CN115020267B - 一种半导体表面缺陷检测方法 - Google Patents

一种半导体表面缺陷检测方法 Download PDF

Info

Publication number
CN115020267B
CN115020267B CN202210935102.7A CN202210935102A CN115020267B CN 115020267 B CN115020267 B CN 115020267B CN 202210935102 A CN202210935102 A CN 202210935102A CN 115020267 B CN115020267 B CN 115020267B
Authority
CN
China
Prior art keywords
scratch
suspected
area
probability
pixel point
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
Application number
CN202210935102.7A
Other languages
English (en)
Other versions
CN115020267A (zh
Inventor
黄敏
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.)
Qidong Wangsheng Electronic Technology Co ltd
Original Assignee
Qidong Wangsheng Electronic 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 Qidong Wangsheng Electronic Technology Co ltd filed Critical Qidong Wangsheng Electronic Technology Co ltd
Priority to CN202210935102.7A priority Critical patent/CN115020267B/zh
Publication of CN115020267A publication Critical patent/CN115020267A/zh
Application granted granted Critical
Publication of CN115020267B publication Critical patent/CN115020267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Abstract

本发明涉及电子元件领域，具体涉及一种半导体表面缺陷检测方法，利用机器视觉对生产过程中的半导体缺陷进行识别。包括：获取半导体表面图像，对半导体表面图像灰度值及其频率拟合得到两个子高斯模型；根据子高斯模型的数据进行阈值分割，从而确定所有的疑似划痕像素点；划分疑似划痕区域，确定疑似划痕区域的疑似划痕像素点所属的疑似划痕方向；分别计算每个疑似划痕区域中各疑似划痕方向的划痕概率；计算该疑似划痕区域为划痕区域的可能性从而确定出所有的划痕区域，确定划痕缺陷区域。本发明根据图像亮度提取疑似划痕像素点，利用疑似点的方向性进行划痕的检测，可以对划痕的较浅位置区域进行检测，提高了对半导体元件检测的准确性。

Description

一种半导体表面缺陷检测方法
技术领域
本申请涉及电子元件领域，具体涉及一种半导体表面缺陷检测方法。
背景技术
半导体晶片的制备通常需要经过机械切割，粗磨、细磨及化学和机械抛光等环节。然而，经过化学、机械抛光的半导体晶片表面常存在损伤层，损伤层中的划痕会对后续同质或异质外延生长材料的质量和器件性能带来负面效应。
划痕通常会在半导体表面形成细而深的凹痕，可能会伤及电镀层，且划痕出现位置随机，形状大小不固定，严重影响半导体性能以及质量。所以对于半导体进行表面情况进行识别，进一步对半导体进行质量检测在半导体生产过程中是很有必要的。
由于半导体体积小，导致表面的划痕一般肉眼无法识别，往往需要借助其他仪器；此外，由于半导体表面经过抛光后，其表面结构为粗糙面（类似磨砂质地），存在很多微小凹坑，使得较浅划痕与周边环境的差异变小，检测难度增大。
目前对于生产过程中的半导体表面划痕检测的方法多为人工检测，费用昂贵、检测人员容易疲劳，且容易造成漏检，难以适应当前的高速成产现状，通过电子设备（摄像头）对电子元件进行检测大多是通过摄像头获取图像后通过边缘检测来进行划痕的识别，但是有的划痕不明显，会出现漏检的现象；因此设计一种基于机器视觉的生产领域人工智能系统对半导体表面划痕缺陷进行自动检测的方法是非常重要的。
发明内容
针对上述技术问题，本发明提供了一种半导体表面缺陷检测方法。
本发明实施例提供了一种半导体表面缺陷检测方法，包括：
获取半导体表面图像；
统计半导体表面图像中灰度值的频率，对灰度值及其频率进行高斯拟合，得到两个子高斯模型；
根据子高斯模型的均值和方差对灰度值进行阈值分割，得到疑似划痕像素点对应的灰度值，根据疑似划痕像素点的灰度值确定所有的疑似划痕像素点；
以每个疑似划痕像素点为中心点，设置半径得到的圆形区域作为疑似划痕区域，根据疑似划痕区域内疑似划痕像素点和中心点的位置关系确定各疑似划痕像素点属于的疑似划痕方向；
