CN116542934B - 薄膜电容工艺检测方法及电子设备 - Google Patents
薄膜电容工艺检测方法及电子设备 Download PDFInfo
- Publication number
- CN116542934B CN116542934B CN202310514328.4A CN202310514328A CN116542934B CN 116542934 B CN116542934 B CN 116542934B CN 202310514328 A CN202310514328 A CN 202310514328A CN 116542934 B CN116542934 B CN 116542934B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- detected
- preset
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000003990 capacitor Substances 0.000 title claims abstract description 22
- 239000010409 thin film Substances 0.000 title claims abstract description 22
- 230000008569 process Effects 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 126
- 239000010408 film Substances 0.000 claims abstract description 35
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000005192 partition Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 206010020880 Hypertrophy Diseases 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 241000519995 Stachys sylvatica Species 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001969 hypertrophic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (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)
- Image Processing (AREA)
Abstract
本申请提供一种薄膜电容工艺检测方法及电子设备。方法包括:获取采集基膜得到的待测图像及预先创建的与待测图像对应的模板图像,其中,基膜包括用于制作薄膜电容的呈阵列排布的多个内电极;基于模板图像中的预设图区,对待测图像进行分区定位,得到相匹配的多个图区组,其中,多个图区组中的每个图区组包括模板图像中的任一预设图区及待测图像中与任一预设图区对应的待测图区;针对每个图区组,对待测图区和任一预设图区相同位置的像素点的灰度值相减,得到待测图区的残差图区;根据预设分类策略,确定残差图区的检测结果,检测结果包括表征残差图区是否存在缺陷的结果。如此,有利于提高薄膜电容的内电极缺陷检测准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种薄膜电容工艺检测方法及电子设备。
背景技术
薄膜电容作为电子设备中大量使用的电子元件之一,薄膜电容在生产制造过程中,需要先制作内电极,然后,再利用多层片状内电极和电介质进行堆叠,或者利用长条状的内电极进行卷绕,以制造薄膜电容。薄膜电容中的内电极为一种薄膜片状或条状结构。生产的内电极需要进行缺陷检测,且在经过缺陷检测后,才能用于制作薄膜电容。由于薄膜电容的内电极为柔性材料,在高精度拍摄下,光学成像设备在对柔性物体进行观测时,柔性物体容易因外力或自身重量等原因发生变形,使得原本应该检测的位置发生偏差,影响检测结果的准确性;并且柔性物体的柔软度和弯曲度较高,相比于硬质物体更难以固定位置和形状,柔性物体常常存在多种缺陷;此外,柔性物体的表面通常有一定的光泽,会反射光线,增加了检测过程中的干扰和误差。目前,内电极的检测通常是人工目测,而工人长时间地进行重复目测,容易产生视觉疲劳而导致缺陷检测的准确性降低。
发明内容
有鉴于此,本申请实施例的目的在于提供一种薄膜电容工艺检测方法及电子设备,能够改善薄膜电容的内电极缺陷检测准确性低的问题。
为实现上述技术目的,本申请采用的技术方案如下:
第一方面,本申请实施例提供了一种薄膜电容工艺检测方法,所述方法包括:
获取采集基膜得到的待测图像及预先创建的与所述待测图像对应的模板图像,其中,所述基膜包括用于制作薄膜电容的呈阵列排布的多个内电极,所述模板图像中的每个内电极均满足表征外观正常的指定条件;
基于所述模板图像中的预设图区,对所述待测图像进行分区定位,得到相匹配的多个图区组,其中,所述多个图区组中的每个图区组包括所述模板图像中的任一预设图区及所述待测图像中与所述任一预设图区对应的待测图区;
针对所述每个图区组,对所述待测图区和所述任一预设图区相同位置的像素点的灰度值相减,得到所述待测图区的残差图区;
