CN116164641A - 一种基于机器视觉的探针台运动位置补偿方法 - Google Patents
一种基于机器视觉的探针台运动位置补偿方法 Download PDFInfo
- Publication number
- CN116164641A CN116164641A CN202310047507.1A CN202310047507A CN116164641A CN 116164641 A CN116164641 A CN 116164641A CN 202310047507 A CN202310047507 A CN 202310047507A CN 116164641 A CN116164641 A CN 116164641A
- Authority
- CN
- China
- Prior art keywords
- wafer
- image
- movement
- characteristic points
- motion
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Robotics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种基于机器视觉的探针台运动位置补偿方法,建立由若干个单位网格构成的晶圆运动点阵图,在晶圆上设置特征点,伺服电机控制晶圆以晶圆上特征点按照一个单位网格为移动距离的方式进行运动,晶圆每移动一个单位网格,相机拍摄采集运动后的晶圆图片,测算采集到的晶圆图片上特征点的实际位置,将特征点在点阵图中移动后的理论位置与实际位置进行对比并得出运动误差,然后根据运动误差进行位置补偿,使晶圆每移动一个单位网格进行一次运动误差的位置补偿,直至晶圆运动至所需位置。本方法对用晶圆上的特殊点对晶圆片移动的整个过程进行补偿,对全过程中每个可能出现的位置建立网格,与实际的位置进行比较,来实现对于全过程的补偿。
Description
技术领域
本发明涉及一种基于机器视觉的探针台运动位置补偿方法。
背景技术
机器视觉测量技术发展迅速,已被广泛应用于各个领域。基于机器视觉的半导体晶圆测距定位算法可以提高晶圆生产的质量,也是我国智能制造领域的关键技术。在晶圆加工过程,探针台对晶圆的焊锡盘进行点焊时,要求探针拥有较高的运动精度,因此需要对探针台运动的误差进行补偿,否则会出现点焊不精准的情况。
传统位置矫正方法大都对于选定的点(即从起点和终点)一次补偿,这种补偿方式默认过程中其他位置产生的误差是线性的误差,即假设起点为(0,0),终点为(x,y),最终补偿需要向Y轴移动距离b,需要向X轴移动距离a,则一次性补偿时对于中间的点(x1,y1),需要向Y轴移动距离为b1,b1=(y1/y)*b。需要向X轴移动的距离为a1,a1=(x1/x)*a。
这样的方法未考虑到过程中误差的随机性,只精准的补偿了误差终点的误差,会导致当探针点下时,并不是所有的探针都能精准的找到所有需要点焊的位置,这种方式无法保证对电机行进过程中的所有点的正确补偿,无法保证设备运行的重复性,存在很大风险,所以本发明采用一种基于机器视觉的探针台运动位置补偿方法与晶圆片上特殊记号配合形成新运动补偿机制,保证整体设备运动的精准度。
发明内容
本发明是为了解决上述现有技术存在的问题而提供一种基于机器视觉的探针台运动位置补偿方法,此方法实现对探针台晶圆运动的全过程补偿。
本发明所采用的技术方案有:
一种基于机器视觉的探针台运动位置补偿方法,建立由若干个单位网格构成的晶圆运动点阵图,在晶圆上设置特征点,伺服电机控制晶圆以晶圆上特征点按照一个单位网格为移动距离的方式进行运动,晶圆每移动一个单位网格,相机拍摄采集运动后的晶圆图片,测算采集到的晶圆图片上特征点的实际位置,将特征点在点阵图中移动后的理论位置与所述实际位置进行对比并得出运动误差,然后根据运动误差进行位置补偿,使晶圆每移动一个单位网格进行一次运动误差的位置补偿,直至晶圆运动至所需位置。
进一步地,晶圆每移动一个单位网格相机拍摄一次并提取晶圆图片上特征点的实际位置,特征点提取的流程为:
相机采集每次移动后晶圆图片,对采集的晶圆图片进行灰度化,并以特征点在点阵图上每次移动后的理论位置为中心划定一个边长为20像素的正方形ROI区域,然后在所画的正方形ROI区域内用模板匹配的方式来寻找晶圆上的特征点,将寻找得到的特征点作为特征点实际的移动位置。
进一步地,所述模板匹配的方式为:
建立特征点的模板图像,设模板图像尺寸是w * h,设正方形ROI区域的尺寸为W *H;模板匹配时,模板图像在正方形ROI区域内遍历(W-w+1)*(H-h+1)次,然后查找整个正方形ROI区域内与模板图像相似匹配度数值最高的图像,得出特征点并完成模板匹配。
进一步地,所述晶圆图片上特征点提取前,通过高通滤波处理的方法对特征点的图像进行增强处理,处理过程为:
1)在晶圆图片上划定感兴趣区域,所述特征点位于感兴趣区域的中心部位;
2)利用高斯滤波将感兴趣区域图像的低频分量与高频分量分离开来;
3)采用高通滤波让感兴趣区域图像中的高频分量通过,实现对感兴趣区域图像的锐化增强。
本发明具有如下有益效果:
根据本发明的于机器视觉的探针位置补偿方法,一方面通过机器视觉图像处理对位置进行实时反馈,提高补偿准确率。另一方面,不像传统的只对设备整体运行的补偿进行一定的线性补偿,本方法对用晶圆上的特殊点对晶圆片移动的整个过程进行补偿,对全过程中每个可能出现的位置建立网格,与实际的位置进行比较,来实现对于全过程的补偿。
附图说明
图1为本发明探针台运动位置补偿整体流程示意图。
图2为特征点提取工作流程示意图。
图3为模板匹配示意图。
图4为图像增强处理中感兴趣区域划定和图像增强的示意图。
图5为晶圆运动点阵样式图。
实施方式
下面结合附图对本发明作进一步的说明。
如图1至图5,本发明一种基于机器视觉的探针台运动位置补偿方法,建立由若干个单位网格构成的晶圆运动点阵图,在晶圆上设置特征点,伺服电机控制晶圆以晶圆上特征点按照一个单位网格为移动距离的方式进行运动,晶圆每移动一个单位网格,相机拍摄采集运动后的晶圆图片,测算采集到的晶圆图片上特征点的实际位置,将特征点在点阵图中移动后的理论位置与所述实际位置进行对比并得出运动误差,然后根据运动误差进行位置补偿,使晶圆每移动一个单位网格进行一次运动误差的位置补偿,直至晶圆运动至所需位置。
图2为本发明特征点提取工作流程示意图,其工作顺序包括:相机采集每次移动后晶圆图片,对采集的晶圆图片进行灰度化,并以特征点在点阵图上每次移动后的理论位置为中心划定一个边长为20像素的正方形ROI区域,这样一方面可以提高之后模板匹配的速度,一方面可以去掉不相关的干扰,随后在所画的ROI区域内用模板匹配来寻找晶圆上的特殊标记点(即特征点),最后记录标记点的坐标,并作为实际的移动的位置。
模板匹配即是在整体图像里寻找与模板图像最相似的部分,模板匹配原理为如果输入图像(原始图像)尺寸是W * H,模板的尺寸是w * h。在进行模板匹配时,模板在原始图像内遍历。
在水平方向上:遍历的起始坐标是原始图像左数第1个像素值(序号从1开始)。最后一次比较是当模板图像位于原始图像的最右侧时,此时其左上角像素点所在的位置是W-w+1。因此,在水平方向上的大小是W-w+1(水平方向上的比较次数)。
在水平方向上:遍历的起始坐标是原始图像左数第1个像素值(序号从1开始),最后一次比较是当模板图像位于原始图像的最右侧时,此时其左上角像素点所在的位置是W-w+1。因此,在水平方向上的大小是W-w+1(水平方向上的比较次数)。
在垂直方向上:遍历的起始坐标从原始图像顶端的第1个像素开始。最后一次比较是当模板图像位于原始图像的最下端时,此时其左上角像素点所在位置是H-h+1。所以,在垂直方向上的大小是H-h+1(垂直方向上的比较次数)。
即原始图像尺寸是 W * H,模板的尺寸是w * h,则返回值的大小为(W-w+1)* (H-h+1),也就是说,模板图像要在输入图像内比较(W-w+1)*(H-h+1)次。
例如,在图3中,左上方的2×2小方块是模板图像,右下方的10×10图像是输入图像(原始图像)。在进行模板匹配时:首先将模板图像置于输入图像的左上角,模板图像在向右移动时,最远只能位于输入图像的最右侧边界处,此时模板图像左上角的像素对应着输入图像的第9列(输入图像宽度-模板图像宽度+1=10-2+1=9)。
模板图像在向下移动时,最远只能位于输入图像最下端的边界处。此时模板图像左上角的像素对应着输入图像的第9行(输入图像高度-模板图像高度+1=10-2+1=9)。
根据上述分析可知,比较结果的大小满足(W-w+1)*(H-h+1),在上例中就是(10-2+1)×(10-2+1),即9×9。也就是说,模板图像要在输入图像内总计比较9×9=81次,这些比较结果将构成一个9×9大小的二维数组。最后查找整个数组找到数组里最大的值,即和整个模板最为相似的地方,完成模板匹配。
晶圆图片上特征点提取前,通过高通滤波处理的方法对特征点的图像进行增强处理,处理过程为:
1)在晶圆图片上划定感兴趣区域(图4展示的是划定感兴趣区域),所述特征点位于感兴趣区域的中心部位;
2)利用高斯滤波将感兴趣区域图像的低频分量与高频分量分离开来;
3)采用高通滤波让感兴趣区域图像中的高频分量通过,实现对感兴趣区域图像的锐化增强。
本发明所采取的图像增强主要原理是在频域对图像增强,利用滤波算法减弱低频部分、增强高频部分,来减少光照变化,也使得边缘锐化、细节突出,具体为:
假设划定的感兴趣区域图像的亮度信息表示为f(x,y),
f(x, y)= i(x, y)r(x,y)
其中,i(x,y) 表示照射分量,代表描述景物照度的信息,变化缓慢,其可以看作是图像的低频成分;
