CN117233158A - 芯片表面缺陷检测方法及相关装置 - Google Patents

Abstract

本申请实施例提出一种芯片表面缺陷检测方法及相关装置，涉及图像处理领域。获取待测芯片的待测图像，并根据预存的模板图像在待测图像中确定多个检测区域；模板图像根据待测芯片对应的标准芯片图像生成；分别确定各个检测区域内存在的缺陷区域，并根据各个缺陷区域的缺陷特征确定缺陷区域是否属于芯片表面缺陷。该方法可通过分区检测提高芯片表面缺陷的检测准确性，同时无需采用复杂的系统结构，因此可降低检测成本。

Description

芯片表面缺陷检测方法及相关装置

技术领域

本申请涉及图像处理领域，具体而言，涉及一种芯片表面缺陷检测方法及相关装置。

背景技术

目前，随着集成电路行业的快速发展，芯片的应用领域越来越多，而对于工艺复杂程度较高的芯片，其在生产制造过程中不可避免地会出现影响性能的表面缺陷，因此为了保证产品质量和出货良率，对出厂芯片进行表面缺陷检测显得尤为重要。

现有技术中，一般可以通过基于深度学习技术的检测和使用扫描激光显微镜的检测，对芯片表面缺陷进行检测，但基于深度学习技术的检测在面对小样本的环境下存在检测准确率低的问题，而使用扫描激光显微镜的检测由于系统结构复杂，也存在成本较高的问题。

发明内容

有鉴于此，本申请的目的在于提供芯片表面缺陷检测方法及相关装置，以解决现有技术中存在的检测准确率低、检测成本高的问题。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本发明提供一种芯片表面缺陷检测方法，所述方法包括：

获取所述待测芯片的待测图像，并根据预存的模板图像在所述待测图像中确定多个检测区域；所述模板图像根据所述待测芯片对应的标准芯片图像生成；

分别确定各个所述检测区域内存在的缺陷区域，并根据各个所述缺陷区域的缺陷特征确定所述缺陷区域是否属于芯片表面缺陷。

在可选的实施方式中，所述模板图像包括全局模板图像以及多个分区模板图像；所述获取所述待测芯片的待测图像，并根据预存的模板图像在所述待测图像中确定多个检测区域，包括：

获取取像部件针对所述待测芯片采集的待测图像，并对所述待测图像进行多尺度比例缩放，获得多个不同尺度的尺度待测图像；

根据所述全局模板图像和多个所述尺度待测图像，确定所述待测芯片在所述待测图像中的芯片位置以及所述全局模板图像到所述待测图像的仿射变换矩阵；所述仿射变换矩阵表征各个所述分区模板图像到所述待测图像的仿射变换关系；

根据所述芯片位置以及所述仿射变换矩阵分别将各个所述分区模板图像仿射至所述待测图像，以在所述待测图像中确定多个检测区域；其中，每个所述分区模板图像对应一个检测区域。

在可选的实施方式中，所述根据所述全局模板图像和多个所述尺度待测图像，确定所述待测芯片在所述待测图像中的芯片位置以及所述全局模板图像到所述待测图像的仿射变换矩阵，包括：

分别对各个所述尺度待测图像进行滑动遍历，计算各个所述尺度待测图像与所述全局模板图像之间的相似度，并根据各个所述相似度确定所述待测芯片在所述待测图像中的芯片位置；

根据所述全局模板图像和多个所述尺度待测图像确定所述全局模板图像与所述待测图像之间的变换参数，并根据所述变换参数和预设的单位矩阵，确定所述全局模板图像到所述待测图像的仿射变换矩阵。在可选的实施方式中，所述检测区域包括感光区域、黑胶区域以及PAD区域；

所述分别确定各个所述检测区域内存在的缺陷区域，并根据各个所述缺陷区域的缺陷特征确定所述缺陷区域是否属于芯片表面缺陷，包括：

确定所述感光区域内存在的划伤裂纹缺陷区域以及第一内外污染区域，并根据所述划伤裂纹缺陷区域的划伤裂纹缺陷特征以及所述第一内外污染区域的第一内外污染缺陷特征，确定所述划伤裂纹缺陷区域和所述第一内外污染缺陷特征是否属于所述芯片表面缺陷；

确定所述黑胶区域内存在的第二内外污染区域，并根据所述第二内外污染区域的第二内外污染缺陷特征，确定所述第二内外污染区域是否属于所述芯片表面缺陷；

确定所述PAD区域内存在的崩边缺陷区域和气泡缺陷区域，并根据所述崩边缺陷区域的崩边缺陷特征，以及气泡缺陷区域的气泡缺陷特征，确定所述崩边缺陷区域和所述气泡缺陷区域是否属于所述芯片表面缺陷。

在可选的实施方式中，所述划伤裂纹缺陷特征包括所述划伤裂纹缺陷区域的中轴长度和圆形度，所述第一内外污染缺陷特征包括所述第一内外污染区域的第一面积；

所述确定所述感光区域内存在的划伤裂纹缺陷区域以及第一内外污染区域，并根据所述划伤裂纹缺陷区域的划伤裂纹缺陷特征以及所述第一内外污染区域的第一内外污染缺陷特征，确定所述划伤裂纹缺陷区域和所述第一内外污染缺陷特征是否属于所述芯片表面缺陷，包括：

对所述感光区域进行纹理滤波，获得感光区域低频图像，并通过二值化计算和形态学处理，从所述感光区域低频图像中确定所述划伤裂纹缺陷区域；

计算所述划伤裂纹缺陷区域的中轴长度和圆形度，根据所述中轴长度、所述圆形度、预设中轴长度以及预设圆形度，确定所述划伤裂纹缺陷区域是否属于所述芯片表面缺陷；

根据第一预设阈值从所述感光区域中分割出至少一个第一内外污染区域；

计算各个所述第一内外污染区域的第一面积，并根据各个所述第一面积和第一预设面积，确定各个所述第一内外污染缺陷特征是否属于所述芯片表面缺陷。

在可选的实施方式中，所述第二内外污染缺陷特征包括所述第二内外污染区域的第二面积和内外污染内接圆半径；

所述确定所述黑胶区域内存在的第二内外污染区域，并根据所述第二内外污染区域的第二内外污染缺陷特征，确定所述第二内外污染区域是否属于所述芯片表面缺陷，包括：

根据第二预设阈值在所述黑胶区域中分割出所述第二内外污染区域；

计算所述第二内外污染区域的第二面积和内外污染内接圆半径，并根据所述第二面积、所述内外污染内接圆半径、第二预设面积以及预设内外污染内接圆半径，确定所述第二内外污染区域是否属于所述芯片表面缺陷。

