CN114519706A - 一种划片机的基于图像的膜痕检测方法 - Google Patents

一种划片机的基于图像的膜痕检测方法 Download PDF

Info

Publication number
CN114519706A
CN114519706A CN202210145954.6A CN202210145954A CN114519706A CN 114519706 A CN114519706 A CN 114519706A CN 202210145954 A CN202210145954 A CN 202210145954A CN 114519706 A CN114519706 A CN 114519706A
Authority
CN
China
Prior art keywords
width
calculating
image
detection method
threshold
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.)
Pending
Application number
CN202210145954.6A
Other languages
English (en)
Inventor
张明明
袁慧珠
孟繁滨
石文
徐双双
周健宇
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.)
Shenyang Heyan Technology Co Ltd
Original Assignee
Shenyang Heyan 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 Shenyang Heyan Technology Co Ltd filed Critical Shenyang Heyan Technology Co Ltd
Priority to CN202210145954.6A priority Critical patent/CN114519706A/zh
Publication of CN114519706A publication Critical patent/CN114519706A/zh
Pending legal-status Critical Current

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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种划片机的基于图像的膜痕检测方法，包括如下步骤：S1、设定需要提取的刀痕最大宽度和对比度；S2、机器切割动作完成后，镜头移动至入刀和出刀处采集图像；S3、使用高斯滤波器求得图像的一阶偏导数和二阶偏导数；S4、根据黑塞矩阵计算每个像素点的亚像素坐标、响应以及方向；S5、对上述结果进行滞后阈值与链接操作，从而形成若干条轮廓线；S6、对轮廓线执行线性回归，然后筛选出符合刀痕的曲线，并计算其宽度。本发明采用上述膜痕检测方法，对刀痕的有无进行判别、对刀痕的宽度进行识别，最终得到刀片切入底膜的深度信息，对下一刀的切割深度进行调整，从而达到对切割深度的精确和无人工控制。

Description

一种划片机的基于图像的膜痕检测方法
技术领域
本发明涉及划片机技术领域，尤其是涉及一种划片机的基于图像的膜痕检测方法。
背景技术
划片机在切割LED芯片或者晶圆产品时，通常对切割深度有较高的要求，一般会使刀片刚刚切到底膜，或者切入底膜5-10微米不等，这样可以刚好切透产品，能有效的控制背崩，同时保持产品的优良特性。而划片机工作盘的水平精度很难达到上述的标准，一般都在3个微米以上，工作盘的尺寸越大，误差越大，精度越难以保证。体现到机器的使用中就是，切割产品时，刀片在入刀和出刀的底膜处所形成的刀痕并不一致，可能左边没有刀痕右边有，可能左边的刀痕较之右边的刀痕切入更深，在这种情况下一般都是靠人为的经验去调整，既增加了出错的概率，又影响了机台的效率和产品良率。
发明内容
本发明提出了一种膜痕检测方法，以解决切割深度必须依赖人工经验去控制的问题。为实现上述目的，本发明提供了如下技术方案：
一种划片机的基于图像的膜痕检测方法，包括如下步骤：
S1、设定需要提取的刀痕最大宽度和对比度；
S2、机器切割动作完成后，镜头移动至入刀和出刀处采集图像；
S3、使用高斯滤波器求得图像的一阶偏导数和二阶偏导数；
S4、根据黑塞矩阵计算每个像素点的亚像素坐标、响应以及方向；
S5、对上述结果进行滞后阈值与链接操作，从而形成若干条轮廓线；
S6、对轮廓线执行线性回归，然后筛选出符合刀痕的曲线，并计算其宽度。
优选的，步骤S1中还包括，依据刀痕的最大宽度和对比度，计算高斯滤波的标准差，设定用于链接像素点的弱阈值、强阈值，弱阈值和强阈值均为常数。
优选的，步骤S4具体为：
S41、构建每一个像素点的黑塞矩阵，求黑塞矩阵的特征值和特征向量，保存绝对值最大的特征值和其对应的特征向量；
黑塞矩阵
Figure BDA0003508962120000021
其中，rxx、rxy、ryy为使用高斯滤波器求得图像的二阶偏导数；
S42、根据步骤S41得到的特征值和特征向量计算当前像素点的亚像素坐标，特征值大于强阈值标记为2、介于强阈值与弱阈值之间的像素点标记为1，保存像素点对应的特征值及其对应的特征向量。
优选的，步骤S5具体为：
将标记为2的像素点按照特征值从大到小顺序进行排序，从大的特征值点开始沿特征向量的方向将大于弱阈值的像素点链接起来，最终形成多条轮廓线，保存这些轮廓线。
优选的，步骤S6具体为：
S61、筛选出大于图像宽度一半的轮廓线，对这些轮廓线使用最小二乘法拟合直线，保留拟合直线方向与水平方向夹角在±2°之内的轮廓线；
S62、计算步骤S61所得轮廓线与拟合直线的平均绝对误差，选择小于5的轮廓线；
S63、对步骤S62得到轮廓线，在其每个点上沿特征向量两个方向搜寻梯度绝对值最大的点，即可得到当前点左右两边的宽度；
S64、对步骤S63求得的各点宽度进行平均，作为最终的输出宽度。
本发明采用上述结构基于图像的膜痕检测方法，通过搭载高倍率显微镜，实时采集进出刀位置的切痕图像，对刀痕的有无进行判别、对刀痕的宽度进行识别，最终得到刀片切入底膜的深度信息，对下一刀的切割深度进行调整，从而达到对切割深度的精确和无人工控制。
附图说明
图1为要识别的膜痕图像；
图2为通过黑塞矩阵求得的特征值图像；
图3为链接操作之后的轮廓图；
图4为提取到的刀痕中心线和宽度；
图5为沿轮廓点法向两个方向搜索梯度最大值以确定宽度示意图；
图6为另一种要识别的膜痕图像；
图7为检测到的轮廓线及其宽度示意图；
图8为搜寻边缘确定宽度示意图；
图9为圆锥型刀片通过输出宽度计算切割深度的原理图。
具体实施方式
以下结合附图和实施例对本发明的技术方案作进一步说明。
本发明方案的检测系统建立在划片机的运动与图像识别系统之上，划片机的运动系统主要由X、Y、Z、T轴组成，其中T轴表示旋转轴，上面有工作台，T轴固定在X轴上，X轴可以左右运动，显微镜固定在Y轴上，Y轴可以前后运动，Z轴固定在Y上，可以上下运动。检测系统配合软件算法实现膜痕有无的判别以及相应宽度计算，该算法首先计算图像的一阶偏导数、二阶偏导数，再根据黑塞矩阵计算每一点的精确位置、特征值、方向，最终根据上述信息提取刀痕的中心和宽度。主要检测划片机刀片切入膜内0-20微米这样一个范围，宽度和深度有明确的换算关系。
该方案的具体实施步骤如下：
S1、设定所要提取刀痕的最大宽度和对比度，并据此算出高斯滤波的标准差，设定用于链接像素点的弱阈值、强阈值，弱阈值和强阈值均为常数；越靠近像素点的灰度值越大，越远离像素点的灰度值越小，强弱阈值代表着距离像素点之间的远近关系；
S2、机器切割动作完成后，镜头移动至刚才入刀和出刀处采集图像；
S3、使用高斯滤波器边缘算子求得图像的rx,ry,rxx,rxy,ryy(一阶、二阶偏导数)；高斯滤波器依托于高斯函数完成运算，其对应公式如下：
一维高斯函数及其一阶、二阶偏导数
Figure BDA0003508962120000041
Figure BDA0003508962120000042
Figure BDA0003508962120000043
二维高斯函数及其一阶、二阶偏导数
Figure BDA0003508962120000044
Figure BDA0003508962120000045
Figure BDA0003508962120000046
Figure BDA0003508962120000047
Figure BDA0003508962120000048
Figure BDA0003508962120000049
高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值(高斯窗口)经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
S4、构建每一个像素点的黑塞矩阵
Figure BDA00035089621200000410
求矩阵的特征值和特征向量，保存绝对值最大的特征值和其对应的特征向量；二阶黑塞矩阵求解只能得到两个特征值，只需要保存绝对值最大的特征值即可；
S5、根据步骤S4的特征值和特征向量构建线性方程At+b＝0,若方程t有解且t∈[-0.5,0.5]，计算当前像素点的亚像素坐标，特征值大于强阈值标记为2、大于弱阈值标记为1，保存特征值及其对应的特征向量；
Figure BDA0003508962120000051
Figure BDA0003508962120000052
Figure BDA0003508962120000053
Figure BDA0003508962120000054
(px，py)＝(tnx tny)
Figure BDA0003508962120000055
上述公式分别为：①函数f黑塞矩阵，②函数f的二阶方向导数，③函数z的二阶泰勒展开式，④函数z的一阶导数，⑤函数z取得极值的亚像素位置，⑥t的解析式，这些函数主要是通过求极值的思想得到亚像素精度的坐标；
S6、对步骤S5中标记为2的像素点按照特征值从大到小顺序进行排序，从大的特征值点开始沿特征向量的方向(双向)将大于弱阈值的像素点链接起来，最终形成多条轮廓线，保存这些轮廓线；强阈值的像素点是一定要相链接的，弱阈值像素点是判断像素点是否紧挨着强阈值像素点，若是则也进行链接；
注意：观察一条划痕的轮廓，需要以轮廓首点或者尾点为起始，观察横纵两个方向走向，因此划痕上像素点产生的特征向量也存在两个方向；
S7、筛选出大于图像宽度一半的轮廓线，对这些轮廓线使用最小二乘法拟合直线，保留拟合直线方向与水平方向夹角在±2°之内的轮廓线；
S8、计算步骤S7中轮廓线与拟合直线的平均绝对误差，选择误差小于5的轮廓线；
S9、针对步骤S8所得轮廓线，在其每个点上沿特征向量两个方向搜寻梯度绝对值最大的点(最大宽度的一半范围内)，即可得到当前点左右两边的宽度；
S10、对步骤S9求得的各点宽度进行平均，作为最终的输出宽度。
划片机的刀片尖端通常为V形或圆锥曲形，由此每个刀片均对应有切割公式。如图9所示，圆锥型刀片，通过测量切割宽度PP’(输出宽度)，可进一步计算出切割深度OM。下次切割补偿时，只需依照补偿后的切割宽度，即可实现切割深度调节。
以上是本发明的具体实施方式，但本发明的保护范围不应局限于此。任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此本发明的保护范围应以权利要求书所限定的保护范围为准。

