CN117116799B - 硅片目视化检测方法及*** - Google Patents

硅片目视化检测方法及*** Download PDF

Info

Publication number
CN117116799B
CN117116799B CN202311338995.8A CN202311338995A CN117116799B CN 117116799 B CN117116799 B CN 117116799B CN 202311338995 A CN202311338995 A CN 202311338995A CN 117116799 B CN117116799 B CN 117116799B
Authority
CN
China
Prior art keywords
laser
monocrystalline silicon
defect
image
vortex
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
CN202311338995.8A
Other languages
English (en)
Other versions
CN117116799A (zh
Inventor
陈川南
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.)
Wuxi Jingyuntong Technology Co Ltd
Original Assignee
Wuxi Jingyuntong 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 Wuxi Jingyuntong Technology Co Ltd filed Critical Wuxi Jingyuntong Technology Co Ltd
Priority to CN202311338995.8A priority Critical patent/CN117116799B/zh
Publication of CN117116799A publication Critical patent/CN117116799A/zh
Application granted granted Critical
Publication of CN117116799B publication Critical patent/CN117116799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供一种硅片目视化检测方法及***，所述方法包括：向被检测的单晶硅片实时发出激光；识别得到单晶硅片图像中的多个同心椭圆光斑，并分析每个激光投射点的激光斑点脉冲聚焦情况；进行图像滤波去噪；计算图像中最大同心椭圆光斑的灰度值，判断其是否为多个漩涡缺陷组成的不纯缺陷整体区域，若是，则进行下一步，否则重复上述步骤；对图像滤波去噪后的单晶硅片图像中的漩涡缺陷区域进行二次识别，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度。本发明提出了能够明确机器视觉目视化检测太阳能电池单晶硅片的黑心缺陷的程度的同时，进一步可以判定该黑心区域内的漩涡缺陷是否为对比度明显的不纯缺陷整体区域的技术方案。