根据预设分类策略,确定所述残差图区的检测结果,所述检测结果包括表征所述残差图区是否存在缺陷的结果。
结合第一方面,在一些可选的实施方式中,在获取采集基膜得到的待测图像及预先创建的与所述待测图像对应的模板图像之前,所述方法还包括:
获取与所述基膜对应的参考图像;
对所述参考图像进行区域划分,得到多个预设图区;
针对所述多个预设图区的每个预设图区,利用Sobel算子确定所述预设图区中权重最高的像素点以作为定位点;
针对所述每个预设图区,将所述定位点预设范围内的图区作为所述预设图区的定位核,并记录所述定位核在所述参考图像中的第一位置坐标及所述每个预设图区的第二位置坐标,得到所述每个预设图区的所述定位核,并形成所述模板图像。
结合第一方面,在一些可选的实施方式中,基于所述模板图像中的预设图区,对所述待测图像进行分区定位,得到相匹配的多个图区组,包括:
在所述待测图像中,生成与每个所述定位核的第一位置坐标相同的第三位置坐标,以及与所述每个预设图区的第二位置坐标相同的第四位置坐标;
利用相似度匹配算法,确定所述模板图像中每个第一位置坐标的图区与所述待测图像中相应的第三位置坐标的图区的位置偏差;
根据每个第三位置坐标的位置偏差,修正所述待测图像中与相应预设图区对应的第四位置坐标,得到相匹配的所述多个图区组,其中,在所述待测图像中每个修正后的第四位置坐标的图区与相应预设图区相匹配,并作为一个图区组。
结合第一方面,在一些可选的实施方式中,根据预设分类策略,确定所述残差图区的检测结果,包括:
对所述残差图区进行Blob分析,得到缺陷区域;
基于所述缺陷区域的形状、面积和灰度值,确定所述检测结果。
结合第一方面,在一些可选的实施方式中,基于所述缺陷区域的形状、面积和灰度值,确定所述检测结果,包括:
基于预先建立的形状、面积和灰度值与缺陷类别的关系表,查表确定是否存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别;
当所述关系表中存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别时,将查找到的缺陷类别作为所述检测结果;
当所述关系表中不存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别时,得到表征所述残差图区不存在缺陷的所述检测结果。
结合第一方面,在一些可选的实施方式中,所述方法还包括:
对所述待测图像进行闭运算,得到经过闭运算的待测图像;
基于第一预设灰度值,对所述经过闭运算的待测图像进行阈值分割,得到二值化的待测图像,所述第一预设灰度值为所述待测图像中前景与背景的灰度差值;
遍历所述二值化的待测图像中每个内电极,以进行线扫统计,并统计大于预设宽度的所有线宽;
针对每个内电极,确定所述所有线宽的标准差;
当任一内电极的所述标准差大于指定值,确定所述任一内电极存在肥大类的缺陷,以作为所述检测结果。
结合第一方面,在一些可选的实施方式中,所述方法还包括:
对所述待测图像进行闭运算得到第一图像,以及对所述待测图像进行开运算得到第二图像;
对所述第一图像和所述第二图像相同位置的像素点的灰度值相减,得到所述待测图像的残差图像;
基于第二预设灰度值,对所述残差图像进行阈值分割,得到二值化的残差图像;
对所述残差图像进行Blob分析,确定所述残差图像中是否存在缺陷区域;
当所述残差图像中存在缺陷区域时,且缺陷区域的连通域的面积小于第一预设面积时,确定内电极存在毛刺类的缺陷,以作为所述检测结果。
结合第一方面,在一些可选的实施方式中,所述方法还包括:
对所述待测图像进行开运算,得到经过开运算的待测图像;
将所述待测图像与所述经过开运算的待测图像相减,并将得到的结果记为第一中间图像;
基于第三预设灰度值,对所述第一中间图像进行二值化,得到二值化的第一中间图像,其中,所述第三预设灰度值大于所述待测图像中的前景的灰度值,且小于所述待测图像中的背景的灰度值;
基于第四预设灰度值,对所述待测图像进行二值化,得到二值化的待测图像,其中,所述第四预设灰度值为所述待测图像中前景的平均灰度值和背景的平均灰度值之间的值;
将所述二值化的第一中间图像与所述二值化的待测图像进行与操作,并将得到的图像记为第二中间图像;
当所述第二中间图像中存在表征白色的像素点时,确定所述基膜存在白点类的缺陷,并基于所述表征白色的像素点在所述第二中间图像上的位置在所述待测图像中进行缺陷标记,以作为所述检测结果。
结合第一方面,在一些可选的实施方式中,所述方法还包括:
当所述检测结果包括表征所述待测图像存在缺陷的结果时,发出预警提示,并在所述待测图像中标记缺陷区域。
第二方面,本申请实施例还提供一种电子设备,所述电子设备包括相互耦合的处理器及存储器,所述存储器内存储计算机程序,当所述计算机程序被所述处理器执行时,使得所述电子设备执行如上述的方法。
采用上述技术方案的发明,具有如下优点:
在本申请提供的技术方案中,利用模板图像中的预设图区,对待测图像进行分区定位,得到相匹配的多个图区组;针对每个图区组,对待测图区和任一预设图区相同位置的像素点的灰度值相减,得到待测图区的残差图区;根据预设分类策略,确定残差图区的检测结果。如此,通过对待测图像进行分区定位,降低因基膜形变导致的待测图像中的内电极图区位置偏移,另外,通过分区检测,有利于实现对大面积的基膜上内电极的缺陷检测,并提高缺陷检测的准确性与可靠性。
