CN113686897A - 一种掩模表面颗粒缺陷检测方法 - Google Patents

一种掩模表面颗粒缺陷检测方法 Download PDF

Info

Publication number
CN113686897A
CN113686897A CN202110895622.5A CN202110895622A CN113686897A CN 113686897 A CN113686897 A CN 113686897A CN 202110895622 A CN202110895622 A CN 202110895622A CN 113686897 A CN113686897 A CN 113686897A
Authority
CN
China
Prior art keywords
pixel
value
angle
image
defect
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
Application number
CN202110895622.5A
Other languages
English (en)
Other versions
CN113686897B (zh
Inventor
刘建明
刘庄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Vision Optoelectronics Technology Co ltd
Original Assignee
Jiangsu Vision Optoelectronics Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Vision Optoelectronics Technology Co ltd filed Critical Jiangsu Vision Optoelectronics Technology Co ltd
Priority to CN202110895622.5A priority Critical patent/CN113686897B/zh
Publication of CN113686897A publication Critical patent/CN113686897A/zh
Application granted granted Critical
Publication of CN113686897B publication Critical patent/CN113686897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95676—Masks, reticles, shadow masks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种掩模表面颗粒缺陷检测方法，方法的步骤中包括：获取透射光照射掩模得到的透射灰度图像T和反射光照射掩模得到的反射灰度图像R，对反射灰度图像进行反色运算得到反射灰度反色图像；获取透射灰度图像和反射灰度反色图像中各像素的法向量的方向角角度数据，根据相应方向角角度数据构建透射图像角度矩阵A和反射图像角度矩阵B；对透射图像角度矩阵A和反射图像角度矩阵B进行数据分析，得到缺陷位置，根据缺陷位置构建缺陷结果矩阵C。本发明能够很好地识别颗粒缺陷，检测产能高。