Description

硅片目视化检测方法及***
技术领域
本发明属于单晶硅片目视化检测技术领域，具体涉及一种硅片目视化检测方法及***。
背景技术
现有技术中在太阳能电池生产过程中，对太阳能电池片和电池组件的检测主要是依靠传统的人工目视检测。而因为受到自身条件及主观情绪等多方面因素的限制，人工检测的速度及精度都与高质量太阳能电池检测的要求相差甚远。并且随着日趋增长的市场需求，太阳能电池的生产需要更加高效的工艺流程和生产精度。近年来发展迅速的机器视觉技术正是适应这一需求，在光伏行业的应用越来越广泛。
单晶硅片是经过硅锭生长、冷却后打磨、切割、倒角、正背面磨削减薄后得到的单晶硅抛光片，其呈圆形，如申请号为201010218718.X的中国专利申请文件公开的一种掺杂的铸造单晶硅及制备方法，现有技术中的单晶硅硅锭生产过程中在单晶硅硅锭生长过程中会引入杂质，因此，由单晶硅硅锭打磨、切割、磨削减薄等步骤后生产的太阳能电池单晶硅片会产生如图1所示的漩涡缺陷。
现有技术中，对于单晶硅硅锭经过一系列生产步骤后得到的太阳能电池单晶硅片通常采用化学腐蚀的技术进行微缺陷检测，例如申请号为201510272000.1的中国专利申请文件公开了一种准单晶硅片微缺陷的检测方法，其采用手动机械抛光、化学腐蚀抛光后，进行微缺陷的择优腐蚀，再对腐蚀后的硅片进行少数载流子寿命和铁-硼对面扫描，进而判断硅片表面切割线痕以及机械划伤程度。此外，申请号为202211601912.5的中国专利申请文件公开了一种单晶硅棒中缺陷的检测方法及***，其采用切割装置切割得到待测硅片后，采用酸性腐蚀装置以及赛科腐蚀装置对待测硅片腐蚀后，采用包括目测检测装置和显微检测装置进一步检测待测硅片表面是否出现高密度且对称图案的缺陷聚集以及缺陷的分布、形貌及密度是否满足NDP缺陷的条件，进而检测待测硅片是否属于具有缺陷的单晶硅片。
但是现有技术中对于太阳能电池单晶硅片的检测都需要先进行化学试剂的腐蚀，然后在进行机器视觉方面的图像采集及检测判定，流程复杂的同时也并未明确图像检测的具体技术手段，缺少如何判定单晶硅片具有缺陷的机器视觉图像的各种图像化参数条件。
发明内容
本发明针对上述缺陷，提供一种硅片目视化检测方法及***。本发明提供的硅片目视化检测方法及***，用于太阳能电池单晶硅片插片的机器视觉目视化检测，识别得到所述单晶硅片图像中的多个同心椭圆光斑及每个激光投射点的激光斑点脉冲聚焦情况后，据此进一步进行图像滤波去噪后，再计算最大椭圆光斑的灰度值，进而判断其是否为黑心较严重的不纯缺陷整体区域，并根据滤波去噪后的图像进行二次识别，识别出单晶硅片插片内部的对比度不明显的漩涡缺陷组成的整体不纯缺陷整体区域（黑心区域）以及对比度明显的漩涡缺陷组成的不纯缺陷整体区域，进而明确了机器视觉目视化检测太阳能电池单晶硅片的黑心缺陷的程度的同时，进一步可以判定该黑心区域内的漩涡缺陷是否为对比度明显的不纯缺陷整体区域的技术方案，能够对单晶硅片进行多次不同标准的筛选，明确分类出各种漩涡缺陷所导致的黑心单晶硅片的类别：黑心不严重的区域、黑心较为严重的不纯缺陷整体区域、漩涡缺陷对比度明显的不纯缺陷整体区域、漩涡缺陷对比度不明显的不纯缺陷整体区域、漩涡缺陷对比度明显时非平衡少数载粒子流强复合区域和漩涡缺陷对比度明显时非平衡少数载粒子流弱复合区域。
本发明提供如下技术方案：一种硅片目视化检测方法，所述方法用于实时检测单晶硅片内部的漩涡缺陷，包括以下步骤：
S1：向被检测的单晶硅片实时发出激光；
S2：识别得到所述单晶硅片图像中的多个同心椭圆光斑，并分析CCD摄像机采集到的单晶硅片图像中每个激光投射点的激光斑点脉冲聚焦情况；
S3：根据所述S2步骤的分析结果，对CCD摄像机采集到的单晶硅片图像进行图像滤波去噪；
S4：计算所述单晶硅片图像中最大同心椭圆光斑的灰度值，判断其是否为多个漩涡缺陷组成的不纯缺陷整体区域，若是，则进行下一步，否则重复所述S1-S3；
S5：对所述S3步骤图像滤波去噪后的所述单晶硅片图像中的漩涡缺陷区域进行二次识别，并计算得到多个漩涡缺陷的椭圆圆环光斑激光强度值以及相邻两个漩涡缺陷的椭圆圆环光斑激光强度对比度，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度。
进一步地，所述S2步骤，包括以下步骤：
S21：构建激光光斑能量分布函数 ，并计算距离单晶硅片中心点所在垂直轴线偏折角度为 />的激光光斑能量 />，/>；
S22：根据所述S21步骤的计算结果，计算识别CCD摄像机物平面采集到的总数为Q个激光投像点汇聚在CCD摄像机物平面上的第j个椭圆边界线所围成的第j个同心椭圆光斑的长轴半径和短轴半径/>，其中，i为CCD摄像机物平面采集到的第j个椭圆边界线内的第i个激光投像点，i=1, 2, …, Q；j=1, 2, …, J；
S23：对半导体激光发射器发出的激光点在CCD摄像机物平面采集到的单晶硅图像中在第j个椭圆边界线内的第i个激光投像点/>进行傅里叶变换，得到在第j个椭圆边界线内的第i个激光投像傅里叶变换点/>，其中，/>为在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后的横坐标，/>为在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后的纵坐标；
S24：计算所述单晶硅图像中的在第j个椭圆边界线内的第i个激光投像傅里叶变换点的脉冲响应函数值/>，并构建所述单晶硅图像中的在第j个椭圆边界线内的第i个激光投像点 />的傅里叶变换物平面域模型/>；
S25：计算在构建的傅里叶变换物平面域模型中第j个椭圆边界线内的第i个激光投像点/>由CCD摄像机传输成像得到的单晶硅图像中的激光光斑点的激光光斑点脉冲聚焦函数值/>。
进一步地，所述S21步骤中构建的激光光斑能量分布函数如下：
所述距离单晶硅片中心点所在垂直轴线偏折角度为的激光光斑能量/>如下：
其中，W为激光发射功率，是激光束在腰部的半径，/>为沿光轴z方向不同位置处的激光光波的半径，/>，z为激光光波在光轴处的坐标，δ为激光发射频率；/>是激光从半导体激光发射器发射点至光轴z不同位置的激光等相位面半径，，λ为激光波长。
进一步地，所述S22步骤中计算识别CCD摄像机物平面采集到的总数为Q个激光投像点汇聚在CCD摄像机物平面上的第j个椭圆边界线所围成的第j个同心椭圆光斑的长轴半径和短轴半径/>的公式如下：
其中，是激光束在腰部的半径，/>为沿光轴z方向不同位置处的激光光波的半径，/>，z为激光光波在光轴处的坐标，δ为激光发射频率；/>是激光从半导体激光发射器发射点至光轴z不同位置的激光等相位面半径，。
进一步地，所述S24步骤中计算所述在第j个椭圆边界线内的第i个激光投像傅里叶变换点的脉冲响应函数值/>的公式如下：
所述S24步骤中构建的所述单晶硅图像中的在第j个椭圆边界线内的第i个激光投像点的傅里叶变换物平面域模型/>如下：
其中，为在第j个椭圆边界线内的第i个激光投像点/>在CCD摄像机物平面域内的傅里叶变换频域值。
进一步地，所述S25步骤中在构建的傅里叶变换物平面域模型中第j个椭圆边界线内的第i个激光投像点/>由CCD摄像机传输成像得到的单晶硅图像中的激光光斑点的激光光斑点脉冲聚焦函数值/>的公式如下：
其中，ε为调整因子，ε=0.1～0.35，c为光速，NA为CCD摄像机的数值孔径，为取决于激光辐照水平的高斯因子，/>的值为1～2.5， />为激光发射频率衰减函数，。
进一步地，所述S3步骤包括以下步骤：
S31：根据所述S2步骤计算得到的激光斑点脉冲聚焦函数，计算CCD摄像机对在第j个椭圆边界线内的第i个激光投像点 />传输成像得到的激光光斑点的激光光斑像素值：
S32：进一步计算CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光斑点的像素灰度值 />：
其中， 为激光光斑像素值/>在RGB颜色通道中红色的值，/>为激光光斑像素值/>在RGB颜色通道中绿色的值，/>为激光光斑像素值 />在RGB颜色通道中蓝色的值；
