CN115661483B - 识别开尔文探针中心的方法、装置、存储介质以及电子设备 - Google Patents

识别开尔文探针中心的方法、装置、存储介质以及电子设备 Download PDF

Info

Publication number
CN115661483B
CN115661483B CN202211417479.XA CN202211417479A CN115661483B CN 115661483 B CN115661483 B CN 115661483B CN 202211417479 A CN202211417479 A CN 202211417479A CN 115661483 B CN115661483 B CN 115661483B
Authority
CN
China
Prior art keywords
probe
contour point
image
straight line
distance
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
Application number
CN202211417479.XA
Other languages
English (en)
Other versions
CN115661483A (zh
Inventor
蔡超鹏
陈思乡
杨奉利
梁思文
戴啟辉
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.)
Hangzhou Changchuan Technology Co Ltd
Original Assignee
Hangzhou Changchuan 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 Hangzhou Changchuan Technology Co Ltd filed Critical Hangzhou Changchuan Technology Co Ltd
Priority to CN202211417479.XA priority Critical patent/CN115661483B/zh
Publication of CN115661483A publication Critical patent/CN115661483A/zh
Application granted granted Critical
Publication of CN115661483B publication Critical patent/CN115661483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种识别开尔文探针中心的方法、装置、存储介质以及电子设备。其中,该方法包括:确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点。本申请解决了由于开尔文针在长时间使用的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失,造成了难以通过识别针尖定位其双针中心的技术问题。