Description

一种掩模表面颗粒缺陷检测方法
技术领域
本发明涉及一种掩模表面颗粒缺陷检测方法，属于半导体检测技术领域。
背景技术
目前，半导体掩模针对硬缺陷，一般采用透射光检测，Cr层是不透光的，其表面的颗粒无法捕获，虽然其Cr层不影响光刻，但是其颗粒可能会漂移到石英层或者mosi层，会导致光刻致命缺陷，同时在晶圆厂，长时间使用，会形成haze，其也是光刻的致命缺陷，如何有效地检测出这些非逻辑缺陷，显得尤为重要。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种掩模表面颗粒缺陷检测方法，它能够很好地识别颗粒缺陷，检测产能高。
为了解决上述技术问题，本发明的技术方案是：一种掩模表面颗粒缺陷检测方法，方法的步骤中包括：
获取透射光照射掩模得到的透射灰度图像T和反射光照射掩模得到的反射灰度图像R，对反射灰度图像进行反色运算得到反射灰度反色图像；
获取透射灰度图像和反射灰度反色图像中各像素的法向量的方向角角度数据，根据相应方向角角度数据构建透射图像角度矩阵A和反射图像角度矩阵B；
对透射图像角度矩阵A和反射图像角度矩阵B进行数据分析，得到缺陷位置，根据缺陷位置构建缺陷结果矩阵C；
针对每个所述像素的法向量的方向角角度数据获取过程中：将该像素和所述像素的邻域像素作为像素团，当像素团中各像素的灰度的最大值和最小值之差小于第一灰度阈值T1时，则该像素的法向量的方向角角度值标识为一角度对照值；当像素团中各像素的灰度的最大值和最小值之差≥第一灰度阈值T1时，则根据像素团计算该像素的法向量，获取法向量对应的方向角角度值；
数据分析过程中：当A(x,y)与B(x，y)均为角度对照值并且T(x,y)+R(x,y)小于第二灰度阈值T2时，则该坐标点(x，y)对应像素所在的位置为缺陷位置；
当A(x,y)不为角度对照值和B(x±m，y±n)均为角度对照值时，则A(x,y)对应像素所在的位置为缺陷位置，并且为玻璃区的缺陷；
当A(x,y)不为角度对照值和B(x±m，y±n)中存在非角度对照值、且不存在其与A(x，y)之差小于预设角度阈值Te的方向角角度值时，则A(x,y)对应像素所在的位置为边缘缺陷；
当B(x,y)不为角度对照值和A(x±m，y±n)均为角度对照值时，则B(x,y)对应像素所在的位置为缺陷位置，并且为Cr区的缺陷；
当B(x,y)不为角度对照值和A(x±m，y±n)存在非角度对照值、且不存在其与B(x，y)之差小于预设角度阈值Te的方向角角度值时，则在B(x,y)对应像素所在的位置为边缘缺陷；其中，
A(x,y)为透射图像角度矩阵A中在坐标点(x，y)下的像素的法向量的方向角角度值；
B(x,y)为反射图像角度矩阵B中在坐标点(x，y)下的像素的法向量的方向角角度值；
T(x,y)为透射灰度图像T中在坐标点(x，y)下的像素的灰度值；
R(x,y)为反射灰度图像R中在坐标点(x，y)下的像素的灰度值；
m为坐标点x的预设搜索偏离值，n为坐标点y的预设搜索偏离值。
进一步，方法的步骤中还包括：
对缺陷结果矩阵C进行闭运算，然后统计缺陷位置，根据缺陷位置的长和/或宽参数进行缺陷过滤，得到最终缺陷结果矩阵C。
进一步，将最终缺陷结果矩阵C中的缺陷位置映射到透射灰度图像T和/或反射灰度图像R上。
针对每个所述像素，像素的邻域像素为与所述像素右邻、下邻和右下对角的像素。
进一步，所述像素的法向量的计算方法如下：
构建像素团所在的坐标系；
获取像素团中的每一像素在坐标系中的象限，根据每一像素所在象限，将相应像素的灰度值添加正负号作为该像素的坐标点值；
获取像素团中的每一像素的坐标点到坐标系的坐标原点的方向向量；
计算像素团中的所有像素的方向向量之和，并取其反向向量作为该像素的法向量。
采用了上述技术方案后，本发明方法检测时，不需要提供设计文件，只要同时提供透射光照射掩模得到的透射图像和反射光照射掩模得到的反射图像即可，然后分别计算每张图每个像素的法向量数据，借助法向量的角度数据可分离出边缘区域和非边缘区域，这样可借助边缘区域的角度阈值以及非边缘区域的灰度阈值来识别颗粒缺陷，检测产能高，针对颗粒检测，比常规DB检测更加全面，不需要DB检测时需要的DB数据，数据保密性强。