在可选的实施方式中，所述崩边缺陷特征包括崩边内接圆半径，所述气泡缺陷特征包括气泡内接圆半径；

所述确定所述PAD区域内存在的崩边缺陷区域和气泡缺陷区域，并根据所述崩边缺陷区域的崩边缺陷特征，以及气泡缺陷区域的气泡缺陷特征，确定所述崩边缺陷区域和所述气泡缺陷区域是否属于所述芯片表面缺陷，包括：

对所述PAD区域进行傅里叶变换和高斯滤波，获得高斯滤波图像，并对所述高斯滤波图像进行傅里叶变换，获得所述PAD区域对应的背景图像；

将所述PAD区域与所述背景图像进行差分，获得差分图像，并根据第三预设阈值和第四预设阈值从所述差分图像中分割出所述气泡缺陷区域和所述崩边缺陷区域；所述气泡缺陷区域的灰度值大于所述崩边缺陷区域的灰度值；

分别计算所述气泡缺陷区域的气泡内接圆半径以及所述崩边缺陷区域的崩边内接圆半径；

根据所述气泡内接圆半径和预设气泡内接圆半径确定所述气泡缺陷区域是否属于所述芯片表面缺陷，根据所述崩边内接圆半径和预设崩边内接圆半径确定所述崩边缺陷区域是否属于所述芯片表面缺陷。

在可选的实施方式中，所述方法还包括：

获取所述待测芯片对应的标准芯片图像，并将所述标准芯片图像作为全局模板图像进行存储；

根据预设分区阈值对所述标准芯片图像进行二值化运算，获得多个分区图像，并将多个所述分区图像作为分区模板图像进行保存；所述分区图像包括感光区图像、黑胶区图像以及PAD区图像，且所述感光区图像的灰度值小于所述PAD区图像的灰度值，所述PAD区图像的灰度值小于所述黑胶区图像的灰度值。

第二方面，本发明提供一种芯片表面缺陷检测装置，所述装置包括：

确定模块，用于获取所述待测芯片的待测图像，并根据预存的模板图像在所述待测图像中确定多个检测区域；所述模板图像根据所述待测芯片对应的标准芯片图像生成；

检测模块，用于分别确定各个所述检测区域内存在的缺陷区域，并根据各个所述缺陷区域的缺陷特征确定所述缺陷区域是否属于芯片表面缺陷。

第三方面，本发明提供一种检测设备，包括取像部件以及处理部件，所述取像部件与所述处理部件连接；

所述取像部件用于通过取像得到待测芯片的待测图像；

所述处理部件用于通过前述实施方式任一所述的芯片表面缺陷检测方法对所述待测图像进行处理，以对所述待测芯片的表面缺陷进行检测。

第四方面，本发明提供一种终端设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现前述实施方式任一所述的方法。

第五方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式任一所述的方法。

本申请实施例提供的芯片表面缺陷检测方法及相关装置，获取待测芯片的待测图像，并根据预存的模板图像在待测图像中确定多个检测区域，之后分别确定各个检测区域内存在的缺陷区域，并根据各个缺陷区域的缺陷特征确定该缺陷区域是否属于芯片的表面缺陷。该方法可通过分区检测提高芯片表面缺陷的检测准确性，同时无需采用复杂的系统结构，因此可降低检测成本。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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示出了本申请实施例提供的检测设备的一种方框示意图；

图2示出了本申请实施例提供的终端设备的一种方框示意图；

图3示出了本申请实施例提供的芯片表面缺陷检测方法的一种流程示意图；

图4示出了本申请实施例提供的芯片表面缺陷检测方法的另一种流程示意图；

图5示出了本申请实施例提供的一种芯片表面缺陷检测装置的功能模块图。

图标：10-检测设备；100-取像部件；110-处理部件；20-终端设备；200-存储器；210-处理器；220-通信模块；300-确定模块；310-检测模块。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者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，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

目前，随着集成电路行业的快速发展，芯片的应用领域越来越多，而对于工艺复杂程度较高的芯片，其在生产制造过程中不可避免地会出现影响性能的表面缺陷，因此为了保证产品质量和出货良率，对出厂芯片进行表面缺陷检测显得尤为重要。

现有技术中，针对芯片的表面缺陷检测，主要是以传统的人工显微镜目检为主，但人工检测方法存在效率低、精度低的问题，同时，由于人工检测受主观因素影响大，因此容易造成缺陷的漏检或误检，难以满足芯片产品的检测需求。

基于此，市面上出现了一些自动光学检测方法，例如基于深度学习技术的检测和使用扫描激光显微镜的检测，但基于深度学习技术的检测在面对小样本的环境下存在检测准确率低的问题，而使用扫描激光显微镜的检测由于系统结构复杂，也存在成本较高的问题。

因此，本申请实施例提供一种芯片表面缺陷检测方法及相关装置，以解决上述问题。

在一种可能实现的方式中，可以通过检测设备对芯片表面缺陷进行检测。具体的，图1为本申请实施例提供的检测设备10的一种方框示意图，该检测设备10包括取像部件100以及处理部件110，且该取像部件100与该处理部件110连接。

可选地，该取像部件100用于通过取像得到待测芯片的待测图像；该处理部件110用于对该待测图像进行处理，已对待测芯片的表面缺陷进行检测。

可选地，该取像部件100可以是单目摄像头，也可以是多目摄像头，可以理解地，考虑到取像部件100取像得到的图像可能存在一定的缺陷，例如存在清晰度问题等，因此该处理部件110还可以先对图像进行分析处理，规避掉图像中存在的缺陷后再对待测芯片的表面缺陷进行检测，例如对多目摄像头采集的多张图像进行图像融合等。

在另一种可能实现的方式中，也可直接由终端设备对芯片表面缺陷进行检测，例如PC端、移动终端等。

具体的，图2为本申请实施例提供的终端设备20的一种方框示意图，请参见图2，该终端设备20包括存储器200、处理器210及通信模块220。存储器200、处理器210以及通信模块220各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

其中，存储器200用于存储程序或者数据。存储器200可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。

处理器210用于读/写存储器中存储的数据或程序，并执行相应地功能。

通信模块220用于通过网络建立终端设备20与其它通信终端之间的通信连接，并用于通过网络收发数据。

应当理解的是，图2所示的结构仅为终端设备20的结构示意图，终端设备20还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

接下来以上述图2中的终端设备为执行主体，结合流程示意图对本申请实施例提供的芯片表面缺陷检测方法进行示例性介绍。具体的，图3为本申请实施例提供的芯片表面缺陷检测方法的一种流程示意图，请参见图3，该方法包括：

步骤S20，获取待测芯片的待测图像，并根据预存的模板图像在待测图像中确定多个检测区域。

其中，模板图像根据待测芯片对应的标准芯片图像生成。

可选地，该待测芯片可以是工艺复杂度较高，容易在生产制造过程中产生影响性能的表面缺陷的芯片，例如CIS(CMOS image sensor，互补金属氧化物半导体图像传感器)芯片。

可选地，该待测图像为包含有待测芯片的图像，该检测区域指的是待测图像中包含的待测芯片上的区域。

可以理解地，在本实施例中，终端设备可以将待测图像中的待测芯片部分拆分为多个检测区域。

步骤S21，分别确定各个检测区域内存在的缺陷区域，并根据各个缺陷区域的缺陷特征确定缺陷区域是否属于芯片表面缺陷。

可选地，终端设备可以分别确定各个检测区域内存在的缺陷区域，并针对各个缺陷区域，根据其缺陷特征确定该缺陷区域是否属于芯片表面缺陷。可以理解地，该芯片表面缺陷指的是足以对芯片性能产生影响的缺陷。

在本实施例中，不同的缺陷区域可能具有不同的缺陷特征。

可选地，终端设备可以在确定芯片表面缺陷后将该芯片表面缺陷反馈给用户，以便用户进行相应后续操作以及问题记录，例如，终端设备可以根据确定为芯片表面缺陷的缺陷特征生成缺陷图像，并将该缺陷图像返回给用户以供分析处理。

可以理解地，本申请实施例提供的芯片表面缺陷检测方法是通过视觉检测技术对待测芯片的表面缺陷进行非接触式检测，因此可以减少对待测芯片的二次损伤，同时可以解决人工检测的不足。

本申请实施例提供的芯片表面缺陷检测方法，获取待测芯片的待测图像，并根据预存的模板图像在待测图像中确定多个检测区域，之后分别确定各个检测区域内存在的缺陷区域，并根据各个缺陷区域的缺陷特征确定该缺陷区域是否属于芯片的表面缺陷。该方法可通过分区检测提高芯片表面缺陷的检测准确性，同时无需采用复杂的系统结构，因此可降低检测成本。

可选地，考虑到表面缺陷检测的便利性，用户可以事先获取不同型号芯片对应的标准芯片图像，根据该标准芯片图像生成各个型号芯片对应的模板图像，则在对待测芯片进行芯片表面缺陷检测时，终端设备可以确定是否存储有该待测芯片对应的模板图像，并在存储有该待测芯片对应的模板图像时，根据该模板图像对待测图像进行处理。

可选地，考虑到终端设备中可能并未存储有该待测芯片对应的模板图像，因此终端设备还可以获取该待测芯片的标准芯片图像以生成该待测芯片对应的模板图像。

此外，用户还可以并不事先保存不同型号芯片对应的模板图像，而是在对待测芯片进行表面缺陷检测时再生成该待测芯片对应的模板图像。

在一种可能实现的方式中，该模板图像可以包括全局模板图像和多个分区模板图像，终端设备可以获取待测芯片对应的标准芯片图像，并将标准芯片图像作为全局模板图像进行存储；根据预设分区阈值对标准芯片图像进行二值化运算，获得多个分区图像，并将多个分区图像作为分区模板图像进行保存。

可选地，该分区图像可以包括感光区图像、黑胶区图像以及PAD区图像，且感光区图像的灰度值小于PAD区图像的灰度值，PAD区图像的灰度值小于黑胶区图像的灰度值。

其中，PAD区图像中可以包括标准芯片的input/output端口，感光区图像中可以包括标准芯片中接收光信号的部分，黑胶区图像中可以包括标准芯片中应用于裸露的集成芯片封装的胶黏剂的部分。

可选地，待测芯片对应的标准芯片指的是待测芯片对应的没有芯片表面缺陷的芯片。

可选地，该预设分区阈值可以事先根据实际情况确定；各个分区图像均为二值图。

可以理解地，分区图像为标准芯片图像中标准芯片上的区域图像，即将标准芯片图像中的标准芯片拆分为多个分区图像。

在本实施例中，终端设备可以将待测芯片对应的标准芯片的图像作为全局模板图像进行存储，并通过预设分区域指对该标准芯片图像进行二值化运算，从而将标准芯片图像中的标准芯片分割为多个分区图像，将多个分区图像作为分区模板图像进行保存。

可选地，考虑到生产工艺会造成不同的产品之间存在一定的产品公差，而产品公差会导致待测芯片的部分特征在待测图像中存在定位不清的问题，因此往往会导致小缺陷的漏检、过检问题，因此为了避免产品公差所导致的问题，还可以通过基于比例缩放的模板匹配法对取像部件采集的待测图像进行处理，从而使得待测图像与模板图像之间形成强关联关系，以便准确定位到待测芯片的各个部位，从而保证不会出现小缺陷的漏检、过检问题。

在一种可能实现的方式中，模板图像可以包括全局模板图像以及各个分区模板图像，则终端设备可以通过全局模板图像进行基于比例缩放的模板匹配，以精确定位待测芯片在待测图像中的芯片位置，并确定各个分区模板图像到该待测图像的仿射变换关系。

具体的，在图3的基础上，图4为本申请实施例提供的芯片表面缺陷检测方法的另一种流程示意图，请参见图4，上述步骤S20还可以通过如下步骤实现：

步骤S20-1，获取取像部件针对待测芯片采集的待测图像，并对待测图像进行多尺度比例缩放，获得多个不同尺度的尺度待测图像。

可选地，终端设备可以将待测图像缩小或放大为多个尺寸，从而获得多个不同尺度的尺度待测图像，形成图像金字塔。

步骤S20-2，根据全局模板图像和多个尺度待测图像，确定待测芯片在待测图像中的芯片位置以及全局模板图像到待测图像的仿射变换矩阵。

可选地，该仿射变换矩阵可以表征各个分区模板图像到待测图像的仿射变换关系。可以理解的，由于分区模板图像是根据全局模板图像生成的，因此全局模板图像到待测图像的仿射变换矩阵也可以表征分区模板图像到待测图像的仿射变换关系。

步骤S20-3，根据仿射变换矩阵分别将各个分区模板图像仿射至待测图像，以在待测图像中确定多个检测区域。

其中，每个分区模板图像对应一个检测区域。

在本实施例中，终端设备可以根据芯片位置和仿射变换矩阵对各个分区模板图像进行仿射变换，从而分别将各个分区模板图像仿射至待测图像中，从而在待测图像中确定多个检测区域。可以理解地，终端设备可以通过仿射变换将待测图像中的待测芯片分为多个检测区域。

在本实施例中，终端设备可以通过多尺度比例缩放的方式，确定待测芯片在待测图像中的芯片位置以及全局模板图像到待测图像的仿射变换矩阵，从而根据芯片位置和仿射变换矩阵对待测图像进行检测区域划分，因此可以避免产品公差带来的问题。

可选地，终端设备可以通过基于比例缩放的形状模板匹配法对待测图像进行匹配，从而获得待测芯片在待测图像中的芯片位置以及全局模板图像到待测图像的仿射变换矩阵。

具体地，终端设备可以分别对各个尺度待测图像进行滑动遍历，计算各个尺度待测图像与全局模板图像之间的相似度，并根据各个相似度确定待测芯片在待测图像中的芯片位置，以及根据全局模板图像和多个尺度待测图像确定全局模板图像与待测图像之间的变换参数，并根据变换参数和预设的单位矩阵，确定全局模板图像到待测图像的仿射变换矩阵。

可选地，该变换参数可以是在对待测图像进行基于比例缩放的模板匹配时，对待测图像进行变换得到的参数，可以理解的，对待测图像进行变换是为了使得待测图像的位置与全局模板图像所对应。

在一种可能实现的方式中，该变换参数可以包括旋转角度参数、平移参数、缩放参数等，其中，旋转角度参数可以是对待测图像进行旋转处理得到的参数，平移参数可以是对待测图像进行平移处理得到的参数，缩放参数可以是对待测图像进行缩放得到的参数。

可选地，该预设的单位矩阵可以为终端设备根据预设的矩阵大小生成的单位矩阵，在一种可能实现的方式中，该预设的矩阵大小可以为3*3。

可选地，终端设备可以根据变换参数对该单位矩阵进行矩阵运算，从而得到全局模板图像到待测图像的仿射变换矩阵。可以理解的，该仿射变化矩阵可用于形成各个分区模板与待测图像之间的强关联关系。

可选地，终端设备可以根据该仿射变换矩阵将各个分区模板图像仿射至待测图像，从而确定出多个检测区域。

在一种可能实现的方式中，若分区模板图像包括感光区图像、黑胶区图像以及PAD区图像，则终端设备可以在待测图像中确定出感光区域、黑胶区域以及PAD区域，且感光区域的灰度值小于PAD区域的灰度值，PAD区域的灰度值小于黑胶区域的灰度值。

可以理解地，感光区图像与感光区域对应、黑胶区图像与黑胶区域对应、PAD区图像与PAD区域对应。

可选地，终端设备可以分别确定感光区域、黑胶区域以及PAD区域中可能存在的芯片表面缺陷。

在一种可能实现的方式中，感光区域中可能存在划伤裂纹缺陷和/或内外污染缺陷，黑胶区域中可能存在内外污染缺陷，PAD区域中可能存在崩边缺陷和/或气泡缺陷。

基于此，上述步骤S21还可以通过如下步骤实现：

确定感光区域内存在的划伤裂纹缺陷区域以及第一内外污染区域，并根据划伤裂纹缺陷区域的划伤裂纹缺陷特征以及第一内外污染区域的第一内外污染缺陷特征，确定划伤裂纹缺陷区域和第一内外污染缺陷特征是否属于芯片表面缺陷。

可选地，若划伤裂纹缺陷区域为芯片表面缺陷，则该划伤裂纹缺陷区域可能是划伤，也可能是裂纹，实则为长条形划痕，其中，划伤包括玻璃外表面划伤和玻璃内表面划伤。

可选地，若第一内外污染区域为芯片表面缺陷，则该第一内外污染区域可能是内污染也可能是外污染，其中，内污染指的是感光面玻璃内表面的污染物，如残胶、杂质异物等，外污染指的是感光面玻璃外表面因外物直接接触玻璃面而导致的玻璃表面污染，如吸嘴印、胶状物、水印、异物等。

在本实施例中，终端设备可以在感光区域内分别确定可能存在的划伤裂纹区域以及第一内外污染区域，并分别确定划伤裂纹区域以及第一内外污染区域是否属于芯片表面缺陷。

可以理解地，感光区域中可能既存在划伤裂纹区域，也存在第一内外污染区域，也可能仅有划伤裂纹区域或者第一内外污染区域。

此外，感光区域内还可能既不存在划伤裂纹区域，也不存在第一内外污染区域，可以理解地，这种情况下感光区域内不存在芯片表面缺陷。

确定黑胶区域内存在的第二内外污染区域，并根据第二内外污染区域的第二内外污染缺陷特征，确定第二内外污染区域是否属于芯片表面缺陷。

可选地，若第二内外污染区域为芯片表面缺陷，则该第二内外污染区域可能是内污染也可能是外污染，其中，内污染指的是感光面玻璃内表面的污染物，如残胶、杂质异物等，外污染指的是感光面玻璃外表面因外物直接接触玻璃面而导致的玻璃表面污染，如吸嘴印、胶状物、水印、异物等。

在本实施例中，终端设备可以在黑胶区域内确定可能存在的第二内外污染区域，并确定该第二内外污染区域是否属于芯片表面缺陷。

可以理解地，若黑胶区域内不存在第二内外污染区域，则说明黑胶区域内没有芯片表面缺陷。

确定PAD区域内存在的崩边缺陷区域和气泡缺陷区域，并根据崩边缺陷区域的崩边缺陷特征，以及气泡缺陷区域的气泡缺陷特征，确定崩边缺陷区域和气泡缺陷区域是否属于芯片表面缺陷。

可选地，崩边缺陷区域的灰度值小于气泡缺陷区域的灰度值。

在本实施例中，终端设备可以在PAD区域内分别确定可能存在的崩边缺陷区域和气泡缺陷区域，并分别确定该崩边缺陷区域和气泡缺陷区域是否属于芯片表面缺陷。

可以理解地，PAD区域中可能既存在崩边缺陷区域，也存在气泡缺陷区域，也可能仅有崩边缺陷区域或者气泡缺陷区域。

此外，PAD区域内还可能既不存在崩边缺陷区域，也不存在气泡缺陷区域，可以理解地，这种情况下PAD区域内不存在芯片表面缺陷。

可选地，终端设备可以通过划伤裂纹缺陷区域的中轴长度和圆形度确定该感光区域中的划伤裂纹缺陷区域是否为芯片表面缺陷，以及通过第一内外污染区域的第一面积确定感光区域中的第一内外污染区域是否为芯片表面缺陷。

可以理解地，该划伤裂纹缺陷特征包括划伤裂纹缺陷区域的中轴长度和圆形度，该第一内外污染缺陷特征包括第一内外污染区域的第一面积。

在此基础上，终端设备可以对感光区域进行纹理滤波，获得感光区域低频图像，并通过二值化计算和形态学处理，从感光区域低频图像中确定划伤裂纹缺陷区域，之后计算划伤裂纹缺陷区域的中轴长度和圆形度，并根据中轴长度、圆形度、预设中轴长度以及预设圆形度，确定划伤裂纹缺陷区域是否属于芯片表面缺陷。

可选地，终端设备可以通过对感光区域进行纹理滤波提取低频信息，得到感光区域低频图像。

可选地，该形态学处理指的是形态学开闭运算。

需要说明的是，同一种缺陷的灰度值差异也可能较大，可能高于、低于或非常接近于正常区域的灰度值。

可选地，终端设备可以通过骨架提取获取划伤裂纹缺陷区域的中轴并计算该划伤裂纹缺陷区域的圆形度。可以理解地，该中轴指的是与划伤裂纹缺陷区域的长平行的中轴。

可选地，终端设备中可以事先存储有预设中轴长度以及预设圆形度，该预设中轴长度和预设圆形度可以由用户事先设置。

在一种可能实现的方式中，该预设中轴长度可以为100，预设圆形度可以为0.2。

可选地，用户可以自行设置确定划伤裂纹缺陷区域是否属于芯片表面缺陷的条件。

在一种可能实现的方式中，用户可以设置若中轴长度超过预设中轴长度且圆形度小于预设圆形度，则确定划伤裂纹缺陷区域属于芯片表面缺陷；在另一种可能实现的方式中，用户可以设置若中轴长度超预设中轴长度或圆形度小于预设圆形度，则确定划伤裂纹缺陷区域属于芯片表面缺陷。

此外，终端设备还可以根据第一预设阈值从感光区域中分割出至少一个第一内外污染区域，计算各个第一内外污染区域的第一面积，并根据各个第一面积和第一预设面积，确定各个第一内外污染缺陷特征是否属于芯片表面缺陷。

可选地，终端设备可以通过Blob分析从感光区域中分割出至少一个第一内外污染区域，其中，计算机视觉中的Blob是指图像中的一块连通区域，Blob分析就是对前景/背景分离后的二值图像，进行连通域提取和标记。

可以理解地，终端设备通过第一预设阈值可将感光区域分为目标缺陷区域和背景区域，之后终端设备可以根据目标缺陷区域是否连通，从而在该目标缺陷区域确定至少一个内外污染区域。

可选地，终端设备中还可以事先存储有第一预设面积，该第一预设面积可以由用户根据实际情况自行设置。

在一种可能实现的方式中，该第一预设面积可以是20。

在此基础上，终端设备可以根据各个第一内外污染区域的第一面积，确定该第一内外污染区域是否属于芯片表面缺陷。

在一种可能实现的方式中，若第一面积超过该第一预设面积，则可确定该第一内外污染区域属于芯片表面缺陷。

可选地，终端设备可以通过第二内外污染区域的第二面积和内外污染内接圆半径确定黑胶区域中的第二内外污染区域是否为芯片表面缺陷。可以理解地，该第二内外污染缺陷特征包括第二内外污染区域的第二面积和内外污染内接圆半径。

在此基础上，终端设备可以根据第二预设阈值在黑胶区域中分割出第二内外污染区域，之后计算第二内外污染区域的第二面积和内外污染内接圆半径，并根据第二面积、内外污染内接圆半径、第二预设面积以及预设内外污染内接圆半径，确定第二内外污染区域是否属于芯片表面缺陷。

可选地，终端设备可以通过OTSU算法将黑胶区域分割为第二内外污染区域和黑胶背景区域。

其中，OTSU算法也叫全局最优阈值处理算法，该算法可使用聚类思想，将黑胶区域按照灰度等级分为两个部分，即第二内外污染区域和黑胶背景区域，且第二内外污染区域与黑胶背景区域之间的灰度值相差最大，第二内外污染区域内部以及黑胶背景区域内部灰度值相差最小。

可选地，终端设备可以通过计算方差的方式确定用户划分黑胶区域的灰度等级。

在本实施例中，终端设备可以根据第二内外污染区域的第二面积和内外污染内接圆半径、第二预设面积以及预设内外污染内接圆半径，确定第二内外污染区域是否属于芯片表面缺陷。

可选地，终端设备中可以事先存储有该第二预设面积以及预设内外污染内接圆半径，且该第二预设面积以及预设内外污染内接圆半径可由用户根据实际情况自行设置。

在一种可能实现的方式中，该第二预设面积可以与第一预设面积一致，也可以不一致。

可选地，用户可以自行设置确定第二内外污染区域是否属于芯片表面缺陷的条件。

在一种可能实现的方式中，用户可以设置若第二面积超过第二预设面积且内外污染内接圆半径超过预设内外污染内接圆半径，则确定第二内外污染区域属于芯片表面缺陷；在另一种可能实现的方式中，用户可以设置若第二面积超过第二预设面积，或者内外污染内接圆半径超过预设内外污染内接圆半径，则确定第二内外污染区域属于芯片表面缺陷。

可选地，终端设备可以通过崩边缺陷区域的崩边内接圆半径确定PAD区域中的崩边缺陷区域是否为芯片表面缺陷，以及通过气泡缺陷区域的气泡内接圆半径确定PAD区域中的气泡缺陷区域是否为芯片表面缺陷。

可以理解地，崩边缺陷特征包括崩边内接圆半径，气泡缺陷特征包括气泡内接圆半径。

在此基础上，终端设备可以对PAD区域进行傅里叶变换和高斯滤波，获得高斯滤波图像，并对高斯滤波图像进行傅里叶变换，获得PAD区域对应的背景图像；将PAD区域与背景图像进行差分，获得差分图像，并根据第三预设阈值和第四预设阈值从差分图像中分割出气泡缺陷区域和崩边缺陷区域；气泡缺陷区域的灰度值大于崩边缺陷区域的灰度值；分别计算气泡缺陷区域的气泡内接圆半径以及崩边缺陷区域的崩边内接圆半径；根据气泡内接圆半径和预设气泡内接圆半径确定气泡缺陷区域是否属于芯片表面缺陷，根据崩边内接圆半径和预设崩边内接圆半径确定崩边缺陷区域是否属于芯片表面缺陷。

可选地，终端设备可以对PAD区域进行傅里叶变换，将PAD区域变换到频域中，之后对频域中的PAD图像进行高斯滤波，从而获得高斯滤波图像，之后再次通过傅里叶变换将高斯滤波图像反变换回来，获得PAD区域对应的背景图像。

可选地，第三预设阈值大于第四预设阈值，终端设备可以根据第三预设阈值和第四预设阈值将差分图像分割为正常区域、气泡缺陷区域和崩边缺陷区域，且气泡缺陷区域的灰度值大于崩边缺陷区域的灰度值。

可以理解地，气泡缺陷区域的灰度值大于第三预设阈值，崩边缺陷区域的灰度值小于第四预设阈值，而正常区域的灰度值位于第三预设阈值和第四预设阈值之间。

可选地，终端设备可以分别针对气泡缺陷区域计算气泡内接圆半径，以及针对崩边缺陷区域计算崩边内接圆半径，从而根据气泡内接圆半径和预设气泡内接圆半径确定气泡缺陷区域是否属于芯片表面缺陷，根据崩边内接圆半径和预设崩边内接圆半径确定崩边缺陷区域是否属于芯片表面缺陷。

可选地，终端设备中可以事先存储有预设气泡内接圆半径和预设崩边内接圆半径，且该预设气泡内接圆半径和预设崩边内接圆半径可以由用户根据实际情况自行设置。

可选地，该预设气泡内接圆半径可以是20，该预设崩边内接圆半径可以是10。

可选地，终端设备可以在气泡内接圆半径超过预设气泡内接圆半径时确定气泡缺陷区域属于芯片表面缺陷，在崩边内接圆半径超过预设崩边内接圆半径时确定崩边缺陷区域属于芯片表面缺陷。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种芯片表面缺陷检测装置的实现方式。进一步地，请参阅图5，图5为本申请实施例提供的一种芯片表面缺陷检测装置的功能模块图。需要说明的是，本实施例所提供的芯片表面缺陷检测装置，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该芯片表面缺陷检测装置包括：确定模块300以及检测模块310。

该确定模块300，用于获取待测芯片的待测图像，并根据预存的模板图像在待测图像中确定多个检测区域；模板图像根据待测芯片对应的标准芯片图像生成。

可以理解地，该确定模块300还可以用于执行上述步骤S20。

该检测模块310，用于分别确定各个检测区域内存在的缺陷区域，并根据各个缺陷区域的缺陷特征确定缺陷区域是否属于芯片表面缺陷。

可以理解地，该检测模块310还可以用于执行上述步骤S21。

可选地，模板图像包括全局模板图像以及多个分区模板图像；该确定模块300，还用于获取取像部件针对所述待测芯片采集的待测图像，并对所述待测图像进行多尺度比例缩放，获得多个不同尺度的尺度待测图像；根据所述全局模板图像和多个所述尺度待测图像，确定所述待测芯片在所述待测图像中的芯片位置以及所述全局模板图像到所述待测图像的仿射变换矩阵；所述仿射变换矩阵表征各个所述分区模板图像到所述待测图像的仿射变换关系；根据所述芯片位置以及所述仿射变换矩阵分别将各个所述分区模板图像仿射至所述待测图像，以在所述待测图像中确定多个检测区域；其中，每个所述分区模板图像对应一个检测区域。

可以理解地，该确定模块300还可以用于执行上述步骤S20-1～步骤S20-3。

可选地，该确定模块300，还用于分别对各个所述尺度待测图像进行滑动遍历，计算各个所述尺度待测图像与所述全局模板图像之间的相似度，并根据各个所述相似度确定所述待测芯片在所述待测图像中的芯片位置；根据所述全局模板图像和多个所述尺度待测图像确定所述全局模板图像与所述待测图像之间的变换参数，并根据所述变换参数和预设的单位矩阵，确定所述全局模板图像到所述待测图像的仿射变换矩阵。

可选地，检测区域包括感光区域、黑胶区域以及PAD区域；该检测模块310，还用于确定感光区域内存在的划伤裂纹缺陷区域以及第一内外污染区域，并根据划伤裂纹缺陷区域的划伤裂纹缺陷特征以及第一内外污染区域的第一内外污染缺陷特征，确定划伤裂纹缺陷区域和第一内外污染缺陷特征是否属于芯片表面缺陷；确定黑胶区域内存在的第二内外污染区域，并根据第二内外污染区域的第二内外污染缺陷特征，确定第二内外污染区域是否属于芯片表面缺陷；确定PAD区域内存在的崩边缺陷区域和气泡缺陷区域，并根据崩边缺陷区域的崩边缺陷特征，以及气泡缺陷区域的气泡缺陷特征，确定崩边缺陷区域和气泡缺陷区域是否属于芯片表面缺陷。

可选地，划伤裂纹缺陷特征包括划伤裂纹缺陷区域的中轴长度和圆形度，第一内外污染缺陷特征包括第一内外污染区域的第一面积；该检测模块310，还用于对感光区域进行纹理滤波，获得感光区域低频图像，并通过二值化计算和形态学处理，从感光区域低频图像中确定划伤裂纹缺陷区域；计算划伤裂纹缺陷区域的中轴长度和圆形度，根据中轴长度、圆形度、预设中轴长度以及预设圆形度，确定划伤裂纹缺陷区域是否属于芯片表面缺陷；根据第一预设阈值从感光区域中分割出至少一个第一内外污染区域；计算各个第一内外污染区域的第一面积，并根据各个第一面积和第一预设面积，确定各个第一内外污染缺陷特征是否属于芯片表面缺陷。

可选地，第二内外污染缺陷特征包括第二内外污染区域的第二面积和内外污染内接圆半径；该检测模块310，还用于根据第二预设阈值在黑胶区域中分割出第二内外污染区域；计算第二内外污染区域的第二面积和内外污染内接圆半径，并根据第二面积、内外污染内接圆半径、第二预设面积以及预设内外污染内接圆半径，确定第二内外污染区域是否属于芯片表面缺陷。

可选地，崩边缺陷特征包括崩边内接圆半径，气泡缺陷特征包括气泡内接圆半径；该检测模块310，还用于对PAD区域进行傅里叶变换和高斯滤波，获得高斯滤波图像，并对高斯滤波图像进行傅里叶变换，获得PAD区域对应的背景图像；将PAD区域与背景图像进行差分，获得差分图像，并根据第三预设阈值和第四预设阈值从差分图像中分割出气泡缺陷区域和崩边缺陷区域；气泡缺陷区域的灰度值大于崩边缺陷区域的灰度值；分别计算气泡缺陷区域的气泡内接圆半径以及崩边缺陷区域的崩边内接圆半径；根据气泡内接圆半径和预设气泡内接圆半径确定气泡缺陷区域是否属于芯片表面缺陷，根据崩边内接圆半径和预设崩边内接圆半径确定崩边缺陷区域是否属于芯片表面缺陷。

可选地，该确定模块300，还用于获取待测芯片对应的标准芯片图像，并将标准芯片图像作为全局模板图像进行存储；根据预设分区阈值对标准芯片图像进行二值化运算，获得多个分区图像，并将多个分区图像作为分区模板图像进行保存；分区图像包括感光区图像、黑胶区图像以及PAD区图像，且感光区图像的灰度值小于PAD区图像的灰度值，PAD区图像的灰度值小于黑胶区图像的灰度值。

本申请实施例提供的芯片表面缺陷检测装置，通过确定模块获取待测芯片的待测图像，并根据预存的模板图像在待测图像中确定多个检测区域；模板图像根据待测芯片对应的标准芯片图像生成；通过检测模块分别确定各个检测区域内存在的缺陷区域，并根据各个缺陷区域的缺陷特征确定缺陷区域是否属于芯片表面缺陷。该装置可通过分区检测提高芯片表面缺陷的检测准确性，同时无需采用复杂的系统结构，因此可降低检测成本。

可选地，上述模块可以软件或固件(Firmware)的形式存储于图2所示的存储器中或固化于该终端设备的操作系统(Operating System，OS)中，并可由图2中的处理器执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器中。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时可实现本申请实施例提供的芯片表面缺陷检测方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置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装置、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，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。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。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。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，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 (12)

1.一种芯片表面缺陷检测方法，其特征在于，所述方法包括：

获取待测芯片的待测图像，并根据预存的模板图像在所述待测图像中确定多个检测区域；所述模板图像根据所述待测芯片对应的标准芯片图像生成；

分别确定各个所述检测区域内存在的缺陷区域，并根据各个所述缺陷区域的缺陷特征确定所述缺陷区域是否属于芯片表面缺陷。

2.根据权利要求1所述的方法，其特征在于，所述模板图像包括全局模板图像以及多个分区模板图像；所述获取所述待测芯片的待测图像，并根据预存的模板图像在所述待测图像中确定多个检测区域，包括：

获取取像部件针对所述待测芯片采集的待测图像，并对所述待测图像进行多尺度比例缩放，获得多个不同尺度的尺度待测图像；

根据所述全局模板图像和多个所述尺度待测图像，确定所述待测芯片在所述待测图像中的芯片位置以及所述全局模板图像到所述待测图像的仿射变换矩阵；所述仿射变换矩阵表征各个所述分区模板图像到所述待测图像的仿射变换关系；

根据所述芯片位置以及所述仿射变换矩阵分别将各个所述分区模板图像仿射至所述待测图像，以在所述待测图像中确定多个检测区域；其中，每个所述分区模板图像对应一个检测区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述全局模板图像和多个所述尺度待测图像，确定所述待测芯片在所述待测图像中的芯片位置以及所述全局模板图像到所述待测图像的仿射变换矩阵，包括：

分别对各个所述尺度待测图像进行滑动遍历，计算各个所述尺度待测图像与所述全局模板图像之间的相似度，并根据各个所述相似度确定所述待测芯片在所述待测图像中的芯片位置；

根据所述全局模板图像和多个所述尺度待测图像确定所述全局模板图像与所述待测图像之间的变换参数，并根据所述变换参数和预设的单位矩阵，确定所述全局模板图像到所述待测图像的仿射变换矩阵。

4.根据权利要求1所述的方法，其特征在于，所述检测区域包括感光区域、黑胶区域以及PAD区域；

所述分别确定各个所述检测区域内存在的缺陷区域，并根据各个所述缺陷区域的缺陷特征确定所述缺陷区域是否属于芯片表面缺陷，包括：

确定所述感光区域内存在的划伤裂纹缺陷区域以及第一内外污染区域，并根据所述划伤裂纹缺陷区域的划伤裂纹缺陷特征以及所述第一内外污染区域的第一内外污染缺陷特征，确定所述划伤裂纹缺陷区域和所述第一内外污染缺陷特征是否属于所述芯片表面缺陷；

确定所述黑胶区域内存在的第二内外污染区域，并根据所述第二内外污染区域的第二内外污染缺陷特征，确定所述第二内外污染区域是否属于所述芯片表面缺陷；

确定所述PAD区域内存在的崩边缺陷区域和气泡缺陷区域，并根据所述崩边缺陷区域的崩边缺陷特征，以及气泡缺陷区域的气泡缺陷特征，确定所述崩边缺陷区域和所述气泡缺陷区域是否属于所述芯片表面缺陷。

5.根据权利要求4所述的方法，其特征在于，所述划伤裂纹缺陷特征包括所述划伤裂纹缺陷区域的中轴长度和圆形度，所述第一内外污染缺陷特征包括所述第一内外污染区域的第一面积；

所述确定所述感光区域内存在的划伤裂纹缺陷区域以及第一内外污染区域，并根据所述划伤裂纹缺陷区域的划伤裂纹缺陷特征以及所述第一内外污染区域的第一内外污染缺陷特征，确定所述划伤裂纹缺陷区域和所述第一内外污染缺陷特征是否属于所述芯片表面缺陷，包括：

对所述感光区域进行纹理滤波，获得感光区域低频图像，并通过二值化计算和形态学处理，从所述感光区域低频图像中确定所述划伤裂纹缺陷区域；

计算所述划伤裂纹缺陷区域的中轴长度和圆形度，根据所述中轴长度、所述圆形度、预设中轴长度以及预设圆形度，确定所述划伤裂纹缺陷区域是否属于所述芯片表面缺陷；

根据第一预设阈值从所述感光区域中分割出至少一个第一内外污染区域；

计算各个所述第一内外污染区域的第一面积，并根据各个所述第一面积和第一预设面积，确定各个所述第一内外污染缺陷特征是否属于所述芯片表面缺陷。

6.根据权利要求4所述的方法，其特征在于，所述第二内外污染缺陷特征包括所述第二内外污染区域的第二面积和内外污染内接圆半径；

所述确定所述黑胶区域内存在的第二内外污染区域，并根据所述第二内外污染区域的第二内外污染缺陷特征，确定所述第二内外污染区域是否属于所述芯片表面缺陷，包括：

根据第二预设阈值在所述黑胶区域中分割出所述第二内外污染区域；

计算所述第二内外污染区域的第二面积和内外污染内接圆半径，并根据所述第二面积、所述内外污染内接圆半径、第二预设面积以及预设内外污染内接圆半径，确定所述第二内外污染区域是否属于所述芯片表面缺陷。

7.根据权利要求4所述的方法，其特征在于，所述崩边缺陷特征包括崩边内接圆半径，所述气泡缺陷特征包括气泡内接圆半径；

所述确定所述PAD区域内存在的崩边缺陷区域和气泡缺陷区域，并根据所述崩边缺陷区域的崩边缺陷特征，以及气泡缺陷区域的气泡缺陷特征，确定所述崩边缺陷区域和所述气泡缺陷区域是否属于所述芯片表面缺陷，包括：

对所述PAD区域进行傅里叶变换和高斯滤波，获得高斯滤波图像，并对所述高斯滤波图像进行傅里叶变换，获得所述PAD区域对应的背景图像；

将所述PAD区域与所述背景图像进行差分，获得差分图像，并根据第三预设阈值和第四预设阈值从所述差分图像中分割出所述气泡缺陷区域和所述崩边缺陷区域；所述气泡缺陷区域的灰度值大于所述崩边缺陷区域的灰度值；

分别计算所述气泡缺陷区域的气泡内接圆半径以及所述崩边缺陷区域的崩边内接圆半径；

根据所述气泡内接圆半径和预设气泡内接圆半径确定所述气泡缺陷区域是否属于所述芯片表面缺陷，根据所述崩边内接圆半径和预设崩边内接圆半径确定所述崩边缺陷区域是否属于所述芯片表面缺陷。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述待测芯片对应的标准芯片图像，并将所述标准芯片图像作为全局模板图像进行存储；

根据预设分区阈值对所述标准芯片图像进行二值化运算，获得多个分区图像，并将多个所述分区图像作为分区模板图像进行保存；所述分区图像包括感光区图像、黑胶区图像以及PAD区图像，且所述感光区图像的灰度值小于所述PAD区图像的灰度值，所述PAD区图像的灰度值小于所述黑胶区图像的灰度值。

9.一种芯片表面缺陷检测装置，其特征在于，所述装置包括：

确定模块，用于获取待测芯片的待测图像，并根据预存的模板图像在所述待测图像中确定多个检测区域；所述模板图像根据所述待测芯片对应的标准芯片图像生成；

检测模块，用于分别确定各个所述检测区域内存在的缺陷区域，并根据各个所述缺陷区域的缺陷特征确定所述缺陷区域是否属于芯片表面缺陷。

10.一种检测设备，其特征在于，包括取像部件以及处理部件，所述取像部件与所述处理部件连接；

所述取像部件用于通过取像得到待测芯片的待测图像；

所述处理部件用于通过权利要求1-8任一所述的芯片表面缺陷检测方法对所述待测图像进行处理，以对所述待测芯片的表面缺陷进行检测。

11.一种终端设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现权利要求1-8任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一所述的方法。