附图说明
本申请可以通过附图给出的非限定性实施例进一步说明。应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的薄膜电容工艺检测方法的流程示意图。
图2为本申请实施例提供的待测图区与预设图区的示意图。
图3为本申请实施例提供的待测图区中存在毛刺缺陷的示意图。
图4为本申请实施例提供的待测图区中存在白点缺陷的示意图。
图5为本申请实施例提供的待测图区中存在缺失缺陷的示意图。
图6为本申请实施例提供的待测图区中存在肥大缺陷的示意图。
图7为本申请实施例提供的待测图区中存在脏污缺陷的示意图。
具体实施方式
以下将结合附图和具体实施例对本申请进行详细说明,需要说明的是,在附图或说明书描述中,相似或相同的部分都使用相同的图号,附图中未绘示或描述的实现方式,为所属技术领域中普通技术人员所知的形式。在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供一种电子设备,电子设备可以包括处理模块及存储模块。存储模块内存储计算机程序,当计算机程序被所述处理模块执行时,使得电子设备能够执行下述薄膜电容工艺检测方法中的相应步骤。
在本实施例中,电子设备可以是但不限于个人电脑、服务器等设备。
请参照图1,本申请还提供一种薄膜电容工艺检测方法,可以应用于上述的电子设备,由电子设备执行或实现方法的各步骤。其中,薄膜电容工艺检测方法可以包括如下步骤:
步骤110,获取采集基膜得到的待测图像及预先创建的与所述待测图像对应的模板图像,其中,所述基膜包括用于制作薄膜电容的呈阵列排布的多个内电极,所述模板图像中的每个内电极均满足表征外观正常的指定条件;
步骤120,基于所述模板图像中的预设图区,对所述待测图像进行分区定位,得到相匹配的多个图区组,其中,所述多个图区组中的每个图区组包括所述模板图像中的任一预设图区及所述待测图像中与所述任一预设图区对应的待测图区;
步骤130,针对所述每个图区组,对所述待测图区和所述任一预设图区相同位置的像素点的灰度值相减,得到所述待测图区的残差图区;
步骤140,根据预设分类策略,确定所述残差图区的检测结果,所述检测结果包括表征所述残差图区是否存在缺陷的结果。
下面将对薄膜电容工艺检测方法的各步骤进行详细阐述,如下:
在步骤110之前,方法还可以包括创建模板图像的步骤。例如,在步骤110之前,方法还可以包括:
获取与所述基膜对应的参考图像;
对所述参考图像进行区域划分,得到多个预设图区;
针对所述多个预设图区的每个预设图区,利用Sobel算子确定所述预设图区中权重最高的像素点以作为定位点;
针对所述每个预设图区,将所述定位点预设范围内的图区作为所述预设图区的定位核,并记录所述定位核在所述参考图像中的第一位置坐标及所述每个预设图区的第二位置坐标,得到所述每个预设图区的所述定位核,并形成所述模板图像。
可理解地,在采集参考图像时,可以通过人工目检基膜上的内电极外观尺寸是否均正常,若基膜上的内电极的外观尺寸均正常,则可以通过图像采集模块,对该基膜进行扫描采集,以得到参考图像。图像采集模块可以是但不限于高光谱相机、线阵相机、高清相机等。
在对参考图像进行区域划分时,可以根据实际情况进行灵活划分。例如,基于参考图像,横向与纵向各分别切割为若干个人为设定的区域,每个预设区域的像素尺寸为300*300,不足该尺寸的区域,仍然被划分为一个预设区域。
在本实施例中,针对每个预设图区,利用Sobel算子可以对划分的预设图区中的所有像素点进行权重运算,然后,将权重最高的像素点作为该预设图区的定位点。
针对每个预设图区,在利用定位点设置定位核时,预设范围可以根据实际情况灵活确定。例如,预设范围可以为像素尺寸为25*49的矩形区域,即,以定位点为矩形中心点,且像素尺寸为25*49的矩形区域作为预设图区的定位核。如此,每个预设图区都会有一个特定的定位核。
在记录位置坐标时,第一位置坐标可以指每个定位核的四个顶点或中心点(即为定位点)在参考图像上的坐标。第二位置坐标可以指每个预设区域的左上角顶点或其他顶点的坐标。在参考图像中,完成所有第一位置坐标和第二位置坐标的记录后,便形成模板图像。其中,创建好的模板图像可以存储记录在电子设备的存储模块中。
在步骤110中,待测图像可以为通过图像采集模块,采集待测的基膜得到的图像。电子设备可以从图像采集模块获取到待测图像,以及从存储模块中获取模板图像。
可理解地,采集待测图像时的基膜与采集参考图像时的基膜通常属于同一版型的不同基膜。模板图像中基膜上的每个内电极均满足表征外观正常的指定条件,而待测图像中基膜上的内电极的外观不一定均正常。指定条件可以根据实际情况灵活确定,用于表示内电极的外观符合制造要求,不存在外观缺陷。
请结合参照图2至图7,外观缺陷可以包括但不限于重影缺陷(参见图2所示待测图区的虚线方框区域)、毛刺缺陷(参见图3的白色方框区域)、白点缺陷(参见图4的白色方框区域)、缺失缺陷(参见图5的白色方框区域)、肥大缺陷(参见图6的白色方框区域)及脏污缺陷(参见图7的白色方框区域)。
在本实施例中,步骤120基于所述模板图像中的预设图区,对所述待测图像进行分区定位,得到相匹配的多个图区组,可以包括:
在所述待测图像中,生成与每个所述定位核的第一位置坐标相同的第三位置坐标,以及与所述每个预设图区的第二位置坐标相同的第四位置坐标;
利用相似度匹配算法,确定所述模板图像中每个第一位置坐标的图区与所述待测图像中相应的第三位置坐标的图区的位置偏差;