根据每个疑似划痕区域中各疑似划痕方向的初始概率和该疑似划痕方向上各疑似划痕像素点与中心像素点的距离，分别计算每个疑似划痕区域中各疑似划痕方向的划痕概率；
根据疑似划痕区域中每个疑似划痕方向的划痕概率计算该疑似划痕区域为划痕区域的可能性；
设置区域阈值，根据各疑似划痕区域为划痕区域的可能性和区域阈值的关系确定出所有的划痕区域，将划痕区域对应的中心疑似像素点作为划痕点；
将相邻的所有划痕点连接起来得到划痕，直至连接完所有的划痕点，得到所有的划痕。
根据疑似划痕像素点的灰度值确定所有的疑似划痕像素点的方法为：获取疑似划痕像素点的所有灰度值，得到的各灰度值对应的所有像素点为疑似划痕像素点；
其中，疑似划痕像素点的灰度值的获取过程如下：
统计半导体表面图像中各像素点的灰度值的频率，对半导体表面图像的灰度值及其频率进行高斯拟合得到两个子高斯模型；
根据子高斯模型的均值和方差确定灰度阈值，将大于灰度阈值的灰度值确定为疑似划痕像素点的灰度值。
确定各疑似划痕像素点属于的疑似划痕方向的方法如下：
分别以每个疑似划痕像素点为中心，设置区域半径得到一个圆形区域，即疑似划痕区域；
获取疑似划痕区域中其他疑似划痕像素点和中心疑似划痕像素点所成向量与水平向右的直线的夹角；
将夹角相同或相差
Figure 126034DEST_PATH_IMAGE001
的夹角对应的疑似划痕像素点作为一组，同组的疑似划痕像素点处于同一条直线上，将该直线作为一个疑似划痕方向，同组的疑似划痕像素点都属于该疑似划痕方向，确定该疑似划痕区域中所有疑似划痕像素点的疑似划痕方向；
对每个疑似划痕区域进行上述步骤的操作，得到每个疑似划痕区域中的所有疑似划痕像素点的疑似划痕方向。
计算每个疑似划痕区域中各疑似划痕方向的划痕概率的方法为：根据每个疑似划痕区域中各疑似划痕方向的初始概率和该疑似划痕方向上各疑似划痕像素点与中心像素点的距离，分别计算每个疑似划痕区域中各疑似划痕方向的划痕概率，具体计算公式如下：
Figure 839912DEST_PATH_IMAGE002
式中：
Figure 432699DEST_PATH_IMAGE003
表示第
Figure 890225DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 812919DEST_PATH_IMAGE005
个疑似划痕方向的划痕概率，
Figure 697698DEST_PATH_IMAGE006
为第
Figure 777781DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 773419DEST_PATH_IMAGE007
个疑似划痕方向的初始概率，
Figure 753882DEST_PATH_IMAGE008
为第
Figure 809563DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 298313DEST_PATH_IMAGE007
个疑似划痕方向上的疑似划痕像素点的数量，
Figure 848374DEST_PATH_IMAGE009
为第
Figure 168497DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 706663DEST_PATH_IMAGE007
个疑似划痕方向上的疑似划痕像素点的序号，
Figure 745027DEST_PATH_IMAGE010
、
Figure 833200DEST_PATH_IMAGE011
为第
Figure 538987DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 608575DEST_PATH_IMAGE007
个疑似划痕方向上第
Figure 406939DEST_PATH_IMAGE012
个疑似划痕像素点的坐标，
Figure 548070DEST_PATH_IMAGE013
、
Figure 655835DEST_PATH_IMAGE014
为第
Figure 489798DEST_PATH_IMAGE015
个疑似划痕像素点的坐标；
其中疑似划痕方向的初始概率为：该疑似划痕区域中该疑似划痕方向上的疑似划痕像素点在该疑似划痕区域内所有疑似划痕像素点的占比。
根据疑似划痕区域中每个疑似划痕方向的划痕概率计算该疑似划痕区域为划痕区域的可能性的方法为：利用每个疑似划痕区域中各疑似划痕方向的划痕概率以及该疑似划痕区域中的疑似划痕方向数量计算该疑似划痕区域为划痕区域的可能性，具体计算公式如下：
Figure 752021DEST_PATH_IMAGE016
式中：
Figure 431264DEST_PATH_IMAGE017
为疑似划痕区域为划痕区域的可能性，
Figure 596798DEST_PATH_IMAGE018
为第
Figure 273767DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的疑似划痕方向数量，
Figure 508439DEST_PATH_IMAGE019
为第
Figure 240640DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的疑似划痕方向的序号，
Figure 572265DEST_PATH_IMAGE003