Claims (5)

1.一种划片机的基于图像的膜痕检测方法，其特征在于，包括如下步骤：
S1、设定需要提取的刀痕最大宽度和对比度；
S2、机器切割动作完成后，镜头移动至入刀和出刀处采集图像；
S3、使用高斯滤波器求得图像的一阶偏导数和二阶偏导数；
S4、根据黑塞矩阵计算每个像素点的亚像素坐标、响应以及方向；
S5、对上述结果进行滞后阈值与链接操作，从而形成若干条轮廓线；
S6、对轮廓线执行线性回归，然后筛选出符合刀痕的曲线，并计算其宽度。
2.根据权利要求1所述的膜痕检测方法，其特征在于，步骤S1中还包括，依据刀痕的最大宽度和对比度，计算高斯滤波的标准差，设定用于链接像素点的弱阈值、强阈值，弱阈值、强阈值均为常数。
3.根据权利要求2所述的膜痕检测方法，其特征在于，步骤S4具体为：
S41、构建每一个像素点的黑塞矩阵，求黑塞矩阵的特征值和特征向量，保存绝对值最大的特征值和其对应的特征向量；
黑塞矩阵
Figure FDA0003508962110000011
其中，rxx、rxy、ryy为使用高斯滤波器求得图像的二阶偏导数；
S42、根据步骤S41得到的特征值和特征向量计算当前像素点的亚像素坐标，特征值大于强阈值的像素点标记为2、介于强阈值与弱阈值之间的像素点标记为1，保存像素点对应的特征值及其对应的特征向量。
4.根据权利要求3所述的膜痕检测方法，其特征在于，步骤S5具体为：
将标记为2的像素点按照特征值从大到小顺序进行排序，从大的特征值点开始沿特征向量的方向将大于弱阈值的像素点链接起来，最终形成多条轮廓线，保存这些轮廓线。
5.根据权利要求4所述的膜痕检测方法，其特征在于，步骤S6具体为：
S61、筛选出大于图像宽度一半的轮廓线，对这些轮廓线使用最小二乘法拟合直线，保留拟合直线方向与水平方向夹角在±2°之内的轮廓线；
S62、计算步骤S61所得轮廓线与拟合直线的平均绝对误差，选择误差小于5的轮廓线；
S63、对步骤S62得到轮廓线，在其每个点上沿特征向量两个方向搜寻梯度绝对值最大的点，即可得到当前点左右两边的宽度；
S64、对步骤S63求得的各点宽度进行平均，作为最终的输出宽度。
CN202210145954.6A 2022-02-17 2022-02-17 一种划片机的基于图像的膜痕检测方法 Pending CN114519706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210145954.6A CN114519706A (zh) 2022-02-17 2022-02-17 一种划片机的基于图像的膜痕检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210145954.6A CN114519706A (zh) 2022-02-17 2022-02-17 一种划片机的基于图像的膜痕检测方法