根据每个第三位置坐标的位置偏差,修正所述待测图像中与相应预设图区对应的第四位置坐标,得到相匹配的所述多个图区组,其中,在所述待测图像中每个修正后的第四位置坐标的图区与相应预设图区相匹配,并作为一个图区组。
可理解地,待测图像对应的实体基膜的尺寸与内电极的排版,通常与模板图像对应的实体基膜的尺寸和内电极的排版相同。由于实体基膜为柔性薄膜,容易形变,因此采集得到的待测图像中的基膜可能存在形变,使得待测图像与模板图像中相同排版位置的内电极的位置可能存在偏差。
在步骤120中,通过相似度匹配算法,对模板图像中任一个第一位置坐标的图区(即为一个预设图区)与待测图像中相应的第三位置坐标的图区(即为待校正的待测图区)进行图像配准。例如,通过相似度匹配算法在待测图区中找到与预设图区中的定位核的图像内容相同的位置区域,基于该位置区域在待测图像上的位置坐标和定位核的第一位置坐标,便可以得到预设图区与未校正的待测图区的位置偏差。其中,相似度匹配算法可以是但不限于SSDA(序贯相似性检测)算法。
可理解地,针对模板图像中的每个预设图区,利用相似度匹配算法,可以计算得到待测图像中每个未校正的待测图区的位置偏差。然后,基于位置偏差,对未校正的待测图区进行位置修正,使得修正后的待测图区上的内电极与模板图像上相应的预设图区上的内电极位置重合或接近重合。请参照图2,为待测图像上的一个待测图区与模板图像上相匹配的预设图区的对照示意图,图2所示的两个图区即为一个图区组。
需要说明的是,在进行分区定位之前,可以寻找待测图像和模板图像的轮廓作为初次定位,即使得待测图像与模板图像的轮廓重叠,以实现初次定位。在完成初次定位之后,在进行分区定位。
在步骤130中,针对每个图区组中的待测图区和预设图区,对相同位置的像素点的灰度值相减,得到的灰度值即为残差图区相同位置的像素点的灰度值;通过遍历待测图像和预设图区中的每个位置相同的像素点,并执行减法操作,如此,可以得到待测图区的残差图。例如,在待测图区和预设图区中,将位置坐标为(0,0)的像素点的灰度值相减,得到的灰度值作为残差图区中坐标为(0,0)的像素点的灰度值。其中,待测图区、预设图区及残差图区的尺寸相同。
在本实施例中,预设分类策略可以根据实际情况灵活确定。例如,步骤140根据预设分类策略,确定所述残差图区的检测结果,可以包括:
对所述残差图区进行Blob(Binary Large Object,二进制大对象)分析,得到缺陷区域;
基于所述缺陷区域的形状、面积和灰度值,确定所述检测结果。
可理解地,Blob分析可以对残差图区的连通域提取和标记,从而可以得到缺陷区域。
其中,基于所述缺陷区域的形状、面积和灰度值,确定所述检测结果,可以包括:
基于预先建立的形状、面积和灰度值与缺陷类别的关系表,查表确定是否存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别;
当所述关系表中存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别时,将查找到的缺陷类别作为所述检测结果;
当所述关系表中不存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别时,得到表征所述残差图区不存在缺陷的所述检测结果。
在本实施例中,形状、面积和灰度值与缺陷类别的关系表可以根据实际情况灵活确定。在检测得到缺陷区域的形状、面积和灰度值后,可以通过查表得到待测区域是否存在缺陷,以及在存在缺陷时的缺陷类别。缺陷类别可以包括但不限于上述的重影缺陷、毛刺缺陷、白点缺陷、缺失缺陷、肥大缺陷及脏污缺陷。
作为一种可选的实施方式,方法还可以包括:
对所述待测图像进行闭运算,得到经过闭运算的待测图像;
基于第一预设灰度值,对所述经过闭运算的待测图像进行阈值分割,得到二值化的待测图像,所述第一预设灰度值为所述待测图像中前景与背景的灰度差值;
遍历所述二值化的待测图像中每个内电极,以进行线扫统计,并统计大于预设宽度的所有线宽;
针对每个内电极,确定所述所有线宽的标准差;
当任一内电极的所述标准差大于指定值,确定所述任一内电极存在肥大类的缺陷,以作为所述检测结果。
在本实施例中,灰度差值指灰度值的差值的绝对值。例如,第一预设阈值可以为待测图像中的前景的平均灰度值与背景的平均灰度值的差值的绝对值。具体地,比如在图3中,前景即为黑色条形区域,平均灰度值可以记为G1;背景为除去黑色条形区域之外的区域,平均灰度值可以记为G2。黑色条形区域即为内电极。第一预设阈值可以记为G0,计算方式可以为G0=|G1-G2|。
对待测图像进行阈值分割的方式可以为:遍历待测图像中的每个像素点的灰度值,若灰度值超过第一预设灰度值,则将该像素点的灰度值置为255,以表示纯白色;若灰度值未超过第一预设阈值,则将该像素点的灰度值置为0,以表示纯黑色,如此,可以将待测图像二值化,以转换为黑白图像。
预设宽度可以为略小于内电极的正常宽度的值。例如,预设宽度可以为内电极的正常宽度的75%。标准差的指定值可以根据实际情况灵活确定,该指定值可以为0或接近0的值。
示例性地,对该二值化的待测图像中的内电极图像做线扫统计,统计大于0.75倍的内电极正常宽度的所有线宽,计算该所有线宽的标准差,标准差大于0表示线宽分布不均匀,即为重影肥大缺陷。
作为一种可选的实施方式,方法还可以包括:
对所述待测图像进行闭运算得到第一图像,以及对所述待测图像进行开运算得到第二图像;