Description

识别开尔文探针中心的方法、装置、存储介质以及电子设备
技术领域
本申请涉及视觉图像领域,具体而言,涉及一种识别开尔文探针中心的方法、装置、存储介质以及电子设备。
背景技术
随着现代电子装置对小型化、轻量化、高性能化、多功能化、低功耗化和低成本化方面的要求不断提高,IC芯片的特征尺寸不断缩小,且集成规模迅速扩大,芯片封装技术也在不断革新,凸点加工工艺(Bump process flow)也因此发展起来,Bump晶圆测试也越来越流行,Bump晶圆的测试需要采用特殊的探针进行扎针测试,其中开尔文探针也是常用的bump测试探针。而测试的过程中需要进行对针,确定探针所在的位置,对针过程中一方面要确定bump的坐标位置,另一方面要确定探针的坐标位置。
开尔文双针由两根针组成,常规的开尔文双针针尖呈现明显的发亮,然而开尔文探针在使用久了的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失。因此很难通过定位针尖去确定其双针中心,而相关技术中也没有针对针尖磨损、氧化或者会积累脏污的开尔文双针识别的算法。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种识别开尔文探针中心的方法、装置、存储介质以及电子设备,以至少解决由于开尔文探针在长时间使用的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失,造成了难以通过识别针尖定位其双针中心的技术问题。
根据本申请实施例的一方面,提供了一种识别开尔文探针中心的方法,包括:确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点。
可选地,第一轮廓点构建第一直线,第二轮廓点构建第二直线,包括:分别以第一轮廓点和第二轮廓点为基准,确定筛选出第一轮廓点集合中与第二探针的端部距离为第三距离的第三轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第四距离的第四轮廓点,其中,第一距离小于第三距离,第二距离小于第四距离;根据第一轮廓点与第三轮廓点得到第一直线;根据第二轮廓点与第四轮廓点得到第二直线。
可选地,基于第一直线与第二直线确定开尔文探针的中心点,包括:将第一直线沿着第一探针移动预设距离,得到与第一探针的两侧相交的第三直线;将第二直线沿着第二探针移动预设距离,得到与第二探针的两侧相交的第四直线;基于第三直线与第四直线确定开尔文探针的中心点。
可选地,基于第三直线与第四直线确定开尔文探针的中心点,包括:分别获取第三直线对应的第一中心点,以及第四直线对应的第二中心点;确定第一中心点与第二中心点之间的连线的中心点为开尔文探针的中心点。
可选地,确定开尔文探针图像中的第一探针与第二探针,包括:获取开尔文探针图像的中心位置;识别开尔文探针图像中的连通域,确定距离中心位置最近的连通域为第一探针;确定距离第一探针最近的连通域为第二探针。
可选地,在识别开尔文探针图像中的连通域之前,还包括:对开尔文探针图像进行灰度化处理,得到开尔文探针图像对应的灰度图,检测灰度图是否满足预设亮度要求。
可选地,识别开尔文探针图像中的连通域,包括:调用自适应阈值算法对灰度图像进行局部自适应阈值分割,得到目标二值化图像;调用深度优先算法确定目标二值化图像中开尔文探针图像对应的连通域。
可选地,检测灰度图是否满足预设亮度要求,包括:确定目标二值化图像中的白色部分为灰度图中的背景画面;统计背景画面的像素值大于预定值对应的第一图像像素面积,获取二值图对应的第二图像像素面积,求取第一图像像素面积与第二图像像素面积的比值,根据比值确定灰度图是否满足预设亮度要求。
可选地,根据比值确定灰度图是否满足预设亮度要求,包括:在比值大于预设比值的情况下,确定灰度图满足预设亮度要求;在比值小于预设比值的情况下,确定灰度图不满足预设亮度要求。
根据本申请实施例的另一方面,还提供了一种识别开尔文探针中心的装置,包括:识别模块,用于确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选模块,用于筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;确定模块,用于根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,包括:存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行任意一种识别开尔文探针中心的方法。
根据本申请实施例的另一方面,还提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现任意一种识别开尔文探针中心的方法。
在本申请实施例中,采用针体轮廓定位的方式,通过确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点,达到了基于针体轮廓准确定位开尔文探针中心的目的,从而实现了避免针尖边缘的缺损对轮廓精度影响的技术效果,进而解决了由于开尔文探针在长时间使用的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失,造成了难以通过识别针尖定位其双针中心的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种识别开尔文探针中心的方法的流程示意图;
