CN112767397A - 工件的检测方法、工件检测设备及存储介质 - Google Patents
工件的检测方法、工件检测设备及存储介质 Download PDFInfo
- Publication number
- CN112767397A CN112767397A CN202110370091.8A CN202110370091A CN112767397A CN 112767397 A CN112767397 A CN 112767397A CN 202110370091 A CN202110370091 A CN 202110370091A CN 112767397 A CN112767397 A CN 112767397A
- Authority
- CN
- China
- Prior art keywords
- template
- image
- gray
- workpiece
- unit
- 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.)
- Granted
Links
Images
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
Abstract
本申请公开了一种工件的检测方法、工件检测设备、及非易失性计算机可读存储介质。工件的检测方法包括:获取模板工件中模板单元的多张模板图,每张模板图的灰度值不同、获取待测工件的第一图像,第一图像中包括至少一个待检单元、获取第一图像的灰度值、根据第一图像的灰度值及多张模板图获取参考图、及根据参考图及第一图像检测每个待检单元的缺陷。本申请实施方式的工件检测方法及工件检测设备能够根据第一图像的灰度值及多张模板图获取参考图,以使获取的参考图的灰度值能够很好的适配第一图像,如此,根据参考图及第一图像检测每个待检单元的缺陷,减小非缺陷导致的参考图与第一图像之间的灰度值差异,从而提高缺陷检测的准确度。
Description
技术领域
本申请涉及检测技术领域,更具体而言,涉及一种工件的检测方法、工件检测设备、及非易失性计算机可读存储介质。
背景技术
工业检测过程中通常采用模板比较法检测工件(例如晶圆)的表面缺陷。传统的模板比较法往往以同一标准模板检测待测工件的所有位置的缺陷,然而,当同一工件的不同位置的平均灰度值差异较大时,工件表面一些位置的灰度值与标准模板的灰度值差异较大,容易导致缺陷的漏检或误判。
发明内容
本申请实施方式提供一种工件的检测方法、工件检测设备、及非易失性计算机可读存储介质。本申请实施方式的工件的检测方法包括:获取模板工件中模板单元的多张模板图,每张模板图的灰度值不同、获取待测工件的第一图像,第一图像中包括至少一个待检单元、获取第一图像的灰度值、根据第一图像的灰度值及多张模板图获取参考图、及根据参考图及第一图像检测每个待检单元的缺陷。
本申请实施方式的工件检测设备设备包括图像采集装置及处理器。所述图像采集装置用于检测工件的灰度值。所述处理器用于:获取模板工件中模板单元的多张模板图、获取待测工件的第一图像、获取第一图像的灰度值、根据第一图像的灰度值及多张模板图获取参考图、及根据参考图及第一图像检测每个待检单元的缺陷。其中,每张模板图的灰度值不同,第一图像中包括至少一个待检单元。
本申请实施方式的非易失性计算机可读存储介质,所述非易失性计算机可读存储介质包含计算机程序,当所述计算机程序被一个或多个处理器执行时,使得所述处理器执行如下晶圆检测方法:获取模板工件中模板单元的多张模板图,每张模板图的灰度值不同、获取待测工件的第一图像,第一图像中包括至少一个待检单元、获取第一图像的灰度值、根据第一图像的灰度值及多张模板图获取参考图、及根据参考图及第一图像检测每个待检单元的缺陷。
本申请实施方式的工件检测方法及工件检测设备能够根据第一图像的灰度值及多张模板图获取参考图,以使获取的参考图的灰度值能够很好的适配第一图像,如此,根据参考图及第一图像检测每个待检单元的缺陷,减小非缺陷导致的参考图与第一图像之间的灰度值差异,从而提高缺陷检测的准确度。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本申请某些实施方式的工件的检测方法的流程示意图;
图2是本申请某些实施方式的工件检测设备的结构示意图;
图3是本申请某些实施方式的工件的检测方法的流程示意图;
图4是本申请某些实施方式的工件的检测方法的流程示意图;
图5是本申请某些实施方式的挑选模板单元的场景示意图;
图6是本申请某些实施方式的模板单元的示意图;
图7是本申请某些实施方式的灰阶梯度的示意图;
图8是本申请某些实施方式的工件的检测方法的流程示意图;
图9是本申请某些实施方式的灰度区间示意图;
图10是本申请某些实施方式的工件的检测方法的流程示意图;
图11是本申请某些实施方式的模板单元的区域的示意图;
图12是本申请某些实施方式的工件的检测方法的流程示意图;
图13是本申请某些实施方式的工件的检测方法的流程示意图
图14是本申请某些实施方式的计算机可读存储介质和处理器的连接状态示意图。
具体实施方式
下面详细描述本申请的实施方式,所述实施方式的示例在附图中示出,其中,相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本申请的实施方式,而不能理解为对本申请的实施方式的限制。
请参阅图1至图2,本申请实施方式提供一种工件的检测方法,该检测方法包括:
01:获取模板工件中模板单元的多张模板图,每张模板图的灰度值不同;
02:获取待测工件的第一图像,第一图像中包括至少一个待检单元;
03:获取第一图像的灰度值;
04:根据第一图像的灰度值及多张模板图获取参考图;及
05:根据参考图及第一图像检测每个待检单元的缺陷。
请参阅图2,本申请实施方式还提供一种工件检测设备100。工件检测设备100包括图像采集装置10及与图像采集装置10连接的处理器30。图像采集装置10用于采集工件的图像。本申请实施方式的工件的检测方法可应用于本申请实施方式的工件设备100。例如,处理器30可用于执行01、02、03、04、及05中的方法。
也即是说,处理器30可用于获取模板工件中模板单元的多张模板图(一个例子中,处理器30可从图像采集装置10处获取)、获取待测工件的第一图像、获取第一图像的灰度值、根据第一图像的灰度值及多张模板图获取参考图、及根据参考图及第一图像检测每个待检单元的缺陷。其中,每张模板图的灰度值不同,第一图像中包括至少一个待检单元。
工件检测设备100还可包括可移动的承载装置50,承载装置50用于承载工件。在一个实施例中,图像采集装置10的位置固定,承载装置50能够相对图像采集装置10移动,以将工件的待检测区域对准图像采集装置10的采集视场。在另一个实施例中,承载装置50的位置固定,图像采集装置10能够相对承载装置50移动,以将图像采集装置10的采集视场对准工件的待检测区域。在再一个实施例中,承载装置50和图像采集装置10均能移动,且二者彼此相对,以使图像采集装置10的采集视场与工件的待检测区域的对准过程可以灵活调节。
工件检测设备100还可包括光源70,当工件检测设备100对工件缺陷的检测为暗场检测时,光源70用于在图像采集装置10采集工件的图像时照明工件。
工件可以为金属工件、合金工件、非金属工件等,例如工件可以是铜制、铁制、铝制、钢制、铜合金制、铝合金制、半导体制工件(例如晶圆)等。工件检测设备100可用于检测各类工件的表面缺陷。具体地,工件检测设备100可通过将待测工件的第一图像与模板工件的参考图像比对,若待测工件某处位置的第一图像与模板工件的同一处位置的参考图有较大差异,则待测工件的该处位置大概率存在缺陷。
工件的待检单元为工件的待检测区域。例如工件的表面划分有网格状的区域,在检测时逐一检测每一格网格的区域内是否存在缺陷,则每一格网格可看做一个待检单元。再例如,工件为晶圆,晶圆包括多个晶片,在检测时逐一检测每个晶片是否存在缺陷,则每个晶片可看做一个待检单元。待检单元的划分方式不仅限于上述例举的方式,可根据用户的需求任意划分,在此不做限制。获取待测工件的每一待检单元,再根据参考图及每一待检单元的第一图像检测每个待检单元缺陷,能够确定缺陷出现在哪个待检单元,以便于掌握工件上缺陷的位置信息。
模板工件是与待测工件同类型的工件中,预选的具有代表性的工件。其中,具有代表性可以是指该模板工件为没有缺陷的合格工件的代表,也可以是指该模板工件为某一类特定工件的代表,在此不作限制。模板单元是与待检单元按相同划分方式划分的区域。例如,待检单元是待测工件的一个晶片,则模板单元是模板工件的同一位置的晶片;再例如,待检单元是待测工件的一个元件,则模板单元是模板工件的同一位置的元件;再例如,待检单元是待测工件的一个芯片,则模板单元是模板工件的同一位置的芯片;等等,在此不一一列举。其中,同一位置的单元(如晶片、元件、芯片等)指同一型号的工件(模板工件获待测工件)中,位于相同位置的待检单元,例如工件为晶圆,待检单元为晶片,不同的晶圆具有相同行数和列数的晶片,同一位置的待检单元可以是指不同晶圆中位于第一行第一列位置处的晶片。
模板图即为模板单元的图像。获取模板工件中模板单元的多张模板图中,每个模板单元均有对应的一张模板图;或者每个模板单元均有对应的多张模板图,例如在合格模板晶圆、具有第一类缺陷的模板晶圆、及具有第二类缺陷的模板晶圆中,分别获取每个模板单元的三张模板图;再或者部分预选的模板单元具有对应的一张或多张模板图,例如模板单元共有10个,其中5个预选的模板单元具有对应的一张或多张模板图,另外5个非预选的模板单元没有对应的模板图;再或者部分预选的模板单元中,多个模板单元对应同一张模板图;等等,在此不作限制。
获取的待测工件的第一图像中,第一图像可以为一张或多张,每张第一图像中包括至少一个待检单元。不同的第一图像中,可包括同一位置的待检单元;或者,不同的第一图像中,包括的待检单元所在的位置各不相同,在此不作限制。
根据第一图像的灰度值及多张模板图获取的参考图可以为一张或多张。参考图可以是至少包含一个模板单元的图像,也可以是根据模板图的灰度值生成的具有特定灰度值的色块图,还可以是其他类型的参考图,在此不作限制,可根据缺陷检测的方式进行选择。在一个例子中,参考图的数量与第一图像的数量一致,每张第一图像对应一张参考图,无论第一图像包括多少待检单元,该第一图像对应的参考图均能够用于检测该第一图像中每个待检单元的缺陷。在另一个例子中,参考图的数量与待测工件的待检单元的数量一致,每个待检单元对应一张参考图。此外,参考图的数量还可以大于第一图像的数量、小于第一图像的数量、大于待检单元的数量、或小于待检单元的数量,在此不作限制。
传统的模板比较法往往以同一模板图检测待测工件的所有待检单元的缺陷,若同一待测工件不同待检单元的的灰度值差异较大时,待测工件的第一图像的待检单元中,若某待检单元的灰度值与参考图中同一位置的待检单元的灰度值相差较大,则缺陷检测结果的准确性较低,容易导致缺陷的漏检或误判。
例如,检测工件的某一待检单元的灰度相较于参考图中同一位置的待检单元的灰度过亮或过暗,导致该待检单元的缺陷隐藏在过亮处或过暗处而未能被检测到,从而导致缺陷的漏检;或者,将原本没有缺陷的待检单元误判为:因存在缺陷,导致该处过亮或过暗,从而导致误判缺陷存在。
再例如,对工件表面的缺陷检测的方法为:比较待测工件的第一图像的灰度值与模板工件的参考图的灰度值,若第一图像中某一待检单元的灰度值与参考图中相同位置的待检单元的灰度值之间的差值在预设的差值范围内,则该处位置不存在缺陷;若该第一图像中某一待检单元的灰度值与参考图中相同位置的待检单元的灰度值之间的差值超过预设的差值范围,则大概率是由于该待检单元存在缺陷,导致待测工件与模板工件的同一处位置的待检单元的灰度值差异较大,因此确定该处位置存在缺陷。由于模板工件往往是各个待检单元的灰度值差异较小的标准工件,如果待测工件是一个不同待检单元的灰度值差异较大的工件,则此待测工件可能存在某些待检单元,无论这些待检单元是否存在缺陷,其灰度值与模板工件的同一处位置的待检单元的灰度值之间的差值都会超过预设的差值范围,从而导致误判缺陷存在。
本申请实施方式中,工件的检测方法能够根据待测工件的第一图像的灰度值及多张灰度值不同的模板图获取参考图,以根据参考图及第一图像检测待检单元的缺陷。具体地,本申请的工件的检测方法能够根据第一图像的灰度值,从多张灰度值不同的模板图中获取参考图,以参考图及第一图像检测待检单元的缺陷。根据本申请的检测方法,对于不同的待测工件的待检单元或同一工件不同位置的待检单元,其对应的参考图可以是具有不同灰度值的参考图。如此,能够避免检测灰度值差异较大的不同待测工件或同一工件不同位置灰度值差异较大的待检单元时采用同样的检测标准(参考图)检测缺陷,导致检测结果不准确。换言之,本申请的检测方法能够根据第一图像的灰度值匹配最适合的参考图,以检测该第一图像中包括的待检单元的缺陷,以减小非缺陷导致的参考图与第一图像之间的灰度值差异,从而提高对待检单元的缺陷检测的准确度。
综上,本申请实施方式的工件检测方法及工件检测设备100能够根据第一图像的灰度值及多张模板图获取参考图,以使获取的参考图的灰度值能够很好的适配第一图像,如此,根据参考图及第一图像检测每个待检单元的缺陷,减小非缺陷导致的参考图与第一图像之间的灰度值差异,从而提高缺陷检测的准确度。
请参阅图2及图3,在某些实施方式中,01:获取模板单元的多张模板图,包括:
011:获取模板工件的第二图像;
013:在第二图像中选取多个模板单元;
015:获取第二图像中多个选取的模板单元的灰度值;及
017:根据每个选取的模板单元的灰度值获取多张模板图。
请结合图2,在某些实施方式中,处理器30还用于执行011、013、015、及017中的方法。即,处理器30还可用于获取模板工件的第二图像、在第二图像中选取多个模板单元、获取第二图像中多个选取的模板单元的灰度值、及根据每个选取的模板单元的灰度值获取多张模板图。其中,第二图像可由图像采集装置10采集,再由处理器30从图像采集装置10获取。
也即是说,在某些实施方式中,获取模板单元的多张模板图中,模板单元为选取的模板单元。选取的模板单元可以为模板工件的部分或全部单元,在此不作限制。其中,选取的模板单元数量越多,获取的模板图的种类便越丰富,能够根据第一图像的灰度值及多张模板图获取的参考图的种类也越丰富,便越能够选取到最适配第一图像的参考图,缺陷检测的准确度也越高;选取的模板单元数量越少,则检测的速度越快,检测效率也越高。
在一个实施例中,工件为晶圆,单元为晶片,选取的模板晶片数量的取值范围为[100,300]个,例如100、140、180、220、260、300个模板晶片等,在此不一一列举。当选取的模板晶片数量的取值在[100,300]范围内时,能够具有较快的检测速度,并能够获取较为丰富的模板图,即能够具有较高的缺陷检测准确度。
获取第二图像的目的是为了获取选取的模板单元的灰度值。其中,第二图像的数量可以为一张或多张,不同的第二图像中,可包括同一位置的模板单元;或者,不同的第二图像中,包括的模板单元所在的位置各不相同,在此不作限制。
在一个实施例中,图像采集装置10采集一张第二图像。处理器30在第二图像包括的全部模板单元中选取多个模板单元,并对第二图像做图像处理,以获取从第二图像中选取的模板单元的灰度值,处理器30再根据每个选取的模板单元的灰度值获取多张模板图。
请参阅图2及图4。在某些实施方式中,013:在第二图像中选取多个模板单元,包括:
0131:在第二图像中按预设的间距间隔选取多个模板单元;或
0133:获取第二图像的灰阶梯度,及在每个梯度内挑选至少一个模板单元,挑选的不同梯度内的模板单元之间的灰度值的差值大于预设阈值。
请结合图2,在某些实施方式中,处理器30还用于执行0131及0133中的方法。即,处理器30还可用于在第二图像中按预设的间距间隔选取多个模板单元,或获取第二图像的灰阶梯度,及在每个梯度内挑选至少一个模板单元。其中,挑选的不同梯度内的模板单元之间的灰度值的差值大于预设阈值。
在某些实施方式中,预设的间距间隔可以是具体的距离间隔,如间隔5mm,也可以是位置顺序的间隔,如每隔一个单元为一个间隔,还可以是其他的间隔方式,在此不作限制。
请参阅图5,例如,第二图像中包括按图5所示的阵列排布的多个模板单元401,预设的间距间隔为:每行间隔一个模板单元401选取一个模板单元401,每列间隔两个模板单元401选取一个模板单元401,则如图5所示,选取的模板单元401在模板工件400(如图6所示)的各位置的分布较为均匀,对于模板工件400的各个位置具有代表性。
第二图像的灰阶梯度指第二图像中各个模板单元的灰度值按照大小次序依次排列后,按一定的灰度值间隔划分的多个灰阶梯度。其中,多个灰阶梯度可以按照同一灰度值间隔划分,也可以两两相邻的灰阶梯度之间按不同的灰度值间隔划分,在此不作限制。
在某些实施方式中,在每个梯度内挑选至少一个模板单元,以使选取的模板单元对于不同的灰度值具有代表性。选取的模板单元中,挑选的不同梯度内的模板单元之间的灰度值的差值大于预设阈值,以避免不同梯度内的模板单元之间的灰度值过于接近导致对于不同灰度值没有代表性。
请参阅图6,例如,第二图像中包括图6所示的模板工件400中,按阵列排布的多个模板单元401,其中,模板单元P1、P2、P3、P4、P5、P6、P7、P8、及P9,分别对应灰度值H1=8、H2=17、H3=21、H4=22、H5=9、H6=14、H7=11、H8=18、H9=25。请结合图7,图7为灰度值5至25之间形成的灰阶梯度,其中灰度值5-10为第一梯度、灰度值10-15为第二梯度、灰度值15-20为第三梯度、灰度值20-25为第四梯度,则第一梯度包括模板单元P1、P5,第二梯度包括模板单元P6、P7,第三梯度包括模板单元P2、P8,第四梯度包括模板单元P3、P4、P9。在选取模板单元时,若预设阈值为3,则可以从第一梯度选取模板单元P1、从第二梯度选取模板单元P6、从第三梯度选取模板单元P8、及从第四梯度选取模板单元P4。由于H6-H1>3、H8-H6>3、且H4-H8>3,因此选取的模板单元满足阈值条件,对于不同的灰度值具有代表性。若从第三梯度选取模板单元P8,且从第四梯度选取模板单元P3,则由于H3-H8=3,不满足阈值条件,因此需要重新从第三梯度和/或第四梯度选取模板单元。
请参阅图2及图8。在某些实施方式中,017:根据每个选取的模板单元的灰度值获取多张模板图,包括:
0171:将每个模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间;及
0172:根据每组灰度区间内的灰度值生成对应的模板图。
请结合图2,在某些实施方式中,处理器30还用于执行0171及0172中的方法。即,处理器30还可用于将每个模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间、及根据每组灰度区间内的灰度值生成对应的模板图。
请结合图6及图9,例如选取的模板单元为模板单元P1、P2、P3、P4、P5、P6、P7、P8、及P9,分别对应灰度值H1=8、H2=17、H3=21、H4=22、H5=9、H6=14、H7=11、H8=18、H9=25。
根据预设的灰度间隔及选取的模板单元的灰度值获取的灰度区间数量可以是一个灰度区间或多个灰度区间,灰度区间的数量取决于灰度间隔的选取。每个灰度区间中包含模板单元对应的的灰度值可以是一个或多个,具体取决于对灰度区间的划分。
设预设的灰度间隔为6,则根据预设的灰度间隔及以上模板单元对应的灰度值可获取第一灰度区间8-14、第二灰度区间14-20、第三灰度区间20-25。其中,因为没有灰度值大于或等于26的模板单元,因此第三灰度区间的右边界为25。第一灰度区间包括模板单元P1、P5、P7,第二灰度区间包括模板单元P2、P8,第三灰度区间包括模板单元P3、P4、P9,模板单元P6既可以划分进第一灰度区间,又可以划分进第二灰度区间,本例按取小原则将模板单元P6划分进第一灰度区间。则模板图包括3张,分别根据第一灰度区间、第二灰度区间、及第三灰度区间的灰度值获取。模板图的灰度值可以取对应的区间内各模板单元的灰度值的平均数,例如第一灰度区间对应的模板图的灰度值为(8+9+11+14)/4=10.5;模板图的灰度值可以取对应的区间内各模板单元的灰度值的中位数,例如第一灰度区间对应的模板图的灰度值为(9+11)/2=10。根据灰度区间的各模板单元的灰度值计算模板图的灰度值的计算方式并不局限于上述例子的方式,还可以是其他计算方法,例如求灰度区间的各模板单元的灰度值的方差、标准差、加权平均数等,在此不一一列举。
若某个灰度区间内仅包括一个模板单元的灰度值,则以该模板单元的灰度值作为这个灰度区间对应的模板图的灰度值。
获取一个灰度区间的灰度值后,若模板图是灰度值色块,则将其对应的灰度区间的灰度值作为该模板图的灰度值;若模板图是包含至少一个模板单元的图像,则将模板图中模板单元的灰度值调整为该模板图对应的灰度区间的灰度值,例如第一灰度区间对应的模板图中,模板单元P1、P5、P6、P7的灰度值均被调整为10.5。
请参阅图2及图10,在某些实施方式中,017:根据每个选取的模板单元的灰度值获取多张模板图,包括:
0173:根据每个模板单元的灰度值的中位数生成对应的模板图。
请结合图2,在某些实施方式中,处理器30还用于执行0173中的方法。即,处理器30还可用于根据每个模板单元的灰度值的中位数生成对应的模板图。
请参阅图11,例如,选取的模板单元包括模板单元P10,模板单元P10的灰度值包括多个,具体地,模板单元P10可按照一定的划分方式分成多个区域,每个区域有对应的灰度值。例如图11所示,模板单元P10划分为S1、S2、S3三个区域,区域S1的灰度值h1=10,区域S2的灰度值h2=12,区域S3的灰度值h3=14。则模板单元P10的灰度值的中位数为12,根据模板单元P10的灰度值的中位数12生成的模板图的灰度值为12。同理,可以根据每个模板单元的灰度值的中位数分别生成对应的模板图。例如,还可以根据模板单元P11、P12、P13的灰度值的中位数分别生成模板单元P11、P12、P13对应的模板图。
获取一个模板单元的灰度值后,若模板图是灰度值色块,则将其对应的模板单元的灰度值作为该模板图的灰度值;若模板图是包含至少一个模板单元的图像,则模板图中每个模板单元的灰度值取自每个模板单元各自的灰度值的中位数。
请参阅图2及图12,在某些实施方式中,017:根据每个选取的模板单元的灰度值获取多张模板图,包括:
0174:将每个模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间;
0175:根据每组灰度区间内的灰度值生成对应的第一组子图;
0176:根据每个模板单元的灰度值的中位数生成对应的第二组子图;及
0177:合并第一组子图和第二组子图以得到模板图。
请结合图2,在某些实施方式中,处理器30还用于执行0174、0175、0176、及0177中的方法。即,处理器30还可用于将每个模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间、根据每组灰度区间内的灰度值生成对应的第一组子图、根据每个模板单元的灰度值的中位数生成对应的第二组子图、及合并第一组子图和第二组子图以得到模板图。
其中,“将每个模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间,及根据每组灰度区间内的灰度值生成对应的第一组子图”的方法与前文所述的“将每个模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间,及根据每组灰度区间内的灰度值生成对应的模板图”的方法类似,相当于0175中的第一组子图可以是一张或多张0172中的模板图,在此不再赘述。
“根据每组灰度区间内的灰度值生成对应的第一组子图,及根据每个模板单元的灰度值的中位数生成对应的第二组子图、及合并第一组子图和第二组子图以得到模板图”的方法与前文所述的“根据每个模板单元的灰度值的中位数生成对应的模板图”的方法类似,相当于0176中的第二组子图可以是一张或多张0173中的模板图,在此不再赘述。
合并第一组子图和第二组子图所得到的模板图中,模板图可以是从第一组子图和第二组子图中挑选的一张或多张图像,也可以对第二组子图的图像的灰度值及第一组子图的图像的灰度值做合并处理后获取模板图。
例如,第一组子图中,第一灰度区间包括的灰度值范围为8-14,根据第一灰度区间获取的第一子图的灰度值为10.5。第二组子图中,灰度值在8-14的第二子图有2张,灰度值分别为10和12。在一个例子中,合并处理的方法可以是将第二子图中,将落入第一灰度区间的范围内的灰度值取平均值,再将该平均值与第一灰度区间的灰度值取平均值。即,本例中,模板图的灰度值=((10+12)/2+10.5)/2=(11+10.5)/2=10.75。对第二组子图的图像的灰度值及第一组子图的图像的灰度值做合并处理后获取模板图的合并处理方法并不局限于本例的方法,还可以是其他计算方法,例如方差合并法、标准差合并法、加权平均数合并法等,在此不一一列举。
请参阅图2及图13,在某些实施方式中,04:根据第一图像的灰度值及多张模板图获取参考图,包括:
041:获取第一图像的灰度值与模板图的灰度值之间的灰度差;及
043:将灰度差最小的模板图作为参考图。
请结合图2,在某些实施方式中,处理器30还用于执行041及043中的方法。即,处理器30还可用于获取第一图像的灰度值与模板图的灰度值之间的灰度差、及将灰度差最小的模板图作为参考图。
例如,第一图像的灰度值为10,模板图包括第一模板图、第二模板图、及第三模板图,对应的灰度值分别为10.5、10.7、9.5。第一图像的灰度值与模板图的灰度值之间的灰度差为:第一图像的灰度值与模板图的灰度值做差后的差值的绝对值。即,第一图像的灰度值与第一模板图的灰度值之间的灰度差=|10-10.5|=0.5;第一图像的灰度值与第二模板图的灰度值之间的灰度差=|10-10.7|=0.7;第一图像的灰度值与第三模板图的灰度值之间的灰度差=|10-9.5|=0.5.其中,最小的灰度差为0.5,因此,可以将第一模板图和/或第三模板图作为参考图。
本申请的实施方式中,参考图的灰度值与第一图像的灰度值之间的灰度差较小。当检测不同的待测工件时,能够对该待测工件对应选取适配的参考图用于缺陷检测,以避免因使用同一参考图检测灰度差异较大的不同的待测工件所导致的缺陷漏检或误判。当检测同一待测工件的不同位置时,能够对灰度值不同的待检单元对应选取适配的参考图用于缺陷检测,以避免因使用同一参考图检测灰度差异较大的不同待检单元所导致的缺陷漏检或误判。
请参阅图14,本申请实施方式还提供一种包含计算机程序201的非易失性计算机可读存储介质200。当计算机程序201被处理器30执行时,使得处理器30执行上述任一实施方式的晶圆检测方法。
请结合图1及图2,例如,当计算机程序201被处理器30执行时,使得处理器30执行以下工件的检测方法:
01:获取模板工件中模板单元的多张模板图,每张模板图的灰度值不同;
02:获取待测工件的第一图像,第一图像中包括至少一个待检单元;
03:获取第一图像的灰度值;
04:根据第一图像的灰度值及多张模板图获取参考图;及
05:根据参考图及第一图像检测每个待检单元的缺陷。
又例如,当计算机程序201处理器30执行时,使得处理器30执行以下工件的检测方法:
011:获取模板工件的第二图像;
013:在第二图像中选取多个模板单元;
015:获取第二图像中多个选取的模板单元的灰度值;
017:根据每个选取的模板单元的灰度值获取多张模板图。021:根据每个第一芯片的每一像素点的灰度值获取每一第一芯片的灰度值;
02:获取待测工件的第一图像,第一图像中包括至少一个待检单元;
03:获取第一图像的灰度值;
041:获取第一图像的灰度值与模板图的灰度值之间的灰度差;
043:将灰度差最小的模板图作为参考图;及
05:根据参考图及第一图像检测每个待检单元的缺陷。
综上,本申请实施方式的工件检测方法及工件检测设备100能够根据第一图像的灰度值及多张模板图获取参考图,以使获取的参考图的灰度值能够很好的适配第一图像,如此,根据参考图及第一图像检测每个待检单元的缺陷,减小非缺陷导致的参考图与第一图像之间的灰度值差异,从而提高缺陷检测的准确度。
在本说明书的描述中,参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (13)
1.一种工件的检测方法,其特征在于,所述检测方法包括:
获取模板工件中模板单元的多张模板图,每张所述模板图的灰度值不同;
获取待测工件的第一图像,所述第一图像中包括至少一个待检单元;
获取所述第一图像的灰度值;
根据所述第一图像的灰度值及多张所述模板图获取参考图;及
根据所述参考图及所述第一图像检测每个所述待检单元的缺陷。
2.根据权利要求1所述的检测方法,其特征在于,所述获取模板单元的多张模板图,包括:
获取模板工件的第二图像;
在所述第二图像中选取多个模板单元;
获取所述第二图像中多个选取的模板单元的灰度值;及
根据每个选取的所述模板单元的灰度值获取多张所述模板图。
3.根据权利要求2所述的检测方法,其特征在于,所述在所述第二图像中选取多个模板单元,包括:
在所述第二图像中按预设的间距间隔选取多个模板单元;或
获取所述第二图像的灰阶梯度,及在每个所述梯度内挑选至少一个模板单元,挑选的不同所述梯度内的所述模板单元的灰度值之间的差值大于预设阈值。
4.根据权利要求2所述的检测方法,其特征在于,所述根据每个选取的所述模板单元的灰度值获取多张所述模板图,包括:
将每个所述模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间;及
根据每组所述灰度区间内的灰度值生成对应的所述模板图。
5.根据权利要求2所述的检测方法,其特征在于,所述根据每个选取的所述模板单元的灰度值获取多张所述模板图,包括:
根据每个所述模板单元的灰度值的中位数生成对应的所述模板图。
6.根据权利要求1所述的检测方法,其特征在于,所述根据所述第一图像的灰度值及多张所述模板图获取参考图,包括:
获取所述第一图像的灰度值与所述模板图的灰度值之间的灰度差;及
将所述灰度差最小的所述模板图作为所述参考图。
7.一种工件检测设备,其特征在于,所述工件检测设备包括图像采集装置及处理器,所述图像采集装置用于检测工件的灰度值,所述处理器用于:
获取模板工件中模板单元的多张模板图,每张所述模板图的灰度值不同;
获取待测工件的第一图像,所述第一图像中包括至少一个待检单元;
获取所述第一图像的灰度值;
根据所述第一图像的灰度值及多张所述模板图获取参考图;及
根据所述参考图及所述第一图像检测每个所述待检单元的缺陷。
8.根据权利要求7所述的检测设备,其特征在于,所述处理器还用于:
获取模板工件的第二图像;
在所述第二图像中选取多个模板单元;
获取所述第二图像中多个选取的模板单元的灰度值;及
根据每个选取的所述模板单元的灰度值获取多张所述模板图。
9.根据权利要求7所述的检测设备,其特征在于,所述处理器还用于:
在所述第二图像中按预设的间距间隔选取多个模板单元;或
获取所述第二图像的灰阶梯度,及在每个梯度内挑选至少一个模板单元,挑选的不同梯度内的所述模板单元的灰度值的差值大于预设阈值。
10.根据权利要求7所述的检测设备,其特征在于,所述处理器还用于:
将每个所述模板单元的灰度值以预设的灰度间隔按灰度大小依次分为多组灰度区间;及
根据每组所述灰度区间内的灰度值生成对应的所述模板图。
11.根据权利要求7所述的检测设备,其特征在于,所述处理器还用于:
根据每个所述模板单元的灰度值的中位数生成对应的所述模板图。
12.根据权利要求7所述的检测设备,其特征在于,所述处理器还用于:
获取所述第一图像的灰度值与所述模板图的灰度值之间的灰度差;及
将所述灰度差最小的所述模板图作为所述参考图。
13.一个或多个存储有计算机程序的非易失性计算机可读存储介质,当所述计算机程序被一个或多个处理器执行时,实现权利要求1至6任意一项所述的工件检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370091.8A CN112767397B (zh) | 2021-04-07 | 2021-04-07 | 工件的检测方法、工件检测设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370091.8A CN112767397B (zh) | 2021-04-07 | 2021-04-07 | 工件的检测方法、工件检测设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112767397A true CN112767397A (zh) | 2021-05-07 |
CN112767397B CN112767397B (zh) | 2021-07-20 |
Family
ID=75691197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110370091.8A Active CN112767397B (zh) | 2021-04-07 | 2021-04-07 | 工件的检测方法、工件检测设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767397B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689428A (zh) * | 2021-10-25 | 2021-11-23 | 江苏南通元辰钢结构制造有限公司 | 基于图像处理的机械零件应力腐蚀检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994011843A1 (en) * | 1991-05-29 | 1994-05-26 | Nira Schwartz | Inspection method using unique templates and histogram analysis |
CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN111650205A (zh) * | 2020-05-11 | 2020-09-11 | 东风汽车集团有限公司 | 基于结构光图像匹配的零件表面缺陷检测方法及系统 |
CN111724335A (zh) * | 2019-03-21 | 2020-09-29 | 深圳中科飞测科技有限公司 | 检测方法及检测系统 |
-
2021
- 2021-04-07 CN CN202110370091.8A patent/CN112767397B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994011843A1 (en) * | 1991-05-29 | 1994-05-26 | Nira Schwartz | Inspection method using unique templates and histogram analysis |
CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
CN111724335A (zh) * | 2019-03-21 | 2020-09-29 | 深圳中科飞测科技有限公司 | 检测方法及检测系统 |
CN111650205A (zh) * | 2020-05-11 | 2020-09-11 | 东风汽车集团有限公司 | 基于结构光图像匹配的零件表面缺陷检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
金映谷等: "基于深度学习的产品缺陷检测方法综述", 《大连民族大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113689428A (zh) * | 2021-10-25 | 2021-11-23 | 江苏南通元辰钢结构制造有限公司 | 基于图像处理的机械零件应力腐蚀检测方法及系统 |
CN113689428B (zh) * | 2021-10-25 | 2022-06-07 | 江苏南通元辰钢结构制造有限公司 | 基于图像处理的机械零件应力腐蚀检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112767397B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106839976B (zh) | 一种检测镜头中心的方法及装置 | |
CN111724335A (zh) | 检测方法及检测系统 | |
US20060222232A1 (en) | Appearance inspection apparatus and appearance inspection method | |
US8643751B2 (en) | Method for detecting dead pixels and computer program product thereof | |
CN110197180B (zh) | 字符缺陷检测方法、装置及设备 | |
CN108445010B (zh) | 自动光学检测方法及装置 | |
CN111612757A (zh) | 一种屏幕裂纹的检测方法、装置、设备及存储介质 | |
JP2003085558A (ja) | パターン検査方法及び検査装置 | |
CN112033965A (zh) | 基于差分图像分析的3d弧形表面缺陷检测方法 | |
JP2010164487A (ja) | 欠陥検査装置及び欠陥検査方法 | |
CN112767397B (zh) | 工件的检测方法、工件检测设备及存储介质 | |
CN112635346A (zh) | 晶圆检测方法、半导体检测设备及存储介质 | |
WO2004083901A2 (en) | Detection of macro-defects using micro-inspection inputs | |
CN115360116A (zh) | 一种晶圆的缺陷检测方法及系统 | |
CN115063342A (zh) | 一种镜头坏点检测方法、装置、电子设备及存储介质 | |
KR101716111B1 (ko) | 이물질 검출 시스템 및 방법 | |
CN112767396B (zh) | 缺陷的检测方法、装置和计算机可读存储介质 | |
JP4163199B2 (ja) | 検査装置、検査方法 | |
JP2009097959A (ja) | 欠陥検出装置及び欠陥検出方法 | |
JP2012007952A (ja) | 外観検査装置 | |
JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
CN110672631B (zh) | 面板缺陷拍照方法和面板缺陷拍照装置 | |
CN103630547B (zh) | 具有周期性结构的光学薄膜的瑕疵检测方法及其检测装置 | |
JP2009097923A (ja) | 欠陥検出装置及び欠陥検出方法 | |
CN110349133A (zh) | 物体表面缺陷检测方法、装置 |
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 |