CN115272221A - 一种基于图像识别的硅基谐振器件调节方法及系统 - Google Patents

一种基于图像识别的硅基谐振器件调节方法及系统 Download PDF

Info

Publication number
CN115272221A
CN115272221A CN202210875580.3A CN202210875580A CN115272221A CN 115272221 A CN115272221 A CN 115272221A CN 202210875580 A CN202210875580 A CN 202210875580A CN 115272221 A CN115272221 A CN 115272221A
Authority
CN
China
Prior art keywords
microstructure
image
silicon
laser
laser spot
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
CN202210875580.3A
Other languages
English (en)
Inventor
刘玉县
崔健
赵前程
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.)
Peking University
Original Assignee
Peking University
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 Peking University filed Critical Peking University
Priority to CN202210875580.3A priority Critical patent/CN115272221A/zh
Publication of CN115272221A publication Critical patent/CN115272221A/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
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B81—MICROSTRUCTURAL TECHNOLOGY
    • B81C—PROCESSES OR APPARATUS SPECIALLY ADAPTED FOR THE MANUFACTURE OR TREATMENT OF MICROSTRUCTURAL DEVICES OR SYSTEMS
    • B81C99/00—Subject matter not provided for in other groups of this subclass
    • B81C99/0035—Testing
    • B81C99/004—Testing during manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H3/00—Apparatus or processes specially adapted for the manufacture of impedance networks, resonating circuits, resonators
    • H03H3/007—Apparatus or processes specially adapted for the manufacture of impedance networks, resonating circuits, resonators for the manufacture of electromechanical resonators or networks
    • H03H3/02—Apparatus or processes specially adapted for the manufacture of impedance networks, resonating circuits, resonators for the manufacture of electromechanical resonators or networks for the manufacture of piezoelectric or electrostrictive resonators or networks
    • H03H3/04—Apparatus or processes specially adapted for the manufacture of impedance networks, resonating circuits, resonators for the manufacture of electromechanical resonators or networks for the manufacture of piezoelectric or electrostrictive resonators or networks for obtaining desired frequency or temperature coefficient
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Micromachines (AREA)

Abstract

本发明实施例提供了一种基于图像识别的硅基谐振器件调节方法及系统，通过相机标定方法降低图像畸变对图像处理精度的影响；采用自适应阈值分割法与灰度重心法计算出激光光斑中心位置；通过形状匹配算法快速识别出硅基谐振器件中的微结构；采用霍夫检测算法精确地测量出微结构的相关尺寸；图像处理系统作为运动控制与激光加工的反馈，频率检测电路作为硅基谐振器件性能调节的反馈，协同控制四轴运动平台的运动参数与超快脉冲激光的能量参数，进而实现对硅基谐振器件结构尺寸的自动化精准修调。本发明具有修调方法可控、高调节精度、高调节效率等优点，适用于高性能硅基谐振器件的批量制造。

