料本身呈现单晶粒的情况，晶粒的明暗变化给边缘检测技术带来了巨大的干扰，使得将单晶粒之间的明暗变化都检测为许多的短曲线，造成了错误的检测结果；边缘检测效果不好的主要原因是高斯滤波的效果不理想，对于整幅图像使用同一个大小和方差的高斯核进行滤波时，对于半导体材料中与划痕像素的像素点与划痕区域的像素点平滑效果相同，最终使得划痕并未突出，而是与其余像素一起被平滑，导致边缘细节信息丢失，以至于边缘检测得到的划痕结果不够准确。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种半导体表面缺陷识别方法，该方法包括以下步骤：
采集半导体制冷片的表面图像，基于所述表面图像获取对应的亮度图像；
根据所述亮度图像中每个像素点的亮度值获取对应像素点的灰白程度，将所述灰白程度大于零的像素点作为待处理点，所述灰白程度不大于零的像素点作为保留点；
获取每个所述待处理点的八邻域中的邻域待处理点，基于邻域待处理点与待处理点的坐标位置得到第一可能性，所述第一可能性为待处理点与邻域待处理点分布在一条直线上的可能性；
当所述第一可能性大于预设阈值时，以所述第一可能性对应待处理点为中心点构建多个窗口，所述窗口之间尺寸不同；获取每个窗口内待处理点，基于每个窗口内的待处理点与所述中心点的坐标位置得到第二可能性；根据所有窗口对应的第二可能性得到置信度，将所述置信度大于零的窗口的中心点记为重要点，所述置信度不大于零的窗口的中心点记为目标点；
对保留点、目标点以及重要点设置不同大小的高斯滤波方差，基于高斯滤波方差获取每个像素点对应滤波窗口内的权重，根据所述权重以及高斯滤波方差对所述表面图像进行高斯滤波得到优化图像；
利用Sobel算子对所述优化图像进行边缘检测，以得到所述表面图像中的缺陷像素点，根据所述缺陷像素点得到表面图像中的划痕缺陷。
优选的，所述根据所述亮度图像中每个像素点的亮度值获取对应像素点的灰白程度的步骤，包括：
所述灰白程度的计算为：
Figure 16415DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
表示灰白程度；
Figure 883002DEST_PATH_IMAGE004
表示像素点的亮度值；
Figure 100002_DEST_PATH_IMAGE005
表示亮度图像中的最小亮度值；
Figure 771324DEST_PATH_IMAGE006
表示亮度图像中的最大亮度值；
Figure 100002_DEST_PATH_IMAGE007
为激活函数。
优选的，所述基于邻域待处理点与待处理点的坐标位置得到第一可能性的步骤，包括：
获取邻域待处理点与待处理点之间的坐标差异，基于每个邻域待处理点对应的坐标差异计算差值，根据所述差值得到所述第一可能性。
优选的，所述根据所有窗口对应的第二可能性得到置信度的步骤，包括：
获取所有第二可能性之间的差值，基于所述差值与窗口的大小得到置信度。
优选的，所述基于高斯滤波方差获取每个像素点对应滤波窗口内的权重的步骤，包括：
所述权重的计算为：
Figure 100002_DEST_PATH_IMAGE009
其中，
Figure 371938DEST_PATH_IMAGE010
表示位置为
Figure 100002_DEST_PATH_IMAGE011
的权重值；
Figure 662105DEST_PATH_IMAGE012
表示高斯滤波方差；
Figure 100002_DEST_PATH_IMAGE013
表示自然常数；
Figure 284280DEST_PATH_IMAGE014
表示圆周率。
本发明具有如下有益效果：本发明实施例中通过将半导体制冷片表面像素点划分为不同的类别，对不同类别的像素点自适应设置不同的高斯滤波方差，并基于不同的高斯滤波方差得到对应的权重，最后进行高斯滤波得到优化图像，根据优化图像进行划痕缺陷检测，提高了检测的可靠性和准确性。
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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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它附图。
图1为本发明一个实施例所提供的一种半导体表面缺陷识别方法流程图；