附图说明
图1为本发明的透射灰度图像图；
图2为本发明的反射灰色图像图；
图3为本发明的透射光法向量图；
图4为本发明的反射光法向量图；
图5为本发明的缺陷位置图。
具体实施方式
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
一种掩模表面颗粒缺陷检测方法，方法的步骤中包括：
获取透射光照射掩模得到的透射灰度图像T(如图1所示)和反射光照射掩模得到的反射灰度图像R(如图2所示)，对反射灰度图像进行反色运算得到反射灰度反色图像；
获取透射灰度图像和反射灰度反色图像中各像素的法向量的方向角角度数据，根据相应方向角角度数据构建透射图像角度矩阵A(如图3所示)和反射图像角度矩阵B(如图4所示)；
对透射图像角度矩阵A和反射图像角度矩阵B进行数据分析，得到缺陷位置，根据缺陷位置构建缺陷结果矩阵C；
针对每个所述像素的法向量的方向角角度数据获取过程中：将该像素和所述像素的邻域像素作为像素团，当像素团中各像素的灰度的最大值和最小值之差小于第一灰度阈值T1时，则该像素的法向量的方向角角度值标识为一角度对照值；当像素团中各像素的灰度的最大值和最小值之差≥第一灰度阈值T1时，则根据像素团计算该像素的法向量，获取法向量对应的方向角角度值，方向角角度值的范围是0到360度；
数据分析过程中：当A(x,y)与B(x，y)均为角度对照值并且T(x,y)+R(x,y)小于第二灰度阈值T2时，则该坐标点(x，y)对应像素所在的位置为缺陷位置，该缺陷位置可以在缺陷结果矩阵C中设置为255；
当A(x,y)不为角度对照值和B(x±m，y±n)均为角度对照值时，则A(x,y)对应像素所在的位置为缺陷位置，并且为玻璃区的缺陷，该缺陷位置可以在缺陷结果矩阵C中设置为200；
当A(x,y)不为角度对照值和B(x±m，y±n)中存在非角度对照值、且不存在与A(x，y)之差小于预设角度阈值Te的方向角角度值时，则A(x,y)对应像素所在的位置为边缘缺陷，该缺陷位置可以在缺陷结果矩阵C中设置为225；
当B(x,y)不为角度对照值和A(x±m，y±n)均为角度对照值时，则B(x,y)对应像素所在的位置为缺陷位置，并且为Cr区的缺陷，该缺陷位置可以在缺陷结果矩阵C中设置为100；
当B(x,y)不为角度对照值和A(x±m，y±n)存在非角度对照值、且不存在与B(x，y)之差小于预设角度阈值Te的方向角角度值时，则在B(x,y)对应像素所在的位置为边缘缺陷，该缺陷位置可以在缺陷结果矩阵C中设置为125；其中，
B(x±m，y±n)指的是在反射图像角度矩阵B中范围x在[x-m,x+m],y在[y-n,y+n]范围内的方向角角度值；
A(x±m，y±n)指的是在透射图像角度矩阵A中范围x在[x-m,x+m],y在[y-n,y+n]范围内的方向角角度值；
A(x,y)为透射图像角度矩阵A中在坐标点(x，y)下的像素的法向量的方向角角度值；
B(x,y)为反射图像角度矩阵B中在坐标点(x，y)下的像素的法向量的方向角角度值；
T(x,y)为透射灰度图像T中在坐标点(x，y)下的像素的灰度值；
R(x,y)为反射灰度图像R中在坐标点(x，y)下的像素的灰度值；
m为坐标点x的预设搜索偏离值，n为坐标点y的预设搜索偏离值。在本实施例中m＝2，n＝2。
在本实施例中，角度对照值可以标识为65535，第一灰度阈值T1、第二灰度阈值T2、预设角度阈值Te可以根据要求预设。
方法的步骤中还包括：
对缺陷结果矩阵C进行闭运算，然后统计缺陷位置，根据缺陷位置的长和/或宽参数进行缺陷过滤，得到最终缺陷结果矩阵C。
将最终缺陷结果矩阵C中的缺陷位置映射到透射灰度图像T和/或反射灰度图像R上，透射灰度图像T上对应的缺陷位置图如图5所示。
针对每个所述像素，像素的邻域像素为与所述像素右邻、下邻和右下对角的像素。
所述像素的法向量的计算方法如下：
构建像素团所在的坐标系；
获取像素团中的每一像素在坐标系中的象限，根据每一像素所在象限，将相应像素的灰度值添加正负号作为该像素的坐标点值；
获取像素团中的每一像素的坐标点到坐标系的坐标原点的方向向量；
计算像素团中的所有像素的方向向量之和，并取其反向向量作为该像素的法向量。