表示第
Figure 233184DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 892836DEST_PATH_IMAGE007
个疑似划痕方向的划痕概率。
根据各疑似划痕区域为划痕区域的可能性和区域阈值的关系确定出所有的划痕区域的过程如下：
当疑似划痕区域为划痕区域的可能性小于区域阈值时，该区域中包含划痕缺陷的可能性较小，继续选择未处理过的疑似划痕像素点，重复疑似区域划分到计算疑似划痕区域为划痕区域可能性的步骤；
当疑似划痕区域为划痕区域的可能性大于等于区域阈值时，该区域中包含划痕缺陷的可能性较大，选取该疑似划痕区域中划痕概率最大的划痕方向上的疑似划痕像素点为划痕像素点，并选择该疑似划痕区域中划痕概率最大的划痕方向上的距离中心划痕像素点最远的划痕像素点为新的中心疑似划痕像素点，重复疑似区域划分到计算疑似划痕区域为划痕区域可能性的步骤；
重复上述步骤直到处理完所有的疑似划痕像素点。
半导体表面图像的获取方法为：获取均匀光照下的半导体图像，利用种子填充法对半导体图像进行连通域分析，去除引脚区域及其他背景像素的干扰，得到只包含半导体的半导体表面图像。
相比于现有技术，本发明实施例的有益效果在于：
1）本发明根据划痕的分布存在一定的方向性，在均匀光照下，凹陷区域将光线会聚到一起，反射光反射到相机屏幕上就会形成亮点的，因此划痕以及凹坑相对于其他区域的灰度值较大的性质，本发明先根据图像亮度提取疑似划痕像素点，再根据疑似点的方向性进行划痕的检测，能够对划痕的较浅位置区域进行检测，提高了检测的准确性。
2）本发明基于机器视觉和图像处理对半导体表面图像进行特征分析，提出了一种生产领域的人工智能系统对半导体材料表面的划痕进行识别检测，根据灰度值计算出的特征值表征了划痕区域的亮度信息，据此得到的划痕区域更准确的同时降低人工检测的人力物力，节约成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种半导体表面缺陷检测方法的方法流程图；
图2为本发明实施例提供的一种半导体表面缺陷检测方法的存在划痕的半导体示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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，都属于本发明保护的范围。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例1
本发明实施例提供了一种半导体表面缺陷检测方法，如图1所示，包括：
S101、获取半导体表面图像
采集待检测的半导体的图像，对待检测的半导体的图像去除背景和引脚等影响，得到半导体表面图像，便于后续对半导体表面图像的图像处理和图像分析的过程，排除对半导体上划痕检测的干扰，使检测结果更精确。
S102、确定所有的疑似划痕像素点
由于半导体的主要材料为硅，颜色偏灰黑色，而半导体本身的小凹坑以及划痕本质上为凹陷区域，这些区域会因为光照因素而偏亮，二者颜色差异较大，因此图像中的灰度直方图会存在两个峰值，根据灰度值之间的差异进行疑似划痕像素点的提取。
确定出半导体表面图像中所有的疑似划痕像素点，根据疑似划痕像素点能够进一步得到疑似划痕方向。
S103、划分疑似划痕区域
根据疑似划痕像素点进行区域划分，得到疑似划痕区域，对疑似划痕区域中的疑似划痕像素点进行位置及亮度的分析，可以确定出疑似划痕方向。
S104、确定疑似划痕像素点的疑似划痕方向
根据每个疑似划痕区域中的疑似划痕像素点的位置关系确定出该疑似划痕区域中所有的疑似划痕像素点的疑似划痕方向，每个疑似划痕方向上的疑似划痕像素点连接得到的线条都可能是半导体上的划痕，所以需要确定出每个疑似划痕区域中所有的疑似划痕方向，降低出现漏检的现象。
S105、计算疑似划痕方向的划痕概率
由于划痕像素点的分布连续性较强，因此可以结合疑似划痕像素点与中心疑似划痕像素点的相对距离对各个疑似划痕像素点的初始概率进行修正，其中与中心点之间距离越小的疑似划痕像素点属于划痕的概率越大。
根据每个疑似划痕方向上的疑似划痕像素点的数量及其与划痕区域中心疑似划痕像素点的位置关系得到该疑似划痕方向为划痕方向的概率，通过所有疑似划痕像素点计算的概率，包含了每个疑似划痕像素点的亮度信息，得到的划痕概率更准确。
S106、计算疑似划痕区域为划痕区域的可能性
由于并非所有疑似划痕像素点都具有较强的方向性，即存在疑似划痕区域内均为凹坑像素点，因此需要对疑似划痕区域内划痕存在的可能性进行判断，由于疑似划痕区域内的疑似划痕像素点的分布越随机，对应各个疑似划痕方向属于划痕分布方向的概率越平均，即该疑似划痕区域中的方向性越弱，存在划痕像素点的可能性越小。
S107、确定出所有的划痕点
根据每个疑似划痕区域为划痕区域的可能性对各疑似划痕区域是否为划痕区域进行判断，确定出所有的划痕区域，将划痕区域对应的中心疑似划痕像素点作为划痕点。
S108、确定划痕缺陷区域
根据得到的所有的划痕点得到半导体材料上的划痕，对所有的划痕设定包围框，对存在划痕的包围框进行标注并发出警报，根据划痕缺陷区域的结果对半导体材料进行返工修复。
实施例2
本发明实施例提供了一种半导体表面缺陷检测方法，如图1所示，具体内容包括：
S201、获取半导体表面图像