图2为本发明一个实施例所提供的一种高斯核内位置分布示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种半导体表面缺陷识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本申请适用于对半导体制冷片生产加工过程中造成的划痕缺陷的检测；下面结合附图具体的说明本发明所提供的一种半导体表面缺陷识别方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种半导体表面缺陷识别方法流程图，该方法包括以下步骤：
步骤S100，采集半导体制冷片的表面图像，基于表面图像获取对应的亮度图像。
将半导体制冷片水平放置在传送带上，使用CCD相机垂直向下采集半导体制冷片表面的初始图像，对初始图像进行语义分割，将半导体制冷片区域保留得到表面图像；语义分割为现有公知技术，不再赘述。
进一步的，由于半导体制冷片接近于灰色，表面图像为RGB图像效果不够明显，因此将表面图像转化为HSV空间的HSV图像，基于HSV空间的亮度空间对半导体制冷片分析更为合适，因此基于HSV图像得到半导体制冷片对应的亮度图像。
步骤S200，根据亮度图像中每个像素点的亮度值获取对应像素点的灰白程度，将灰白程度大于零的像素点作为待处理点，灰白程度不大于零的像素点作为保留点。
亮度图像中接近灰黑色的像素点是半导体制冷片表面正常区域的颜色，且划痕缺陷像素点与其差异较大；但半导体制冷片表面存在其他偏白色的正常像素点，其与划分缺陷像素点的颜色极为接近，在后续进行划痕缺陷分析时会产生较大的影响。由于亮度图像中会存在灰白、银白、亮白等多种白色的邻近色，因此本发明实施例中设置经验值表示白色及其邻近色的区域，经验值区间为[96,100]。
获取亮度图像中的最大亮度值和最小亮度值，基于每个像素点对应的亮度值以及亮度图像中的最大亮度值和最小亮度值获取对应像素点的灰白程度，灰白程度的计算具体为：
Figure 128739DEST_PATH_IMAGE016
其中，
Figure 80515DEST_PATH_IMAGE003
表示灰白程度；
Figure 412139DEST_PATH_IMAGE004
表示像素点的亮度值；
Figure 886108DEST_PATH_IMAGE005
表示亮度图像中的最小亮度值；
Figure 342497DEST_PATH_IMAGE006
表示亮度图像中的最大亮度值；
Figure 19335DEST_PATH_IMAGE007
为激活函数，用于将灰黑色的像素点的灰白程度置为0。
像素点越趋近于白色时，像素点对应的灰白程度越大；反之，像素点越远离于白色时，像素点对应的灰度程度越小；为便于后续的分析计算，本发明实施例中将小于零的灰白程度置为0，即所有像素点的灰白程度的区域为大于零或等于零。
将灰白程度为零的像素点标记为保留点，后续设定相同的高斯滤波参数进行滤波处理；将灰白程度大于零的像素点标记为待处理点，对待处理点进行后续分析。
步骤S300，获取每个待处理点的八邻域中的邻域待处理点，基于邻域待处理点与待处理点的坐标位置得到第一可能性，第一可能性为待处理点与邻域待处理点分布在一条直线上的可能性。
由于灰白程度大于零的像素点都趋近与白色，而所有灰白程度大于零的像素点中不仅包括半导体制冷片正常区域的像素点，还包括划痕像素点，因此对灰白程度大于零的待处理点进行分析，由于划痕区域的待处理点往往近似呈现一种边缘风格，与其邻域内的待处理点会构成一条直线，因此判断待处理点与其邻域内的待处理点是否构成直线。
具体的，设置任意大小的滑窗，本发明实施例设置滑窗大小为3*3，以任意待处理点为该滑窗的中心点，则滑窗内的像素点即为该待处理点对应的八邻域内的像素点，选取该滑窗内所有的待处理点记为邻域待处理点，通过滑窗中心的待处理点与其邻域待处理点之间的坐标位置得到第一可能性，则第一可能性的计算为：
Figure 487356DEST_PATH_IMAGE018
其中，
Figure DEST_PATH_IMAGE019
表示3*3滑窗下的第一可能性；
Figure 457193DEST_PATH_IMAGE020
表示滑窗中心的待处理点的坐标；
Figure DEST_PATH_IMAGE021
表示滑窗内第
Figure 807403DEST_PATH_IMAGE022
个邻域待处理点的坐标；
Figure DEST_PATH_IMAGE023
表示滑窗内第
Figure 22352DEST_PATH_IMAGE024
个邻域待处理点的坐标；
Figure DEST_PATH_IMAGE025
表示正切函数。
Figure 141618DEST_PATH_IMAGE026
为计算滑窗内第