以上所述的具体实施例，对本发明解决的技术问题、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种掩模表面颗粒缺陷检测方法，其特征在于方法的步骤中包括：
获取透射光照射掩模得到的透射灰度图像T和反射光照射掩模得到的反射灰度图像R，对反射灰度图像进行反色运算得到反射灰度反色图像；
获取透射灰度图像和反射灰度反色图像中各像素的法向量的方向角角度数据，根据相应方向角角度数据构建透射图像角度矩阵A和反射图像角度矩阵B；
对透射图像角度矩阵A和反射图像角度矩阵B进行数据分析，得到缺陷位置，根据缺陷位置构建缺陷结果矩阵C；
针对每个所述像素的法向量的方向角角度数据获取过程中：将该像素和所述像素的邻域像素作为像素团，当像素团中各像素的灰度的最大值和最小值之差小于第一灰度阈值T1时，则该像素的法向量的方向角角度值标识为一角度对照值；当像素团中各像素的灰度的最大值和最小值之差≥第一灰度阈值T1时，则根据像素团计算该像素的法向量，获取法向量对应的方向角角度值；
数据分析过程中：当A(x,y)与B(x，y)均为角度对照值并且T(x,y)+R(x,y)小于第二灰度阈值T2时，则该坐标点(x，y)对应像素所在的位置为缺陷位置；
当A(x,y)不为角度对照值和B(x±m，y±n)均为角度对照值时，则A(x,y)对应像素所在的位置为缺陷位置，并且为玻璃区的缺陷；
当A(x,y)不为角度对照值和B(x±m，y±n)中存在非角度对照值、且不存在其与A(x，y)之差小于预设角度阈值Te的方向角角度值时，则A(x,y)对应像素所在的位置为边缘缺陷；
当B(x,y)不为角度对照值和A(x±m，y±n)均为角度对照值时，则B(x,y)对应像素所在的位置为缺陷位置，并且为Cr区的缺陷；
当B(x,y)不为角度对照值和A(x±m，y±n)存在非角度对照值、且不存在其与B(x，y)之差小于预设角度阈值Te的方向角角度值时，则在B(x,y)对应像素所在的位置为边缘缺陷；其中，
A(x,y)为透射图像角度矩阵A中在坐标点(x，y)下的像素的法向量的方向角角度值；
B(x,y)为反射图像角度矩阵B中在坐标点(x，y)下的像素的法向量的方向角角度值；
T(x,y)为透射灰度图像T中在坐标点(x，y)下的像素的灰度值；
R(x,y)为反射灰度图像R中在坐标点(x，y)下的像素的灰度值；
m为坐标点x的预设搜索偏离值，n为坐标点y的预设搜索偏离值。
2.根据权利要求1所述的掩模表面颗粒缺陷检测方法，其特征在于，方法的步骤中还包括：
对缺陷结果矩阵C进行闭运算，然后统计缺陷位置，根据缺陷位置的长和/或宽参数进行缺陷过滤，得到最终缺陷结果矩阵C。
3.根据权利要求2所述的掩模表面颗粒缺陷检测方法，其特征在于，
将最终缺陷结果矩阵C中的缺陷位置映射到透射灰度图像T和/或反射灰度图像R上。
4.根据权利要求1所述的掩模表面颗粒缺陷检测方法，其特征在于，
针对每个所述像素，像素的邻域像素为与所述像素右邻、下邻和右下对角的像素。
5.根据权利要求1或4所述的掩模表面颗粒缺陷检测方法，其特征在于，
所述像素的法向量的计算方法如下：
构建像素团所在的坐标系；
获取像素团中的每一像素在坐标系中的象限，根据每一像素所在象限，将相应像素的灰度值添加正负号作为该像素的坐标点值；
获取像素团中的每一像素的坐标点到坐标系的坐标原点的方向向量；
计算像素团中的所有像素的方向向量之和，并取其反向向量作为该像素的法向量。
CN202110895622.5A 2021-08-05 2021-08-05 一种掩模表面颗粒缺陷检测方法 Active CN113686897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110895622.5A CN113686897B (zh) 2021-08-05 2021-08-05 一种掩模表面颗粒缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110895622.5A CN113686897B (zh) 2021-08-05 2021-08-05 一种掩模表面颗粒缺陷检测方法