采集待检测的半导体的图像，对待检测的半导体的图像去除背景和引脚等影响，得到半导体表面图像，便于后续对半导体表面图像的图像处理和图像分析的过程，排除对半导体上划痕检测的干扰，使检测结果更精确。
1.采集半导体图像
由于采集的半导体图像中通常会包含引脚区域，该区域的反光程度较大，如图2所示，会干扰划痕的检测，因此需要对图像中的非半导体表面区域进行剔除。
2.获取半导体表面图像
利用种子填充法对半导体图像进行连通域分析，得到的连通域区域中面积最大的连通域区域即为半导体表面区域。
至此，得到半导体表面图像。
S202、确定所有的疑似划痕像素点
由于半导体的主要材料为硅，颜色偏灰黑色，而半导体本身的小凹坑以及划痕本质上为凹陷区域，这些区域会因为光照因素而偏亮，二者颜色差异较大，因此图像中的灰度直方图会存在两个峰值，根据灰度值之间的差异进行疑似划痕像素点的提取。
确定出半导体表面图像中所有的疑似划痕像素点，根据疑似划痕像素点能够进一步得到疑似划痕方向。
1.获取半导体表面区域图像的灰度值并统计各灰度值的频数，根据灰度值的频数计算各灰度值的频率；
2.以各灰度值及其频率为样本数据，利用EM算法对样本数据进行一维高斯混合模型的拟合，所述高斯混合模型中的子高斯模型个数为
Figure 913881DEST_PATH_IMAGE020
，本实施例中
Figure 83700DEST_PATH_IMAGE021
，获取两个子高斯模型的均值和方差，分别记为
Figure 430368DEST_PATH_IMAGE022
；
3.设
Figure 390365DEST_PATH_IMAGE023
，则
Figure 480681DEST_PATH_IMAGE024
对应的子高斯模型的灰度值为疑似划痕像素点的灰度值，即：以
Figure 973848DEST_PATH_IMAGE025
为阈值进行阈值分割，得到疑似划痕像素点的灰度值；
4.获取疑似划痕像素点的灰度值对应的所有像素点作为疑似划痕像素点。
S203、划分疑似划痕区域
根据疑似划痕像素点进行区域划分，得到疑似划痕区域，对疑似划痕区域中的疑似划痕像素点进行位置及亮度的分析，可以确定出疑似划痕方向。
以任意一个疑似划痕像素点为中心，设置区域半径得到一个圆形区域，即疑似划痕区域。
S204、确定疑似划痕像素点的疑似划痕方向
根据每个疑似划痕区域中的疑似划痕像素点的位置关系确定出该疑似划痕区域中所有的疑似划痕像素点的疑似划痕方向，每个疑似划痕方向上的疑似划痕像素点连接得到的线条都可能是半导体上的划痕，所以需要确定出每个疑似划痕区域中所有的疑似划痕方向，降低出现漏检的现象。
1.疑似划痕区域中心疑似划痕像素点与其他疑似划痕像素点之间所成向量与水平向右方向形成的夹角，夹角范围为
Figure 897941DEST_PATH_IMAGE026
；
2.由于处于同一直线上但是分布在中心点两侧的疑似划痕像素点与中心点之间的夹角相差
Figure 594502DEST_PATH_IMAGE027
，因此将角度差值为
Figure 973662DEST_PATH_IMAGE028
的角度划分为一组，认为同组角度所对应的疑似划痕像素点处于同一条直线上，将该直线作为一个疑似划痕方向，该组中的疑似划痕像素点都属于该疑似划痕方向。
3.确定疑似划痕像素点的疑似划痕方向的另一个方法如下：
将疑似划痕区域内经过中心点直线（该直线包括中心点至少有三个疑似划痕像素点）作为疑似划痕方向，该直线上的所有疑似划痕像素点都属于该疑似划痕方向。
S205、计算疑似划痕方向的划痕概率
由于划痕像素点的分布连续性较强，因此可以结合疑似划痕像素点与中心疑似划痕像素点的相对距离对各个疑似划痕像素点的初始概率进行修正，其中与中心点之间距离越小的的疑似划痕像素点属于划痕的概率越大。
根据每个疑似划痕方向上的疑似划痕像素点的数量及其与划痕区域中心疑似划痕像素点的位置关系得到该疑似划痕方向为划痕方向的概率，通过所有疑似划痕像素点计算的概率，包含了每个疑似划痕像素点的亮度信息，得到的划痕概率更准确。
统计疑似划痕区域内各个疑似划痕方向组所对应的疑似划痕像素点的个数占整个疑似划痕区域中疑似划痕像素点的比例；其中所占比例的值越大，该方向上的疑似划痕像素点属于划痕的概率越大。因此该占比值可作为以该疑似划痕像素点为中心的区域内该方向上的初始概率；则第
Figure 337647DEST_PATH_IMAGE004
个疑似划痕像素点，坐标为
Figure 806543DEST_PATH_IMAGE029
,该点所对应的圆形区域中的第
Figure 990400DEST_PATH_IMAGE007
个角度组属于划痕像素点分布方向的初始概率为
Figure 173251DEST_PATH_IMAGE006
；
由于半导体表面的凹坑的位置是随机分布的，可能存在两个凹坑像素点处于同一直线上的情况，因此上述结果仍然存在误差。考虑到划痕像素点的分布连续性较强，因此可以结合疑似划痕像素点与中心点的相对距离对各个疑似划痕像素点的初始概率进行修正，其中与中心点之间距离越小的的疑似划痕像素点属于划痕的概率越大。
分别计算每个疑似划痕区域中各疑似划痕方向的划痕概率，具体计算公式如下：
Figure 798267DEST_PATH_IMAGE030
式中：
Figure 392060DEST_PATH_IMAGE031
表示第
Figure 312480DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 345027DEST_PATH_IMAGE007
