CN113295698B - 一种缺陷检测方法、存储介质和检测系统 - Google Patents

Abstract

本发明提供了一种缺陷检测方法、存储介质和检测系统，属于图像数据处理领域，可应用于半导体领域的表面缺陷检测，方法包括产品特征点定位、检测区提取、图像预处理、缺陷检测和缺陷筛选。图像预处理对提取的检测区区域进行增强或拉伸调节，将检测区的差异统计整体趋势自动调节在限制设定的范围之内，而缺陷检测则采用了粗检测和精检测，以此很好的解决了待测件间差异导致检测效果差、精度低的问题，可广泛推广至硅片崩边等瑕疵检测中。

Description

一种缺陷检测方法、存储介质和检测系统

技术领域

本发明属于光学检测及图形处理技术，具体涉及一种缺陷检测方法、存储介质和检测系统，可应用于光伏硅片、半导体硅片的缺陷检测。

背景技术

硅片在切片工艺生产的过程中，由于工艺，运输或其它原因，会导致边缘磕碰，造成各种不可恢复性缺陷，因此需要崩边检测装置对缺陷进行检出。其中，没有穿透性的磕碰称为表崩，穿透性的称为缺口，有时磕碰出的崩的形态在边缘上表征不太明显，但会在边缘附近形成特定形态。

检测装置首先通过各类光学系统对上述各产品位置进行图像采集，再通过算法对上述情况进行检测并输出，进而整机通过算法结果对产品进行分类和分级。

具体的，崩边检测装置会对硅片四边和侧面崩情况进行检测，该装置采用多套光学系统，分别对不同位置进行效果成像，不同成像的图像使用不同的算法模块对缺陷进行针对性检测，因此，需处理的数据大且需要不同算法切换，导致检测效率低下。

其次，分选机硅片崩边检测的难点在于崩边形状不规则，硅片间的灰度差异大，硅片边缘的任意位置，硅片自身的纹理干扰已经硅片形状拉伸形态各异等，导致检测精确度不高。

以上是当前3C产品玻璃板、硅片等平板类产品表面缺陷检测所亟须解决的问题，以获得一种适应多位置、多类型的综合算法和系统，以提高检测效率和检测精确度。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种缺陷检测方法、存储介质和检测系统，其能解决上述问题。

一种缺陷检测方法，方法包括：

S1、产品特征点定位，通过光学系统采集产品待测件图像，对采集的图像进行产品特征点定位，并根据检测的角点特征绘制相应的感兴趣区域ROI；

S2、检测区提取，对步骤S1绘制的感兴趣区域ROI提取检测区，形成对可能发生缺陷的区域进行限制和局部规划，以减低背景区带来的算法复杂度并提高速率CT；

S3、图像预处理，通过预处理方法对提取的检测区区域进行增强或拉伸调节，将检测区的差异统计整体趋势自动调节在限制设定的范围之内；通过统计计算疑似缺陷区域与周围背景之间的强度差异值，再对比外界设置的先验范围，小于或大于设则阈值，则图像整体不需要拉伸，落在先验之外，则进行拉伸处理，这样可以降低大部分图像受光照对算法的影响；

S4、缺陷检测，对产品提取的检测区进行缺陷检测，缺陷检测过程包括粗检测和精检测，以保证对产品的检测效率和精确度；

S5、缺陷筛选，对检测的缺陷进行特征统计计算，再根据统计的特征对真实目标和干扰目标进行区分和筛选，并输出缺陷数据。

进一步的，在步骤S1中，通过角点特征手动或自动连线生成所述感兴趣区域ROI。

进一步的，在步骤S3中，检测区的差异包括异形差异、背景差异、灰度差异、亮度差异和/或噪声处理差异。

进一步的，在步骤S4中，粗检测对图像预处理后的检测区的差异进行快速检测和筛选，通过阈值机制去除低于阈值区域并保留高于阈值区域作为提取对象。

进一步的，在步骤S4中，精检测对粗检测获得的提取对象附近区域内进行复检，以对区域的真实和边缘高精度还原，最终提取缺陷目标。

进一步的，在步骤S5的缺陷筛选中，对缺陷目标进行缺陷特征的统计计算，人工或自动的将缺陷特征与预存的缺陷标准库对比，进行缺陷类型的区分和筛选，输出缺陷数据。

本发明还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行前述的方法。

本发明还提供了一种缺陷检测系统，系统包括电讯连接的光学检测模组和计算机，所述光学检测模组包括检测相机组和光源，所述检测相机组将采集的待测件表面图像实时传递给计算机进行图像处理；

所述检测相机组包括主检相机和复检相机，所述主检相机对待测件进行粗检测，所述复检相机对粗检测获得的提取对象附近区域内进行复检，提取缺陷目标；

所述计算机包括存储单元、图像处理单元和输出单元；

其中，所述存储单元存储检测相机采集的待测件图像，并按需将采集的待测件检测图像发送给图像处理模块；

其中，所述图像处理单元对待测件检测图像进行图像数据处理，运行前述的方法进行粗检测、精检测和缺陷筛选，形成带有缺陷标注的数据；

其中，图像输出单元将图像处理单元获得的带有缺陷标注的数据输出。

相比现有技术，本发明的有益效果在于：

本发明通过图像预处理对提取的检测区区域进行增强或拉伸调节，将检测区的差异统计整体趋势自动调节在限制设定的范围之内，而缺陷检测则采用了粗检测和精检测，以此解决了待测件间差异导致检测效果差、精度低的问题，同时提高了检测效率，可广泛推广至硅片崩边等瑕疵检测中。

附图说明

图1为本发明缺陷检测方法流程图；

图2为特征点定位的部分图像截取示意图；

图3为跟进特征点绘制的感兴趣区域ROI示意图；

图4为由特征点定位至检测区提取的流程示意图；

图5为同工站同时段采集的产品异形差异图；

图6为检测区调节示意图；

图7为缺陷检测过程示意图；

图8为本发明缺陷检测系统示意图；

图9为缺陷检测系统的另一实施例的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

第一实施例

一种缺陷检测方法，参见图1，方法包括以下步骤。

S1、产品特征点定位，通过光学系统采集产品待测件图像，对采集的图像进行产品特征点定位，并根据检测的角点特征绘制相应的感兴趣区域ROI。在步骤S1中，通过角点特征手动或自动连线生成所述感兴趣区域ROI。

以硅片为例，由于硅片正常情况下为8角对称8边形，对其进行一遍镜像采集图像需对8个点进行定位，并根据8个点对侧面定位区域进行生产以及对上下角区域检测区进行生成，点定位示例参见图2中的图2a-图2c部分图像特征点标注的截取示意图，由“十”字(参见图2a-图2c中圈出部分的十字)标注定位点；对定位的特征点手动或自动线连接形成图框，参见图3，即得到感兴趣区域ROI。

S2、检测区提取，对步骤S1绘制的感兴趣区域ROI提取检测区。具体的，参见图4的图4a-图4d，由特征点定位至检测区提取的流程图，由点、线、框进行手动或自动标注。

以此，形成对可能发生缺陷的区域进行限制和局部规划，以减低背景区带来的算法复杂度并提高CT。例如，通过动态阈值或直方图统计等方法对感兴趣区域进行自动阈值统计计算，再通过阈值分割的方法进行提取。

S3、图像预处理，通过预处理方法对提取的检测区区域进行增强或拉伸调节，将检测区的差异统计整体趋势自动调节在限制设定的范围之内。

在步骤S3中，检测区的差异包括异形差异、背景差异、灰度差异、亮度差异和/或噪声处理差异。

其中，异形差异参见图5的图5a-图5c,由于线扫相机或机械传送原因，采集产品产生变形，如上述3幅图5a-图5c，竖直边角度和形状均有差异，上下边距离边缘也存在较大差异，这些差异成为产品间异形差异。

再如图6的图6a-图6c，通过对提取的检测区区域进行增强或拉伸调节，将检测区的差异统计整体趋势自动调节在限制设定的范围之内。

S4、缺陷检测，对产品提取的检测区进行缺陷检测，缺陷检测过程包括粗检测和精检测，以保证对产品的检测效率和精确度。

参见图7的图7a-图7f的缺陷检测过程示意图，粗检测对图像预处理后的检测区的差异进行快速检测和筛选，通过各种机制保留可疑性相对较高的提取对象，如通过阈值机制去除低于阈值区域并保留高于阈值区域作为提取对象。

对于粗检测这一步，为了快速筛选目标对象，会牺牲检测效果，所以对于粗检测的结果，通常缺陷检测程度并不理想，因此需要对目标区域进行高精度复检，即经检测。

其中，精检测对粗检测获得的提取对象附近区域内进行复检，以对区域的真实和边缘高精度还原，最终提取缺陷目标。

具体实例中，粗检测通过设定动态阈值进行初分割，然后对该分割的疑似区域进行多类型特征排序，例如面积，长度，强度等，保留高度疑似缺陷的区域；再对这些区域进行精检测，通过统计计算出新的强度阈值，进行缺陷细化操作，迭代出更加精细的缺陷。