对所述第一图像和所述第二图像相同位置的像素点的灰度值相减,得到所述待测图像的残差图像;
基于第二预设灰度值,对所述残差图像进行阈值分割,得到二值化的残差图像;
对所述残差图像进行Blob分析,确定所述残差图像中是否存在缺陷区域;
当所述残差图像中存在缺陷区域时,且缺陷区域的连通域的面积小于第一预设面积时,确定内电极存在毛刺类的缺陷,以作为所述检测结果。
在本实施例中,对待测图像进行闭运算,可理解为对图像先膨胀,后腐蚀,它有助于关闭前景物体内部的小孔,或物体上的小黑点。比如,去除图像中内电极的毛刺。图像开运算是指待测图像依次经过腐蚀、膨胀处理后的过程。待测图像被腐蚀后,去除了噪声,但是也压缩了图像;接着对腐蚀过的图像进行膨胀处理,可以去除噪声,并保留原有图像。在本实施例中,闭运算是为了消除毛刺,开运算是为了去掉白点。
可理解地,第一图像与第二图像相减之后,当残差图像中存在灰度值大于等于第二预设灰度值的像素点时,则表示存在缺陷区域。第二预设灰度值可以为待测图像中前景(指内电极的图区)的平均灰度值的一半。
第一预设面积可以根据实际情况灵活确定。为了提高识别的精度,可以设置面积的下限。即,缺陷区域的面积小于第一预设面积,且大于第二预设面积,才确定内电极存在毛刺类的缺陷。第二预设面积小于第一预设面积,如此,可以提高毛刺检测的可靠性。示例性地,第一预设面积为1000个像素的面积,第二预设面积为50个像素的面积。
在本实施例中,可以通过统计毛刺连通域的个数筛选出带有毛刺的电极及毛刺数量。
作为一种可选的实施方式,方法还可以包括:
对所述待测图像进行开运算,得到经过开运算的待测图像;
将所述待测图像与所述经过开运算的待测图像相减,并将得到的结果记为第一中间图像;
基于第三预设灰度值,对所述第一中间图像进行二值化,得到二值化的第一中间图像,其中,所述第三预设灰度值大于所述待测图像中的前景的灰度值,且小于所述待测图像中的背景的灰度值;
基于第四预设灰度值,对所述待测图像进行二值化,得到二值化的待测图像,其中,所述第四预设灰度值为所述待测图像中前景的平均灰度值和背景的平均灰度值之间的值;
将所述二值化的第一中间图像与所述二值化的待测图像进行与操作,并将得到的图像记为第二中间图像;
当所述第二中间图像中存在表征白色的像素点时,确定所述基膜存在白点类的缺陷,并基于所述表征白色的像素点在所述第二中间图像上的位置在所述待测图像中进行缺陷标记,以作为所述检测结果。
在本实施例中,经过开运算的待测图像中,会关闭图像中黑色区域内的小白点,即,使得小白点的区域变成黑色。当待测图像与经过开运算的待测图像相减,相同灰度值的像素点相减后灰度值为0,即为黑色,因此,若待测图像的内电极中存在小白点,则在所得到的第一中间图像会存在小白点,且在第一中间图像中,其余图区通常为黑色或接近黑色。
待测图像中的前景的灰度值较小,通常在5至10之间浮动。第三预设灰度值可以为待测图像中的前景(指内电极的图区)的平均灰度值的两倍,即,2倍前景灰度值仍然小于背景或小白点的灰度值。在其他实施方式中,第三预设灰度值可以为前景的平均灰度值与背景平均灰度值之和的一半。利用第三预设灰度值作为检测是否存在白点类缺陷的临界值,有利于实现白点类缺陷的准确检测。
在本实施例中,第四预设灰度值可以为待测图像中前景的平均灰度值与背景的平均灰度值之和的一半。
与操作可理解为:遍历二值化的第一中间图像和二值化的待测图像中相同位置的像素点的灰度值,若两个像素点均为白色(灰度值为255),则进行与操作后的像素点为白色(灰度值为255);若两个像素点均为黑色(灰度值为0),则进行与操作后的像素点为黑色(灰度值为0);若两个像素点中的一个为白色(灰度值为255),另一个为黑色(灰度值为0),则进行与操作后的像素点为黑色(灰度值为0)。
在本实施例中,进行与操作的目的是为了仅关注位于内电极内部的白点,而无需关注在内电极之外的白点。经过与操作后,待测图像中在内电极外部的白点便不会在第二中间图像中出现,从而有利于提高白点缺陷检测的准确性与可靠性。
在第二中间图像中,任一像素点的灰度值为0或255。若存在灰度值为255的像素点,则意味着存在表征白色的像素点,也就表示待测图像中的内电极存在白点缺陷。此时,便可以基于该白色像素点在第二中间图像上的位置坐标,在待测图像中对白点缺陷位置进行定位并标记,如图4所示,以便于操作人员快速对缺陷位置进行定位。
作为一种可选的实施方式,方法还可以包括:
当所述检测结果包括表征所述待测图像存在缺陷的结果时,发出预警提示,并在所述待测图像中标记缺陷区域。
可理解地,当检测到待测图像的基膜上,存在任一种类的缺陷(比如为上述的重影缺陷、毛刺缺陷、白点缺陷、缺失缺陷、肥大缺陷及脏污缺陷中的任一种),则在待测图像中,对缺陷区域进行标记,标记方式可以如图3至图7通过方框的方式,进行高亮标注。另外,发出预警提示,有利于操作人员及时发现异常情况。
在本实施例中,在不同种类的缺陷检测过程中,采用开运算、闭运算或其结合的方式进行图像处理,如此,有助于降低干扰与误差,提高缺陷检测的准确性。
在本实施例中,处理模块可以是一种集成电路芯片,具有信号的处理能力。上述处理模块可以是通用处理器。例如,该处理器可以是中央处理器(Central Processing Unit,CPU)、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储模块可以是,但不限于,随机存取存储器,只读存储器,可编程只读存储器,可擦除可编程只读存储器,电可擦除可编程只读存储器等。在本实施例中,存储模块可以用于存储待测图像、模板图像、预设灰度值等。当然,存储模块还可以用于存储程序,处理模块在接收到执行指令后,执行该程序。