个疑似划痕方向的划痕概率，
Figure 903178DEST_PATH_IMAGE006
为第
Figure 605555DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 498425DEST_PATH_IMAGE005
个疑似划痕方向的初始概率，
Figure 318351DEST_PATH_IMAGE008
为第
Figure 245856DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 932183DEST_PATH_IMAGE007
个疑似划痕方向上的疑似划痕像素点的数量，
Figure 250032DEST_PATH_IMAGE009
为第
Figure 296485DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 593343DEST_PATH_IMAGE007
个疑似划痕方向上的疑似划痕像素点的序号，
Figure 762157DEST_PATH_IMAGE010
、
Figure 380351DEST_PATH_IMAGE011
为第
Figure 168178DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 70275DEST_PATH_IMAGE007
个疑似划痕方向上第
Figure 596940DEST_PATH_IMAGE009
个疑似划痕像素点的坐标，
Figure 748436DEST_PATH_IMAGE013
、
Figure 418583DEST_PATH_IMAGE014
为第
Figure 909607DEST_PATH_IMAGE004
个疑似划痕像素点的坐标。
其中疑似划痕方向的初始概率为：该疑似划痕区域中该疑似划痕方向上的疑似划痕像素点在该疑似划痕区域内所有疑似划痕像素点的占比。
S206、计算疑似划痕区域为划痕区域的可能性
由于并非所有疑似划痕像素点都具有较强的方向性，即存在疑似划痕区域内均为凹坑像素点，因此需要对疑似划痕区域内划痕存在的可能性进行判断，由于疑似划痕区域内的疑似划痕像素点的分布越随机，对应各个疑似划痕方向属于划痕分布方向的概率越平均，即该疑似划痕区域中的方向性越弱，存在划痕像素点的可能性越小。
利用每个疑似划痕区域中各疑似划痕方向的划痕概率以及该疑似划痕区域中的疑似划痕方向数量计算该疑似划痕区域为划痕区域的可能性，具体计算公式如下：
Figure 295589DEST_PATH_IMAGE032
式中：
Figure 386911DEST_PATH_IMAGE017
为疑似划痕区域为划痕区域的可能性，
Figure 641175DEST_PATH_IMAGE018
为第
Figure 3017DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的疑似划痕方向数量，
Figure 887796DEST_PATH_IMAGE019
为第
Figure 889250DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的疑似划痕方向的序号，
Figure 399735DEST_PATH_IMAGE003
表示第
Figure 599772DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 468502DEST_PATH_IMAGE007
个疑似划痕方向的划痕概率。
Figure 19569DEST_PATH_IMAGE033
为该疑似划痕区域内的角度熵，表征该疑似划痕区域内角度的复杂程度，该值越大，表示区域内所包含的角度类型越多，对应该区域中的方向性越弱，存在划痕的可能性越小，即划痕存在可能性与角度熵成反比。
至此，得到每个疑似划痕区域为划痕区域的可能性。
S207、确定出所有的划痕点
根据每个疑似划痕区域为划痕区域的可能性对各疑似划痕区域是否为划痕区域进行判断，确定出所有的划痕区域，将划痕区域对应的中心疑似划痕像素点作为划痕点。
设置区域阈值，本实施例中区域阈值设置为0.8，根据区域阈值对疑似划痕区域是否为划痕区域进行判断，具体过程如下：
1)当
Figure 68166DEST_PATH_IMAGE034
时，认为该区域中包含划痕缺陷的可能性越小，继续选取未处理过的疑似划痕像素点，重复上述操作；
2)当
Figure 653868DEST_PATH_IMAGE035
时，认为该区域中包含划痕缺陷的可能性越大，此时需要选取属于划痕分布方向概率最大的角度组，记为
Figure 896761DEST_PATH_IMAGE036
，即
Figure 935124DEST_PATH_IMAGE037
，则将该区域中的第
Figure 787412DEST_PATH_IMAGE009
个角度组所对应的所有疑似划痕缺陷像素点归为一组，认为这些疑似划痕像素点为划痕点；并以第
Figure 165303DEST_PATH_IMAGE009
个角度组中离中心点距离最大的新增划痕点为中心疑似划痕像素点对划痕区域进行更新修正，重复S203-S207的操作，直到该组内无新增划痕点；
存在划痕缺陷的疑似划痕区域即为划痕区域，将划痕区域对应的中心疑似划痕像素点作为划痕点，至此，得到所有的划痕点。
S208、确定划痕缺陷区域
根据得到的所有的划痕点得到半导体材料上的划痕，对所有的划痕设定包围框，对存在划痕的包围框进行标注并发出警报，根据划痕缺陷区域的结果对半导体材料进行返工修复。
对相邻的划痕点进行连接得到划痕，重复该步骤直至连接完所有的划痕点，得到半导体表面图像中所有的划痕。根据所有的划痕位置得到一个最小面积的包围框，对包围框进行标注并发出警报，根据警报得到存在划痕缺陷的半导体，对存在划痕缺陷的半导体进行返工修复。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种半导体表面缺陷检测方法，其特征在于，包括：
获取半导体表面图像；
统计半导体表面图像中灰度值的频率，对灰度值及其频率进行高斯拟合，得到两个子高斯模型；
根据子高斯模型的均值和方差对灰度值进行阈值分割，得到疑似划痕像素点对应的灰度值，根据疑似划痕像素点的灰度值确定所有的疑似划痕像素点；
以每个疑似划痕像素点为中心点，设置半径得到的圆形区域作为疑似划痕区域，根据疑似划痕区域内疑似划痕像素点和中心点的位置关系确定各疑似划痕像素点属于的疑似划痕方向；
根据每个疑似划痕区域中各疑似划痕方向的初始概率和该疑似划痕方向上各疑似划痕像素点与中心像素点的距离，分别计算每个疑似划痕区域中各疑似划痕方向的划痕概率；
根据疑似划痕区域中每个疑似划痕方向的划痕概率计算该疑似划痕区域为划痕区域的可能性；
设置区域阈值，根据各疑似划痕区域为划痕区域的可能性和区域阈值的关系确定出所有的划痕区域，将划痕区域对应的中心疑似像素点作为划痕点；
将相邻的所有划痕点连接起来得到划痕，直至连接完所有的划痕点，得到所有的划痕。
2.根据权利要求1所述的一种半导体表面缺陷检测方法，其特征在于，所述根据疑似划痕像素点的灰度值确定所有的疑似划痕像素点的方法为：获取疑似划痕像素点的所有灰度值，得到的各灰度值对应的所有像素点为疑似划痕像素点；
其中，疑似划痕像素点的灰度值的获取过程如下：
统计半导体表面图像中各像素点的灰度值的频率，对半导体表面图像的灰度值及其频率进行高斯拟合得到两个子高斯模型；
根据子高斯模型的均值和方差确定灰度阈值，将大于灰度阈值的灰度值确定为疑似划痕像素点的灰度值。
3.根据权利要求1所述的一种半导体表面缺陷检测方法，其特征在于，所述确定各疑似划痕像素点属于的疑似划痕方向的方法如下：
分别以每个疑似划痕像素点为中心，设置区域半径得到一个圆形区域，即疑似划痕区域；
获取疑似划痕区域中其他疑似划痕像素点和中心疑似划痕像素点所成向量与水平向右的直线的夹角；
将夹角相同或相差
Figure 578000DEST_PATH_IMAGE001
的夹角对应的疑似划痕像素点作为一组，同组的疑似划痕像素点处于同一条直线上，将该直线作为一个疑似划痕方向，同组的疑似划痕像素点都属于该疑似划痕方向，确定该疑似划痕区域中所有疑似划痕像素点的疑似划痕方向；
对每个疑似划痕区域进行上述步骤的操作，得到每个疑似划痕区域中的所有疑似划痕像素点的疑似划痕方向。
4.根据权利要求1所述的一种半导体表面缺陷检测方法，其特征在于，所述计算每个疑似划痕区域中各疑似划痕方向的划痕概率的方法为：根据每个疑似划痕区域中各疑似划痕方向的初始概率和该疑似划痕方向上各疑似划痕像素点与中心像素点的距离，分别计算每个疑似划痕区域中各疑似划痕方向的划痕概率，具体计算公式如下：
Figure 618506DEST_PATH_IMAGE002
式中：
Figure 759637DEST_PATH_IMAGE003
表示第
Figure 70664DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 639048DEST_PATH_IMAGE005
个疑似划痕方向的划痕概率，
Figure 589687DEST_PATH_IMAGE006
为第
Figure 135110DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 222015DEST_PATH_IMAGE005
个疑似划痕方向的初始概率，
Figure 712033DEST_PATH_IMAGE007
为第
Figure 212285DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 944486DEST_PATH_IMAGE005
个疑似划痕方向上的疑似划痕像素点的数量，
Figure 479373DEST_PATH_IMAGE008
为第
Figure 937030DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 924578DEST_PATH_IMAGE005
个疑似划痕方向上的疑似划痕像素点的序号，
Figure 194891DEST_PATH_IMAGE009
、
Figure 584284DEST_PATH_IMAGE010
为第
Figure 681684DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 828632DEST_PATH_IMAGE005
个疑似划痕方向上第
Figure 387789DEST_PATH_IMAGE008
个疑似划痕像素点的坐标，
Figure 880956DEST_PATH_IMAGE011
、
Figure 398525DEST_PATH_IMAGE012
为第
Figure 111397DEST_PATH_IMAGE004
个疑似划痕像素点的坐标；
其中疑似划痕方向的初始概率为：该疑似划痕区域中该疑似划痕方向上的疑似划痕像素点在该疑似划痕区域内所有疑似划痕像素点的占比。
5.根据权利要求1所述的一种半导体表面缺陷检测方法，其特征在于，所述根据疑似划痕区域中每个疑似划痕方向的划痕概率计算该疑似划痕区域为划痕区域的可能性的方法为：利用每个疑似划痕区域中各疑似划痕方向的划痕概率以及该疑似划痕区域中的疑似划痕方向数量计算该疑似划痕区域为划痕区域的可能性，具体计算公式如下：
Figure 739825DEST_PATH_IMAGE013
式中：
Figure 87498DEST_PATH_IMAGE014
为疑似划痕区域为划痕区域的可能性，
Figure 775969DEST_PATH_IMAGE015
为第
Figure 976137DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的疑似划痕方向数量，
Figure 142676DEST_PATH_IMAGE016
为第
Figure 610435DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的疑似划痕方向的序号，
Figure 469807DEST_PATH_IMAGE003
表示第
Figure 891692DEST_PATH_IMAGE004
个疑似划痕像素点所对应的疑似划痕区域中的第
Figure 127501DEST_PATH_IMAGE005
个疑似划痕方向的划痕概率。
6.根据权利要求1所述的一种半导体表面缺陷检测方法，其特征在于，所述根据各疑似划痕区域为划痕区域的可能性和区域阈值的关系确定出所有的划痕区域的过程如下：
当疑似划痕区域为划痕区域的可能性小于区域阈值时，该区域中包含划痕缺陷的可能性较小，继续选择未处理过的疑似划痕像素点，重复疑似区域划分到计算疑似划痕区域为划痕区域可能性的步骤；
当疑似划痕区域为划痕区域的可能性大于等于区域阈值时，该区域中包含划痕缺陷的可能性较大，选取该疑似划痕区域中划痕概率最大的划痕方向上的疑似划痕像素点为划痕像素点，并选择该疑似划痕区域中划痕概率最大的划痕方向上的距离中心划痕像素点最远的划痕像素点为新的中心疑似划痕像素点，重复疑似区域划分到计算疑似划痕区域为划痕区域可能性的步骤；
重复上述步骤直到处理完所有的疑似划痕像素点。
7.根据权利要求1所述的一种半导体表面缺陷检测方法，其特征在于，所述半导体表面图像的获取方法为：获取均匀光照下的半导体图像，利用种子填充法对半导体图像进行连通域分析，去除引脚区域及其他背景像素的干扰，得到只包含半导体的半导体表面图像。
CN202210935102.7A 2022-08-05 2022-08-05 一种半导体表面缺陷检测方法 Active CN115020267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210935102.7A CN115020267B (zh) 2022-08-05 2022-08-05 一种半导体表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210935102.7A CN115020267B (zh) 2022-08-05 2022-08-05 一种半导体表面缺陷检测方法

Publications (2)

Publication Number Publication Date
CN115020267A CN115020267A (zh) 2022-09-06
CN115020267B true CN115020267B (zh) 2022-10-11

Family

ID=83066004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210935102.7A Active CN115020267B (zh) 2022-08-05 2022-08-05 一种半导体表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115020267B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115274486B (zh) * 2022-09-27 2022-12-13 南通睿禧智能科技有限公司 一种半导体表面缺陷识别方法
CN115457035B (zh) * 2022-11-10 2023-03-24 山东鲁旺机械设备有限公司 基于机器视觉的建筑吊篮焊接质量检测方法
CN116402808B (zh) * 2023-05-31 2023-08-25 山东华禹威达机电科技有限公司 一种电缆夹板模具制造智能化检测方法
CN116703898B (zh) * 2023-08-03 2023-10-20 山东优奭趸泵业科技有限公司 一种精密机械轴承端面的质量检测方法
CN117115165A (zh) * 2023-10-24 2023-11-24 长沙康乾电子科技有限公司 一种掩膜版加工表面划伤处理方法及装置