Figure 754127DEST_PATH_IMAGE022
个邻域待处理点相对于滑窗中心的待处理点的角度；同理，
Figure DEST_PATH_IMAGE027
为计算滑窗内第
Figure 591633DEST_PATH_IMAGE024
个邻域待处理点相对于滑窗中心的待处理点的角度；相应的，由于划痕区域的待处理点相对于中心点的角度互补，即三点几乎在一条直线上，所以对任意两点之间相对于中心的待处理点的角度进行差值运算，运算结果与180度相比，即
Figure 688902DEST_PATH_IMAGE028
能够反映出这三点在一条直线上的程度。
当第一可能性
Figure 646363DEST_PATH_IMAGE019
的取值越趋近于1，表明构成直线的可能性越大，也即该待处理点属于划痕缺陷区域的点的可能性越大；以此类推，获取亮度图像中所有待处理点为滑窗中心点时对应的第一可能性。
步骤S400，当第一可能性大于预设阈值时，以第一可能性对应待处理点为中心点构建多个窗口，窗口之间尺寸不同；获取每个窗口内待处理点，基于每个窗口内的待处理点与中心点的坐标位置得到第二可能性；根据所有窗口对应的第二可能性得到置信度，将置信度大于零的窗口的中心点记为重要点，置信度不大于零的窗口的中心点记为目标点。
由步骤S300得到每个待处理点对应的第一可能性，当第一可能性大于预设阈值时，则该点可能为缺陷点，对第一可能性大于预设阈值时对应的待处理点进行再次分析，本发明实施例设置预设阈值为0.9，在其他实施例中实施者可根据实际情况自行设置。
以任意一个第一可能性大于0.9的待处理点为例，将滑窗由3*3扩大到5*5，再扩大到7*7，最后扩大到9*9，由此可得到以该待处理点为中心的三个窗口，然后对每个窗口中的待处理点进行标记，即标记出每个窗口中的灰白程度大于零的像素点，基于步骤S300中计算第一可能性相同的方法，计算不同窗口下待处理点对应的第二可能性，即第二可能性包括：5*5窗口的
Figure DEST_PATH_IMAGE029
、7*7窗口的
Figure 944620DEST_PATH_IMAGE030
以及9*9窗口的
Figure DEST_PATH_IMAGE031
；分析是否随着窗口的扩大，待处理点与其邻域待处理点之间构成一条直线的可能性也在增大，则根据每个窗口对应的第二可能性获取窗口中所有待处理点构成一条直线的置信度为：
Figure DEST_PATH_IMAGE033
其中，
Figure 819822DEST_PATH_IMAGE034
表示置信度；
Figure 596148DEST_PATH_IMAGE022
表示窗口大小，
Figure 17902DEST_PATH_IMAGE022
=3,5,7,9；
Figure DEST_PATH_IMAGE035
表示
Figure 1908DEST_PATH_IMAGE022
*
Figure 17268DEST_PATH_IMAGE022
窗口的第二可能性；
Figure 721919DEST_PATH_IMAGE007
为激活函数。
如果随着窗口的增大，窗口中待处理点构成直线的可能性也在增大，则相应的置信度会大于零；反之，如果随着窗口的增大，窗口中待处理点构成直线的可能性在减小，则将置信度结果置为0。将置信度大于零时的待处理点标记为重要点，将置信度为零时的待处理点标记为目标点。
步骤S500，对保留点、目标点以及重要点设置不同大小的高斯滤波方差，基于高斯滤波方差获取每个像素点对应滤波窗口内的权重，根据权重以及高斯滤波方差对表面图像进行高斯滤波得到优化图像。
具体的，将固定所有高斯滑窗的尺寸为5*5，高斯核内位置分布请参阅图2，据不同类别的像素点需要设定不同的方差；核大小固定，
Figure 889857DEST_PATH_IMAGE036
值越大，权值分布越平缓，因此邻域各点值对输出值的影响越大，最终结果造成图像越模糊；反之核大小固定，
Figure 388972DEST_PATH_IMAGE036
值越小，权值分布越突起，因此邻域各点值对输出值的影响越小，图像变化越小。
本发明实施例将保留点对应的高斯滤波方差设置为
Figure DEST_PATH_IMAGE037
，因为其本身不会对边缘检测造成干扰；将目标点对应的高斯滤波方差设置为
Figure 422787DEST_PATH_IMAGE038
，因为其对划痕边缘检测的影响较大，因此进行最大程度的平滑；将重要点对应的高斯滤波方差设置为
Figure DEST_PATH_IMAGE039
，对其平滑的程度很小。