Description

一种基于图像识别的硅基谐振器件调节方法及系统
技术领域
本发明涉及硅基谐振器件微纳制造领域，特别是一种基于图像识别的硅基谐振器件调节方法及系统。
背景技术
硅基谐振器件具有体积小、质量轻、成本低、低功耗和适合批量生产等特点，可广泛应用于汽车牵引控制系统、行驶稳定系统、摄像机稳定系统、飞机稳定系统、以及军事等领域，已成为微机电技术发展的一个重要方向。由于现有针对硅基谐振器件的加工工艺存在较大的加工误差，限制了当前硅基谐振器件良率提升，现有的硅基器件的工艺修调方法包括化学修调、电学修调及激光修调等，而激光修调方法因具有修调控制精度高、修调效果长久有效的优点应用的最为广泛。
但硅基谐振器件的激光修调仍存在以下几个问题：硅基器件的微结构复杂，修调难度大；由于加工误差，不能确定微结构尺寸，影响修调参数的设置，使修调精度降低；修调时激光光斑的定位和刻蚀位置的控制存在困难，使批量化的修调效率低的不足。
发明内容
鉴于上述问题，本发明实施例提供了一种基于图像识别的硅基谐振器件调节方法及系统，以便克服上述问题或者至少部分地解决上述问题。
本发明实施例的第一方面，提供了一种基于图像识别的硅基谐振器件调节方法，包括：
对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集；
获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构；
提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸；
采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标；
定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。
可选地，所述对成像系统进行相机标定，包括：
选择M×N个尺寸为a的正方形作为标定板；
采用几何不变矩、径向约束和高斯定理的校准方法对相机进行标定。
可选地，所述获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，包括：
根据硅基谐振器件结构的几何特性截取不同类型的原结构作为模板；
根据形状匹配算法将所述微结构图像中的微结构与所述微结构模板进行匹配，判断出所述微结构图像中的微结构类型。
可选地，提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸，包括：
采用改进后的弦到点的距离累加算法检测所述微结构轮廓中的错误轮廓并去除，得到正确的微结构轮廓；
根据霍夫直线检测算法测量所述正确微结构轮廓的像素距离，得到所述微结构的尺寸。
可选地，所述在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标，包括：
获取感兴趣区域的直方图，以所述直方图中第一个峰值所对应的灰度值为阈值对所述感兴趣区域进行分割，得到分割后的光斑图像；
采用灰度重心法计算所述分割后的光斑图像的中心坐标。
可选地，所述定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，包括：
通过将标定后的成像系统采集的实时微结构图像与所述微结构模板进行匹配识别，获取所述微结构待修调原点的坐标；
计算所述微结构待修调区域的起始坐标与所述光斑中心坐标的差值，控制运动平台使两点坐标重合，实现自动定位。
可选地，所述根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调，包括：
根据测量的微结构尺寸设置的刻蚀的参数、刻蚀的形状、激光加工功率和加工的速度；
开启激光和气泵，实现自动化激光修调。
本发明实施例的第二方面，提供了一种基于图像识别的硅基谐振器件调节系统，包括：
相机标定模块，用于对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集；
图像识别模块，用于获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构；
尺寸测量模块，用于提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸；
光斑定位模块，用于采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标；
自动修调模块，用于定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。
本发明实施例包括以下优点：
本发明实施例中，对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集，获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构，提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸，采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标，定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。本发明实施例中，通过对相机标定方法降低图像畸变对图像处理精度的影响，通过识别硅基谐振器件中不同微结构，进而精确测量待修调区域的结构尺寸，提高了工艺加工时通过参数设置的精确度，通过激光光斑的中心坐标和加工起始坐标，实现自动定位，提高了定位速度与定位精度，总体提升了修调的精度和效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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是本发明实施例提供的一种基于图像识别的硅基谐振器件调节方法步骤流程图；