r(xy) 表示反射分量,代表描述景物细节的信息,变化较快,可以看作图像的高频成分。
因为i(x,y)和r(x,y)是相乘的关系,首先需要对f(x,y)进行对数运算,分离出与i(x,y)和r(x,y)的相关分量,从而对其进行傅里叶变换,进而进行频域处理。即令:
z(x,y)=lnf(x, y)= lni(x, y)+ lnr(x, y)
对z(x,y)进行傅里叶变换可表示为:
Z(u,v)= Fi(u,v)+Fr(u,v)
然后对Z(u,v)进行高通滤波处理,在频域即为Z(u,v)与高通滤波函数H(u,v)相乘:
S(u,v)= H(u,v) Z(u,v)= H(u,v)F(u,)+ H (u,v)F, (u,v)
由于高通滤波器会抑制低频部分,所以滤波后会提取出高频部分r(x,y)对应的对数频域分量,再进行IDFT(傅里叶逆变换),有:
s(x, y)=IDFT( S(u,v) )
最后利用指数运算可以得到图像g(x,y),即为处理后的图像。
图5展示的是晶圆补偿的点阵图模式,本发明采用的是建立一个电机移动距离最小单位的网格,让电机控制晶圆的特征点移动到每个格相应的位置上,然后通过相机视觉观察实际位置与理论移动位置之间的偏差确定所需要的补偿值。本发明通过点阵图的建立可以保证移动的每一个位置都得到补偿,根据点阵图上的每一个坐标点的偏差针对性的补偿,可以极大程度上提高设备移动的精度,确保设备整体的加工精度能够保证探针准确的点在晶圆上焊锡盘的位置上。
考虑到需要对全程进行精准的补偿,所以本发明采用了点阵图,为整个晶圆的移动过程建立坐标,以设备运行的最小单位来进行补偿,这样可以保证在移动过程种产生的所有误差都得到补偿,可以让焊针精准的找到每一个焊锡盘所在的位置,而不再是靠定位起始点而去推断其他点,这种全面的补偿,可以补偿电机产生的误差,因为电机虽确定最小单位移动距离,但在实际移动过程中可能并未达到实际距离,而通过全面的补偿即可将这部分的误差消除,进一步的提高整体设备的精准度。
本发明还依托于机器视觉对于关键点的识别,使得对于晶圆移动的实际位置有更加准确的判断,不同于传统的依靠位置传感器,本发明通过机器视觉来给予位置反馈,通过选择更加清晰的摄像头可以将位置精确到一个像素点,而相对于实际坐标精确的5um以内,对提高本发明的精准度有着至关重要的作用。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (4)
1.一种基于机器视觉的探针台运动位置补偿方法,其特征在于:
建立由若干个单位网格构成的晶圆运动点阵图,在晶圆上设置特征点,伺服电机控制晶圆以晶圆上特征点按照一个单位网格为移动距离的方式进行运动,晶圆每移动一个单位网格,相机拍摄采集运动后的晶圆图片,测算采集到的晶圆图片上特征点的实际位置,将特征点在点阵图中移动后的理论位置与所述实际位置进行对比并得出运动误差,然后根据运动误差进行位置补偿,使晶圆每移动一个单位网格进行一次运动误差的位置补偿,直至晶圆运动至所需位置。
2.如权利要求1所述的基于机器视觉的探针台运动位置补偿方法,其特征在于:晶圆每移动一个单位网格相机拍摄一次并提取晶圆图片上特征点的实际位置,特征点提取的流程为:
相机采集每次移动后晶圆图片,对采集的晶圆图片进行灰度化,并以特征点在点阵图上每次移动后的理论位置为中心划定一个边长为20像素的正方形ROI区域,然后在所画的正方形ROI区域内用模板匹配的方式来寻找晶圆上的特征点,将寻找得到的特征点作为特征点实际的移动位置。
3.如权利要求2所述的基于机器视觉的探针台运动位置补偿方法,其特征在于:所述模板匹配的方式为:
建立特征点的模板图像,设模板图像尺寸是w * h,设正方形ROI区域的尺寸为W * H;模板匹配时,模板图像在正方形ROI区域内遍历(W-w+1)*(H-h+1)次,然后查找整个正方形ROI区域内与模板图像相似匹配度数值最高的图像,得出特征点并完成模板匹配。
4.如权利要求2所述的基于机器视觉的探针台运动位置补偿方法,其特征在于:所述晶圆图片上特征点提取前,通过高通滤波处理的方法对特征点的图像进行增强处理,处理过程为:
1)在晶圆图片上划定感兴趣区域,所述特征点位于感兴趣区域的中心部位;
2)利用高斯滤波将感兴趣区域图像的低频分量与高频分量分离开来;
3)采用高通滤波让感兴趣区域图像中的高频分量通过,实现对感兴趣区域图像的锐化增强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310047507.1A CN116164641A (zh) | 2023-01-31 | 2023-01-31 | 一种基于机器视觉的探针台运动位置补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310047507.1A CN116164641A (zh) | 2023-01-31 | 2023-01-31 | 一种基于机器视觉的探针台运动位置补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116164641A true CN116164641A (zh) | 2023-05-26 |
