CN110674810A - 一种应用于半导体光学ccd视觉的优化算法 - Google Patents

Abstract

本发明公开了一种应用于半导体光学CCD视觉的优化算法，用多次迭代求最佳值，包括步骤1：获取CCD视觉湿膜原图；步骤2：对原图做二值化；步骤3：进行圆的模块匹配；步骤4：根据不同的直径迭代第三步，得出最优匹配；步骤5：根据步骤4的最优匹配，从原图中取出感兴趣区；步骤6：通过计算相邻像素点像素差值的方法算value值；步骤7：遍历不同的圆心坐标和直径找出最佳value值对应的圆心和直径；步骤8：达到预期的精度要求，迭代结束，未达到预期的精度，要求做下一次迭代；步骤9：将步骤5的感兴趣区进行线性放大。通过上述方式，本发明可以把湿膜对位的精度从2个丝提升到0.5个丝，大大提升了湿膜对位的精准度。

Description

一种应用于半导体光学CCD视觉的优化算法

技术领域

本发明涉及半导体光刻成像软件的实现方法的领域，尤其涉及基于CCD视觉，应用于湿膜成像曝光的优化对位算法。

背景技术

随着半导体行业的高速发展，在PCB板等生产中，对曝光精度的要求越来越高，以往的干膜工艺已经无法满足对更小线宽，更复杂图形的要求。而湿膜工艺因成本低，曝光精度高等特点越来越受人们的重视。但湿膜工艺的对位一直是制约湿膜工艺的瓶颈。目前的湿膜工艺一般采用以下两种对位：

（1）采用模具与人工对位的方法，一般通过销钉进行对位，在线路板与菲林的相对应位置冲出对位孔，然后将两者通过将对位孔套在销钉上实现两者的对位操作。上述的对位结构，由于对位孔的孔径不可能完全等于销钉的外径，因此势必会造成两者对位精度偏低，而且需要通过人工对位，效率低。

（2）采用菲林对位机的方法，目前的菲林对位机一般精度在2个丝，而且对图形模糊的湿膜对位，精度更低。此外还存在结构复杂，制造成本较高的缺陷，工件夹装工作繁琐，加工效率较低等问题。

发明内容

本发明主要解决的技术问题是提供一种应用于半导体光学CCD视觉的优化算法，解决了湿膜工艺中对位孔直径有浮动偏差、湿膜工艺中CCD采集到图像模糊、湿膜工艺中CCD采集到图像亮度不同等问题，可以把湿膜对位的精度从2个丝提升到0.5个丝，大大提升了湿膜对位的精准度。

为解决上述技术问题，本发明采用的一个技术方案是：提供了一种应用于半导体光学CCD视觉的优化算法，利用多次迭代求最佳值，包括以下具体步骤：

步骤1：通过CCD视觉抓取湿膜靶点的原始图，此处的原始图为黑白图；

步骤2：通过二值化增加原始图的识别效率，并使用Otsu算法自适应；

步骤3：圆的模块匹配使用白色画布，黑色的圆，画布略大于圆，圆置于画布的中心；

步骤4：遍历不同的圆直径并重复步骤3，找到最优匹配；

步骤5：根据找到的最优匹配，从原始图中取出感兴趣区；

步骤6：对感兴趣区中以圆形为对象目标，取圆周围的像素点，通过计算相邻像素点像素差值的方法得出value值；

步骤7：遍历不同的圆心和坐标并使用步骤6的方法，找出最佳value值对应的圆心和坐标；

步骤8：如果结果满意，达到预期的曝光精度要求，结束迭代，否则，未达到预期的曝光精度要求，继续进行迭代；

步骤9：继续进行迭代时，将步骤5的感兴趣区进行线性放大，然后再重复步骤6至步骤8，直至完成迭代。

在本发明一个较佳实施例中，所述的二值化采用THRESH_BINARY方法的正向二值化。

本发明的有益效果是：本发明的应用于半导体光学CCD视觉的优化算法，解决了湿膜工艺中对位孔直径有浮动偏差、湿膜工艺中CCD采集到图像模糊、湿膜工艺中CCD采集到图像亮度不同等问题，可以把湿膜对位的精度从2个丝提升到0.5个丝，大大提升了湿膜对位的精准度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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的附图，其中：

图1 是本发明应用于半导体光学CCD视觉的优化算法一较佳实施例的流程图；

图2是圆上像素点的位置示意图；

图3是图2中像素点分类的位置示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。

如图1所示，本发明实施例包括：

一种应用于半导体光学CCD视觉的优化算法，利用多次迭代求最佳值，包括以下具体步骤：

步骤1：通过CCD视觉抓取湿膜靶点的原始图，此处的原始图为黑白图；

步骤2：通过二值化增加原始图的识别效率，并使用Otsu算法自适应；

步骤3：圆的模块匹配使用白色画布，黑色的圆，画布略大于圆，圆置于画布的中心；

步骤4：遍历不同的圆直径并重复步骤3，找到最优匹配；

步骤5：根据找到的最优匹配，从原始图中取出感兴趣区；

步骤6：对感兴趣区中以圆形为对象目标，取圆周围的像素点，通过计算相邻像素点像素差值的方法得出value值；

步骤7：遍历不同的圆心和坐标并使用步骤6的方法，找出最佳value值对应的圆心和坐标；

步骤8：如果结果满意，达到预期的曝光精度要求，结束迭代，否则，未达到预期的曝光精度要求，继续进行迭代；

步骤9：继续进行迭代时，将步骤5的感兴趣区进行线性放大，然后再重复步骤6至步骤8，直至完成迭代。

上述中，所述的二值化采用THRESH_BINARY方法的正向二值化。

实施例：

第一步：对CCD采集到的图像进行二值化处理

（1）采用THRESH_BINARY方法，正向二值化,如果当前的像素值大于设置的阈值(thresh)，则将该点的像素值设置为maxval；否则，将该点的像素值设置为0；具体的公式为：

。

（2）采用THRESH_OTSU方法，使用Otsu算法选择最佳阈值。

第二步：进行匹配圆算法

（1）根据给定的对位孔直径和对位孔的直径偏差，画出偏差范围内的不同待匹配图形，匹配图形中间为像素为0的圆，画布像素为255，且略大于圆。

（2）通过模板匹配算法，将不同的带匹配图形和CCD采集的图像进行匹配，得到其中的最佳匹配。

（3）算出最佳匹配图形的圆心在CCD图像上的坐标，算出最佳匹配图形的直径。

第三步：取出感兴趣区域

（1）根据第二步得出的圆心坐标和直径通过矩形选取与设置窗口ROI，从CCD图像原图截图感兴趣区域。

第四步：提高圆心的精度

（1）以第二步得出的圆心坐标和给定的对位孔直径为基础画圆，遍历圆上所有的像素点。取每个像素点的与圆心的连线上的前后共5个像素点，如图2所示，将这5个像素点的差值求和：

Sum = abs(p5 - p3) + abs (p4 -p3) + abs(p2 - p3) + abs(p1 - p3)。

（2）遍历圆上所有的像素点。如图3所示，将所有像素点划分为四类：sum_1，sum_2，sum_3，sum_4，将所有圆上的像素点按照分类求和。

（3）对(2)得出的sum_1,sum_2,sum_3,sum_4进行分析。最后得出一个value值。具体分析结果为：value = (sum_1 + sum_2 + sum_3 + sum_4) * 100% - 均方差(sum_1,sum_2,sum_3,sum_4) * 50%。

（4）遍历第二步得出的圆心坐标的周围n个坐标为新的圆心，给定的对位孔直径的m个偏移为新的直径，使用上面(1)(2)(3)的方法求出它们各自value。最后得出最大value值对应的圆心坐标和直径。

第五步：为了进一步提高精度，将第三步取出的感兴趣区域放大，继续迭代第四步，以求得最佳的对位效果。

本发明的应用于半导体光学CCD视觉的优化算法解决以下实际生产中湿膜工艺的问题：

（1）湿膜工艺中对位孔直径有浮动偏差；

（2）湿膜工艺中CCD采集到图像模糊；

（3）湿膜工艺中CCD采集到图像亮度不同。

综上所述，本发明的应用于半导体光学CCD视觉的优化算法，可以把湿膜对位的精度从2个丝提升到0.5个丝，大大提升了湿膜对位的精准度。

以上所述仅为本发明的实施例，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它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (2)

1.一种应用于半导体光学CCD视觉的优化算法，其特征在于，利用多次迭代求最佳值，包括以下具体步骤：

步骤1：通过CCD视觉抓取湿膜靶点的原始图，此处的原始图为黑白图；

步骤2：通过二值化增加原始图的识别效率，并使用Otsu算法自适应；

步骤3：圆的模块匹配使用白色画布，黑色的圆，画布略大于圆，圆置于画布的中心；

步骤4：遍历不同的圆直径并重复步骤3，找到最优匹配；

步骤5：根据找到的最优匹配，从原始图中取出感兴趣区；

步骤6：对感兴趣区中以圆形为对象目标，取圆周围的像素点，通过计算相邻像素点像素差值的方法得出value值；

步骤7： 遍历不同的圆心和坐标并使用步骤6的方法，找出最佳value值对应的圆心和坐标；

步骤8：如果结果满意，达到预期的曝光精度要求，结束迭代，否则，未达到预期的曝光精度要求，继续进行迭代；

步骤9：继续进行迭代时，将步骤5的感兴趣区进行线性放大，然后再重复步骤6至步骤8，直至完成迭代。

2.根据权利要求1所述的应用于半导体光学CCD视觉的优化算法，其特征在于，所述的二值化采用THRESH_BINARY方法的正向二值化。

Images