图2是本发明实施例提供的一种相机畸变模型的结构示意图；
图3是本发明实施例提供的一种硅基谐振器件的典型微结构示意图；
图4是本发明实施例提供的一种微结构形状匹配算法流程图；
图5是本发明实施例提供的一种微结构的尺寸测量流程图；
图6是本发明实施例提供的一种皮秒激光器光斑示意图；
图7是本发明实施例提供的一种阈值分割后的光斑示意图；
图8是本发明实施例提供的一种硅基谐振器件的微结构自动化修调流程图；
图9是本发明实施例提供的一种基于图像识别的硅基谐振器件调节系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种基于图像识别的硅基谐振器件调节方法，参照图1，图1为本发明实施例提供的一种基于图像识别的硅基谐振器件调节方法步骤流程图，如图1所示，所述方法包括：
步骤S101：对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集。
由于相机在拍摄过程中存在畸变，进而影响后续对图像的处理精度，因此，为了矫正相机拍摄过程中发生畸变的图片，保证测量的精度，需要对成像系统中的相机进行标定，并将标定后的相机用于采集硅基谐振器件中各微结构的图片，以使各微结构图像能够最大程度的正确反映出硅基谐振器件微结构的正确形状，进而保证后续微结构尺寸的测量精度。
可选地，所述对成像系统进行相机标定，包括：
选择M×N个尺寸为a的正方形作为标定板；
采用几何不变矩、径向约束和高斯定理的校准方法对相机进行标定。
在本实施例中，首先选择M×N个尺寸为a的正方形作标定板(例如7×7个尺寸为0.01mm的正方形)，用相机对标定板拍照，对所得到的标定板图片进行轮廓提取。获取标定板中小方格的中心，利用几何不变矩的性质，以中心作为图像坐标系的坐标，再根据选择的世界坐标系原点，得到该中心对应的世界坐标系坐标。通过标定方法计算得到相机的标定参数。具体步骤如下：
A1：分析相机畸变模型，即建立并分析像素坐标系、图像坐标系、相机坐标系与世界坐标系的转换关系，如图2所示，图2为本发明实施例提供的一种相机畸变模型。
A2：确定实际图像坐标与理想图像坐标的关系：
Figure BDA0003762316810000061
其中，Dx，Dy表示理想图像坐标点与实际图像坐标点的径向畸变，Dx是x轴方向的，Dy是y轴方向的，xu和yu表示理想图像坐标点，xd和yd表示实际图像坐标点。
A3：求解参数：ty，tx，R，(u0,v0)。
ty，tx分别为x方向和y方向上的3×1的平移矢量，sx为比例因子，sx＝fx/fy，R为3×3的旋转矩阵，(u0,v0)为图像主心。
A4：引入高斯成像定理，求解参数：tz，tz，f。
tz为z方向的3×1平移矢量，zc为相机镜头到校准板的距离，f为相机的实际焦距，F为相机里透镜的等效焦距，即：
Figure BDA0003762316810000062
A5：使用LM算法(Levenberg-Marquarelt)优化相机参数，具体公式如下：
Figure BDA0003762316810000063
其中，mij表示检测到的点，m^表示映射的点，A为畸变参数k1和k2的矩阵，该式子表示为两点之间的残差值。优化参数的目的就是降低两点之间的残差值。
在本实施例中，通过相机标定方法降低图像畸变对图像处理精度的影响，使基于标定后的成像系统采集的微结构图像能够最大程度的正确反映出硅基谐振器件微结构的正确形状，进而保证后续微结构尺寸的测量精度。
步骤S102：获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构。
硅基谐振器件中包含多个不同的微结构，硅基谐振器件的微结构具有明显的几何特性，为了测量不同硅基谐振器件中不同微结构的尺寸需要识别器件的结构类型，进而根据不同的微结构对应的算法来测量该微结构的尺寸。如图3所示，图3为硅基谐振器件的典型微结构示意图，包括弹性梁(a)、质量块(b)、梳齿(c)等。
可选地，所述获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，包括：
根据硅基谐振器件结构的几何特性截取不同类型的原结构作为模板；
根据形状匹配算法将所述微结构图像中的微结构与所述微结构模板进行匹配，判断出所述微结构图像中的微结构类型。
在图像识别之前需要截取硅基谐振器件中部分原结构作为模板，截取的模板如图3中的(a)(b)(c)所示。图像识别主要由形状匹配算法实现，流程如图4所示，首先对采集的微结构图像进行预处理，然后提取微结构图像与微结构模板图像中微结构的轮廓，通过形状匹配算法识别其相似度，分别计算微结构图像与微结构模板图像的7个Hu矩值，公式如下：
H0＝η20+η02
H1＝(η20-η02)2+4η11 2
H2＝(η30-3η12)2+(3η21-η03)2
H3＝(η30+η12)2+(η21+η03)2
H4＝(η30-3η12)(η30+η12)[(η30+3η12)2-3(η21+η03)2]+(3η21-η03)[3(η30+η12)2-(η21+η03)2]
H5＝(η20-η02)[(η30+η12)2-(η21+η03)2+4η11(η30+η12)(η21+η03)]
H6＝(3η21-η03)(η30+η12)[(η30+η12)2-3(η21+η03)2]+(η30-3η12)(η21+η03)[3(η30+η12)2-(η21+η03)2]
Hu矩值为描述微结构模板图像或采集的微结构图像的形状特征。采用如下公式计算采集的微结构图像和微结构模板图像的匹配度：
Figure BDA0003762316810000071
其中，Hi B表示微结构模板图的Hu矩值，Hi A表示采集图像中微结构的Hu矩值。
计算微结构图像与微结构模板图像的7个Hu矩值差的和，结果越小匹配度越高。当返回值小于预设值d(例如d为0.1)时判断匹配成功。否则返回形状匹配算法与另一种微结构模板图像再次进行匹配，直到匹配成功。
步骤S103：提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸。
硅基谐振器件中具有不同的微结构，每种微结构的形状和尺寸不同，针对不同的微结构，首先需要在微结构图像中提取该微结构轮廓，并根据提取的微结构轮廓计算该微结构的尺寸。
可选地，提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸，包括：
采用改进后的弦到点的距离累加算法检测所述微结构轮廓中的错误轮廓并去除，得到正确的微结构轮廓；
根据霍夫直线检测算法测量所述正确微结构轮廓的像素距离，得到所述微结构的尺寸。
在本实施例中，针对硅基谐振器件中不同的微结构具有相应的测量模块，主要由霍夫直线检测算法实现，如图5所示为微结构的尺寸测量流程图流程图，首先要对待测量的图像进行预处理，然后提取图像结构的轮廓，由于图像中会存在杂质影响轮廓的精准性，所以在对二值化图像提取轮廓之后，再利用改进的弦到点的距离累加算法去检测错误轮廓，并去除掉错误轮廓，得到正确的芯片轮廓，具体包括以下步骤：
B1：定义弦长L，L长度表示轮廓点数，设为2k，Pi为L的中点，即Pi-k和Pi+k为弦长L的端点。
B2：计算Pi到弦长L的距离，即三角形的高h，计算Pi—Pi-k的距离d1，计算Pi—Pi+k的距离d2。
B3：根据以下公式计算角度r的取值。
Figure BDA0003762316810000081
B4：用角度r作为该点曲率的判断条件。
B5：再分别选取Pi作为L的1/4处点和3/4处点，进行上述步骤B1至B4计算，以防止一些错误轮廓点没有被检测出来。
B6：选择三种不同的弦长L，对轮廓进行上述计算。
B7：分别对计算得到的三组角度集，进行归一化处理，即：角度Ci/max(角度C)。
B8：将三组归一化后的角度相乘得到角度积，作为最终判断轮廓角点的曲率。
B9：设定阈值，判断角点轮廓。
由于硅基谐振器件的微结构呈现几何形状，硅基谐振器件的微结构边缘的直线是固定角度，所以首先遍历轮廓点，确定结构的直线角度，再对结构进行霍夫直线检测，具体步骤如下：
C1：按顺序获取直线轮廓点。
C2：按顺序遍历轮廓点，取首点A(x0，y0)，尾点B(x1，y1)，两点之间间隔T个点。
C3：根据A,B之间连成的直线，计算角度为θ。
C4：将θ添加进数组m。
C5：设定一个阈值k，统计数组m中重复元素的次数n，n>k，就提取元素n所在的区间[n-2,n+3)。
C6：得到所有满足条件的元素n，获取所有的角度区间，作为霍夫空间的角度。
最后，根据霍夫直线检测的直线，结构的几何性质，对芯片结构进行尺寸计算，得到结构的长、宽、角度等。
在本实施例中，对提取的微结构轮廓，采用改进后的弦到点的距离累加算法检测微结构轮廓中的错误轮廓并去除，并利用霍夫检测算法对去除错误轮廓后的微结构轮廓进行测量，进而得到准确的微结构尺寸。
步骤S104：采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标。
与飞秒激光和纳秒激光相比，皮秒脉冲激光的脉冲宽度与单晶硅电子与晶格间的热传导时间相近，而且拥有接近飞秒激光脉冲的较高平均功率。使用皮秒激光加工单晶硅，可以有效地减少加工过程中的热影响范围，提高加工精度，获得较高的加工质量，因此使用皮秒激光器实现激光调节系统。
可选地，所述在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标，包括：
获取感兴趣区域的直方图，以所述直方图中第一个峰值所对应的灰度值为阈值对所述感兴趣区域进行分割，得到分割后的光斑图像；
采用灰度重心法计算所述分割后的光斑图像的中心坐标。
由于皮秒脉冲激光产生的光斑中心部分的灰度值最低且集中在一定范围内，外围部分灰度值更高，且存在大量随机噪声，因此可以将激光光斑图像分为三部分，如图6所示，A区域是图像的背景，即激光束以外的区域；B区域是由于激光能量不足导致材料未被完全损伤的部分，并且由于中心区域单晶硅熔化产生的熔渣飞溅会导致该区域存在大量随机噪声，C区域是激光光斑中心部分，是单晶硅完全融化的区域，因此平均灰度值最低。
其中，只有C区域大小相对固定，且灰度分布也比较均匀，因此可以通过设定阈值来分割光斑图像的C区域与其他部分，再定位光斑的中心坐标。首先需要获取光斑图像的直方图，然后以直方图中第一个峰值所对应的灰度值为阈值对图像进行分割，获取的图像更接近光斑中心部分，而且有效地去除了周围的噪声，图像的灰度分布也比较均匀且呈现整体的对称性，如图7所示，再使用灰度重心法计算目标图像的中心坐标，能够得到更加精确的结果。
步骤S105：定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。
通过步骤S101至步骤S104，得到硅基谐振器件的微结构的尺寸、激光光斑的中心坐标，除此之外，还需要获得硅基谐振器件的微结构的待修调区域的起始坐标，实现自动定位，从而实现自动化激光修调。示例地，通过控制四轴运动平台的运动参数与超快脉冲激光的能量参数，实现对硅基谐振器件结构尺寸的自动化精准修调。
可选地，所述定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，包括：
通过将标定后的成像系统采集的实时微结构图像与所述微结构模板进行匹配识别，获取所述微结构待修调原点的坐标；
计算所述微结构待修调区域的起始坐标与所述光斑中心坐标的差值，控制运动平台使两点坐标重合，实现自动定位。
可选地，所述根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调，包括：
根据测量的微结构尺寸设置的刻蚀的参数、刻蚀的形状、激光加工功率和加工的速度；
开启激光和气泵，实现自动化激光修调。
在本实施例中，硅基谐振器件中的微结构自动修调的方式如图8所示。首先，获取微结构的待修调区域的起始坐标，即折叠梁或质量块待修调原点的位置坐标。对采集的微结构图像进行金子塔分层，金子塔分层是一种由精到粗的搜索方法，通过降低模板图像和待匹配图像的分辨率，在低分辨率的两图像上进行特征匹配得到匹配位置后，再在高一级分辨率的图像上相应位置的邻域内寻找匹配位置，一直到最后一级图像，找到最终正确匹配位置为止。低分辨率图像匹配时，像素点少，速度快；高分辨率图像匹配时，因搜索范围缩小，速度也大大提高。其中，模板的选取根据待修调对象不同自动选择不同的微结构模板。其次，提取微结构图像的边缘特征，对微结构图像用滤波器进行平滑滤波，并采用非极值抑制技术对微结构图像进行处理，接着使用细化算法得到单像素宽度边缘图像，最后通过在待匹配微结构图像中逐点移动模板图，以豪斯多夫距离作为相似性度量，获取相似度最大时模板图的位置，该位置即为正确匹配位置。通过上述图像处理技术即可自动获得微结构的待修调原点的位置坐标。
将微结构待加工点的坐标减去激光光斑中心的坐标得到坐标差，通过标定获得成像系统像素坐标与物理坐标间的比例因子计算X，Y方向移动距离，计算机利用所获得的移动距离控制运动平台进行运动。完成移动后，会再次判断待修调区域的起始坐标与激光光斑的中心坐标是否重合，即判断待修调区域的起始坐标与激光光斑中心的坐标差值是否满足预先设置的定位精度要求。例如，若预设的定位精度为5um，当待修调区域的起始坐标与激光光束中心的坐标差值小于5um时，满足定位精度要求，完成自动定位，否则需再次计算待修调区域的起始起始坐标与激光光斑中心坐标的距离，控制移动平进行再次定位，直到满足定位精度要求。自动完成定位并达到相应的定位精度后，根据测量的微结构尺寸设置的刻蚀的参数，激光的功率、加工的速度等，启动激光即可实现自动化修调。在完成一次修调后，检测修调后谐振器频率是否发生改变，若发生改变即修调结束，否则再次启动激光进行第二次修调，直至检测修调后谐振器频率发生改变。
本发明实施例还提供了一种基于图像识别的硅基谐振器件调节系统，参照图9，图9是本申请实施例提出的一种基于图像识别的硅基谐振器件调节系统的结构示意图，所述装置包括：
相机标定模块，用于对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集；
图像识别模块，用于获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构；
尺寸测量模块，用于提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸；
光斑定位模块，用于采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标；
自动修调模块，用于定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。