由此根据不同类别的像素点的高斯滤波方差计算5*5窗口内各个像素点的权重为：
Figure 321342DEST_PATH_IMAGE040
其中，
Figure 593054DEST_PATH_IMAGE010
表示位置为
Figure 263070DEST_PATH_IMAGE011
的权重值；
Figure 825DEST_PATH_IMAGE012
表示高斯滤波方差；
Figure 781700DEST_PATH_IMAGE013
表示自然常数；
Figure 173498DEST_PATH_IMAGE014
表示圆周率。
由于整幅图像中高斯核的大小固定为5*5，故根据每次滑窗滑动到某个中心像素点的类别，根据不同类别的方差，带入上述公式计算得出滑窗内各个点对应的权重值
Figure 404628DEST_PATH_IMAGE010
。
基于上述设定的高斯滤波方差以及权重计算，使用5*5大小的高斯核从表面图像的左上角开始依次从左至右从上至下的滑动，并对每个像素点都进行滤波操作，将滤波完成的图像记为优化图像。
步骤S600，利用Sobel算子对优化图像进行边缘检测，以得到表面图像中的缺陷像素点，根据缺陷像素点得到表面图像中的划痕缺陷。
具体的，使用Sobel算子计算每个像素点的梯度
Figure DEST_PATH_IMAGE041
，获取所有像素点的梯度后进行非极大值抑制，目的是将模糊的边界变得清晰，操作就是将保留每个像素点梯度方向上的极大值，去除其余值。
然后再根据经验值设定合适的高低阈值
Figure 413035DEST_PATH_IMAGE042
，后续会将
Figure DEST_PATH_IMAGE043
的像素点不认为是任何边缘点，即非缺陷区域的点；将
Figure 154857DEST_PATH_IMAGE044
的像素点作为弱边缘点，即可能缺陷区域的点将
Figure DEST_PATH_IMAGE045
的像素点作为强边缘点，即确定为缺陷区域像素点；则对检测出的所有缺陷像素点进行标注，将其余像素点设置为黑色，即可得到表面图像中的划痕缺陷区域。
综上所述，本发明实施例通过采集半导体制冷片的表面图像，基于表面图像获取对应的亮度图像；根据亮度图像中每个像素点的亮度值获取对应像素点的灰白程度，将灰白程度大于零的像素点作为待处理点，灰白程度不大于零的像素点作为保留点；获取每个待处理点的八邻域中的邻域待处理点，基于邻域待处理点与待处理点的坐标位置得到第一可能性，第一可能性为待处理点与邻域待处理点分布在一条直线上的可能性；当第一可能性大于预设阈值时，以第一可能性对应待处理点为中心点构建多个窗口，窗口之间尺寸不同；获取每个窗口内待处理点，基于每个窗口内的待处理点与中心点的坐标位置得到第二可能性；根据所有窗口对应的第二可能性得到置信度，将置信度大于零的窗口的中心点记为重要点，置信度不大于零的窗口的中心点记为目标点；对保留点、目标点以及重要点设置不同大小的高斯滤波方差，基于高斯滤波方差获取每个像素点对应滤波窗口内的权重，根据权重以及高斯滤波方差对表面图像进行高斯滤波得到优化图像；利用Sobel算子对优化图像进行边缘检测，以得到表面图像中的缺陷像素点，根据缺陷像素点得到表面图像中的划痕缺陷，提高划痕缺陷检测的准确性。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种半导体表面缺陷识别方法，其特征在于，该方法包括以下步骤：
采集半导体制冷片的表面图像，基于所述表面图像获取对应的亮度图像；
根据所述亮度图像中每个像素点的亮度值获取对应像素点的灰白程度，将所述灰白程度大于零的像素点作为待处理点，所述灰白程度不大于零的像素点作为保留点；
获取每个所述待处理点的八邻域中的邻域待处理点，基于邻域待处理点与待处理点的坐标位置得到第一可能性，所述第一可能性为待处理点与邻域待处理点分布在一条直线上的可能性；
当所述第一可能性大于预设阈值时，以所述第一可能性对应待处理点为中心点构建多个窗口，所述窗口之间尺寸不同；获取每个窗口内待处理点，基于每个窗口内的待处理点与所述中心点的坐标位置得到第二可能性；根据所有窗口对应的第二可能性得到置信度，将所述置信度大于零的窗口的中心点记为重要点，所述置信度不大于零的窗口的中心点记为目标点；
对保留点、目标点以及重要点设置不同大小的高斯滤波方差，基于高斯滤波方差获取每个像素点对应滤波窗口内的权重，根据所述权重以及高斯滤波方差对所述表面图像进行高斯滤波得到优化图像；
利用Sobel算子对所述优化图像进行边缘检测，以得到所述表面图像中的缺陷像素点，根据所述缺陷像素点得到表面图像中的划痕缺陷。
