[發明專利]一種芯片表面瑕疵的自動檢測方法、系統及電子設備

在審

• 申請號: 202011347834.1
• 申請日: 2020-11-26
• 公開（公告）號: CN112308854A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 曾祥進;鄭安義;鄧晨;米勇;宋彭彭
• 申請（專利權）人: 武漢工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/13;G06T7/136;G06T7/194;G01N21/88;G01N21/95
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 徐琪琦

本發明涉及一種芯片表面瑕疵的自動檢測方法、系統及電子設備，包括對芯片圖像進行光照補償，得到第一芯片圖像；對所述第一芯片圖像進行高斯濾波處理，得到第二芯片圖像；對所述第一芯片圖像和所述第二芯片圖像進行線性融合，得到第三芯片圖像；利用最大熵分割方法對所述第三芯片圖像進行處理，得到二值圖像；根據所述二值圖像判斷芯片表面是否有瑕疵，得到檢測結果。使得對芯片表面瑕疵的檢測更加智能化，更加便利，可以加快工業生產的效率。

技術領域

本發明涉及圖像處理及模式識別領域，尤其涉及一種芯片表面瑕疵的自動檢測方法、系統及電子設備。

背景技術

芯片生產線芯片檢測的主要任務是利用要利用圖像獲取儀器，獲得芯片的圖像后傳入到后續的處理識別單元進行芯片表面的瑕疵進行檢測，以此來確定芯片是否符合生產要求。

針對芯片表面的瑕疵的識別技術，目前主流方法都注重于將芯片的各種預處理之上，以此獲得更好的處理結果。常用的深度學習的方法所需要的樣本量巨大，同時由于圖像的成像方式以及十六位圖像顯示的問題，導致圖像巨大，進行圖像推理速度慢，還需要大量人工進行標定數據，導致了準確率不高；此外，深度學習的數量統計，面積統計等不同的量化指標也會形成很大的誤差，使得環境適應性不強。

在深度學習的背景下，受原圖像的大小所限，使得出現在原圖像中的瑕疵點所占像素點數量小，這帶來了檢測的精度問題；由于深度學習所帶來的數據量過大，也帶來了檢測的速度過慢的問題。

發明內容

為了克服現有的芯片表面瑕疵檢測時準確性不高、檢測精度低以及檢測速度過慢的問題，本發明提供了一種芯片表面瑕疵的自動檢測方法。

第一方面，為了解決上述技術問題，本發明提供了一種芯片表面瑕疵的自動檢測方法，包括以下步驟：

對芯片圖像進行光照補償，得到第一芯片圖像；

對所述第一芯片圖像進行高斯濾波處理，得到第二芯片圖像；

對所述第一芯片圖像和所述第二芯片圖像進行線性融合，得到第三芯片圖像；

利用最大熵分割方法對所述第三芯片圖像進行處理，得到二值圖像；

根據所述二值圖像判斷芯片表面是否有瑕疵，得到檢測結果。

本發明提供的芯片表面瑕疵的自動檢測方法的有益效果是：對圖像進行光照補償，可以校正芯片圖像中光照不均勻的位置，；高斯濾波處理可以增強圖像的對比度，使得圖像更加干凈、清晰；而線性融合，可以達到突出圖像中瑕疵點的作用，利用最大熵分割方法，可以使得瑕疵點與背景分離，此時二值圖像中芯片表面的瑕疵點更為清晰，方便后續對芯片瑕疵進行識別和統計，使得在提高瑕疵檢測速度的同時也提高了檢測準確性和精度。

在上述技術方案的基礎上，本發明還可以做如下改進。

進一步，對芯片圖像進行光照補償之前，還包括：

獲取原始圖像，并對所述原始圖像進行預處理，得到第一原始圖像；

對所述第一原始圖像進行邊緣檢測，獲取所述第一原始圖像中芯片的輪廓，并將所述輪廓從所述第一原始圖像中剪切出來，形成第二原始圖像；

對所述第二原始圖像進行預處理，得到芯片圖像。

采用上述進一步方案的有益效果是：工業上檢測芯片表面瑕疵時，獲取的原始圖像是含有芯片以及芯片檢測臺的圖像，對原始圖像進行灰度化、濾波操作和二值化等預處理可以使得圖像更加清晰，方便后續處理；而從原始圖像中檢測到芯片的輪廓，通過對該輪廓的像素位置的計算，將輪廓剪切出來，可以方便后續對芯片上的瑕疵進行檢測；而對第二原始圖像進行高斯濾波、非局部均值濾波等預處理，使得圖像更加清晰和準確，方便了后續的檢測。