图2是本申请一些实施例中,根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线的流程示意图;
图3是本申请一些可选的实施例中,基于第一直线与第二直线确定开尔文探针的中心点的流程示意图;
图4是本申请中一种可选的确定开尔文探针图像中的第一探针与第二探针的流程示意图;
图5是本申请一示例性实施例中,识别开尔文探针图像中的连通域的流程示意图;
图6是根据本申请实施例中实现开尔文双针识别的流程图;
图7是根据本申请实施例的一种开尔文探针灰度图;
图8a、图8b是根据本申请实施例的一种开尔文探针背景二值图;
图9是根据本申请实施例的第一个开尔文探针边缘轮廓图;
图10是根据本申请实施例的第二个开尔文探针边缘轮廓图;
图11是根据本申请实施例的开尔文双针第一对边缘点计算结果图;
图12是根据本申请实施例的开尔文双针第二对边缘点计算结果图;
图13是本申请一示例性实施例中第一直线与第二直线的分布示意图;
图14是本申请一示例性实施例中,第三直线,第四直线,第三直线对应的中心点,以及第四直线对应的中心点的分布示意图;
图15是本申请一示例性实施例中开尔文探针的中心的位置示意图;
图16是根据本申请实施例的一种识别开尔文探针中心的装置的结构示意图;
图17出示了可以用来实施本申请的实施例的示例电子设备170的示意性框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于本领域技术人员更好的理解,本申请相关实施例,现对本申请可能涉及的技术术语或者部分名词进行解释:
晶圆测试是对晶片上的每个晶粒进行针测,在检测头装上以金线制成的探针,与晶粒上的接点接触,测试其电气特性,不合格的晶粒会被标上记号,而后当晶片依晶粒为单位切割成独立的晶粒时,标有记号的不合格晶粒会被淘汰,不再进行下一个制程,以免徒增制造成本。在测试时,晶圆被固定在真空吸力的卡盘上,并与很薄的探针电测器对准,同时探针与芯片的每一个焊接垫相接触。电测器在电源的驱动下测试电路并记录下结果。测试的数量、顺序和类型由计算机程序控制。
开尔文探针是一种基于振动电容的非接触无损气相环境金属表面电位的测量技术,用于测量材料的功函数(Work Function)或表面势(Surface Potential)。它可以用于检测气相环境中因温度、湿度、表面的化学、电学、力学、晶体、吸附、成膜等因素引起的材料表面电势的微小变化,是一种高灵敏的表面电化学分析技术,是唯一能够测定气相环境中腐蚀电极表面电位的方法。开尔文探针分为振动探针模块、样品电极模块、样品环境模块、扫描移动控制模块、信号采集解析模块、机械支撑模块、测量控制软件模块、数据解析软件模块和计算机等九个组成部分。
二值图像是指将图像上的每一个像素只有两种可能的取值或灰度等级状态,人们经常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中,灰度等级只有两种,图像中的任何像素点的灰度值均为0或者255,分别代表黑色和白色。
自适应阈值法,它的思想不是计算全局图像的阈值,而是根据图像不同区域亮度分布,计算其局部阈值,所以对于图像不同区域,能够自适应计算不同的阈值。
DFS属于图算法的一种,是针对图和树的遍历算法。深度优先搜索是图论中的经典算法,利用深度优先搜索算法可以产生目标图的相应拓扑排序表,利用拓扑排序表可以方便的解决很多相关的图论问题,如最大路径问题等等。一般用堆或栈来辅助实现DFS算法。其过程简要来说是对每一个可能的分支路径深入到不能再深入为止,如果遇到死路就往回退,回退过程中如果遇到没探索过的支路,就进入该支路继续深入,每个节点只能访问一次。
连通域,复平面上的一个区域G,如果在其中任做一条简单闭曲线,而闭曲线的内部总属于G,就称G为单连通区域。一个区域如果不是单连通区域,就称为多连通区域。
凸包最常用的凸包算法是Graham扫描法,Graham scan算法思想是基于凸包的属性:求取 N 个点中,y 值最小的点 p;将剩余的 N - 1 个点,按照与点 p 的极角值进行排序;遍历排序后的 N - 1 个点,只保留那些进行逆时针旋转的点。
根据本申请实施例,提供了一种识别开尔文探针中心的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种识别开尔文探针中心的方法,如图1所示,该方法包括如下步骤:
步骤S102,确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;
可以理解的是,其中第一轮廓点集合指的是第一探针的针体轮廓点组成的集合,第二轮廓点集合指的是第二探针的针体轮廓点组成的集合;上述针体轮廓点的确定方式包括但不限于:凸包算法,需要说明的是,采用凸包算法提取开尔文探针的轮廓,可以有效的避免针尖边缘缺损对轮廓精度的影响。
步骤S104,筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;
需要说明的是,上述第一轮廓点为第一轮廓点集合中距离第二探针的针尖端部距离最近的点,同理,上述第二轮廓点为第二轮廓点集合中距离第一探针的针尖端部最近的点,还需要说明的是,上述筛选过程中,可选用的距离计算方式包括但不限于:欧式距离,曼哈顿距离,切比雪夫距离等。
步骤S106,根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点;