S33：根据所述S32步骤得到的CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点的像素灰度值 />，构建噪声像素强度计算模型/>：
其中，q=1, 2, …；
S34：判断所述S33步骤计算得到的噪声像素强度计算模型的结果是否大于0.85，若大于，则判定CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点为噪声点，将其滤波去除；否则保留CCD摄像机对在第j个椭圆边界线内的第i个激光投像点/>传输成像得到的激光光斑点，并重复所述步骤S31-S33。
进一步地，所述S4步骤中计算所述单晶硅片图像中最大同心椭圆光斑的灰度值的计算公式为：
其中，为所述单晶硅片图像中最大同心椭圆光斑的灰度值；当/>时，判断所述单晶硅片图像中最大同心椭圆为多个漩涡缺陷组成的不纯缺陷整体区域，否则，判断所述单晶硅片图像中最大同心椭圆不是多个漩涡缺陷组成的不纯缺陷整体区域。
进一步地，所述S5步骤包括以下步骤：
S51：计算所述S3步骤图像滤波去噪后的所述单晶硅片图像中多个漩涡缺陷中的第m个漩涡缺陷的椭圆圆环区域的椭圆圆环光斑激光强度值，第m个漩涡缺陷由第j个椭圆边界线与第j+p个椭圆边界线围成，m=1,2,…,M；1＜j＜p＜J；
其中，在第m个漩涡缺陷的椭圆圆环光斑激光强度值计算公式中，i=A, A+1,A+2,…, B，1＜A＜B＜Q，/>为第m个漩涡缺陷的椭圆圆环光斑激光强度计算标准差调节系数，/>，/>为 />和 />的相关系数；/>为第m个漩涡缺陷内的第i个激光投像点/>与其内的激光光斑峰值点 />的x轴坐标之间的差值；/>为第m个漩涡缺陷内的第i个激光投像点/>与其内的激光光斑峰值点的y轴坐标之间的差值；/>为第m个漩涡缺陷内的多个激光投像点与其内的激光光斑峰值点/>的x轴坐标之间的标准差；/>第j个椭圆边界线内的多个激光投像点/>与第j个椭圆边界线内的激光光斑峰值点/>的y轴坐标之间的标准差；
S52：计算相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度：
其中，1＜k＜j＜p＜o＜J， 为由第j-k个椭圆边界线与第j个椭圆边界线围成的第m-1个漩涡缺陷，/>为由第j+p个椭圆边界线与第j+q个椭圆边界线围成的第m+1个漩涡缺陷，/>为第m个漩涡缺陷与相邻的、其内侧的靠近椭圆圆心的第m-1个漩涡缺陷和相邻的、其外侧的远离椭圆圆心的第m+1个漩涡缺陷的椭圆圆环光斑激光强度对比度；
S53：判断所述S52步骤计算得到的相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度是否大于0.9，若/>＞0.9，则判定被检测的单晶硅片为I类缺陷单晶硅片，I类缺陷单晶硅片为多个漩涡缺陷的对比度明显的单晶硅片；
若 ≤0.9，则判定被检测的单晶硅片为II类缺陷单晶硅片，II类缺陷单晶硅片为多个漩涡缺陷的对比度不明显的单晶硅片；
S54：当＞0.9，进一步计算相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值：
其中，为第m-1个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m-1个漩涡缺陷为由第G个激光投像点至第H个激光投像点组成的漩涡缺陷；/>为第m个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m个漩涡缺陷为由第A个激光投像点至第B个激光投像点组成的漩涡缺陷；/>为第m+1个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m+1个漩涡缺陷为由第T个激光投像点至第U个激光投像点组成的漩涡缺陷； n为第n条椭圆边界线；1＜G＜H＜A＜B＜T＜U＜Q；
S55：比较当＞0.9时，相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值的大小；
若且/>，则判定第m个漩涡缺陷为非平衡少数载粒子流强复合缺陷区域；
若且/>，则判定第m个漩涡缺陷为非平衡少数载粒子流弱复合缺陷区域。
本发明还提供采用如上所述方法的硅片目视化检测***，包括激光发射模块、CCD图像采集模块、中央控制模块、图像激光斑点脉冲聚焦分析模块、图像滤波去噪模块、不纯缺陷整体区域筛选模块和不纯缺陷程度计算模块；
所述激光发射模块，用于向被检测的单晶硅片实时发出激光；所述激光发射模块包括半导体激光发射器；
所述CCD图像采集模块，用于采集经过滤光片滤光后汇聚于CCD摄像机物平面域内的单晶硅片图像；所述CCD图像采集模块包括滤光片、CCD摄像机和光线角度传感器，所述滤光片的中心点和CCD摄像机的中心点始终与被检测的单晶硅片的中心点保持重合；所述光线角度传感器，用于实时监测距离单晶硅片中心点所在垂直轴线偏折角度；
所述中央控制模块，用于控制激光发射模块向被检测的单晶硅片发射激光，并控制所述CCD图像采集模块采集所述单晶硅片图像；
所述图像激光斑点脉冲聚焦分析模块，用于识别得到所述单晶硅片图像中的多个同心椭圆光斑，并分析CCD摄像机采集到的单晶硅片图像中每个激光投射点的激光斑点脉冲聚焦情况；
所述图像滤波去噪模块，用于对所述CCD摄像机采集到的单晶硅片图像进行图像滤波去噪；
所述不纯缺陷整体区域筛选模块，用于计算所述单晶硅片图像中最大同心椭圆的灰度值，判断其是否为多个漩涡缺陷组成的不纯缺陷整体区域；
所述不纯缺陷程度计算模块，用于对图像滤波去噪后的所述单晶硅片图像中的漩涡缺陷区域进行二次识别，并计算得到多个漩涡缺陷的椭圆圆环光斑激光强度值以及相邻两个漩涡缺陷的椭圆圆环光斑激光强度对比度，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度。
本发明的有益效果为：
1、本发明提供的硅片目视化检测方法，通过识别CCD摄像机采集到的激光照射时单晶硅片图像中的多个同心椭圆光斑及每个激光投射点的激光斑点脉冲聚焦情况后，据此进一步进行图像滤波去噪，再计算最大椭圆光斑的灰度值，进而根据灰度值/>是否大于180，判断所述单晶硅片图像中最大同心椭圆为多个漩涡缺陷组成的不纯缺陷整体区域，即判断其是否为黑心较严重的不纯缺陷整体区域；
本发明提供的硅片目视化检测方法还对灰度值筛选得到的结果，根据滤波去噪后的图像进行二次识别，识别出单晶硅片插片内部的对比度不明显的漩涡缺陷组成的整体不纯缺陷整体区域（黑心区域）以及对比度明显的漩涡缺陷组成的不纯缺陷整体区域；
进而本发明能够有效地明确分类出各种漩涡缺陷所导致的黑心单晶硅片的类别：黑心不严重的区域、黑心较为严重的不纯缺陷整体区域、漩涡缺陷对比度明显的不纯缺陷整体区域以及漩涡缺陷对比度不明显的不纯缺陷整体区域、漩涡缺陷对比度明显时非平衡少数载粒子流强复合区域和漩涡缺陷对比度明显时非平衡少数载粒子流弱复合区域。为现有技术进行太阳能电池单晶硅片的黑心检测以及内部的漩涡缺陷程度提供了一种有效的技术方案。
2、本发明在对CCD摄像机采集到的单晶硅片图像进行识别时，构建激光光斑能量分布函数，并根据距离单晶硅片中心点所在垂直轴线偏折角度为 />的不同而计算激光光斑能量/>，对总数为Q个激光投像点汇聚在CCD摄像机物平面内的多个同心椭圆光斑进行椭圆拟合，进而可以识别出多个同心椭圆光斑的长轴半径/>和短轴半径/>，再据此进行激光投像点的激光投像傅里叶变换点的脉冲响应函数的计算，根据激光投像傅里叶变换点的脉冲响应函数值/>，对激光投像点进行傅里叶变换，进而转换为CCD摄像机图像传感器获取到其物平面内的激光光束的光斑图像转换/>，进而可以获得CCD摄像机图像传感器在其物平面内的每个激光投像点对应的激光光斑点的激光光斑点脉冲聚焦函数值/>为后续的图像滤波去噪以及灰度值计算所需的激光光斑像素值计算提供基础，通过傅里叶变换将半导体激光发射器所在三维坐标系内的激光投像点转换为CCD摄像机内的物平面傅里叶频域内，进而有利于准确滤波去噪以及灰度值计算。
