论文部分内容阅读
随着计算机技术、人工智能技术、图像处理及识别技术的发展,机器视觉技术在国民经济的各个领域尤其是现代智能制造业中发挥着越来越重要的作用,为传统的工业自动化领域带来了技术性的革新,从很大程度上提高了自动化产品质量和生产力。在半导体材料加工过程中,晶粒的质量直接决定了芯片及电子元器件的质量,除了电学参数合格性检验以外,物理性缺陷检测也十分重要。如果晶粒表面出现污染物、划痕或缺角等现象,都属于不合格晶粒,需要剔除。目前,大部分企业采用人工检测物理缺陷的方式,但存在以下问题:首先,人力成本开销大,长时间做这种重复性强的枯燥工作极易产生视觉疲劳,导致生产效率降低;其次,晶圆缺陷也会受到技术工人的个人主观因素的影响,造成判断上的误差,使成品率降低;另外,由于晶圆十分薄脆,若采用接触式检测将导致破损率提高,检测精度和检测速度难以保证。因此,为解决上述问题,本课题提出一种基于机器视觉的晶粒物理缺陷的检测方法,主要围绕晶圆校正、目标定位、晶格重建、遍历检测等内容展开研究。本文研究的检测算法是在Microsoft Visual Studio集成开发环境下调用OpenCV视觉库,用C++编程语言设计实现了晶圆图像校正和定位,并提出自适应晶圆网格重建方法,将重建出来的网格与实际晶粒进行遍历比对,获得晶粒坐标;通过将晶粒的二值图平均值与设定阈值作比较的方法,判断晶粒表面是否存在物理残损;图像进行二值化处理,通过判断像素点个数来确定晶粒表面是否存在污点;针对表面氧化的晶粒采用将其灰度平均值与设定阈值作比较的方法,判断晶粒是否被氧化;当晶圆上所有晶粒都被识别后,将所有晶粒的坐标、面积及其识别标识等信息输出到txt文本,供数据库调用;基于SQL Server建立了晶圆数据库,用VB.NET编程语言设计了数据库的人机交互界面(GUI);最后通过对实际晶圆进行图像检测,验证了本文研究方法的可行性,而且通过检测过程可视化显示,缺陷检测效果良好。本课题提出了一种新的晶圆校正角度的计算方法。首先,基于累计概率的霍夫变换对晶圆图像进行直线检测。然后,对直线段与X轴正向的夹角进行聚类,最后将聚类结果的众数平均值作为校正的角度。同时还提出了一种自适应晶圆网格重建方法。针对不同规格的晶粒,仅需对晶粒轮廓的外接矩形水平和垂直方向进行聚类,就可自动重构出对应的网格,算法具有一定的普适性。本课题为克服人工检测晶粒缺陷的不足提出机器视觉上的检测方案,尚存在不足之处,在总结研究工作的基础上,指出了尚存在的技术问题和改进性的建议。