Publications (2)

Publication Number Publication Date
CN113686897A true CN113686897A (zh) 2021-11-23
CN113686897B CN113686897B (zh) 2023-11-03

Family

ID=78578914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110895622.5A Active CN113686897B (zh) 2021-08-05 2021-08-05 一种掩模表面颗粒缺陷检测方法

Country Status (1)

Country Link
CN (1) CN113686897B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1271857A (zh) * 1999-04-22 2000-11-01 株式会社佐竹制作所 评估颗粒状物体质量的装置和方法
JP2005228062A (ja) * 2004-02-13 2005-08-25 Omron Corp 検査方法および検査装置
JP2006072147A (ja) * 2004-09-03 2006-03-16 Lasertec Corp 検査装置及び検査方法並びにパターン基板の製造方法
JP2007298526A (ja) * 2007-06-28 2007-11-15 Lasertec Corp 検査装置及び検査方法並びにパターン基板の製造方法
US20080037860A1 (en) * 2006-08-10 2008-02-14 Advanced Mask Inspection Technology Inc. Pattern inspection apparatus, image alignment method, displacement amount estimation method, and computer-readable recording medium with program recorded thereon
EP2109079A1 (fr) * 2008-04-09 2009-10-14 Peugeot Citroën Automobiles Société Anonyme Procédé et système de caractérisation d'un défaut de surface d'une pièce
JP2015230273A (ja) * 2014-06-06 2015-12-21 株式会社ニューフレアテクノロジー マスク検査装置及びマスク検査方法
US20160169816A1 (en) * 2014-12-11 2016-06-16 Carl Zeiss Smt Gmbh Method and System for EUV Mask Blank Buried Defect Analysis
JP2016119041A (ja) * 2014-12-17 2016-06-30 株式会社リコー 画像処理システム、画像処理装置、画像処理方法、プログラムおよび記録媒体
CN107481391A (zh) * 2017-07-03 2017-12-15 广州广电运通金融电子股份有限公司 纸币涂鸦的检测方法及装置
CN108037140A (zh) * 2017-12-04 2018-05-15 江苏维普光电科技有限公司 一种掩膜版表面缺陷检测方法
US20180213170A1 (en) * 2015-07-01 2018-07-26 Sony Interactive Entertainment Inc. Imaging element, image sensor, and information processing apparatus
CN109903283A (zh) * 2019-03-04 2019-06-18 江苏维普光电科技有限公司 一种基于图像法向量的掩模图形边缘缺陷检测方法
CN110567918A (zh) * 2019-09-04 2019-12-13 浙江工业大学 一种基于2d结构光的镜面质量分析方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1271857A (zh) * 1999-04-22 2000-11-01 株式会社佐竹制作所 评估颗粒状物体质量的装置和方法
JP2005228062A (ja) * 2004-02-13 2005-08-25 Omron Corp 検査方法および検査装置
JP2006072147A (ja) * 2004-09-03 2006-03-16 Lasertec Corp 検査装置及び検査方法並びにパターン基板の製造方法
US20080037860A1 (en) * 2006-08-10 2008-02-14 Advanced Mask Inspection Technology Inc. Pattern inspection apparatus, image alignment method, displacement amount estimation method, and computer-readable recording medium with program recorded thereon
JP2007298526A (ja) * 2007-06-28 2007-11-15 Lasertec Corp 検査装置及び検査方法並びにパターン基板の製造方法
EP2109079A1 (fr) * 2008-04-09 2009-10-14 Peugeot Citroën Automobiles Société Anonyme Procédé et système de caractérisation d'un défaut de surface d'une pièce
JP2015230273A (ja) * 2014-06-06 2015-12-21 株式会社ニューフレアテクノロジー マスク検査装置及びマスク検査方法
US20160169816A1 (en) * 2014-12-11 2016-06-16 Carl Zeiss Smt Gmbh Method and System for EUV Mask Blank Buried Defect Analysis
JP2016119041A (ja) * 2014-12-17 2016-06-30 株式会社リコー 画像処理システム、画像処理装置、画像処理方法、プログラムおよび記録媒体
US20180213170A1 (en) * 2015-07-01 2018-07-26 Sony Interactive Entertainment Inc. Imaging element, image sensor, and information processing apparatus
CN107481391A (zh) * 2017-07-03 2017-12-15 广州广电运通金融电子股份有限公司 纸币涂鸦的检测方法及装置
CN108037140A (zh) * 2017-12-04 2018-05-15 江苏维普光电科技有限公司 一种掩膜版表面缺陷检测方法
CN109903283A (zh) * 2019-03-04 2019-06-18 江苏维普光电科技有限公司 一种基于图像法向量的掩模图形边缘缺陷检测方法
CN110567918A (zh) * 2019-09-04 2019-12-13 浙江工业大学 一种基于2d结构光的镜面质量分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王体春: "基于保真性准则的图像智能增强和图像质量评价的理论和方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 12, pages 30 - 50 *

Also Published As

Publication number Publication date
CN113686897B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN111931776B (zh) 一种基于深度学习的双指针仪表读数方法
CN110580480B (zh) 基于图像处理的表计读数识别方法
CN110569857B (zh) 一种基于质心距离计算的图像轮廓角点检测方法
EP3309703A1 (en) Method and system for decoding qr code based on weighted average grey method
CN114627118B (zh) 一种光纤电缆绝缘缺陷识别方法和系统
US20210398311A1 (en) Positioning method and device, and storage medium
CN109214380A (zh) 车牌倾斜校正方法
CN104517276A (zh) 一种棋盘格角点检测方法
CN108037142B (zh) 基于图像灰度值的掩膜版光学缺陷检测方法
CN110473184A (zh) 一种pcb板缺陷检测方法
CN107133623A (zh) 一种基于背景差和圆心定位的指针位置精确检测方法
CN114359253A (zh) 基于卷积神经网络的影像脏污检测方法及系统
CN111563867A (zh) 一种用于提升图像清晰度的图像融合方法
CN1218279C (zh) 数字图象的分割
CN113686897B (zh) 一种掩模表面颗粒缺陷检测方法
CN113763279A (zh) 一种具有矩形框图像的精确校正处理方法
CN103177426A (zh) 一种基于形态学的强干扰激光边缘图像修复方法
CN117635590A (zh) 一种笔记本电脑外壳的缺陷检测方法、缺陷检测装置和存储介质
US20150117769A1 (en) Blob-Encoding
CN117058368A (zh) 密集恒星长拖尾背景下暗弱凝视碎片目标检测方法
Jiale et al. Automatic identification method of pointer meter under complex environment
JP2001266126A (ja) 欠陥検出方法及びその装置並びにマスクの製造方法
CN114066993B (zh) 基于机器视觉的配电柜控制面板分割方法
CN111507922B (zh) 一种基于直方图的隧道表面图像自适应增强方法
CN114943738A (zh) 一种基于视觉识别的传感器封装固化胶缺陷识别方法

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