可以理解的,根据第一轮廓点构建的第一直线为经过第一轮廓点的某一直线,同理,根据第二轮廓点构建的第二直线也为经过第二轮廓点的某一直线。
该识别开尔文探针中心的方法中,通过确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点,达到了基于针体轮廓准确定位开尔文探针中心的目的,从而实现了避免针体边缘的缺损对轮廓精度影响的技术效果,进而解决了由于开尔文探针在长时间使用的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失,造成了难以通过识别针尖定位其双针中心的技术问题。
图2是本申请一些实施例中,根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线的流程示意图,如图2所示,该流程主要包括如下步骤:
S202,可分别以第一轮廓点和第二轮廓点为基准,确定筛选出第一轮廓点集合中与第二探针的端部距离为第三距离的第三轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第四距离的第四轮廓点,其中,第一距离小于第三距离,第二距离小于第四距离;
S204,根据第一轮廓点与第三轮廓点得到第一直线;
S206,根据第二轮廓点与第四轮廓点得到第二直线。
可选地,以第一轮廓点为基准筛选出第三轮廓点可以为以第一轮廓点为圆心,以预设半径为搜索范围从第一轮廓点集合中筛选出预设半径范围内的所有轮廓点,再从所有轮廓点中确定出离第二探针的端部(针尖端)最近的点为第三轮廓点,同理,以第二轮廓点为基准筛选出第四轮廓点可以为以第二轮廓点为圆心,以预设半径为搜索范围从第二轮廓点集合中筛选出预设半径范围内的所有轮廓点,再从所有轮廓点中确定出离第一探针的端部(针尖端)最近的点为第四轮廓点。
容易注意到的是,可以基于第一轮廓点与第三轮廓点确定出唯一的第一直线,可基于第二轮廓点与第四轮廓点确定出唯一的第二直线。
图3是本申请一些可选的实施例中,基于第一直线与第二直线确定开尔文探针的中心点的流程示意图,如图3所示,该过程可通过如下步骤实现:
S302,可将第一直线沿着第一探针移动预设距离,得到一与第一探针的两侧相交的第三直线;
S304,将第二直线沿着第二探针移动预设距离,得到一与第二探针的两侧相交的第四直线;
S306,基于第三直线与第四直线确定开尔文探针的中心点。
容易注意到的是,将第一直线沿着第一探针移动预设距离后,第一直线与第一探针针体的两条侧边相交后会形成两个交点,上述第三直线为两个交点所确定的直线段。同理,上述第四直线为将第二直线沿着第二探针移动预设距离后,第二直线与第二探针针体的两条侧边相交后也会形成两个交点,上述第四直线为两个交点所确定的直线段。
具体的,基于第三直线与第四直线确定开尔文探针的中心点,可通过如下方式实现:可分别获取第三直线对应的第一中心点,以及第四直线对应的第二中心点,然后确定第一中心点与第二中心点之间的连线的中心点为开尔文探针的中心点,容易注意到的是,通过轮廓定位的方式识别探针中心点,避免了针尖边缘的缺损对轮廓精度影响,进而解决了由于开尔文探针在长时间使用的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失,造成了难以通过识别针尖定位其双针中心的技术问题。
作为另一种可选的实施方式,基于第三直线与第四直线确定开尔文探针的中心点,还可以通过如下方式实现,具体的,获取第三直线对应的第一中心点,以及第四直线对应的第二中心点,然后确定第一中心线与第二中心点的中心位置为开尔文探针的中心,可以理解的,相比较通过确定连线中心的方式,该方式可以直接确定两个中心点的中心位置处,不用再构建两个中心点之间的连线,可以简化操作步骤,节省数据处理时间。
作为一种可选的实施例,图4是本申请中一种可选的确定开尔文探针图像中的第一探针与第二探针的流程示意图,如图4所示,该流程可通过如下方式实现,具体地:
S402,获取开尔文探针图像的中心位置;
S404,识别开尔文探针图像中的连通域,确定距离中心位置最近的连通域为第一探针;
S406,确定距离第一探针最近的连通域为第二探针。
需要说明的是,可采用DFS算法计算出上述连通域,上述用于衡量中心位置与连通域之间距离的计算方式可以为欧式距离、曼哈顿距离,切比雪夫距离,例如,采用欧式距离计算距离中心位置最近的连通域。
可以理解的,由于不同维度的距离计算方式,最终所得到的结果可能有差别,因此,在本申请中一实施例中,可采用多种距离计算方式确定距离中心位置最近的连通域,然后,再结合各种距离计算方法下的计算得到最终距离中心位置最近的连通域。
作为一种可选的实施例中,在识别开尔文探针图像中的连通域之前,还包括:对开尔文探针图像进行灰度化处理,得到开尔文探针图像对应的灰度图,检测灰度图是否满足预设亮度要求。
图5是本申请一示例性实施例中,识别开尔文探针图像中的连通域的流程示意图,如图5所示,该过程可以通过如下步骤:
S502,调用自适应阈值算法对灰度图像进行局部自适应阈值分割,得到目标二值化图像;
S504,调用深度优先算法确定目标二值化图像中开尔文探针图像对应的连通域。
需要说明的是,自适应阈值分割是依据灰度图像不同区域的亮度分布,自适应计算不同的阈值,该方法适合处理光照不均的图像。通常可以通过计算某个局部区域的像素点均值、中值、高斯加权平均确定对应局部区域的阈值,其中,阈值可以根据实际情况自行设定,本申请相关实施例中不做具体限定。
本申请一些实施例中,可选用的自适应阈值分割方法包括但不限于:局部自适应阈值分割法(优先选用)、最大熵阈值分割法、迭代阈值分割法、大津法;深度优先算法包括但不限于DFS算法。
可选地,为了将针体与背景画面进行有效的分离,提高识别结果的准确性,在识别开尔文探针图像中的连通域之前,可对开尔文探针图像进行灰度化处理,得到开尔文探针图像对应的灰度图,检测灰度图是否满足预设亮度要求,在满足预设亮度要求后再执行其他操作。
具体的,检测灰度图是否满足预设亮度要求,可通过如下步骤实现:确定目标二值化图像中的白色部分为灰度图中的背景画面;统计背景画面的像素值大于预定值对应的第一图像像素面积,获取二值图对应的第二图像像素面积,求取第一图像像素面积与第二图像像素面积的比值,根据比值确定灰度图是否满足预设亮度要求。
本申请一些实施例中,根据比值确定灰度图是否满足预设亮度要求,包括:在比值大于预设比值的情况下,确定灰度图满足预设亮度要求,容易注意到的是,在比值小于预设比值的情况下,确定灰度图不满足预设亮度要求。
举例而言,假设此时预定值为110,背景画面大于预定值110的第一图像像素面积为10,而第二图像像素面积为60,由于若背景画面与二值图的面积比值小于1/5,被判定为背景亮度过暗,则会进行预警提示,提醒调节亮度,调至针体轮廓与背景有明显区分时,再次进行图像识别;若此时假设预定值依然为110,背景画面的像素值在灯光的调节下,背景画面大于预定值110的第一图像像素面积变为了20,此时背景画面与二值图的面积比值大于1/5,则可判定为背景亮度正常,进入下一步分割操作。
需要说明的是,上述背景亮度的调节方式包括:人工手动调节光源控制器以及调用算法自动调节亮度等。
容易注意到的是,在上述技术方案中,可采用拟合针体轮廓的方式,通过针体端部的轮廓点构建双针端部直线,将针体端部直线向针体内部偏移,得到针体内部由针体侧边点构建的直线,由偏移后直线的中心点构建一条连接双针的直线,这条连接双针的直线的中心点就是双针中心点,相比于定位针尖的方式,该方法更为稳定,不管针尖是否磨损,均可定位出开尔文双针的中心。
为了便于本领域技术人员更好的理解本申请的技术方案,现结合一具体实施例进行说明。
图6是根据本申请实施例中实现识别开尔文探针中心的方法的流程图示意图,如图6所示,该流程主要包括如下步骤:
(1)获取聚焦后的开尔文探针图片,并对该开尔文探针图片进行灰度化处理,得到如图7所示的灰度图。
(2)根据背景评估画面是否过暗,分割出背景二值图(即确定二值图中的白色部分为灰度图中的背景画面),如图8a、图8b所示,以二值图白色部分定位背景,计算统计背景像素值超过设定值(可选的,该设定值可以为110)的像素个数,若个数满足大于1/5(即预设比例)的图像面积,则判定背景亮度正常(即统计所述背景画面的像素值大于预定值对应的第一图像像素面积,获取所述二值图对应的第二图像像素面积,求取所述第一图像像素面积与所述第二图像像素面积的比值,在所述比值大于预设比值的情况下,确定所述灰度图满足所述预设亮度要求),进入步骤S3;若个数不满足大于1/5(预设比例)的图像面积,则确定灰度图不满足预设亮度要求,并可进行报警,然后,调节亮度直到超过设定值的像素个数满足大于1/5。
需要说明的是,背景过暗的调节亮度的方式包括但不限于:人工手动调节光源控制器,例如发送提示信息给用户,让用户参与调节或者调用亮度调节算法,可选的,在基于亮度调节算法对亮度的调节过程中,可按照预定步长(可选的,该步长值可以为10)依次提升光源亮度值,直到超过设定值的像素个数满足大于1/5(预设比例)的图像面积为止。
(3)将获取到的灰度图进行自适应阈值分割得到发暗针体的连通域,得到针体二值图。
可选用的自适应阈值分割方法包括但不限于:局部自适应阈值分割法、最大熵阈值分割法、迭代阈值分割法以及大津法。
(4)调用深度优先DFS算法确定目标二值化图像中开尔文探针图像对应的连通域。
(5)筛选离中心画面距离最近的第一探针的针体连通域。
需要说明的是,可选用的距离计算方式包括但不限于:欧式距离、曼哈顿距离、切比雪夫距离。
(6)筛选出离前一个筛选出的针体连通域中心距离最近第二探针的针体连通域。在该过程中,可选用的距离计算方式包括但不限于:欧式距离、曼哈顿距离、切比雪夫距离。
(7)可通过凸包算法提取出两个针体的轮廓,提取出第一探针和第二探针的针体轮廓,如图9,图10所示分别为第一探针的针体边缘轮廓图与第二探针的针体边缘轮廓图。
(8) 筛选出第一轮廓点集合中与所述第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与所述第一探针的端部距离为第二距离的第二轮廓点,根据第一轮廓点,第二轮廓点这两个构成第一对边缘点(也可以成为第一边缘点对),如图11所示,为第一对边缘点的示意图。需要说明的是,上述确定距离的过程中,可选用的距离计算方式包括但不限于:欧式距离、曼哈顿距离、切比雪夫距离。
(9)在筛选出第一轮廓点集合中与第二探针的端部距离最近的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离最近的第二轮廓点之后;然后以第一轮廓点和第二轮廓点为基准,筛选出第一轮廓点集合中与第二探针的端部距离除第一轮廓点以外的最近的第三轮廓点,以及第二轮廓点集合中与第一探针的端部距离除第二轮廓点以外的最近的第四轮廓点,根据第三轮廓点与第四轮廓点构成第二对边缘点,(也可以称为第二边缘点对),如图12所示为第二对边缘点的示意图。
同理,上述计算距离的过程中可选用的距离计算方式包括但不限于:欧式距离、曼哈顿距离、切比雪夫距离。
(10) 根据第一轮廓点与所述第三轮廓点得到第一直线,根据所述第二轮廓点与所述第四轮廓点得到第二直线,图13是第一直线与第二直线分布示意图。
(11) 将第一直线沿着第一探针移动预设距离,得到与第一探针的两侧相交的第三直线;将第二直线沿着第二探针移动预设距离,得到与第二探针的两侧相交的第四直线;并分别确定第三直线与第四直线的中心点,如图14所示,为第三直线,第四直线,第三直线对应的中心点,以及第四直线对应的中心点的分布示意图。
(12)连接第三直线与第四直线的中心点得到一条直线,计算该直线的中心点即为所求开尔文探针的中心点,图15是开尔文探针的中心的分布位置示意图,如图15所示,开尔文探针的中心为第三直线的中心点与第四直线的中心点连接后形成的连线的中心位置。
图16是根据本申请实施例的一种识别开尔文探针中心的装置,如图16所示,该装置包括:
识别模块160,用于确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;
筛选模块162,用于筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;
确定模块164,用于根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点。
该装置中,识别模块160,用于确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选模块162,用于筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;确定模块164,用于根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点,达到了准确定位的目的,从而实现了避免针体边缘的缺损对轮廓精度影响的技术效果,进而解决了由于开尔文探针在长时间使用的情况下,针尖容易磨损、氧化或者会积累脏污,导致发亮的针尖变小或者消失,造成了难以通过定位针尖去确定其双针中心技术问题。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行任意一种识别开尔文探针中心的方法。
具体地,上述存储介质用于存储以下功能的程序指令,实现以下功能:
确定开尔文探针图像中的第一探针与第二探针,确定图像中第一探针对应的第一轮廓点集合,以及图像中第二探针对应的第二轮廓点集合;筛选出第一轮廓点集合中与第二探针的端部距离为第一距离的第一轮廓点,以及第二轮廓点集合中与第一探针的端部距离为第二距离的第二轮廓点;根据第一轮廓点构建第一直线,根据第二轮廓点构建第二直线,基于第一直线与第二直线确定开尔文探针的中心点。
可选地,在本实施例中,上述存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。上述存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本申请的实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述任意一种的识别开尔文探针中心的方法。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入设备输出设备和上述处理器连接。
图17示出了可以用来实施本申请的实施例的示例电子设备170的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图17所示,设备170包括计算单元171,其可以根据存储在只读存储器(ROM)172中的计算机程序或者从存储单元178加载到随机访问存储器(RAM)173中的计算机程序,来执行各种适当的动作和处理。在RAM 173中,还可存储设备170操作所需的各种程序和数据。计算单元171、ROM 172以及RAM 173通过总线174彼此相连。输入/输出(I/O)接口175也连接至总线174。
设备170中的多个部件连接至I/O接口175,包括:输入单元176,例如键盘、鼠标等;输出单元177,例如各种类型的显示器、扬声器等;存储单元178,例如磁盘、光盘等;以及通信单元179,例如网卡、调制解调器、无线通信收发机等。通信单元179允许设备170通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元171可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元171的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元171执行上文所描述的各个方法和处理。例如,在一些实施例中,识别开尔文探针中心的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元178。在一些实施例中,计算机程序的部分或者全部可以经由ROM 172和/或通信单元179而被载入和/或安装到设备170上。当计算机程序加载到RAM 173并由计算单元171执行时,可以执行上文描述的识别开尔文探针中心的方法一个或多个步骤。备选地,在其他实施例中,计算单元171可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行识别开尔文探针中心的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种识别开尔文探针中心的方法,其特征在于,包括:
确定开尔文探针图像中的第一探针与第二探针,确定所述图像中所述第一探针对应的第一轮廓点集合,以及所述图像中所述第二探针对应的第二轮廓点集合;
筛选出所述第一轮廓点集合中与所述第二探针的端部距离为第一距离的第一轮廓点,以及所述第二轮廓点集合中与所述第一探针的端部距离为第二距离的第二轮廓点;
根据所述第一轮廓点构建第一直线,根据所述第二轮廓点构建第二直线,包括:分别以所述第一轮廓点和第二轮廓点为基准,确定筛选出所述第一轮廓点集合中与所述第二探针的端部距离为第三距离的第三轮廓点,以及所述第二轮廓点集合中与所述第一探针的端部距离为第四距离的第四轮廓点,根据所述第一轮廓点与所述第三轮廓点得到第一直线,根据所述第二轮廓点与所述第四轮廓点得到第二直线,其中,所述第一距离小于所述第三距离,所述第二距离小于所述第四距离;
基于所述第一直线与所述第二直线确定所述开尔文探针的中心点,包括:将所述第一直线沿着所述第一探针移动预设距离,得到与所述第一探针的两侧相交的第三直线;将所述第二直线沿着所述第二探针移动所述预设距离,得到与所述第二探针的两侧相交的第四直线;基于所述第三直线与所述第四直线确定所述开尔文探针的中心点。
2.根据权利要求1所述的方法,其特征在于,基于所述第三直线与所述第四直线确定所述开尔文探针的中心点,包括:
分别获取所述第三直线对应的第一中心点,以及所述第四直线对应的第二中心点;
确定所述第一中心点与所述第二中心点之间的连线的中心点为所述开尔文探针的中心点。
3.根据权利要求1所述的方法,其特征在于,确定开尔文探针图像中的第一探针与第二探针,包括:
获取所述开尔文探针图像的中心位置;
识别所述开尔文探针图像中的连通域,确定距离所述中心位置最近的连通域为所述第一探针;
确定距离所述第一探针最近的连通域为所述第二探针。
4.根据权利要求3所述的方法,其特征在于,在识别所述开尔文探针图像中的连通域之前,所述方法还包括:
对所述开尔文探针图像进行灰度化处理,得到所述开尔文探针图像对应的灰度图,检测所述灰度图是否满足预设亮度要求。
5.根据权利要求4所述的方法,其特征在于,识别所述开尔文探针图像中的连通域,包括:
调用自适应阈值算法对所述灰度图像进行局部自适应阈值分割,得到目标二值化图像;
调用深度优先算法确定所述目标二值化图像中所述开尔文探针图像对应的连通域。
6.根据权利要求5所述的方法,其特征在于,检测所述灰度图是否满足预设亮度要求,包括:
确定所述目标二值化图像中的白色部分为所述灰度图中的背景画面;
统计所述背景画面的像素值大于预定值对应的第一图像像素面积,获取所述目标二值化图像对应的第二图像像素面积,求取所述第一图像像素面积与所述第二图像像素面积的比值,根据所述比值确定所述灰度图是否满足预设亮度要求。
7.根据权利要求6所述的方法,其特征在于,根据所述比值确定所述灰度图是否满足预设亮度要求,包括:
在所述比值大于预设比值的情况下,确定所述灰度图满足所述预设亮度要求;
在所述比值小于所述预设比值的情况下,确定所述灰度图不满足所述预设亮度要求。
8.一种识别开尔文探针中心的装置,其特征在于,包括:
识别模块,用于确定开尔文探针图像中的第一探针与第二探针,确定所述图像中所述第一探针对应的第一轮廓点集合,以及所述图像中所述第二探针对应的第二轮廓点集合;
筛选模块,用于筛选出所述第一轮廓点集合中与所述第一探针的端部距离为第一距离的第一轮廓点,以及所述第二轮廓点集合中与所述第二探针的端部距离为第二距离的第二轮廓点;
确定模块,用于根据所述第一轮廓点构建第一直线,根据所述第二轮廓点构建第二直线,基于所述第一直线与所述第二直线确定所述开尔文探针的中心点,包括:分别以所述第一轮廓点和第二轮廓点为基准,确定筛选出所述第一轮廓点集合中与所述第二探针的端部距离为第三距离的第三轮廓点,以及所述第二轮廓点集合中与所述第一探针的端部距离为第四距离的第四轮廓点,根据所述第一轮廓点与所述第三轮廓点得到第一直线,根据所述第二轮廓点与所述第四轮廓点得到第二直线,其中,所述第一距离小于所述第三距离,所述第二距离小于所述第四距离;将所述第一直线沿着所述第一探针移动预设距离,得到与所述第一探针的两侧相交的第三直线;将所述第二直线沿着所述第二探针移动所述预设距离,得到与所述第二探针的两侧相交的第四直线;基于所述第三直线与所述第四直线确定所述开尔文探针的中心点。
9.一种非易失性存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述识别开尔文探针中心的方法。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的识别开尔文探针中心的方法。
CN202211417479.XA 2022-11-14 2022-11-14 识别开尔文探针中心的方法、装置、存储介质以及电子设备 Active CN115661483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211417479.XA CN115661483B (zh) 2022-11-14 2022-11-14 识别开尔文探针中心的方法、装置、存储介质以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211417479.XA CN115661483B (zh) 2022-11-14 2022-11-14 识别开尔文探针中心的方法、装置、存储介质以及电子设备

Publications (2)

Publication Number Publication Date
CN115661483A CN115661483A (zh) 2023-01-31
CN115661483B true CN115661483B (zh) 2023-05-16

Family

ID=85020361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211417479.XA Active CN115661483B (zh) 2022-11-14 2022-11-14 识别开尔文探针中心的方法、装置、存储介质以及电子设备

Country Status (1)

Country Link
CN (1) CN115661483B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6710798B1 (en) * 1999-03-09 2004-03-23 Applied Precision Llc Methods and apparatus for determining the relative positions of probe tips on a printed circuit board probe card
CN111551099A (zh) * 2020-06-15 2020-08-18 徐州徐工挖掘机械有限公司 一种测量斗齿轮廓尺寸的卡尺***

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7202691B2 (en) * 2005-05-31 2007-04-10 Semiconductor Diagnostics, Inc. Non-contact method for acquiring charge-voltage data on miniature test areas of semiconductor product wafers
TW201226132A (en) * 2010-12-30 2012-07-01 Hon Hai Prec Ind Co Ltd System and method for compensating coordinate values of the center of a mechanical arm
US20130249566A1 (en) * 2012-03-23 2013-09-26 Electro Scientific Industries, Inc. Kelvin Sense Probe Calibration
US10324126B2 (en) * 2016-06-10 2019-06-18 Asm Technology Singapore Pte Ltd. Method and apparatus for aligning probe pins with respect to positions of electronic devices
US10775414B2 (en) * 2017-09-29 2020-09-15 Intel Corporation Low-profile gimbal platform for high-resolution in situ co-planarity adjustment
TWI759594B (zh) * 2018-10-12 2022-04-01 旺矽科技股份有限公司 具有微機電探針之探針模組及其製造方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6710798B1 (en) * 1999-03-09 2004-03-23 Applied Precision Llc Methods and apparatus for determining the relative positions of probe tips on a printed circuit board probe card
CN111551099A (zh) * 2020-06-15 2020-08-18 徐州徐工挖掘机械有限公司 一种测量斗齿轮廓尺寸的卡尺***

Also Published As

Publication number Publication date
CN115661483A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
US7369236B1 (en) Defect detection through image comparison using relative measures
CN114627092A (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN116309537B (zh) 一种极耳模具表面油污的缺陷检测方法
CN116563282B (zh) 一种基于机器视觉的钻削刀具检测方法及***
CN115018850B (zh) 基于图像处理的精密电子零部件冲压孔毛刺检测方法
TW201310359A (zh) 用於識別材料中之缺陷之系統及方法
CN112700440B (zh) 物体缺陷检测方法、装置、计算机设备及存储介质
CN113379680A (zh) 缺陷检测方法、装置、电子设备和计算机可读存储介质
CN115100191A (zh) 基于工业检测的金属铸件缺陷识别方法
CN112464829B (zh) 一种瞳孔定位方法、设备、存储介质及视线追踪***
TWI765442B (zh) 瑕疵等級判定的方法及存儲介質
CN111912846A (zh) 一种基于机器视觉的表面缺陷与边缘毛刺检测方法
CN116468726B (zh) 一种在线异物线路检测方法及***
CN115471476A (zh) 一种部件缺陷检测方法、装置、设备及介质
CN114862817A (zh) 一种电路板金手指区域缺陷检测方法及***及装置及介质
CN115965588A (zh) 缺陷检测方法、***、电子设备及存储介质
CN117036348A (zh) 基于图像处理和裂纹识别模型的金属疲劳裂纹检测方法
CN115661483B (zh) 识别开尔文探针中心的方法、装置、存储介质以及电子设备
CN114677348A (zh) 一种基于视觉的ic芯片缺陷的检测方法、***和存储介质
JP2002140713A (ja) 画像処理方法およびその装置
CN113362288B (zh) 一种金手指划伤检测方法、装置以及电子设备
JP2001099625A (ja) パターン検査装置およびパターン検査方法
CN117830312B (zh) 基于机器视觉的合金裂纹无损检测方法
CN116703912B (zh) 一种迷你主机网口完整性视觉检测方法
WO2024095721A1 (ja) 画像処理装置および画像処理方法

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