本发明实施例还提供了一种基于图像识别的硅基谐振器件调节方法及系统，所述方法包括：对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集，获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构，提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸，采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标，定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。用于本发明实施例中，通过对相机标定方法降低图像畸变对图像处理精度的影响，通过识别硅基谐振器件中不同微结构，进而精确测量待修调区域的结构尺寸，提高了工艺加工时通过参数设置的精确度，通过激光光斑的中心坐标和加工起始坐标，实现自动定位，提高了定位速度与定位精度，总体提升了修调的精度和效率。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本发明实施例是参照根据本发明实施例的方法、系统的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于图像识别的硅基谐振器件调节方法及系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于图像识别的硅基谐振器件调节方法，其特征在于，所述方法包括：
对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集；
获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构；
提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸；
采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标；
定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。
2.根据权利要求1所述的方法，其特征在于，所述对成像系统进行相机标定，包括：
选择M×N个尺寸为a的正方形作为标定板；
采用几何不变矩、径向约束和高斯定理的校准方法对相机进行标定。
3.根据权利要求1所述的方法，其特征在于，所述获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，包括：
根据硅基谐振器件结构的几何特性截取不同类型的原结构作为模板；
根据形状匹配算法将所述微结构图像中的微结构与所述微结构模板进行匹配，判断出所述微结构图像中的微结构类型。
4.根据权利要求1所述的方法，其特征在于，提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸，包括：
采用改进后的弦到点的距离累加算法检测所述微结构轮廓中的错误轮廓并去除，得到正确的微结构轮廓；
根据霍夫直线检测算法测量所述正确微结构轮廓的像素距离，得到所述微结构的尺寸。
5.根据权利要求1所述的方法，其特征在于，所述在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标，包括：
获取感兴趣区域的直方图，以所述直方图中第一个峰值所对应的灰度值为阈值对所述感兴趣区域进行分割，得到分割后的光斑图像；
采用灰度重心法计算所述分割后的光斑图像的中心坐标。
6.根据权利要求1所述的方法，其特征在于，所述定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，包括：
通过将标定后的成像系统采集的实时微结构图像与所述微结构模板进行匹配识别，获取所述微结构待修调原点的坐标；
计算所述微结构待修调区域的起始坐标与所述光斑中心坐标的差值，控制运动平台使两点坐标重合，实现自动定位。
7.根据权利要求1所述的方法，其特征在于，所述根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调，包括：
根据测量的微结构尺寸设置的刻蚀的参数、刻蚀的形状、激光加工功率和加工的速度；
开启激光和气泵，实现自动化激光修调。
8.一种基于图像识别的硅基谐振器件调节系统，其特征在于，包括：
相机标定模块，用于对成像系统进行相机标定，求解相机参数，将标定后的成像系统用于图像采集；
图像识别模块，用于获取所述硅基谐振器件中的微结构图像，根据微结构模板匹配识别所述微结构图像中的微结构类型，其中，所述微结构模板为不同硅基谐振器中不同微结构的原始结构；
尺寸测量模块，用于提取所述微结构图像的轮廓，利用所述微结构对应的检测算法测量所述微结构的尺寸；
光斑定位模块，用于采集激光光斑的图像，在所述激光光斑的图像中选取光斑所在区域为感兴趣区域，对所述感兴趣区域进行阈值分割，计算激光光斑的中心坐标；
自动修调模块，用于定位所述微结构中待修调区域的起始坐标，并根据所述激光光斑的中心坐标实现自动定位，根据所述微结构测量的尺寸规划加工路线，实现自动化激光修调。
CN202210875580.3A 2022-07-25 2022-07-25 一种基于图像识别的硅基谐振器件调节方法及系统 Pending CN115272221A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210875580.3A CN115272221A (zh) 2022-07-25 2022-07-25 一种基于图像识别的硅基谐振器件调节方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210875580.3A CN115272221A (zh) 2022-07-25 2022-07-25 一种基于图像识别的硅基谐振器件调节方法及系统

Publications (1)

Publication Number Publication Date
CN115272221A true CN115272221A (zh) 2022-11-01

Family

ID=83769079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210875580.3A Pending CN115272221A (zh) 2022-07-25 2022-07-25 一种基于图像识别的硅基谐振器件调节方法及系统

Country Status (1)

Country Link
CN (1) CN115272221A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116604195A (zh) * 2023-07-20 2023-08-18 天津视骏科技有限公司 一种用于晶体刻蚀的激光调频定位处理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116604195A (zh) * 2023-07-20 2023-08-18 天津视骏科技有限公司 一种用于晶体刻蚀的激光调频定位处理方法
CN116604195B (zh) * 2023-07-20 2023-09-26 天津视骏科技有限公司 一种用于晶体刻蚀的激光调频定位处理方法

Similar Documents

Publication Publication Date Title
CN106558080B (zh) 一种单目相机外参在线标定方法
DE69831917T2 (de) Verbessertes Verfahren und Vorrichtung zur Waferprobendetektion
CN111126174A (zh) 一种用于机器人抓取零件的视觉检测方法
CN112070759B (zh) 一种叉车托盘检测与定位方法及系统
CN114897864B (zh) 基于数模信息的工件检测及缺陷判断方法
CN114743259A (zh) 位姿估计方法、位姿估计系统、终端、存储介质及应用
CN112598922B (zh) 车位检测方法、装置、设备及存储介质
CN102169581A (zh) 一种基于特征向量的快速高精度鲁棒性匹配方法
CN115272221A (zh) 一种基于图像识别的硅基谐振器件调节方法及系统
CN112329880A (zh) 一种基于相似性度量和几何特征的模板快速匹配方法
CN111832760B (zh) 一种基于视觉算法的井盖自动巡检方法
CN112598066A (zh) 一种基于机器视觉的轻量化道路路面检测方法及系统
CN111640154A (zh) 一种基于显微视觉的立针微平面亚像素级定位方法
CN115273033A (zh) 一种提取道路标线的方法、装置、介质及设备
CN115115607A (zh) 一种基于图像分析的图像形状特征提取识别方法
CN116935013B (zh) 基于三维重建的电路板点云大范围拼接方法及系统
CN113129260A (zh) 一种锂电池电芯内部缺陷的自动检测方法及装置
CN114742869B (zh) 基于图形识别的脑部神经外科配准方法及电子设备
CN116883498A (zh) 基于灰度质心提取算法的视觉合作靶标特征点定位方法
CN113436120B (zh) 一种图像模糊值识别方法及装置
CN115020174A (zh) 带电粒子束扫描成像设备实际像素尺寸的测量和监控方法
CN113327192B (zh) 一种通过三维测量技术测算汽车行驶速度的方法
JPH10312463A (ja) 物体認識方法およびその装置
CN112288808B (zh) 基于视觉的柴油发动机活塞缸台阶孔直径位置测量方法
CN111539919B (zh) 一种杆塔部件位置判断和轨迹巡检方法及装置

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