Family
ID=86417702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310047507.1A Pending CN116164641A (zh) | 2023-01-31 | 2023-01-31 | 一种基于机器视觉的探针台运动位置补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116164641A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576092A (zh) * | 2024-01-15 | 2024-02-20 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
-
2023
- 2023-01-31 CN CN202310047507.1A patent/CN116164641A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576092A (zh) * | 2024-01-15 | 2024-02-20 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
CN117576092B (zh) * | 2024-01-15 | 2024-03-29 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148162B (zh) | 一种基于复合算子的异源图像匹配方法 | |
CN111126174A (zh) | 一种用于机器人抓取零件的视觉检测方法 | |
CN111251336B (zh) | 一种基于视觉定位的双臂协同智能装配系统 | |
CN112348864A (zh) | 一种融合线激光轮廓特征的三维点云自动配准方法 | |
JP5317250B2 (ja) | 画像処理方法および画像処理装置 | |
CN101122457A (zh) | 影像边界扫描系统及方法 | |
CN109684941B (zh) | 一种基于matlab图像处理荔枝果实采摘区域划分方法 | |
CN116164641A (zh) | 一种基于机器视觉的探针台运动位置补偿方法 | |
CN110310310A (zh) | 一种针对航空影像配准的改进方法 | |
CN102169581A (zh) | 一种基于特征向量的快速高精度鲁棒性匹配方法 | |
CN113706593B (zh) | 一种适用于车辆几何通过性参数检测的车辆底盘点云融合方法 | |
US20240062988A1 (en) | Machine vision-based automatic focusing and automatic centering method and system | |
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 | |
CN114463425B (zh) | 一种基于概率Hough直线检测的工件表面无特征点定位方法 | |
CN109448109A (zh) | 扫描电镜图像的三维重建方法 | |
CN112150541A (zh) | 一种多led晶片定位算法 | |
CN116758266A (zh) | 一种指针式仪表的读数方法 | |
CN111243006A (zh) | 一种基于图像处理的液滴接触角及尺寸的测量方法 | |
CN113610906B (zh) | 一种基于融合图像引导的多视差图像序列配准方法 | |
Yao et al. | High precision tuning device of microwave cavity filter based on hand-eye coordination | |
CN109919969B (zh) | 一种利用深度卷积神经网络实现视觉运动控制的方法 | |
CN117970595B (zh) | 一种基于深度学习和图像处理的显微镜自动对焦方法 | |
CN110349169A (zh) | 一种直线测量方法 | |
CN110781746A (zh) | 一种枸杞识别与定位方法 | |
CN110148151A (zh) | 一种运动目标提取方法与装置 |
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 |