CN111681222B - 一种刀痕崩边自动检测判断方法及其应用的划片机 - Google Patents
一种刀痕崩边自动检测判断方法及其应用的划片机 Download PDFInfo
- Publication number
- CN111681222B CN111681222B CN202010515314.0A CN202010515314A CN111681222B CN 111681222 B CN111681222 B CN 111681222B CN 202010515314 A CN202010515314 A CN 202010515314A CN 111681222 B CN111681222 B CN 111681222B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- tool mark
- pixel
- detection
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 38
- 238000005520 cutting process Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 230000008719 thickening Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
- B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
- B28D5/0064—Devices for the automatic drive or the program control of the machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
Abstract
本发明公开了一种刀痕崩边自动检测判断方法及其应用的划片机,首先利用划片机的图像采集模块获取目标刀痕检测区域图像,通过图像进行灰度处理、二值化处理得到黑白二值图像,实现对灰度图像上黑色刀痕区域和白色芯片区域的检测区分,然后对直方图算法和Hough变换的直线检测方式获得直线刀痕区域,同时采用Canny算法采集获得实际刀痕区域面积,然后将实际刀痕区域面积与直线刀痕区域面积作差计算得到目标刀痕检测区域图像的崩边位置,最后对该崩边位置的边缘轨迹与加工物的切割道外边缘进行偏差对比,若偏差值大于预设偏差值,向外部输出崩边报警信号,经实施验证,本发明可以同时实现对划片机加工物刀痕崩边高精度且高效率的自动检测判断。
Description
技术领域
本发明涉及划片机的切割控制技术,具体涉及了一种刀痕崩边自动检测判断方法,本发明还涉及该刀痕崩边自动检测判断方法应用的划片机。
背景技术
划片机是集成电路生产后道不可或缺的设备,其主要功能是将芯片切割成一个个独立的单独元件。具体来说,对于划片机切割效果评价指标中,由于崩边会对切割品质产生影响较大的现实问题,因此崩边是重要的核心切割效果评价指标。随着智能化制造水平的不断提升,划片机中采用的传统人工检测崩边方式存在耗时长、效率低、劳动强度大等技术弊端,而且人为判断标准难以统一,难以保证一致的切割效果,已经越来越不被市场接受。
市场对自动检测崩边技术提出了高质量需求,尤其是对于晶圆片切割领域,由于产品本身切割道较窄,对崩边的标准要求很高,急迫寻求高精度、高效率的刀痕崩边自动检测判断方法来实现对芯片的崩边质量评估应用。
发明内容
有鉴于此,本发明的目的在于提供一种刀痕崩边自动检测判断方法及其应用的划片机,同时实现了对划片机加工物刀痕崩边的高精度且高效率的自动检测判断。
本发明采用的技术方案如下:
一种刀痕崩边自动检测判断方法,应用于划片机的控制系统中,所述划片机包括加载安装加工物的划片工作台,预存有加工物理论特征位置切割模型的图像采集模块,所述划片工作台安装在驱动组件上,所述驱动组件和所述图像采集模块采用所述控制系统驱动控制,所述控制系统包括如下刀痕崩边自动判断步骤:
S10)、通过图像采集模块获取所述加工物上的目标刀痕检测区域图像;
S20)、对所述目标刀痕检测区域图像进行灰度处理得到灰度图像;提出本步骤S20)的原因主要是由于划片机采集的数字图像,是由一个个像素点矩阵(即为像素点矩阵)排列构成,对图像的灰度处理其实就是对该像素矩阵进行处理操作;而由于图像采集模块的视觉机器对颜色的处理计算非常复杂,需耗费计算量较大;而且由于划片机处理的半导体材料对颜色并没有要求;因此,本发明的刀痕崩边自动检测判断方法过程可将彩色图像转换为灰度图像即可满足处理要求,显著节约了计算工作量;
S30)、对所述灰度图像进行二值化处理得到黑白二值图像,其中,所述二值化处理是指通过预先计算设置灰度阈值T,然后将所述灰度图像的所有像素点采用二值化函数进行比较计算,实现对所述灰度图像上刀痕区域和芯片区域的检测区分,可以进一步显著节约后续进行直线刀痕区域和崩边位置的计算量;
S40)、通过直方图算法和Hough变换的直线检测方式寻找直线刀痕区域,其中,所述直方图由离散的点阵组成,所述Hough变换的直线检测方式用于计算显示对所述直方图的Hough直线检测模型,所述直线刀痕区域与实际刀痕位置重合;
S50)、计算所述目标刀痕检测区域图像的崩边位置,所述崩边位置面积S(c)=实际刀痕区域面积Skc-直线刀痕区域面积SK,所述实际刀痕区域面积Skc采用Canny算法采集获得;
S60)、将所述崩边位置边缘轨迹与加工物的切割道外边缘做差对比得到偏差值,若偏差值大于预设偏差值,向外部输出崩边报警信号。
优选地,所述驱动组件包括可顺逆向旋转的T向电机和X-Y轴运动模块,所述划片工作台安装在所述T向电机上,所述T向电机可相对旋转地安装在所述X-Y轴运动模块上;在所述步骤S10)中,通过X-Y轴运动模块将所述划片工作台运动至目标刀痕检测区域。
优选地,在所述步骤S20)中,所述灰度处理过程包括:将目标刀痕检测区域图像划分为像素点矩阵,通过对各像素点进行颜色变量计算,将所述标刀痕检测区域图像转化为灰度图像,所述计算公式为:G=r*0.299+g*0.587+b*0.114,其中,G为像素点矩阵中某个点像素完成灰度处理后的灰度值,r为该点像素的红色变量值,g为该点像素的绿色变量值,b为该点像素的蓝色变量值。
优选地,每个点像素的红色变量值、绿色变量值以及蓝色变量值均相等,且在灰度处理中,将色调阶层划分为256个,其中,纯黑色为0级,纯白色为255级,灰度级数位于纯黑色和纯白色之间。
优选地,所述二值化函数是指将所述灰度图像的所有像素点灰度值与灰度阈值T进行比较计算,当对应的像素点灰度值大于灰度阈值T时,计算判定为白色芯片区域,当对应的像素点灰度值等于或小于灰度阈值T时,计算判定为黑色刀痕区域;所述灰度阈值T采用迭代法计算得到,其计算公式为:
;
其中,hk为灰度值为k的像素数目,L为灰度级数,Δk为正在遍历计算的灰度值与预设灰度值的差值。
优选地,在步骤S30)后还包括步骤S31):对所述黑白二值图像进行高斯滤波平滑处理,所述高斯滤波平滑处理是指将黑白二值图像采用高斯卷积核与图像进行卷积计算。
优选地,在所述步骤S31)中,所述卷积计算采用2个一维叠加处理计算方式,具体计算公式为:
;
其中,X,Y代表黑白二值图像中某个像素点X-Y轴的对应坐标值;G(x,y)对对应坐标值的点像素灰度值,σ为常数。
优选地,在步骤S30)后还包括步骤S31)’,所述步骤S31)’在步骤S31)之后或之前进行,所述步骤S31)’包括:对刀痕区域进行暗黑填充处理,所述暗黑填充处理采用膨胀和腐蚀的开闭运算,所述膨胀是指将刀痕区域图像进行边缘加长和加粗处理,所述腐蚀是指将刀痕区域图像进行宽度变窄处理。
优选地,在所述步骤S60)中,所述预设偏差值为3-7m。
优选地,一种划片机,包括加载安装加工物的划片工作台,预存有加工物理论特征位置切割模型的图像采集模块,所述划片工作台安装在驱动组件上,所述驱动组件和所述图像采集模块采用控制系统驱动控制,所述控制系统采用如上所述的刀痕崩边自动检测判断方法。
本发明首先利用划片机的图像采集模块获取目标刀痕检测区域图像,通过图像进行灰度处理、二值化处理得到黑白二值图像,实现对灰度图像上黑色刀痕区域和白色芯片区域的检测区分,然后对直方图算法和Hough变换的直线检测方式获得直线刀痕区域,同时采用Canny算法采集获得实际刀痕区域面积,然后将实际刀痕区域面积与直线刀痕区域面积作差计算得到目标刀痕检测区域图像的崩边位置,最后对该崩边位置的边缘轨迹与加工物的切割道外边缘进行偏差对比,若偏差值大于预设偏差值,向外部输出崩边报警信号,在实际切割操作时,崩边报警信号可以直接触发划片机停机操作,进行相关参数调整后,再进入切割,避免进一步的损失,经实施验证,本发明可以同时实现对划片机加工物刀痕崩边高精度且高效率的自动检测判断;
考虑到划片机是水冷切割设备,在图像采集模块采集获取图像时不可避免地会有一些水雾的影响,导致图像中会有一些豆状的水珠,偶尔显示为一些明显的黑点,本发明进一步优选地对这些黑点进行需要进行高斯滤波平滑处理,其处理过程将黑白二值图像采用高斯卷积核与图像进行卷积计算;进一步优选地,若单纯的使用二维高斯卷积处理计算,这对计算机要求较高,成本高且处理计算过程耗时较长;本发明进一步巧妙地将二维处理转换成2个一维叠加处理计算方式,具体实现思路是先使用X轴方向对整个黑白二值图像矩阵作卷积计算,再在Y轴方向对整个图像矩阵作卷积计算,计算量少且简单可靠,而且成本低,计算耗时更短;
由于采集获取的目标刀痕检测区域图像往往是发生在划片机切割暂停时,考虑到水冷划片机存在水珠反光,这会导致目标刀痕检测区域图像的刀痕区域图像难以准确显示出实际全黑色区域,本发明进一步优选提出对刀痕区域图像进行暗黑填充处理,将其并填充成暗黑色,进一步提高本发明的检测判断精准度。
附图说明
附图1是本发明具体实施方式下刀痕崩边自动检测判断方法的步骤框图;
附图2是本发明具体实施方式下完成步骤S30)的黑白二值图像;
附图3是本发明具体实施方式下完成步骤S31)’暗黑填充处理后的黑白二值图像;
附图4是本发明具体实施方式下步骤S40)中的Hough直线检测模型图;
附图5是本发明具体实施方式下完成步骤S40)后显示的直线刀痕区域20图像;
附图6是本发明具体实施方式下加工物实际刀痕区域10图像;
附图7是本发明具体实施方式下加工物经自动崩边检测判断处理的崩边位置30图像。
具体实施方式
本发明实施例公开了一种刀痕崩边自动检测判断方法,应用于划片机的控制系统中,划片机包括加载安装加工物的划片工作台,预存有加工物理论特征位置切割模型的图像采集模块,划片工作台安装在驱动组件上,驱动组件和图像采集模块采用控制系统驱动控制,控制系统包括如下刀痕崩边自动判断步骤:
S10)、通过图像采集模块获取加工物上的目标刀痕检测区域图像;
S20)、对目标刀痕检测区域图像进行灰度处理得到灰度图像;
S30)、对灰度图像进行二值化处理得到黑白二值图像,其中,二值化处理是指通过预先计算设置灰度阈值T,然后将灰度图像的所有像素点采用二值化函数进行比较计算,实现对灰度图像上刀痕区域和芯片区域的检测区分;
S40)、通过直方图算法和Hough变换的直线检测方式寻找直线刀痕区域,其中,直方图由离散的点阵组成,Hough变换的直线检测方式用于计算显示对直方图的Hough直线检测模型,直线刀痕区域与实际刀痕位置重合;
S50)、计算目标刀痕检测区域图像的崩边位置,崩边位置面积S(c)=实际刀痕区域面积Skc-直线刀痕区域面积SK;
S60)、将崩边位置边缘轨迹与加工物的切割道外边缘做差对比得到偏差值,若偏差值大于预设偏差值,向外部输出崩边报警信号。
为了使本技术领域的人员更好地理解本发明中的技术方案,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,都应当属于本发明保护的范围。
本实施例提出了一种划片机,包括加载安装加工物的划片工作台,预存有加工物理论特征位置切割模型的图像采集模块,划片工作台安装在驱动组件上,驱动组件和图像采集模块采用控制系统驱动控制,控制系统采用如本实施例以下所述的刀痕崩边自动检测判断方法;
本实施例提出了一种刀痕崩边自动检测判断方法,应用于划片机的控制系统中,控制系统包括如下刀痕崩边自动判断步骤:
S10)、通过图像采集模块获取加工物上的目标刀痕检测区域图像;优选地,在实际操作运行时,通过X-Y轴运动模块将划片工作台运动至目标刀痕检测区域;
S20)、对目标刀痕检测区域图像进行灰度处理得到灰度图像;优选地,在本步骤S20)中,灰度处理过程包括:将目标刀痕检测区域图像划分为像素点矩阵,通过对各像素点进行颜色变量计算,将标刀痕检测区域图像转化为灰度图像,计算公式为:G=r*0.299+g*0.587+b*0.114,其中,G为像素点矩阵中某个点像素完成灰度处理后的灰度值,r为该点像素的红色变量值,g为该点像素的绿色变量值,b为该点像素的蓝色变量值;具体优选地,每个点像素的红色变量值、绿色变量值以及蓝色变量值均相等,且在灰度处理中,将色调阶层划分为256个,其中,纯黑色为0级,纯白色为255级,灰度级数位于纯黑色和纯白色之间;
S30)、请参见图2所示,对灰度图像进行二值化处理得到黑白二值图像,其中,二值化处理是指通过预先计算设置灰度阈值T,然后将灰度图像的所有像素点采用二值化函数进行比较计算,实现对灰度图像上刀痕区域和芯片区域的检测区分;优选地,在本步骤S30)中,二值化函数是指将灰度图像的所有像素点灰度值与灰度阈值T进行比较计算,当对应的像素点灰度值大于灰度阈值T时,计算判定为白色芯片区域,当对应的像素点灰度值等于或小于灰度阈值T时,计算判定为黑色刀痕区域;由于灰度阈值T的取值直接关系到二值化处理的质量,在本步骤S30)中,灰度阈值T采用迭代法计算得到,其计算公式为:
;
其中,hk为灰度值为k的像素数目,L为灰度级数,Δk为正在遍历计算的灰度值与预设灰度值的差值。
优选地,在步骤S30)后还包括步骤S31):对黑白二值图像进行高斯滤波平滑处理,高斯滤波平滑处理是指将黑白二值图像采用高斯卷积核与图像进行卷积计算;具体优选地,在本步骤S31)中,卷积计算采用2个一维叠加处理计算方式,具体计算公式为:
;
其中,X,Y代表黑白二值图像中某个像素点X-Y轴的对应坐标值;G(x,y)对对应坐标值的点像素灰度值,σ为常数,σ取值范围建议为0.7-0.9,具体地,在本实施方式中,σ=0.8。
优选地,在步骤S31)后还包括步骤S31)’,在其他实施方式中,步骤S31)’也可以在步骤S31)之前进行;请参见图3所示,本步骤S31)’包括:对刀痕区域进行暗黑填充处理,暗黑填充处理采用膨胀和腐蚀的开闭运算,膨胀是指将刀痕区域图像进行边缘加长和加粗处理,腐蚀是指将刀痕区域图像进行宽度变窄处理,本实施方式将膨胀和腐蚀处理操作结合起来使用,也就是公知计算领域中的开运算和闭运算的数学计算操作,因此其具体计算公式、计算过程以及参数选择不做具体展开,这些都是本领域人员在本实施例记载内容上可作出的常规技术选择;
S40)、请参见图4和图5所示,通过直方图算法和Hough变换的直线检测方式寻找直线刀痕区域,其中,直方图由离散的点阵组成,Hough变换的直线检测方式采用Hough直线检测模型进行计算并显示出直线刀痕区域,直线刀痕区域与实际刀痕位置重合;这是由于在实际情况中,划片机切割出来的刀痕的上下边缘并不直接呈现为2条平行的直线轨迹,由于崩边的存在,导致刀痕在图像中显示为两条连续的折线,因此,本实施例首先通过直方图算法确定刀痕区域的离散的点阵,然后利用Hough变换的直线检测寻找刀痕区域的刀痕外边缘,进而完成直线刀痕区域的寻找;
具体地,在本步骤S40)中,直方图的数学特征是:基于黑色刀痕区域的数字图像在[0,G]范围内一共有L个灰度级,直方图由离散的点阵组成:h(rk)=nk;式中,rk是[0,G]区间内第k个亮度,nk为灰度级rk图像中的点像素数量;进行归一化后的公式为:p(rk)=h(rk)/n;式中,n为总像素;p(rk)表示灰度级;
具体地,在本步骤S40)中,请进一步参见图5所示的Hough直线检测模型,并参见图7所示的直线刀痕区域,Hough变换的直线检测所采用的数学公式为:Xcosθ+ysinθ=ψ;式中:ψ是直线到原点的距离,θ是直线与水平坐标系的夹角;采用累加器单元将ψ和θ的参数空间细分,求解ψ和θ的过程可以实现所示的Hough直线检测模型,采用此方法检测到的刀痕边缘与实际刀痕重合,精度达到亚像素的级别,达到了很好的检测效果,能满足划片机的切割生产需求。
S50)、计算目标刀痕检测区域图像的崩边位置,请分别参见图6和图7所示,实际刀痕区域为10,直线刀痕区域为20,崩边位置为30;其中,崩边位置面积S(c)=实际刀痕区域面积Skc-直线刀痕区域面积SK,实际刀痕区域面积Skc采用Canny算法采集获得;具体地,Canny算法中的卷积算子的具体表达如下:
;
其x轴方向、y轴方向的一阶偏导数矩阵,梯度幅值以及梯度方向的数学表达式为:
P[i,j]=(f[i,j+1]-f[i,j]+f[i+1,j+1]-f[i+1,j])/2,Q[i,j]=(f[i,j]-f[i+1,j]+f[i,j+1]-f[i+1,j+1])/2
θ[i,j]=arctan(Q[i,j]/P[i,j])
其中f为图像某一像素点的灰度值,P代表X轴方向的梯度幅值,Q代表Y轴方向的梯度幅值,M是该像素点幅值,θ是梯度方向,也就是角度;具体计算过程属于Canny算法的公知常识,本实施例不再具体展开。
S60)、将崩边位置边缘轨迹与加工物的切割道外边缘做差对比得到偏差值,若偏差值大于预设偏差值,向外部输出崩边报警信号;优选地,在步骤预设偏差值为3-7m,具体地,本实施方式中的预设偏差值为5mm。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (9)
1.一种刀痕崩边自动检测判断方法,应用于划片机的控制系统中,所述划片机包括加载安装加工物的划片工作台,预存有加工物理论特征位置切割模型的图像采集模块,所述划片工作台安装在驱动组件上,所述驱动组件和所述图像采集模块采用所述控制系统驱动控制,其特征在于,所述控制系统包括如下刀痕崩边自动判断步骤:
S10)、通过图像采集模块获取所述加工物上的目标刀痕检测区域图像;
S20)、对所述目标刀痕检测区域图像进行灰度处理得到灰度图像;
S30)、对所述灰度图像进行二值化处理得到黑白二值图像,其中,所述二值化处理是指通过预先计算设置灰度阈值T,然后将所述灰度图像的所有像素点采用二值化函数进行比较计算,实现对所述灰度图像上刀痕区域和芯片区域的检测区分;所述二值化函数是指将所述灰度图像的所有像素点灰度值与灰度阈值T进行比较计算,当对应的像素点灰度值大于灰度阈值T时,计算判定为白色芯片区域,当对应的像素点灰度值等于或小于灰度阈值T时,计算判定为黑色刀痕区域;所述灰度阈值T采用迭代法计算得到,其计算公式为:
;
其中,hk为灰度值为k的像素数目,L为灰度级数,Δk为正在遍历计算的灰度值与预设灰度值的差值;
S40)、通过直方图算法和Hough变换的直线检测方式寻找直线刀痕区域,其中,所述直方图由离散的点阵组成,所述Hough变换的直线检测方式用于计算显示对所述直方图的Hough直线检测模型,所述直线刀痕区域与实际刀痕位置重合;
S50)、计算所述目标刀痕检测区域图像的崩边位置,所述崩边位置面积S(c)=实际刀痕区域面积Skc-直线刀痕区域面积SK,所述实际刀痕区域面积Skc采用Canny算法采集获得;
S60)、将所述崩边位置边缘轨迹与加工物的切割道外边缘做差对比得到偏差值,若偏差值大于预设偏差值,向外部输出崩边报警信号。
2.根据权利要求1所述的刀痕崩边自动检测判断方法,其特征在于,所述驱动组件包括可顺逆向旋转的T向电机和X-Y轴运动模块,所述划片工作台安装在所述T向电机上,所述T向电机可相对旋转地安装在所述X-Y轴运动模块上;在所述步骤S10)中,通过X-Y轴运动模块将所述划片工作台运动至目标刀痕检测区域。
3.根据权利要求1所述的刀痕崩边自动检测判断方法,其特征在于,在所述步骤S20)中,所述灰度处理过程包括:将目标刀痕检测区域图像划分为像素点矩阵,通过对各像素点进行颜色变量计算,将所述标刀痕检测区域图像转化为灰度图像,计算公式为:G=r*0.299+g*0.587+b*0.114,其中,G为像素点矩阵中某个点像素完成灰度处理后的灰度值,r为该点像素的红色变量值,g为该点像素的绿色变量值,b为该点像素的蓝色变量值。
4.根据权利要求3所述的刀痕崩边自动检测判断方法,其特征在于,每个点像素的红色变量值、绿色变量值以及蓝色变量值均相等,且在灰度处理中,将色调阶层划分为256个,其中,纯黑色为0级,纯白色为255级,灰度级数位于纯黑色和纯白色之间。
5.根据权利要求1所述的刀痕崩边自动检测判断方法,其特征在于,在步骤S30)后还包括步骤S31):对所述黑白二值图像进行高斯滤波平滑处理,所述高斯滤波平滑处理是指将黑白二值图像采用高斯卷积核与图像进行卷积计算。
6.根据权利要求5所述的刀痕崩边自动检测判断方法,其特征在于,在所述步骤S31)中,所述卷积计算采用2个一维叠加处理计算方式,具体计算公式为:
;
其中,X,Y代表黑白二值图像中某个像素点X-Y轴的对应坐标值;G(x,y)对应坐标值的点像素灰度值,σ为常数。
7.根据权利要求1所述的刀痕崩边自动检测判断方法,其特征在于,在步骤S30)后还包括步骤S31)’,所述步骤S31)’在步骤S31)之后或之前进行,所述步骤S31)’包括:对刀痕区域进行暗黑填充处理,所述暗黑填充处理采用膨胀和腐蚀的开闭运算,所述膨胀是指将刀痕区域图像进行边缘加长和加粗处理,所述腐蚀是指将刀痕区域图像进行宽度变窄处理。
8.根据权利要求1所述的刀痕崩边自动检测判断方法,其特征在于,在所述步骤S60)中,所述预设偏差值为3-7m。
9.一种划片机,包括加载安装加工物的划片工作台,预存有加工物理论特征位置切割模型的图像采集模块,所述划片工作台安装在驱动组件上,所述驱动组件和所述图像采集模块采用控制系统驱动控制,其特征在于,所述控制系统采用如权利要求1-8之一所述的刀痕崩边自动检测判断方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020102975092 | 2020-04-16 | ||
CN202010297509 | 2020-04-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681222A CN111681222A (zh) | 2020-09-18 |
CN111681222B true CN111681222B (zh) | 2023-11-14 |
Family
ID=72454078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010515314.0A Active CN111681222B (zh) | 2020-04-16 | 2020-06-09 | 一种刀痕崩边自动检测判断方法及其应用的划片机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681222B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022440B (zh) * | 2021-11-03 | 2022-07-26 | 江苏京创先进电子科技有限公司 | 一种避免晶圆重复切割的检测方法、检测装置及划片机 |
CN114783865B (zh) * | 2022-04-13 | 2023-02-10 | 苏州优力科瑞半导体科技有限公司 | 一种划片切割方法及系统 |
CN115100154B (zh) * | 2022-06-29 | 2024-02-27 | 西安热工研究院有限公司 | 一种磁粉检测标准试片磁痕评估方法 |
CN116297464B (zh) * | 2023-05-18 | 2023-08-25 | 沈阳和研科技股份有限公司 | 一种划片机切割刀痕图像采集装置及划片机 |
CN117197247B (zh) * | 2023-11-08 | 2024-03-29 | 湖南才道半导体科技有限公司 | 基于人工智能的晶圆切割道视觉定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003340685A (ja) * | 2002-05-24 | 2003-12-02 | Honda Motor Co Ltd | 非接触式工具刃先検出方法 |
CN102136061A (zh) * | 2011-03-09 | 2011-07-27 | 中国人民解放军海军航空工程学院 | 一种矩形石英晶片缺陷自动检测分类识别方法 |
CN105783712A (zh) * | 2014-12-26 | 2016-07-20 | 北京中电科电子装备有限公司 | 一种检测刀痕的方法及装置 |
CN107234488A (zh) * | 2017-06-14 | 2017-10-10 | 沈阳机床(东莞)智能装备有限公司 | 一种基于数控机床视觉检测的刀具破损度检测方法 |
CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
CN110276750A (zh) * | 2019-06-17 | 2019-09-24 | 浙江大学 | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 |
CN110828344A (zh) * | 2019-11-14 | 2020-02-21 | 江苏京创先进电子科技有限公司 | 一种用于半导体器件的切割道自动对准控制方法 |
-
2020
- 2020-06-09 CN CN202010515314.0A patent/CN111681222B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003340685A (ja) * | 2002-05-24 | 2003-12-02 | Honda Motor Co Ltd | 非接触式工具刃先検出方法 |
CN102136061A (zh) * | 2011-03-09 | 2011-07-27 | 中国人民解放军海军航空工程学院 | 一种矩形石英晶片缺陷自动检测分类识别方法 |
CN105783712A (zh) * | 2014-12-26 | 2016-07-20 | 北京中电科电子装备有限公司 | 一种检测刀痕的方法及装置 |
CN107234488A (zh) * | 2017-06-14 | 2017-10-10 | 沈阳机床(东莞)智能装备有限公司 | 一种基于数控机床视觉检测的刀具破损度检测方法 |
CN109190628A (zh) * | 2018-08-15 | 2019-01-11 | 东北大学 | 一种基于机器视觉的板材镰刀弯检测方法 |
CN110276750A (zh) * | 2019-06-17 | 2019-09-24 | 浙江大学 | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 |
CN110828344A (zh) * | 2019-11-14 | 2020-02-21 | 江苏京创先进电子科技有限公司 | 一种用于半导体器件的切割道自动对准控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111681222A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111681222B (zh) | 一种刀痕崩边自动检测判断方法及其应用的划片机 | |
CN109969736B (zh) | 一种大型运载皮带跑偏故障智能检测方法 | |
CN106468543B (zh) | 一种基于图像处理的叶片面积测量方法 | |
CN109974582B (zh) | 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法 | |
US20150243018A1 (en) | Automated inline inspection and metrology using shadow-gram images | |
CN111179225A (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
CN100351039C (zh) | 一种静态刀具图像的精密测量方法 | |
CN102252611B (zh) | 几何定位方法 | |
CN114022440B (zh) | 一种避免晶圆重复切割的检测方法、检测装置及划片机 | |
CN106935683A (zh) | 一种太阳能电池片高速视觉定位及矫正系统及其方法 | |
CN109003911B (zh) | 一种半导体芯片引脚成型缺陷检测的方法 | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN107101598B (zh) | 一种压电陶瓷银片同心度质量自动检测方法和装置 | |
CN111429408B (zh) | 一种封装芯片金线检测方法 | |
CN107301634A (zh) | 一种机器人自动分拣方法及系统 | |
CN113240693B (zh) | 芯片切割控制方法、系统、设备及计算机可读存储介质 | |
CN105783712A (zh) | 一种检测刀痕的方法及装置 | |
CN113870217A (zh) | 一种基于机器视觉的边缘偏移视觉测量方法、图像检测仪 | |
CN103245667A (zh) | 自动检测机械性划痕的方法及系统 | |
CN110967851B (zh) | 一种液晶面板array图像的线路提取方法及系统 | |
CN102401800A (zh) | 基于机器视觉的高压陶瓷电容器焊接质量在线检测设备 | |
CN208042989U (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置 | |
CN105414206A (zh) | 一种冷轧带钢边部在线快速定位方法 | |
CN110852990B (zh) | 一种基于图像处理的橡胶树斜刀痕检测方法 | |
CN107945190A (zh) | 二值图像快速连通区域计算方法 |
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 |