Publications (1)

Publication Number Publication Date
CN114519706A true CN114519706A (zh) 2022-05-20

Family

ID=81598136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210145954.6A Pending CN114519706A (zh) 2022-02-17 2022-02-17 一种划片机的基于图像的膜痕检测方法

Country Status (1)

Country Link
CN (1) CN114519706A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114701083A (zh) * 2022-06-06 2022-07-05 广东高景太阳能科技有限公司 一种硅片切割原料处理方法、系统、介质及设备
CN116394135A (zh) * 2023-06-08 2023-07-07 沈阳和研科技股份有限公司 划片机接触测高方法
CN116977326A (zh) * 2023-09-04 2023-10-31 广东新亚光电缆股份有限公司 一种基于切口分析技术的铝芯绝缘电缆检测系统
CN117197247A (zh) * 2023-11-08 2023-12-08 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

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114701083A (zh) * 2022-06-06 2022-07-05 广东高景太阳能科技有限公司 一种硅片切割原料处理方法、系统、介质及设备
CN114701083B (zh) * 2022-06-06 2022-08-05 广东高景太阳能科技有限公司 一种硅片切割原料处理方法、系统、介质及设备
CN116394135A (zh) * 2023-06-08 2023-07-07 沈阳和研科技股份有限公司 划片机接触测高方法
CN116394135B (zh) * 2023-06-08 2023-08-25 沈阳和研科技股份有限公司 划片机接触测高方法
CN116977326A (zh) * 2023-09-04 2023-10-31 广东新亚光电缆股份有限公司 一种基于切口分析技术的铝芯绝缘电缆检测系统
CN116977326B (zh) * 2023-09-04 2024-02-20 广东新亚光电缆股份有限公司 一种基于切口分析技术的铝芯绝缘电缆检测系统
CN117197247A (zh) * 2023-11-08 2023-12-08 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
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

Similar Documents

Publication Publication Date Title
CN114519706A (zh) 一种划片机的基于图像的膜痕检测方法
CN206200356U (zh) 一种多功能激光切割布料切割系统
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
CN103793712A (zh) 一种基于边缘几何特征的图像识别方法及系统
CN101549468A (zh) 基于影像的刀具在线检测与补偿系统及方法
CN106651882A (zh) 一种基于机器视觉的燕窝杂质识别与检测方法及装置
CN111062940A (zh) 一种基于机器视觉的螺钉定位与识别方法
CN111681222A (zh) 一种刀痕崩边自动检测判断方法及其应用的划片机
CN116309847A (zh) 一种基于二维图像和三维点云结合的堆叠工件位姿估计方法
CN111401449A (zh) 一种基于机器视觉的图像匹配方法
CN109101976A (zh) 一种灭弧栅片表面缺陷的检测方法
CN115229899A (zh) 巴块切割控制方法、装置及巴块切割系统
CN105783712A (zh) 一种检测刀痕的方法及装置
CN113093216A (zh) 一种激光雷达和相机融合的不规则物体测量方法
CN105335971A (zh) 基于图像的工件加工精确定位方法
CN108520533B (zh) 一种面向工件定位的多维度特征配准方法
CN104504161A (zh) 一种基于机器人视觉平台的图像检索方法
CN110503051A (zh) 一种基于图像识别技术的珍贵木材识别系统及方法
CN114187267A (zh) 基于机器视觉的冲压件缺陷检测方法
CN111340134B (zh) 一种基于局部动态规整的快速模板匹配方法
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN116481687A (zh) 一种基于机器视觉的成品轮胎应力应变测量设备、方法和程序产品
CN112720449A (zh) 一种机器人定位装置及其控制系统
CN113705487B (zh) 精密工件识别及工艺参数关联系统以及识别方法
CN115546153A (zh) 一种基于三维点云与二维图像融合感知的产品表面缺陷检测方法

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
CB02 Change of applicant information

Address after: 110 000 No. 53 Buyunshan Road, Huanggu District, Shenyang City, Liaoning Province

Applicant after: Shenyang Heyan Technology Co.,Ltd.

Address before: 110 000 No. 53 Buyunshan Road, Huanggu District, Shenyang City, Liaoning Province

Applicant before: SHENYANG HEYAN TECHNOLOGY CO.,LTD.

CB02 Change of applicant information