CN117173189B (zh) * 2023-11-03 2024-03-05 南通江华机械有限公司 一种铝合金表面抛光效果视觉检测系统
CN117252877B (zh) * 2023-11-17 2024-02-02 济南界龙科技有限公司 基于图像特征的二极体导线架质量检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920233A (zh) * 2017-02-24 2017-07-04 中国人民解放军国防科学技术大学 基于图像处理的划痕检测方法、装置及电子设备
CN111444921A (zh) * 2020-03-25 2020-07-24 浙江华睿科技有限公司 划痕缺陷检测方法、装置、计算设备和存储介质
CN114298996A (zh) * 2021-12-23 2022-04-08 合肥国轩高科动力能源有限公司 基于图像处理的电路板划痕检测方法和系统
CN114742823A (zh) * 2022-05-19 2022-07-12 成都锦城学院 一种物体表面划痕智能检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920233A (zh) * 2017-02-24 2017-07-04 中国人民解放军国防科学技术大学 基于图像处理的划痕检测方法、装置及电子设备
CN111444921A (zh) * 2020-03-25 2020-07-24 浙江华睿科技有限公司 划痕缺陷检测方法、装置、计算设备和存储介质
CN114298996A (zh) * 2021-12-23 2022-04-08 合肥国轩高科动力能源有限公司 基于图像处理的电路板划痕检测方法和系统
CN114742823A (zh) * 2022-05-19 2022-07-12 成都锦城学院 一种物体表面划痕智能检测方法

Also Published As

Publication number Publication date
CN115020267A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN115020267B (zh) 一种半导体表面缺陷检测方法
CN115375676B (zh) 一种基于图像识别的不锈钢制品质量检测方法
CN108460757B (zh) 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
US7200258B2 (en) Method for selecting reference images, method and apparatus for inspecting patterns on wafers, and method for dividing a wafer into application regions
US6779159B2 (en) Defect inspection method and defect inspection apparatus
US6876445B2 (en) Method for analyzing defect data and inspection apparatus and review system
CN115035122B (zh) 基于人工智能的集成电路晶圆表面缺陷检测方法
CN109900719B (zh) 一种叶片表面刀纹的视觉检测方法
CN110443278B (zh) 一种太阳能电池片栅线粗细异常的检测方法、装置及设备
CN109449093A (zh) 晶圆检测方法
CN116152242B (zh) 一种篮球用天然皮革缺陷可视化检测系统
CN115290663B (zh) 基于光学检测的Mini LED晶圆外观缺陷检测方法
CN115274486B (zh) 一种半导体表面缺陷识别方法
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置
CN114445348B (zh) 基于光学手段的新材料水泵缺陷检测方法及系统
CN116128873A (zh) 一种基于图像识别的轴承保持器检测方法、设备及介质
CN117152129B (zh) 一种电池盖板的表面缺陷视觉检测方法及系统
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN112213314B (zh) 晶圆侧面缺陷的检测方法和检测系统
CN113012121B (zh) 裸片扫描结果的处理方法、装置、电子设备与存储介质
CN113643245A (zh) 一种屏幕缺陷的测量方法、装置及计算机可读存储介质
CN117808799B (zh) 基于人工智能的倒角设备加工质量检测方法
CN115100202B (zh) 一种基于图像处理的电缆质量检测方法
CN117495856B (zh) 基于深度学习的晶圆表面检测方法、装置、设备和介质
CN117876376B (zh) 高速率多功能连接器质量视觉检测方法

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
GR01 Patent grant
GR01 Patent grant