3、本发明提供的硅片目视化检测方法对CCD摄像机采集到的单晶硅片图像对图像滤波去噪，通过计算在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点的像素灰度值/>，并进一步构建噪声像素强度计算模型/>：，该噪声像素强度计算模型使得像素灰度值/>符合泊松分布，进而根据泊松分布的概率质量密度函数分布情况，限定0.85为噪声阈值，若大于该阈值，则表明CCD摄像机对在第j个椭圆边界线内的第i个激光投像点/>传输成像得到的激光光斑点为噪声点，通过S31-S34步骤有效提高了对像素灰度值/>的滤波去噪效果，提高了滤波去噪的精细化程度和准确率，避免了滤波去噪过程中过渡误判噪声点而导致后续二次识别准确率降低的情况发生。
4、本发明提供的硅片目视化检测方法中，在对滤波去噪后的单晶硅片图像中多个漩涡缺陷中，由第j个椭圆边界线与第j+p个椭圆边界线围成的第m个漩涡缺陷所在的椭圆圆环区域的椭圆圆环光斑激光强度值 进行计算，进而再进一步构建相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度/>，通过断所述S52步骤计算得到的相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度/>是否大于0.9，进而明确被检测的单晶硅片是多个漩涡缺陷的对比度明显还是不明显的单晶硅片，并根据多个漩涡缺陷中的某个漩涡缺陷的椭圆圆环光斑的图像灰度值是均大于相邻两个漩涡缺陷的椭圆圆环光斑的图像灰度值（/>且/>），还是均小于相邻两个漩涡缺陷的椭圆圆环光斑的图像灰度值（/>且/>），进一步判断目标漩涡缺陷为非平衡少数载粒子流强复合缺陷区域，还是非平衡少数在粒子流弱复合缺陷区域，若为非平衡少数载粒子流强复合缺陷区域，则表明目标漩涡缺陷（第m个漩涡缺陷）为杂质较多的漩涡缺陷区域；若为非平衡少数在粒子流弱复合缺陷区域，则表明目标漩涡缺陷（第m个漩涡缺陷）为杂质较少的漩涡缺陷区域。
进而，通过相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度的计算和判断，并辅以相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值的大小的比较，可以明确当被检测的单晶硅片为多个漩涡缺陷的对比度明显的残次品时，进一步判断杂质较多的漩涡缺陷区域，据此可以为单晶硅硅锭的生产加热过程的参数调试以及改变提供方向以及后续改变参数后的调试检验方法。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1为本发明背景技术中陈述的单晶硅片的漩涡缺陷示意图；
图2为本发明提供的一种硅片目视化检测方法的流程示意图；
图3为本发明提供的一种硅片目视化检测方法中识别多个同心椭圆光斑及激光斑点脉冲聚焦情况的流程示意图；
图4为本发明提供的一种硅片目视化检测方法中的半导体激光发射器与CCD摄像机采集单晶硅片图像中的距离单晶硅片中心点所在垂直轴线偏折角度为的激光光斑示意图；
图5为本发明提供的一种硅片目视化检测方法中半导体激光发射器发出的激光形成的对称共焦腔场示意图；
图6为本发明提供的一种硅片目视化检测方法中S3步骤对CCD摄像机采集到的单晶硅片图像进行图像滤波去噪的流程示意图；
图7为本发明提供的一种硅片目视化检测方法S5步骤的流程示意图；
图8为本发明提供的硅片目视化检测***的结构示意图；
图9为本发明提供的硅片目视化检测***对单晶硅片检测时的结构示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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。
如图2所示，为本发明提供的一种硅片目视化检测方法的流程示意图，方法用于实时检测如图1所示的单晶硅片内部的漩涡缺陷，包括以下步骤：
S1：向被检测的单晶硅片实时发出激光；激光在被单晶硅片过滤后，单晶硅片中的基态电子被激发为激发态，释放波峰在1100nm～1200nm左右的近红外光，然后利用高灵敏高分辨率的CCD摄像机进行感光、成像；
优选地，S1步骤由中央控制模块控制激光发射模块中的半导体激光发射器实现；
S2：识别得到单晶硅片图像中的多个同心椭圆光斑，并分析CCD摄像机采集到的单晶硅片图像中每个激光投射点的激光斑点脉冲聚焦情况；
S3：根据S2步骤的分析结果，对CCD摄像机采集到的单晶硅片图像进行图像滤波去噪；
S4：计算单晶硅片图像中最大同心椭圆光斑的灰度值，判断其（最大同心椭圆光斑）是否为多个漩涡缺陷组成的不纯缺陷整体区域，若是，则进行下一步，否则重复S1-S3；
S5：对S3步骤图像滤波去噪后的单晶硅片图像中的漩涡缺陷区域进行二次识别，并计算得到多个漩涡缺陷的椭圆圆环光斑激光强度值以及相邻两个漩涡缺陷的椭圆圆环光斑激光强度对比度，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度。
激光由半导体激光发射器发射出后，经照射在被检测的单晶硅片表面，经过单晶硅片的折射，由于单晶硅片属于半导体材质，因此，半导体激光发射器发出的激光在经过滤光片滤光后汇聚在CCD摄像机的镜头汇聚后，通过小孔成像原理呈现在CCD摄像机的物平面（物理成像平面）上，形成多个同心椭圆光斑，为了分析激光经过单晶硅片的不同位置折射后，在CCD摄像机的物平面上的感光成像得到的多个同心椭圆光斑的尺寸以及便于后期的图像边缘滤波降噪以及形成的相邻两个椭圆光斑的边界线围成的椭圆圆环区域的漩涡缺陷的灰度值以及激光强度值扥情况，需要对单晶硅片图像进行进一步处理，以分析激光光斑能量以及每个激光投射点的激光斑点脉冲聚焦情况作为本发明的另一个优选实施例，如图3所示，S2步骤，包括以下步骤：
S21：构建激光光斑能量分布函数 ，此处的激光光斑能量分布为激光发射点发出的激光投射在CCD摄像机物平面上的多个激光投像点形成的激光光斑在光轴z轴上的能量分布情况，并计算距离单晶硅片中心点所在垂直轴线偏折角度为/>的激光光斑能量/>，/>；激光发射点所在z轴与单晶硅片中心点所在垂直方向轴线重合；
S22：根据S21步骤的计算结果，计算识别CCD摄像机物平面采集到的总数为Q个激光投像点汇聚在CCD摄像机物平面上的第j个椭圆边界线所围成的第j个同心椭圆光斑的长轴半径和短轴半径/>，其中，i为CCD摄像机物平面采集到的第j个椭圆边界线内的第i个激光投像点，i=1, 2, …, Q；j=1, 2, …, J；
S23：对半导体激光发射器发出的激光点在CCD摄像机物平面采集到的单晶硅图像中在第j个椭圆边界线内的第i个激光投像点 />进行傅里叶变换，得到在第j个椭圆边界线内的第i个激光投像傅里叶变换点/>，其中，/>为在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后的横坐标，/>为在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后的纵坐标；
S24：计算单晶硅图像中的在第j个椭圆边界线内的第i个激光投像傅里叶变换点的脉冲响应函数值/>，并构建单晶硅图像中的在第j个椭圆边界线内的第i个激光投像点/>的傅里叶变换物平面域模型/>；
S25：计算在构建的傅里叶变换物平面域模型中第j个椭圆边界线内的第i个激光投像点 />由CCD摄像机传输成像得到的单晶硅图像中的激光光斑点的激光光斑点脉冲聚焦函数值/>。
需要进一步说明的是，半导体激光发射器发出的激光点中的x和y分别为激光点在与CCD摄像机物平面平行的激光点水平面中的横坐标和纵坐标，z为激光点在半导体激光发射器发出的光轴z轴上的竖坐标；CCD摄像机物平面采集到的单晶硅图像中在第j个椭圆边界线内的第i个激光投像点/>中的/>为CCD摄像机成像传感器的物平面横坐标，/>为CCD摄像机成像传感器的物平面纵坐标；单晶硅图像中的在第j个椭圆边界线内的第i个激光投像傅里叶变换点/>中的 />为在第j个椭圆边界线内的第i个激光投像点经过傅里叶变换后在CCD摄像机物平面域内的傅里叶变换频域/>（傅里叶频域）内的横坐标， />为经过在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后在CCD摄像机物平面域内的傅里叶变换频域/>内的纵坐标。
半导体激光发射器是由电子空穴对在pn结里发生跃迁而产生激光的，所以越靠近pn结中线产生的光子越多，由于现在半导体激光器为降低成本多采用常见的拼接方法，pn结成一字形，在横坐标所在横轴上和纵坐标所在纵轴方向上，由于波导限制的不同，其距离单晶硅片中心点所在垂直轴线偏折角度为 也不同，在横轴方向上的发散角通常要比纵轴方向大，如图4所示，/>、 />和/>是三个不同距离单晶硅片中心点所在垂直轴线偏折角度的半导体激光器发射出的三条激光光线，这三条激光光线在单晶硅片上的激光投射点均在第j个椭圆边界线上，/>更靠近横轴方向， />更靠近纵轴方向，/>位于横轴和纵轴方向之间，由图4可以看出， />，因此通过单晶硅片折射后投影在CCD摄像机物平面上的多个激光投像点形成的激光光斑为椭圆形，由于漩涡缺陷的存在，因此，会形成多个同心椭圆光斑。
进一步优选地，本发明提供的S2步骤中，如图5所示，半导体激光发射器发射出的激光形成对称共焦腔场，S21步骤中构建的激光光斑能量分布函数如下：
距离单晶硅片中心点所在垂直轴线偏折角度为的激光光斑能量/>如下：
其中，W为激光发射功率，是如图5所示的激光束在腰部的半径， />为如图5所示的沿光轴z方向不同位置处的激光光波的半径，/>，z为激光光波在光轴处的坐标，δ为激光发射频率；/>是激光从半导体激光发射器发射点至光轴z不同位置的激光等相位面半径，/>，λ为激光波长。
进一步优选地，本发明提供的S2步骤中，S22步骤中计算识别CCD摄像机物平面采集到的总数为Q个激光投像点汇聚在CCD摄像机物平面上的第j个椭圆边界线所围成的第j个同心椭圆光斑的长轴半径和短轴半径/>的公式如下：
其中，是激光束在腰部的半径，/>为沿光轴z方向不同位置处的激光光波的半径，/>，z为激光光波在光轴处的坐标，δ为激光发射频率；/>是激光从半导体激光发射器发射点至光轴z不同位置的激光等相位面半径，/>。
半导体激光发射器发出的距离单晶硅片中心点所在垂直轴线偏折角度的激光点聚焦在CCD摄像机采集激光投像点图像的物平面上，CCD摄像机物平面采集到的总数为Q个的第i个激光投像点/>汇聚在CCD摄像机物平面形成的光斑是一个长轴半径为、短轴半径为/>的椭圆形的第j个光斑，即第j个光斑具有椭圆形的边界线，令其为第j个椭圆边界线，Q个激光投像点/>共同形成第j个椭圆边界线内的第j个同心椭圆光斑实体投影，激光投像点的脉冲响应函数为：i=1, 2, …, Q；/>
因此，在第j个椭圆边界线内的第i个激光投像点 经过傅里叶变换得到的在第j个椭圆边界线内的第i个激光投像傅里叶变换点 />符合长轴为 />、短轴为/>的椭圆半径形状物平面域；
进一步优选地，本发明提供的S2步骤中，S24步骤中计算在第j个椭圆边界线内的第i个激光投像傅里叶变换点的脉冲响应函数值/>的公式如下：
S24步骤中构建的单晶硅图像中的在第j个椭圆边界线内的第i个激光投像点的傅里叶变换物平面域模型/>如下：
其中， 为在第j个椭圆边界线内的第i个激光投像点 />在CCD摄像机物平面域内的傅里叶变换频域值。
进一步优选地，本发明提供的S2步骤中，S25步骤中在构建的傅里叶变换物平面域模型 中第j个椭圆边界线内的第i个激光投像点/>由CCD摄像机传输成像得到的单晶硅图像中的激光光斑点的激光光斑点脉冲聚焦函数值/>的公式如下：
其中，ε为调整因子，ε=0.1～0.35，c为光速，NA为CCD摄像机的数值孔径，为取决于激光辐照水平的高斯因子，/>的值为1～2.5，/>为激光发射频率衰减函数，。
作为本发明提供的另一个优选实施例，如图6所示，S3步骤包括以下步骤：
S31：根据S2步骤计算得到的激光斑点脉冲聚焦函数，计算CCD摄像机对在第j个椭圆边界线内的第i个激光投像点/>传输成像得到的激光光斑点的激光光斑像素值：
/>
S32：进一步计算CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点的像素灰度值/>：
其中， 为激光光斑像素值/>在RGB颜色通道中红色的值，/>为激光光斑像素值/>在RGB颜色通道中绿色的值，/>为激光光斑像素值/>在RGB颜色通道中蓝色的值；
S33：根据S32步骤得到的CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点的像素灰度值/>，构建噪声像素强度计算模型：
其中，q=1, 2, …；即q为离散自然数；即为离散自然数的阶乘；
S34：判断S33步骤计算得到的噪声像素强度计算模型的结果是否大于0.85，若大于，则判定CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点为噪声点，将其滤波去除；否则保留CCD摄像机对在第j个椭圆边界线内的第i个激光投像点/>传输成像得到的激光光斑点，并重复步骤S31-S33。
为了确定S2步骤识别得到的多个同心椭圆光斑所组成的椭圆形区域是否为黑心情况较严重的不纯缺陷区域，即被检测的单晶硅片是否为黑心区域严重的黑心片，作为本发明的另一个优选实施例，本发明提供的硅片目视化检测方法中，S4步骤中计算单晶硅片图像中最大同心椭圆光斑的灰度值的计算公式为：
其中，为单晶硅片图像中最大同心椭圆光斑的灰度值；当/>时，判断单晶硅片图像中最大同心椭圆为多个漩涡缺陷组成的不纯缺陷整体区域，否则，判断单晶硅片图像中最大同心椭圆不是多个漩涡缺陷组成的不纯缺陷整体区域。
不纯缺陷整体区域代表该被检测的单晶硅片是黑心情况较严重的残次品，当时，被检测的单晶硅片是黑心情况不是特别严重的残次品。
为了进一步的识别相邻的多个漩涡缺陷的椭圆圆环光斑强度对比是否明显，进而判定某个漩涡缺陷是杂质掺杂较多的区域，作为本发明的另一个优选实施例，本发明在上述实施例的基础上，进一步优选地，如图7所示，S5步骤包括以下步骤：
S51：计算S3步骤图像滤波去噪后的单晶硅片图像中多个漩涡缺陷中的第m个漩涡缺陷的椭圆圆环区域的椭圆圆环光斑激光强度值，第m个漩涡缺陷由第j个椭圆边界线与第j+p个椭圆边界线围成，m=1,2,…,M；1＜j＜p＜J；
其中，在第m个漩涡缺陷内的激光投像点的个数为B-A+1个，即CCD摄像机物平面采集到的第A个激光投像点至第B个激光投像点形成第m个漩涡缺陷，在第m个漩涡缺陷的椭圆圆环光斑激光强度值计算公式中，i=A, A+1, A+2,…, B，1＜A＜B＜Q，/>为第m个漩涡缺陷的椭圆圆环光斑激光强度计算标准差调节系数，/>， />为 />和 />的相关系数，/>，/>为/>的方/>之间的协方差；/>为第m个漩涡缺陷内（即第j个椭圆边界线与第j+p个椭圆边界线围成的椭圆圆环区域内）的第i个激光投像点/>与其内的激光光斑峰值点/>的x轴坐标之间的差值，/>；/>为第m个漩涡缺陷内的第i个激光投像点/>与其内的激光光斑峰值点/>的y轴坐标之间的差值，/>；/>为第m个漩涡缺陷内的多个激光投像点（即从第A个激光投像点值第B个激光投像点属于由第j个椭圆边界线与第j+p个椭圆边界线围成的呈椭圆圆环区域的第m个漩涡缺陷内）与其内的激光光斑峰值点/>的x轴坐标之间的标准差，/>；/>第j个椭圆边界线内的多个激光投像点 />与第j个椭圆边界线内的激光光斑峰值点的y轴坐标之间的标准差， />；
激光光斑峰值点为第m个漩涡缺陷区域内激光发射荧光强度最大的峰值点
S52：计算相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度：
其中，1＜k＜j＜p＜o＜J， 为由第j-k个椭圆边界线与第j个椭圆边界线围成的第m-1个漩涡缺陷，/>为由第j+p个椭圆边界线与第j+q个椭圆边界线围成的第m+1个漩涡缺陷，/>为第m个漩涡缺陷与相邻的、其内侧的靠近椭圆圆心的第m-1个漩涡缺陷和相邻的、其外侧的远离椭圆圆心的第m+1个漩涡缺陷的椭圆圆环光斑激光强度对比度；