2.根据权利要求1所述的一种半导体表面缺陷识别方法，其特征在于，所述根据所述亮度图像中每个像素点的亮度值获取对应像素点的灰白程度的步骤，包括：
所述灰白程度的计算为：
Figure 484506DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示灰白程度；
Figure 238267DEST_PATH_IMAGE004
表示像素点的亮度值；
Figure DEST_PATH_IMAGE005
表示亮度图像中的最小亮度值；
Figure 563332DEST_PATH_IMAGE006
表示亮度图像中的最大亮度值；
Figure DEST_PATH_IMAGE007
为激活函数。
3.根据权利要求1所述的一种半导体表面缺陷识别方法，其特征在于，所述基于邻域待处理点与待处理点的坐标位置得到第一可能性的步骤，包括：
获取邻域待处理点与待处理点之间的坐标差异，基于每个邻域待处理点对应的坐标差异计算差值，根据所述差值得到所述第一可能性。
4.根据权利要求1所述的一种半导体表面缺陷识别方法，其特征在于，所述根据所有窗口对应的第二可能性得到置信度的步骤，包括：
获取所有第二可能性之间的差值，基于所述差值与窗口的大小得到置信度。
5.根据权利要求1所述的一种半导体表面缺陷识别方法，其特征在于，所述基于高斯滤波方差获取每个像素点对应滤波窗口内的权重的步骤，包括：
所述权重的计算为：
Figure DEST_PATH_IMAGE009
其中，
Figure 341801DEST_PATH_IMAGE010
表示位置为
Figure DEST_PATH_IMAGE011
的权重值；
Figure 128098DEST_PATH_IMAGE012
表示高斯滤波方差；
Figure DEST_PATH_IMAGE013
表示自然常数；
Figure 232189DEST_PATH_IMAGE014
表示圆周率。
CN202211177695.1A 2022-09-27 2022-09-27 一种半导体表面缺陷识别方法 Active CN115274486B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211177695.1A CN115274486B (zh) 2022-09-27 2022-09-27 一种半导体表面缺陷识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211177695.1A CN115274486B (zh) 2022-09-27 2022-09-27 一种半导体表面缺陷识别方法

Publications (2)

Publication Number Publication Date
CN115274486A true CN115274486A (zh) 2022-11-01
CN115274486B CN115274486B (zh) 2022-12-13

Family

ID=83756808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211177695.1A Active CN115274486B (zh) 2022-09-27 2022-09-27 一种半导体表面缺陷识别方法

Country Status (1)

Country Link
CN (1) CN115274486B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630315A (zh) * 2023-07-24 2023-08-22 山东东阿亿福缘阿胶制品有限公司 基于计算机视觉的饮料包装缺陷智能检测方法
CN117115165A (zh) * 2023-10-24 2023-11-24 长沙康乾电子科技有限公司 一种掩膜版加工表面划伤处理方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010103275A (ja) * 2008-10-23 2010-05-06 Sumco Corp ウェーハ裏面の評価方法
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
CN112991332A (zh) * 2021-04-21 2021-06-18 视睿（杭州）信息科技有限公司 一种晶圆缺陷的多晶不良检测方法、装置