S5、缺陷筛选，对检测的缺陷进行特征统计计算，再根据统计的特征对真实目标和干扰目标进行区分和筛选，并输出缺陷数据。

在步骤S5的缺陷筛选中，对缺陷目标进行缺陷特征的统计计算，人工或自动的将缺陷特征与预存的缺陷标准库对比，进行缺陷类型的区分和筛选，输出缺陷数据。

缺陷特征包括但不限于形状特性、灰度特性还有一些人为设置的特征等。特征列举：形状相关面积，位置，长宽，矩形度，圆度，凸性等30几种；灰度相关：灰度均值、方差等20多种；自行设计的比如强度、上下左右、相关性等10几种共计70多种特征，通过这些特征对真实目标和干扰目标进行区分，类似聚类区分。

方法还可包括步骤S6，检测及筛选效果的验证，通过人工对比验证检测和筛选的稳定性、鲁棒性、逻辑性、和效果准确率。

第二实施例

本发明还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行前述方法的步骤。其中，所述方法请参见前述部分的详细介绍，此处不再赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

第三实施例

一种缺陷检测系统，参见图8和图9，系统包括电讯连接的光学检测模组1和计算机2，所述光学检测模组1包括检测相机组11和光源12，所述检测相机组11将采集的待测件表面图像实时传递给计算机2进行图像处理。

图8的实例中，所述检测相机组11包括主检相机111和复检相机112，所述主检相机对待测件图像粗检测，所述复检相机对粗检测获得的提取对象附近区域内进行复检，提取缺陷目标。

图9的实例中，所述检测相机组11的主检和复检采用同一个相机，以节省空间和成本。

所述计算机2包括存储单元、图像处理单元和输出单元；其中，所述存储单元存储检测相机采集的待测件图像，并按需将采集的待测件检测图像发送给图像处理模块；其中，所述图像处理单元对待测件检测图像进行图像数据处理，运行前述方法进行粗检测、精检测和缺陷筛选，形成带有缺陷标注的数据；其中，图像输出单元将图像处理单元获得的带有缺陷标注的数据输出。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种缺陷检测方法，其特征在于，方法包括：

S1、产品特征点定位，通过光学系统采集产品待测件图像，对采集的图像进行产品特征点定位，并根据检测的角点特征绘制相应的感兴趣区域ROI；

S2、检测区提取，对步骤S1绘制的感兴趣区域ROI提取检测区；

S3、图像预处理，通过预处理方法对提取的检测区区域进行增强或拉伸调节，将检测区的差异统计整体趋势自动调节在限制设定的范围之内，检测区的差异包括异形差异、背景差异、灰度差异、亮度差异和/或噪声处理差异；

S4、缺陷检测，对产品提取的检测区进行缺陷检测，缺陷检测过程包括粗检测和精检测，粗检测对图像预处理后的检测区的差异进行快速检测和筛选，通过阈值机制去除低于阈值区域并保留高于阈值区域作为提取对象，精检测对粗检测获得的提取对象附近区域通过统计计算出新的强度阈值进行缺陷细化操作，以对区域的真实边缘进行还原，最终提取缺陷目标；

S5、缺陷筛选，对检测的缺陷进行特征统计计算，再根据统计的特征对真实目标和干扰目标进行区分和筛选，并输出缺陷数据；

其中，异形差异由于线扫相机或机械传送原因，采集产品产生变形产生。

2.根据权利要求1所述的缺陷检测方法，其特征在于：在步骤S1中，通过角点特征手动或自动连线生成所述感兴趣区域ROI。

3.根据权利要求2所述的缺陷检测方法，其特征在于：在步骤S5的缺陷筛选中，对缺陷目标进行缺陷特征的统计计算，人工或自动的将缺陷特征与预存的缺陷标准库对比，进行缺陷类型的区分和筛选，输出缺陷数据。

4.一种计算机可读存储介质，其上存储有计算机指令，其特征在于：所述计算机指令运行时执行权利要求1-3任一项所述的方法。

5.一种缺陷检测系统，其特征在于：系统包括电讯连接的光学检测模组(1)和计算机(2)，所述光学检测模组(1)包括检测相机组(11)和光源(12)，所述检测相机组(11)将采集的待测件表面图像实时传递给计算机(2)进行图像处理；

所述检测相机组(11)用于待测件的初始图像获取；

所述计算机(2)包括存储单元、图像处理单元和输出单元；

其中，所述存储单元存储检测相机采集的待测件图像，并按需将采集的待测件检测图像发送给图像处理模块；

其中，所述图像处理单元对待测件检测图像进行图像数据处理，运行权利要求1-3任一项所述的方法进行粗检测、精检测和缺陷筛选，形成带有缺陷标注的数据；

其中，图像输出单元将图像处理单元获得的带有缺陷标注的数据输出。

Images