需要说明的是,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的电子设备的具体工作过程,可以参考前述方法中的各步骤对应过程,在此不再过多赘述。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现,基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本申请各个实施场景所述的方法。
在本申请所提供的实施例中,应该理解到,所揭露的装置、系统和方法,也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种薄膜电容工艺检测方法,其特征在于,所述方法包括:
获取采集基膜得到的待测图像及预先创建的与所述待测图像对应的模板图像,其中,所述基膜包括用于制作薄膜电容的呈阵列排布的多个内电极,所述模板图像中的每个内电极均满足表征外观正常的指定条件;
基于所述模板图像中的预设图区,对所述待测图像进行分区定位,得到相匹配的多个图区组,其中,所述多个图区组中的每个图区组包括所述模板图像中的任一预设图区及所述待测图像中与所述任一预设图区对应的待测图区;
针对所述每个图区组,对所述待测图区和所述任一预设图区相同位置的像素点的灰度值相减,得到所述待测图区的残差图区;
根据预设分类策略,确定所述残差图区的检测结果,所述检测结果包括表征所述残差图区是否存在缺陷的结果;
对所述待测图像进行开运算,得到经过开运算的待测图像;
将所述待测图像与所述经过开运算的待测图像相减,并将得到的结果记为第一中间图像;
基于第三预设灰度值,对所述第一中间图像进行二值化,得到二值化的第一中间图像,其中,所述第三预设灰度值大于所述待测图像中的前景的灰度值,且小于所述待测图像中的背景的灰度值;
基于第四预设灰度值,对所述待测图像进行二值化,得到二值化的待测图像,其中,所述第四预设灰度值为所述待测图像中前景的平均灰度值和背景的平均灰度值之间的值;
将所述二值化的第一中间图像与所述二值化的待测图像进行与操作,并将得到的图像记为第二中间图像;
当所述第二中间图像中存在表征白色的像素点时,确定所述基膜存在白点类的缺陷,并基于所述表征白色的像素点在所述第二中间图像上的位置在所述待测图像中进行缺陷标记,以作为所述检测结果。
2.根据权利要求1所述的方法,其特征在于,在获取采集基膜得到的待测图像及预先创建的与所述待测图像对应的模板图像之前,所述方法还包括:
获取与所述基膜对应的参考图像;
对所述参考图像进行区域划分,得到多个预设图区;
针对所述多个预设图区的每个预设图区,利用Sobel算子确定所述预设图区中权重最高的像素点以作为定位点;
针对所述每个预设图区,将所述定位点预设范围内的图区作为所述预设图区的定位核,并记录所述定位核在所述参考图像中的第一位置坐标及所述每个预设图区的第二位置坐标,得到所述每个预设图区的所述定位核,并形成所述模板图像。
3.根据权利要求2所述的方法,其特征在于,基于所述模板图像中的预设图区,对所述待测图像进行分区定位,得到相匹配的多个图区组,包括:
在所述待测图像中,生成与每个所述定位核的第一位置坐标相同的第三位置坐标,以及与所述每个预设图区的第二位置坐标相同的第四位置坐标;
利用相似度匹配算法,确定所述模板图像中每个第一位置坐标的图区与所述待测图像中相应的第三位置坐标的图区的位置偏差;
根据每个第三位置坐标的位置偏差,修正所述待测图像中与相应预设图区对应的第四位置坐标,得到相匹配的所述多个图区组,其中,在所述待测图像中每个修正后的第四位置坐标的图区与相应预设图区相匹配,并作为一个图区组。
4.根据权利要求1所述的方法,其特征在于,根据预设分类策略,确定所述残差图区的检测结果,包括:
对所述残差图区进行Blob分析,得到缺陷区域;
基于所述缺陷区域的形状、面积和灰度值,确定所述检测结果。
5.根据权利要求4所述的方法,其特征在于,基于所述缺陷区域的形状、面积和灰度值,确定所述检测结果,包括:
基于预先建立的形状、面积和灰度值与缺陷类别的关系表,查表确定是否存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别;
当所述关系表中存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别时,将查找到的缺陷类别作为所述检测结果;
当所述关系表中不存在与所述缺陷区域的形状、面积和灰度值对应的缺陷类别时,得到表征所述残差图区不存在缺陷的所述检测结果。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述待测图像进行闭运算,得到经过闭运算的待测图像;
基于第一预设灰度值,对所述经过闭运算的待测图像进行阈值分割,得到二值化的待测图像,所述第一预设灰度值为所述待测图像中前景与背景的灰度差值;
遍历所述二值化的待测图像中每个内电极,以进行线扫统计,并统计大于预设宽度的所有线宽;
针对每个内电极,确定所述所有线宽的标准差;