CN114235758A (zh) * 2021-12-10 2022-03-25 苏州凌云视界智能设备有限责任公司 缺陷检测方法、装置、设备及存储介质
CN115020267A (zh) * 2022-08-05 2022-09-06 启东旺晟电子科技有限公司 一种半导体表面缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010103275A (ja) * 2008-10-23 2010-05-06 Sumco Corp ウェーハ裏面の評価方法
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
CN112991332A (zh) * 2021-04-21 2021-06-18 视睿（杭州）信息科技有限公司 一种晶圆缺陷的多晶不良检测方法、装置
CN114235758A (zh) * 2021-12-10 2022-03-25 苏州凌云视界智能设备有限责任公司 缺陷检测方法、装置、设备及存储介质
CN115020267A (zh) * 2022-08-05 2022-09-06 启东旺晟电子科技有限公司 一种半导体表面缺陷检测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630315A (zh) * 2023-07-24 2023-08-22 山东东阿亿福缘阿胶制品有限公司 基于计算机视觉的饮料包装缺陷智能检测方法
CN116630315B (zh) * 2023-07-24 2023-09-29 山东东阿亿福缘阿胶制品有限公司 基于计算机视觉的饮料包装缺陷智能检测方法
CN117115165A (zh) * 2023-10-24 2023-11-24 长沙康乾电子科技有限公司 一种掩膜版加工表面划伤处理方法及装置

Also Published As

Publication number Publication date
CN115274486B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN115274486B (zh) 一种半导体表面缺陷识别方法
CN113963042B (zh) 基于图像处理的金属零件缺陷程度评估方法
CN111415363B (zh) 一种图像边缘识别方法
CN116596936B (zh) 基于图像数据的太阳翼帆板质量检测方法
CN115020267B (zh) 一种半导体表面缺陷检测方法
CN117351008A (zh) 一种智能手机面板表面缺陷检测方法
CN116740070B (zh) 基于机器视觉的塑料管道外观缺陷检测方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN115290663B (zh) 基于光学检测的Mini LED晶圆外观缺陷检测方法
CN115797342B (zh) 一种工业控制电容触摸lcd显示总成缺陷检测方法
CN109378279B (zh) 晶圆检测方法及晶圆检测***
CN116773548B (zh) 一种晶圆表面缺陷检测方法及***
CN112862832B (zh) 一种基于同心圆分割定位的脏污检测方法
CN115100191A (zh) 基于工业检测的金属铸件缺陷识别方法
CN113298809B (zh) 基于深度学习和超像素分割的复材超声图像缺陷检测方法
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN117274113B (zh) 基于图像增强的碎硅片清洗效果视觉检测方法
CN115953398A (zh) 一种用于带钢表面的缺陷识别方法
CN115690105A (zh) 一种基于计算机视觉的铣刀划痕检测方法
CN117152165A (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN116486091A (zh) 基于人工智能的风机叶片缺陷区域快速分割方法及***
CN114897881A (zh) 一种基于边缘特征的晶粒缺陷检测方法
CN114937006A (zh) 一种基于图像增强的锤头精细化缺陷检测方法
CN117495856A (zh) 基于深度学习的晶圆表面检测方法、装置、设备和介质
CN114881952A (zh) 一种铸件缺陷区域检测及边缘准确分割方法

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