S53：判断S52步骤计算得到的相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度是否大于0.9，若/>＞0.9，表明第m个漩涡缺陷的激光光斑强度值相较于相邻的两个漩涡缺陷的激光光斑强度值具有较大差异，则判定被检测的单晶硅片为I类缺陷单晶硅片，I类缺陷单晶硅片为单晶硅片图像中最大同心椭圆不纯缺陷整体区域中多个漩涡缺陷的对比度明显的单晶硅片，即相邻的多个漩涡缺陷的椭圆圆环光斑强度对比明显，灰度值对比明显，即类似于黑、较深灰色、白、黑、较浅灰色间隔的多个漩涡缺陷组成的黑心单晶硅片；
若≤0.9，则表明第m个漩涡缺陷的激光光斑强度值相较于相邻的两个漩涡缺陷的激光光斑强度值具有差异不大，则判定被检测的单晶硅片为II类缺陷单晶硅片，II类缺陷单晶硅片为单晶硅片图像中最大同心椭圆不纯缺陷整体区域中多个漩涡缺陷的对比度不明显、整体色度较一致的单晶硅片；
S54：当 ＞0.9，进一步计算相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值：
其中，为第m-1个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m-1个漩涡缺陷为由第G个激光投像点至第H个激光投像点组成的漩涡缺陷；/>为第m个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m个漩涡缺陷为由第A个激光投像点至第B个激光投像点组成的漩涡缺陷；/>为第m+1个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m+1个漩涡缺陷为由第T个激光投像点至第U个激光投像点组成的漩涡缺陷； n为第n条椭圆边界线；1＜G＜H＜A＜B＜T＜U＜Q；
S55：比较当＞0.9时，相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值的大小；
当＞0.9时，若 />且/>，则判定第m个漩涡缺陷为非平衡少数载粒子流强复合缺陷区域，浓度较少，发光强度较弱，即第m个漩涡区域的图像灰度值相对于第m-1个漩涡区域和第m+1个漩涡区域的图像灰度值来说最大，作为组成黑心缺陷的单晶硅片的一个区域，第m个漩涡区域内在进行生产过程中所掺杂的杂质较第m-1个漩涡区域和第m+1个漩涡区域掺杂的杂质相对来说较多；
当＞0.9时，若/>且/>，则判定第m个漩涡缺陷为非平衡少数载粒子流弱复合缺陷区域，浓度较多，发光强度较强，即第m个漩涡区域的图像灰度值相对于第m-1个漩涡区域和第m+1个漩涡区域的图像灰度值来说最小，即作为组成黑心缺陷的单晶硅片的一个区域，第m个漩涡区域内在进行生产过程中所掺杂的杂质较第m-1个漩涡区域和第m+1个漩涡区域掺杂的杂质相对来说较少。
如图8所示，本发明还提供一种采用如上任一个实施例提供的硅片目视化检测方法的硅片目视化检测***，包括激光发射模块、CCD图像采集模块、中央控制模块、图像激光斑点脉冲聚焦分析模块、图像滤波去噪模块、不纯缺陷整体区域筛选模块和不纯缺陷程度计算模块；
激光发射模块，用于向被检测的单晶硅片实时发出激光；激光发射模块包括半导体激光发射器；
CCD图像采集模块，用于采集经过滤光片滤光后汇聚于CCD摄像机物平面域内的单晶硅片图像；CCD图像采集模块包括滤光片、CCD摄像机和光线角度传感器，滤光片的中心点和CCD摄像机的中心点始终与被检测的单晶硅片的中心点保持重合；光线角度传感器，用于实时监测距离单晶硅片中心点所在垂直轴线偏折角度 ；
如图9所示，在利用本发明提供的硅片目视化检测***对单晶硅片进行检测时，将单晶硅片置于暗箱内，激光发射模块的半导体激光发射器设置于单晶硅片下方，单晶硅片上方依次设置有CCD图像采集模块的滤光片和CCD摄像机；
中央控制模块，用于控制激光发射模块向被检测的单晶硅片发射激光，并控制CCD图像采集模块采集单晶硅片图像；
图像激光斑点脉冲聚焦分析模块，用于识别得到单晶硅片图像中的多个同心椭圆光斑，并分析CCD摄像机采集到的单晶硅片图像中每个激光投射点的激光斑点脉冲聚焦情况；
图像滤波去噪模块，用于对CCD摄像机采集到的单晶硅片图像进行图像滤波去噪；
不纯缺陷整体区域筛选模块，用于计算单晶硅片图像中最大同心椭圆的灰度值，判断其是否为多个漩涡缺陷组成的不纯缺陷整体区域；
不纯缺陷程度计算模块，用于对图像滤波去噪后的单晶硅片图像中的漩涡缺陷区域进行二次识别，并计算得到多个漩涡缺陷的椭圆圆环光斑激光强度值以及相邻两个漩涡缺陷的椭圆圆环光斑激光强度对比度，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度。
进一步优选地，激光发射模块还包括设置于被检测的单晶硅片下方的匀光片，匀光片的中心点与被检测的单晶硅片的中心点始终保持重合。
进一步优选地，激光发射模块由三维移动平台搭载，三维移动平台用于带动半导体激光发射器发出光线与CCD摄像机的接收光线汇聚点所在垂直方向直线对齐。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种硅片目视化检测方法，所述方法用于实时检测单晶硅片内部的漩涡缺陷，其特征在于，包括以下步骤：
S1：向被检测的单晶硅片实时发出激光；
S2：识别得到所述单晶硅片图像中的多个同心椭圆光斑，并分析CCD摄像机采集到的单晶硅片图像中每个激光投射点的激光斑点脉冲聚焦情况；
S3：根据所述S2步骤的分析结果，对CCD摄像机采集到的单晶硅片图像进行图像滤波去噪；
S4：计算所述单晶硅片图像中最大同心椭圆光斑的灰度值，判断其是否为多个漩涡缺陷组成的不纯缺陷整体区域，若是，则进行下一步，否则重复所述S1-S3；
S5：对所述S3步骤图像滤波去噪后的所述单晶硅片图像中的漩涡缺陷区域进行二次识别，并计算得到多个漩涡缺陷的椭圆圆环光斑激光强度值以及相邻两个漩涡缺陷的椭圆圆环光斑激光强度对比度，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度；
所述S2步骤，包括以下步骤：
S21：构建激光光斑能量分布函数 ，并计算距离单晶硅片中心点所在垂直轴线偏折角度为/>的激光光斑能量/>，/>；
S22：根据所述S21步骤的计算结果，计算识别CCD摄像机物平面采集到的总数为Q个激光投像点汇聚在CCD摄像机物平面上的第j个椭圆边界线所围成的第j个同心椭圆光斑的长轴半径和短轴半径/>，其中，i为CCD摄像机物平面采集到的第j个椭圆边界线内的第i个激光投像点，i=1,2, …, Q；j=1, 2, …, J；
S23：对半导体激光发射器发出的激光点在CCD摄像机物平面采集到的单晶硅图像中在第j个椭圆边界线内的第i个激光投像点/>进行傅里叶变换，得到在第j个椭圆边界线内的第i个激光投像傅里叶变换点/>，其中，/>为在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后的横坐标，/>为在第j个椭圆边界线内的第i个激光投像点/>经过傅里叶变换后的纵坐标；
S24：计算所述单晶硅图像中的在第j个椭圆边界线内的第i个激光投像傅里叶变换点的脉冲响应函数值/>，并构建所述单晶硅图像中的在第j个椭圆边界线内的第i个激光投像点/>的傅里叶变换物平面域模型/>；
S25：计算在构建的傅里叶变换物平面域模型中第j个椭圆边界线内的第i个激光投像点/>由CCD摄像机传输成像得到的单晶硅图像中的激光光斑点的激光光斑点脉冲聚焦函数值/>；
所述S25步骤中在构建的傅里叶变换物平面域模型中第j个椭圆边界线内的第i个激光投像点/>由CCD摄像机传输成像得到的单晶硅图像中的激光光斑点的激光光斑点脉冲聚焦函数值/>的公式如下：
；
其中，ε为调整因子，ε=0.1～0.35，c为光速，NA为CCD摄像机的数值孔径，为取决于激光辐照水平的高斯因子，/>的值为1～2.5，/>为激光发射频率衰减函数，；
所述S3步骤包括以下步骤：
S31：根据所述S2步骤计算得到的激光斑点脉冲聚焦函数，计算CCD摄像机对在第j个椭圆边界线内的第i个激光投像点/>传输成像得到的激光光斑点的激光光斑像素值：
；
S32：进一步计算CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点的像素灰度值/>：
；
其中，为激光光斑像素值/>在RGB颜色通道中红色的值，/>为激光光斑像素值/>在RGB颜色通道中绿色的值，/>为激光光斑像素值/>在RGB颜色通道中蓝色的值；
S33：根据所述S32步骤得到的CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点的像素灰度值/>，构建噪声像素强度计算模型：
；
其中，q=1,2,…；
S34：判断所述S33步骤计算得到的噪声像素强度计算模型的结果是否大于0.85，若大于，则判定CCD摄像机对在第j个椭圆边界线内的第i个激光投像点传输成像得到的激光光斑点为噪声点，将其滤波去除；否则保留CCD摄像机对在第j个椭圆边界线内的第i个激光投像点/>传输成像得到的激光光斑点，并重复所述步骤S31-S33；
所述S4步骤中计算所述单晶硅片图像中最大同心椭圆光斑的灰度值的计算公式为：
；
其中，为所述单晶硅片图像中最大同心椭圆光斑的灰度值；当/>时，判断所述单晶硅片图像中最大同心椭圆为多个漩涡缺陷组成的不纯缺陷整体区域，否则，判断所述单晶硅片图像中最大同心椭圆不是多个漩涡缺陷组成的不纯缺陷整体区域。
2.根据权利要求1所述的一种硅片目视化检测方法，其特征在于，所述S21步骤中构建的激光光斑能量分布函数如下：
；
所述距离单晶硅片中心点所在垂直轴线偏折角度为的激光光斑能量/>如下：
；
其中，W为激光发射功率，是激光束在腰部的半径，/>为沿光轴z方向不同位置处的激光光波的半径，/>，z为激光光波在光轴处的坐标，δ为激光发射频率；/>是激光从半导体激光发射器发射点至光轴z不同位置的激光等相位面半径，，λ为激光波长。
3.根据权利要求1所述的一种硅片目视化检测方法，其特征在于，所述S22步骤中计算识别CCD摄像机物平面采集到的总数为Q个激光投像点汇聚在CCD摄像机物平面上的第j个椭圆边界线所围成的第j个同心椭圆光斑的长轴半径和短轴半径/>的公式如下：
；
；
其中，是激光束在腰部的半径，/>为沿光轴z方向不同位置处的激光光波的半径，，z为激光光波在光轴处的坐标，δ为激光发射频率；/>是激光从半导体激光发射器发射点至光轴z不同位置的激光等相位面半径，/>。
4.根据权利要求1所述的一种硅片目视化检测方法，其特征在于，所述S24步骤中计算所述在第j个椭圆边界线内的第i个激光投像傅里叶变换点的脉冲响应函数值的公式如下：
；
所述S24步骤中构建的所述单晶硅图像中的在第j个椭圆边界线内的第i个激光投像点的傅里叶变换物平面域模型/>如下：
；
其中，为在第j个椭圆边界线内的第i个激光投像点/>在CCD摄像机物平面域内的傅里叶变换频域值。
5.根据权利要求1所述的一种硅片目视化检测方法，其特征在于，所述S5步骤包括以下步骤：
S51：计算所述S3步骤图像滤波去噪后的所述单晶硅片图像中多个漩涡缺陷中的第m个漩涡缺陷的椭圆圆环区域的椭圆圆环光斑激光强度值，第m个漩涡缺陷由第j个椭圆边界线与第j+p个椭圆边界线围成，m=1,2,…,M；1＜j＜p＜J；
；
其中，在第m个漩涡缺陷的椭圆圆环光斑激光强度值计算公式中，i=A, A+1, A+2,…,B，1＜A＜B＜Q，/>为第m个漩涡缺陷的椭圆圆环光斑激光强度计算标准差调节系数，，/>为/>和/>的相关系数；/>为第m个漩涡缺陷内的第i个激光投像点/>与其内的激光光斑峰值点/>的x轴坐标之间的差值；/>为第m个漩涡缺陷内的第i个激光投像点/>与其内的激光光斑峰值点的y轴坐标之间的差值；/>为第m个漩涡缺陷内的多个激光投像点与其内的激光光斑峰值点/>的x轴坐标之间的标准差；/>第j个椭圆边界线内的多个激光投像点/>与第j个椭圆边界线内的激光光斑峰值点/>的y轴坐标之间的标准差；
S52：计算相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度：
；
其中，1＜k＜j＜p＜o＜J，为由第j-k个椭圆边界线与第j个椭圆边界线围成的第m-1个漩涡缺陷，/>为由第j+p个椭圆边界线与第j+q个椭圆边界线围成的第m+1个漩涡缺陷，/>为第m个漩涡缺陷与相邻的、其内侧的靠近椭圆圆心的第m-1个漩涡缺陷和相邻的、其外侧的远离椭圆圆心的第m+1个漩涡缺陷的椭圆圆环光斑激光强度对比度；
S53：判断所述S52步骤计算得到的相邻的多个漩涡缺陷的椭圆圆环光斑激光强度对比度是否大于0.9，若/>＞0.9，则判定被检测的单晶硅片为I类缺陷单晶硅片，I类缺陷单晶硅片为多个漩涡缺陷的对比度明显的单晶硅片；
若≤0.9，则判定被检测的单晶硅片为II类缺陷单晶硅片，II类缺陷单晶硅片为多个漩涡缺陷的对比度不明显的单晶硅片；
S54：当＞0.9，进一步计算相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值：
；
；
；
其中，为第m-1个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m-1个漩涡缺陷为由第G个激光投像点至第H个激光投像点组成的漩涡缺陷；/>为第m个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m个漩涡缺陷为由第A个激光投像点至第B个激光投像点组成的漩涡缺陷；/>为第m+1个漩涡缺陷的椭圆圆环光斑的图像灰度值，第m+1个漩涡缺陷为由第T个激光投像点至第U个激光投像点组成的漩涡缺陷； n为第n条椭圆边界线；1＜G＜H＜A＜B＜T＜U＜Q；
S55：比较当＞0.9时，相邻的多个漩涡缺陷的椭圆圆环光斑的图像灰度值的大小；
若且/>，则判定第m个漩涡缺陷为非平衡少数载粒子流强复合缺陷区域；
若且/>，则判定第m个漩涡缺陷为非平衡少数载粒子流弱复合缺陷区域。
6.采用如权利要求1-5任一所述方法的硅片目视化检测***，其特征在于，包括激光发射模块、CCD图像采集模块、中央控制模块、图像激光斑点脉冲聚焦分析模块、图像滤波去噪模块、不纯缺陷整体区域筛选模块和不纯缺陷程度计算模块；
所述激光发射模块，用于向被检测的单晶硅片实时发出激光；所述激光发射模块包括半导体激光发射器；
所述CCD图像采集模块，用于采集经过滤光片滤光后汇聚于CCD摄像机物平面域内的单晶硅片图像；所述CCD图像采集模块包括滤光片、CCD摄像机和光线角度传感器，所述滤光片的中心点和CCD摄像机的中心点始终与被检测的单晶硅片的中心点保持重合；所述光线角度传感器，用于实时监测距离单晶硅片中心点所在垂直轴线偏折角度；
所述中央控制模块，用于控制激光发射模块向被检测的单晶硅片发射激光，并控制所述CCD图像采集模块采集所述单晶硅片图像；
所述图像激光斑点脉冲聚焦分析模块，用于识别得到所述单晶硅片图像中的多个同心椭圆光斑，并分析CCD摄像机采集到的单晶硅片图像中每个激光投射点的激光斑点脉冲聚焦情况；
所述图像滤波去噪模块，用于对所述CCD摄像机采集到的单晶硅片图像进行图像滤波去噪；
所述不纯缺陷整体区域筛选模块，用于计算所述单晶硅片图像中最大同心椭圆的灰度值，判断其是否为多个漩涡缺陷组成的不纯缺陷整体区域；
所述不纯缺陷程度计算模块，用于对图像滤波去噪后的所述单晶硅片图像中的漩涡缺陷区域进行二次识别，并计算得到多个漩涡缺陷的椭圆圆环光斑激光强度值以及相邻两个漩涡缺陷的椭圆圆环光斑激光强度对比度，判断多个漩涡缺陷所导致的被检测单晶硅片的不纯缺陷程度。
CN202311338995.8A 2023-10-17 2023-10-17 硅片目视化检测方法及*** Active CN117116799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311338995.8A CN117116799B (zh) 2023-10-17 2023-10-17 硅片目视化检测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311338995.8A CN117116799B (zh) 2023-10-17 2023-10-17 硅片目视化检测方法及***

Publications (2)

Publication Number Publication Date
CN117116799A CN117116799A (zh) 2023-11-24
CN117116799B true CN117116799B (zh) 2024-02-13

Family

ID=88800371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311338995.8A Active CN117116799B (zh) 2023-10-17 2023-10-17 硅片目视化检测方法及***

Country Status (1)

Country Link
CN (1) CN117116799B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103147122A (zh) * 2006-05-19 2013-06-12 Memc电子材料有限公司 控制cz 生长过程中由硅单晶侧面诱发的附聚点缺陷和氧簇的形成
CN112113977A (zh) * 2011-07-12 2020-12-22 科磊股份有限公司 晶片检查
CN115266758A (zh) * 2022-09-27 2022-11-01 苏州高视半导体技术有限公司 晶圆检测***、晶圆检测方法、电子设备及存储介质
CN116235205A (zh) * 2020-09-04 2023-06-06 科磊股份有限公司 用于三维晶片结构的分级增强缺陷检测方法
CN116564844A (zh) * 2023-05-26 2023-08-08 江苏第三代半导体研究院有限公司 半导体测试方法、电子设备、存储介质及程序产品

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103147122A (zh) * 2006-05-19 2013-06-12 Memc电子材料有限公司 控制cz 生长过程中由硅单晶侧面诱发的附聚点缺陷和氧簇的形成
CN112113977A (zh) * 2011-07-12 2020-12-22 科磊股份有限公司 晶片检查
CN116235205A (zh) * 2020-09-04 2023-06-06 科磊股份有限公司 用于三维晶片结构的分级增强缺陷检测方法
CN115266758A (zh) * 2022-09-27 2022-11-01 苏州高视半导体技术有限公司 晶圆检测***、晶圆检测方法、电子设备及存储介质
CN116564844A (zh) * 2023-05-26 2023-08-08 江苏第三代半导体研究院有限公司 半导体测试方法、电子设备、存储介质及程序产品

Also Published As

Publication number Publication date
CN117116799A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN110411346B (zh) 一种非球面熔石英元件表面微缺陷快速定位方法
WO2010125911A1 (ja) 欠陥検査装置及び欠陥検査方法
CN109791897A (zh) 用于半导体晶片检验的三维成像
CN106770128A (zh) 快速三维探测光学元件亚表面缺陷的检测装置及检测方法
US20060146316A1 (en) Method for monitoring micro-lens curvature in-line
CN110411348A (zh) 一种激光光斑焦点的自动化检测与定位装置及方法
US20150029324A1 (en) Substrate inspection method, substrate manufacturing method and substrate inspection device
CN109974648B (zh) 基于坐标值的微小孔几何精度评定方法
EP3699576A1 (en) Image reconstruction method and device, and microscope imaging device
CN112129734B (zh) 一种深度可分辨荧光成像***
CN115428125A (zh) 检查装置以及检查方法
CN113781458A (zh) 一种基于人工智能的识别方法
Gao et al. Feature extraction of laser welding pool image and application in welding quality identification
CN117116799B (zh) 硅片目视化检测方法及***
CN116754565A (zh) 一种光学元件全口径表面微缺陷光致荧光检测用自动对焦检测方法
CN210220974U (zh) 一种激光光斑焦点的自动化检测与定位装置
CN117455917B (zh) 一种蚀刻引线框架误报库建立及误报在线判定筛选方法
CN116794064B (zh) 一种应用于单晶硅圆棒的缺陷检测方法
US20150030230A1 (en) Substrate inspection method, substrate manufacturing method and substrate inspection device
CN106018201A (zh) 基于均值滤波的混合场粒径测量方法
CN116452519A (zh) 一种基于多模态信息融合的轮胎鼓包瑕疵检测方法
CN114120318B (zh) 一种基于集成决策树的暗场图像目标点精确提取方法
CN102890421B (zh) 光刻散焦的检测方法、检测***及光刻工艺的优化方法
CN112581424B (zh) 一种光学元件表面与亚表面缺陷的分类提取方法
CN112858341B (zh) 一种检测方法、拍摄***及检测***

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