当任一内电极的所述标准差大于指定值,确定所述任一内电极存在肥大类的缺陷,以作为所述检测结果。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述待测图像进行闭运算得到第一图像,以及对所述待测图像进行开运算得到第二图像;
对所述第一图像和所述第二图像相同位置的像素点的灰度值相减,得到所述待测图像的残差图像;
基于第二预设灰度值,对所述残差图像进行阈值分割,得到二值化的残差图像;
对所述残差图像进行Blob分析,确定所述残差图像中是否存在缺陷区域;
当所述残差图像中存在缺陷区域时,且缺陷区域的连通域的面积小于第一预设面积时,确定内电极存在毛刺类的缺陷,以作为所述检测结果。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述方法还包括:
当所述检测结果包括表征所述待测图像存在缺陷的结果时,发出预警提示,并在所述待测图像中标记缺陷区域。
9.一种电子设备,其特征在于,所述电子设备包括相互耦合的处理器及存储器,所述存储器内存储计算机程序,当所述计算机程序被所述处理器执行时,使得所述电子设备执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514328.4A CN116542934B (zh) | 2023-05-09 | 2023-05-09 | 薄膜电容工艺检测方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514328.4A CN116542934B (zh) | 2023-05-09 | 2023-05-09 | 薄膜电容工艺检测方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542934A CN116542934A (zh) | 2023-08-04 |
CN116542934B true CN116542934B (zh) | 2023-12-22 |
Family
ID=87443084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310514328.4A Active CN116542934B (zh) | 2023-05-09 | 2023-05-09 | 薄膜电容工艺检测方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542934B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
CN105241894A (zh) * | 2015-08-28 | 2016-01-13 | 北京大恒图像视觉有限公司 | 一种用于多工序柔性印刷品检测的模板配准方法 |
CN105466947A (zh) * | 2014-09-29 | 2016-04-06 | 斯克林集团公司 | 工序监视装置及工序监视方法 |
CN112465775A (zh) * | 2020-11-26 | 2021-03-09 | 云谷(固安)科技有限公司 | 触控面板缺陷检测系统及触控面板缺陷检测方法 |
CN112734691A (zh) * | 2020-12-17 | 2021-04-30 | 郑州金惠计算机系统工程有限公司 | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 |
CN114882037A (zh) * | 2022-07-11 | 2022-08-09 | 北京中科慧眼科技有限公司 | 基于动态印次掩模的图像缺陷检测方法和系统 |
CN115205223A (zh) * | 2022-06-22 | 2022-10-18 | 锋睿领创(珠海)科技有限公司 | 透明物体的视觉检测方法、装置、计算机设备及介质 |
CN115272280A (zh) * | 2022-08-16 | 2022-11-01 | 杭州安脉盛智能技术有限公司 | 一种缺陷检测方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022105404A (ja) * | 2021-01-04 | 2022-07-14 | 株式会社東芝 | 処理装置、溶接システム、処理方法、プログラム、及び記憶媒体 |
-
2023
- 2023-05-09 CN CN202310514328.4A patent/CN116542934B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
CN105466947A (zh) * | 2014-09-29 | 2016-04-06 | 斯克林集团公司 | 工序监视装置及工序监视方法 |
CN105241894A (zh) * | 2015-08-28 | 2016-01-13 | 北京大恒图像视觉有限公司 | 一种用于多工序柔性印刷品检测的模板配准方法 |
CN112465775A (zh) * | 2020-11-26 | 2021-03-09 | 云谷(固安)科技有限公司 | 触控面板缺陷检测系统及触控面板缺陷检测方法 |
CN112734691A (zh) * | 2020-12-17 | 2021-04-30 | 郑州金惠计算机系统工程有限公司 | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 |
CN115205223A (zh) * | 2022-06-22 | 2022-10-18 | 锋睿领创(珠海)科技有限公司 | 透明物体的视觉检测方法、装置、计算机设备及介质 |
CN114882037A (zh) * | 2022-07-11 | 2022-08-09 | 北京中科慧眼科技有限公司 | 基于动态印次掩模的图像缺陷检测方法和系统 |
CN115272280A (zh) * | 2022-08-16 | 2022-11-01 | 杭州安脉盛智能技术有限公司 | 一种缺陷检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
柔性电路板硅胶帽定位缺陷视觉检测算法研究;苑玮琦 等;《电脑与信息技术》;第26卷(第4期);38-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN116542934A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102110634B1 (ko) | 자유형의 주의 영역들을 사용한 웨이퍼 검사 | |
CN104718428A (zh) | 图案的检查、测量装置及程序 | |
JP2007508633A (ja) | 物体輪郭画像を解析する方法および画像処理装置、物体を検出する方法および画像処理装置、産業用視覚装置、スマートカメラ、画像ディスプレイ、セキュリティシステム、ならびにコンピュータプログラム製品 | |
CN110197180B (zh) | 字符缺陷检测方法、装置及设备 | |
US11315229B2 (en) | Method for training defect detector | |
CN116542945B (zh) | 晶圆图像分割处理方法、电子设备及存储介质 | |
CN111626941A (zh) | 一种基于深度学习语义分割的文档矫正方法 | |
CN112347292A (zh) | 缺陷标注方法和装置 | |
CN114820334A (zh) | 图像修复方法、装置、终端设备和可读存储介质 | |
CN113034447A (zh) | 一种边缘缺陷检测方法和装置 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN116542934B (zh) | 薄膜电容工艺检测方法及电子设备 | |
JP4104213B2 (ja) | 欠陥検出方法 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
US20150117769A1 (en) | Blob-Encoding | |
CN114937037B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
CN115984197A (zh) | 基于标准pcb图像的缺陷检测方法及相关装置 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
JP2004515830A (ja) | 欠陥検出のための二次分散プロット技術 | |
US20030185431A1 (en) | Method and system for golden template image extraction | |
EP4235563B1 (en) | Method and arrangements for removing erroneous points from a set of points of a 3d virtual object provided by 3d imaging | |
CN112700413B (zh) | 答题卡异常检测方法、装置、电子设备及存储介质 | |
JP2000321038A (ja) | パターン欠陥検出方法 | |
CN117274267B (zh) | 掩膜版图的自动检测方法、装置、处理器以及电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231126 Address after: 401120 Chongqing Yubei District Joint Industrial Incubation Base Collaborative Innovation Zone Phase 3 Applicant after: Chongqing Research Institute of Harbin Institute of Technology Applicant after: HARBIN INSTITUTE OF TECHNOLOGY Address before: 401135 Phase 3, Collaborative Innovation Zone, Yubei District Joint Industry Incubation Base, Chongqing Applicant before: Chongqing Research Institute of Harbin Institute of Technology |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |