CN117670781A - 缺陷检测方法、装置、设备、系统及存储介质 - Google Patents

缺陷检测方法、装置、设备、系统及存储介质 Download PDF

Info

Publication number
CN117670781A
CN117670781A CN202211052488.3A CN202211052488A CN117670781A CN 117670781 A CN117670781 A CN 117670781A CN 202211052488 A CN202211052488 A CN 202211052488A CN 117670781 A CN117670781 A CN 117670781A
Authority
CN
China
Prior art keywords
image
detected
target
differential
images
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
CN202211052488.3A
Other languages
English (en)
Inventor
陈鲁
肖瑶
张鹏斌
张嵩
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.)
Shenzhen Zhongke Feice Technology Co Ltd
Original Assignee
Shenzhen Zhongke Feice 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 Shenzhen Zhongke Feice Technology Co Ltd filed Critical Shenzhen Zhongke Feice Technology Co Ltd
Priority to CN202211052488.3A priority Critical patent/CN117670781A/zh
Publication of CN117670781A publication Critical patent/CN117670781A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • 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
    • 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
    • G06T2207/30168—Image quality inspection
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请提供一种缺陷检测方法、缺陷检测装置、缺陷检测设备、检测系统及计算机可读存储介质，该方法包括：获取待测物上多个连续排布的重复单元对应的多个待测目标图像，待测目标图像的数量与所述重复单元的个数相同；获取多个待测目标图像对应的标准图像；将每一待测目标图像与相邻待测目标图像进行差分处理，得到与每一待测目标图像对应的目标差分图像；根据目标差分图像与标准图像的灰度值，构建目标差分图像对应的灰度分布图像；基于灰度分布图像的非零像素点确定灰度分布图像中的异常点，相应确定与目标差分图像关联的待测目标图像的缺陷及缺陷位置。通过上述方法，可以检测出高倍率图像下灰度差别较小的缺陷。

Description

缺陷检测方法、装置、设备、系统及存储介质
技术领域
本申请涉及半导体检测技术领域，尤其涉及一种缺陷检测方法、缺陷检测装置、缺陷检测设备、检测系统及计算机可读存储介质。
背景技术
芯片(die)可以是处理器上的芯片，属于处理器的核心组成部分。芯片制造流程为通过工艺流程将晶圆(wafer)划分成多个单元，将每个单元制作成为一个die。然而在芯片加工制造过程中避免不了生成各种缺陷，这些缺陷分布在晶圆或芯片。如果一个die存在缺陷，则这个die为不良品，无法用于制造处理器。因此，可以通过光学检测及图像处理技术对die进行缺陷检测。然而在高倍率图像中，图像灰阶变化较小，难以检测出灰度差别小的缺陷。
发明内容
为解决上述问题，本申请提供一种缺陷检测方法、缺陷检测装置、缺陷检测设备、检测系统及计算机可读存储介质，可以无需复杂计算即可检测出高倍率图像中灰度差别小的缺陷。
为达到上述目的，本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供一种缺陷检测方法，包括：
获取待测物上多个连续排布的重复单元对应的多个待测目标图像，所述待测目标图像的数量与所述重复单元的个数相同；
获取所述多个待测目标图像对应的标准图像；
将每一待测目标图像与相邻待测目标图像进行差分处理，得到与所述每一待测目标图像对应的目标差分图像；
根据所述目标差分图像与所述标准图像的灰度值，构建所述目标差分图像对应的灰度分布图像；
基于所述灰度分布图像的非零像素点确定所述灰度分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。
第二方面，本申请实施例提供一种缺陷检测装置，包括：
图像获取模块，用于获取待测物上多个连续排布的重复单元对应的多个待测目标图像，所述待测目标图像的数量与所述重复单元的个数相同；
标准图像获取模块，用于获取所述多个待测目标图像对应的标准图像；
差分图像得到模块，用于将每一待测目标图像与相邻待测目标图像进行差分处理，得到与所述每一待测目标图像对应的目标差分图像；
分布图像构建模块，用于根据所述目标差分图像与所述标准图像的灰度值，构建所述目标差分图像对应的灰度分布图像。
缺陷位置确定模块，用于基于所述灰度分布图像的非零像素点确定所述灰度分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。
第三方面，本申请实施例提供一种缺陷检测设备，包括处理器及存储器，所述存储器内存储有可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现本申请任一实施例所述的缺陷检测方法。
第四方面，本申请实施例提供一种检测系统，其特征在于，包括图像采集设备以及如本申请任一实施例所述的缺陷检测设备。
所述图像采集设备，用于沿的第一方向或第二方向扫描目标物，采集包含所述目标物中多个连续排布的重复单元的图像作为待测图像发送给所述缺陷检测设备。
第五方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被控制器执行时实现本申请任一实施例所述的缺陷检测方法。
本申请上述实施例提供缺陷检测方法、缺陷检测装置、缺陷检测设备、检测系统及计算机可读存储介质，可以获取待测物上多个连续排布的重复单元对应的多个待测目标图像，获取多个待测目标图像对应的标准图像，以及每个待测目标图像的目标差分图像，基于待测目标图像的差分图像以及标准图像构建灰度分布图像，从而可以得到不同重复单元之间的差异点与标准像素点的灰度值分布，通过对灰度值分布情况的分析，可以快速且准确确认灰度分布图像中异常点，以及根据异常点相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。如此，可以无需复杂计算即可完成缺陷检测，并且可以在高倍率图像中检测出灰度差别较小的缺陷。
附图说明
图1示出本申请实施例提供的一种检测系统的架构示意图；
图2示出本申请实施例提供的一种缺陷检测方法的流程示意图；
图3示出了本申请实施例提供的一种灰度分布图的示意图；
图4示出本申请实施例提供的一种同行待测目标图像分组的示意图；
图5示出本申请实施例提供的一种同列待测目标图像分组的示意图；
图6示出本申请实施例提供的一种待测目标图像组的示意图；
图7示出本申请实施例提供的一种标准图像的示意图；
图8示出本申请实施例提供的一种对位后的待测目标图像的示意图；
图9示出本申请实施例提供的一种正常区域的示意图；
图10示出本申请实施例提供的一种膨胀后的正常区域的示意图；
图11示出本申请实施例提供的一种标记异常点的灰度值分布图；
图12示出本申请实施例提供的一种差分图像获取的流程示意图；
图13示出本申请实施例提供的另一种缺陷检测方法的流程示意图；
图14示出本申请实施例提供的一种缺陷检测装置的结构示意图；
图15示出本申请实施例提供的一种缺陷检测设备的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”的表述，其描述了所有可能实施例的子集，需要说明的是,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一、第二、第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一、第二、第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
缺陷检测具体过程如下：利用图像采集设备采集被检测产品的图像，对光学图像进行转化，形成由不同亮暗灰阶显示的数据图像，接着，对比产品上相邻芯片的数据图像，得到检测结果。然而，在高倍率图像中，图像灰阶变化较小，难以检测出灰度差别小的缺陷。
本申请提出基于相邻重复单元构成的差分图像以及多个重复单元的标准图像构建灰度分布图像，从而可以得到不同重复单元之间的差异点与标准像素点的灰度值分布，通过对灰度值分布情况的分析，可以快速且准确确认灰度分布图中的异常点，以及根据异常点可以相应确定重复单元中的缺陷及缺陷位置。如此，可以无需复杂计算即可完成缺陷检测，并且可以在高倍率图像中检测出灰度差别较小的缺陷。
本申请实施例一方面，提供一种检测系统。图1示出本申请实施例提供的一种检测系统的架构示意图。如图1所示，检测系统可以包括图像采集设备11 以及缺陷检测设备12。其中，图像采集设备11可以包括光学成像传感器，如工业相机，可以用于沿第一方向或第二方向扫描目标物，采集包括所述目标物中多个连续排布的重复单元的图像作为待测图像发送给所述缺陷检测设备12，由缺陷检测设备12通过执行本申请任一实施例提供的缺陷检测方法，可以快速且准确检测出缺陷所在位置，并且还可以检测出高倍率图像下灰度差别小的缺陷。
这里，缺陷检测设备12可以为具有存储、计算能力的各类智能设备，例如计算机设备等。图像采集设备11可以为具有光学成像能力的设备，如工业相机等。在本申请实施例中，缺陷检测设备12可以与图像采集设备11集成在一起，或者互相独立设置。缺陷检测设备12可以与图像采集设备11可以相互通信，例如，缺陷检测设备12可以向图像采集设备11下发图像采集指令，图像采集设备11在接收图像采集指令后，采集图像并将采集到的图像发送给缺陷检测设备。
需要说明的是，在本申请实施例中，目标物可以为晶圆、面板之类的半导体集成电路。在目标物为晶圆的情况下，重复单元可以为芯片(即die)。
图像坐标系可以为直角坐标系。可选地，以水平方向为图像坐标系中的第一方向，也就是列方向，竖直方向为图像坐标系中的第二方向，也就是行方向。
本申请实施例一方面，提供一种缺陷检测方法，可以应用于如图1所示的缺陷检测设备。图2示出本申请实施例提供的一种缺陷检测方法的流程示意图，如图2所示，该缺陷检测方法可以包括但不限于S21、S22、S23、S24、S25和 S26，具体介绍如下：
S21，获取待测物上多个连续排布的重复单元对应的多个待测目标图像。
这里，待测目标图像可以为高倍率图像。待测物上可以包括n行m列个重复单元，其中，n可以为不小于1的正整数。m可以为不小于3的正整数。多个连续排布的重复单元可以为一行中多个连续排布的重复单元或者一列中多个连续排布的重复单元。每个待测目标图像中包括至少一个重复单元。待测目标图像的数量与重复单元的个数相同。
可选地，在待测物可以为晶圆的情况下，重复单元可以芯片，以及待测目标图像可以为芯片图像。在本申请实施例中，缺陷检测设备可以从图像采集设备中获取待测目标图像。
需要说明的是，本申请实施例中高倍率图像可以指图像一英寸面积不少于 1000个像素。
S22,获取多个待测目标图像对应的标准图像。
这里，标准图像可以为无缺陷图像，即标准图像中每个像素点均不为缺陷点。标准图像可以为多个待测目标图像的参考图像，也就是说，标准图像中的每个像素点的灰度值可以为对应多个待测目标图像中像素点的标准灰度值。标准灰度值可以为非缺陷像素点对应的灰度值。
在本申请实施例中，获取标准图像的方式有多种，例如，可以根据多个待测目标图像中各个像素点的灰度值，构建标准图像。也可以将检测出无缺陷的图像作为标准图像进行存储，缺陷检测设备可以从存储位置获取标准图像。存储位置可以包括但不限于缺陷检测设备的存储空间，以及外部设备(如云端、服务器等)。
S23,将每一待测目标图像与相邻待测目标图像进行差分处理，得到与每一待测目标图像对应的目标差分图像。
这里，相邻待测目标图像可以为在多个待测目标图像中，与待测目标图像相邻的图像。也就是在多个待测目标图像中，与待测目标图像中的重复单元位置相邻的重复单元的图像。目标差分图像可以是待测目标图像与相邻待测目标图像进行图像差分处理得到的，也就是说，目标差分图像的灰度值可以为待测目标图像与相邻待测目标图像之间的灰度差值。
S24,根据目标差分图像与标准图像的灰度值，构建目标差分图像对应的灰度分布图像。
这里，灰度分布图像可以为基于目标差分图像的灰度值与标准图像的灰度值的构建的二维分布图像。
在本申请实施例中，遍历目标差分图中的每一个像素点，获取非零像素点的位置与灰度值XD，获取标准图像中与目标差分图的非零像素点的位置对应的图像位置的像素点的灰度值YD，得到像素点在目标差分图像与标准图像中的灰度值对应关系,基于灰度值对应关系，确定灰度分布图中非零像素点的灰度值。具体地，在灰度分布图中查找坐标(XD，YD)对应的像素点，将该像素点的灰度值加1。在对所有非零像素点执行完上述操作后，得到由该二维图形成的灰度分布图像。
图3示出了本申请实施例提供的一种灰度分布图的示意图，如图3所示，可以将目标差分图像的灰度值作为灰度分布图像中横轴方向的坐标值，标准图像的灰度值作为灰度分布图像中纵轴方向的坐标值，以及将目标差分图像以及标准图像中灰度值分别为坐标点的横纵坐标值的像素点的个数作为灰度分布图像中坐标点的灰度值，构建灰度分布图像。也就是，灰度分布图像中坐标点的横坐标值为X0(即目标差分图像中灰度值为X0)，纵坐标值为Y0(即标准图像中灰度值为Y0)，坐标点的灰度值为在目标差分图像中灰度值为X0且在对应标准图像中灰度值为Y0的像素点的个数。
S25,基于灰度分布图像的非零像素点确定灰度分布图像中的异常点，相应确定与目标差分图像关联的待测目标图像的缺陷及缺陷位置。
这里，异常点可以为非正常的非零像素点，可以包括待测目标图像的至少一个像素点。异常点可以预测的缺陷像素点的集合。例如异常点A可以包括缺陷像素点1至缺陷像素点N。预测的缺陷可以包括但不限于表面冗余物、晶体缺陷、划痕以及图案缺陷。与目标差分图像关联的待测目标图像可以为，构建目标差分图像的待测目标图像。待测目标图像的缺陷可以为缺陷像素点构成的图像区域。
在本申请实施例中，通过对灰度分布图像中非零像素点的灰度值的分析，可以确定该非零像素点是否为异常点。根据该异常点映射至对应的目标差分图像或标准图像，可以得到的至少一个像素点，将与异常点对应的像素点映射至与目标差分图像关联的待测目标图像中，即基于与异常点对应的像素点的位置在待测目标图像中查找对应的缺陷像素点，从而将该缺陷像素点形成的区域确定为待测目标图像中的缺陷，以及将该区域所在位置确定为缺陷位置。
在上述实施例中，获取待测物上多个连续排布的重复单元对应的多个待测目标图像，获取多个待测目标图像对应的标准图像，以及每个待测目标图像的目标差分图像，基于待测目标图像的差分图像以及标准图像构建灰度分布图像，从而可以得到不同重复单元之间的差异点与标准像素点的灰度值分布，通过对灰度值分布情况的分析，可以快速且准确确认灰度分布图像中异常点，以及根据异常点相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。如此，可以无需复杂计算即可完成缺陷检测，并且可以在高倍率图像中检测出灰度差别较小的缺陷。
在一些实施例中，S21，从待测物的图像中提取多个连续排布的重复单元分别对应的待测目标图像，可以包括：
采用预设尺寸的检测框对重复单元的图像区域进行提取，得到待测物的图像中沿第一方向排列的一行重复单元分别对应的待测目标图像，检测框沿待测物的图像的第一方向移动；
将所述一行重复单元分别对应的待测目标图像依序进行分组，得到每组对应的待测目标图像。
这里，预设尺寸不小于单个重复单元的大小。例如，在待测物为晶圆的情况下，预设尺寸可以为不小于单个待测芯片的尺寸。待测物图像可以通过行扫描的方式得到。待测物的图像中沿第一方向排列的一行重复单元分别对应的待测目标图像，可以为待测物中任意一行的所有重复单元对应的图像。其图像数量与待测物中任意一行的重复单元的数量相同。
每组对应的多个待测目标图像可以为多个连续排布的重复单元对应的图像，也就是组内待测目标图像对应的多个重复单元在待测物上位置连续。
在本申请实施例中，缺陷检测设备可以通过移动检测框的方式，从待测物图像中依序提取沿第一方向连续排列的一行重复单元分别对应的待测目标图像，并将一行重复单元分别对应的待测目标图像按照重复单元的位置先后进行分组，得到每组对应的多个待测目标图像。图4示出本申请实施例提供的一种同行待测目标图像分组的示意图，如图4所示，一行有22个待测目标图像，每次从前往后统计8个待测目标图像分为一组，即第1个至第8个待测目标图像为第一组待测目标图像组，第7个至第14个待测目标图像为第二组待测目标图像组，第13个至第20个待测目标图像为第三组待测目标图像组，最后一组从后往前统计8个，也就是第15个至第22个待测目标图像为第四组待测目标图像组。
在上述实施例中，通过固定尺寸的检测框从待测物的图像中依序提取一行的每个重复单元对应的待测目标图像，可以得到图像尺寸一致的多个待测目标图像，便于后续进行缺陷检测。同时，按照重复单元位置的先后顺序对同行的待测目标图像进行分组，可以将相邻的图像分到一组，从而便于利用相邻的重复单元之间的差异进行缺陷检测。
在一些实施例中，从待测物的图像中提取多个连续排布的重复单元分别对应的待测目标图像，可以包括：
采用预设尺寸的检测框对重复单元的图像区域进行提取，得到待测物的图像中沿第二方向排列的一列重复单元分别对应的待测目标图像，检测框沿待测物的图像的第二方向移动；
将一列重复单元分别对应的待测目标图像依序进行分组，得到每组对应的多个待测目标图像。
这里，预设尺寸不小于单个重复单元的大小。例如，在待测物为晶圆的情况下，预设尺寸可以为不小于单个待测芯片的尺寸。待测物图像可以通过行扫描的方式得到。待测物的图像中沿第二方向排列的一列重复单元分别对应的待测目标图像，可以为待测物中任意一列的所有重复单元对应的图像。其图像数量与待测物中任意一列的重复单元的数量相同。
每组对应的多个待测目标图像可以为多个连续排布的重复单元对应的图像，也就是组内待测目标图像对应的多个重复单元在待测物上位置连续。
在本申请实施例中，缺陷检测设备可以通过移动检测框的方式，从待测物图像中依序提取沿第二方向连续排列的一列重复单元分别对应的待测目标图像，并将一列重复单元分别对应的待测目标图像按照重复单元的位置先后进行分组，得到每组对应的多个待测目标图像。图5示出本申请实施例提供的一种同列待测目标图像分组的示意图，如图5所示，一列有22个待测目标图像，每次从上往下统计8个待测目标图像分为一组，即第1个至第8个待测目标图像为第一组待测目标图像组，第7个至第14个待测目标图像为第二组待测目标图像组，第13个至第20个待测目标图像为第三组待测目标图像组，最后一组从下往前上统计8个，也就是第15个至第22个待测目标图像为第四组待测目标图像组。
在上述实施例中，通过固定尺寸的检测框从晶圆图像中依序提取同列的每个待测目标对应的待测目标图像，可以得到图像尺寸一致的多个待测目标图像，便于后续进行缺陷检测。同时，依序对同列的待测目标图像进行分组，可以将相邻的图像分到一组，从而便于利用相邻的重复单元之间的差异进行缺陷检测。
在一些实施例中，S22,获取多个待测目标图像对应的标准图像，可以包括：
基于多个待测目标图像中同一位置对应的像素点的灰度值，获得多个待测目标图像中各像素点对应的灰度值序列，基于灰度值序列确定各像素点的标准灰度值；
根据各像素点的标准灰度值，构建与多个待测目标图像对应的标准图像。
这里，多个待测目标图像中同一位置对应的像素点的灰度值可以为在同一个图像位置中各待测目标图像对应的像素点的灰度值。例如各待测图像在图像位置(Xh，Yh)上像素点的灰度值。灰度值序列可以为按照灰度值大小顺序排列的数组。标准灰度值可以为灰度值序列中的中间灰度值。
在本申请实施例中，可以获取同组中各待测目标图像中各像素点的像素值，查找各待测目标图像中同一个位置像素点的灰度值，从而得到该位置像素点对应的多个灰度值，将这些灰度值按照从大到小或者从小到大的顺序进行排序，得到一个灰度值序列。
由于多个待测目标在同一位置同时存在缺陷的概率较低，因此，可以从灰度值序列中选取中间灰度值作为该像素点的标准灰度值。如此，可以避免将缺陷对应的灰度值作为参考灰度值。
将各位置的像素点按照各自对应的标准灰度值显示在与待测目标图像大小一样的图像区域，得到与该多个待测目标图像对应的标准图像。
在上述实施例中，获取图像中每个位置的像素点对应的灰度值序列，并从每个像素点的灰度值序列中确定每个像素点的标准灰度值，基于每个像素点的标准灰度值构建标准图像。如此，可以通过像素点的实际灰度值得到无缺陷的图像，有利于后续缺陷检测。
在一个示例中，图6示出本申请实施例提供的一种待测目标图像组的示意图，图7示出本申请实施例提供的一种标准图像的示意图。如图6所示，一个待测目标图像组中有n个待测目标图像(即C1至Cn)。对于同一个图像位置的像素点，各个待测目标图像对应的灰度值可能不完全相同(即P0至Pn)。当n 为8时，将8个灰度值按照大小进行排序，得到像素点对应的灰度值序列，取灰度值序列中第4个或者第5个灰度值作为像素点的标准灰度值，重复执行上述操作，构建如图7所示的标准图像。
在一些实施例中，在S21，获取待测物上多个连续排布的重复单元对应的多个待测目标图像之后，该方法还包括：
根据重复单元的目标特征点对多个待测目标图像进行对位处理，得到重复单元中的各像素点一一对应的对位后的多个待测目标图像。
这里，重复单元的目标特征点可以是重复单元的任意特征点。可选地，特征点可以属于待测目标中纹理复杂区域。
对位处理可以为各待测目标图像根据各自对应的重复单元的至少两个相同特征点进行对齐操作，以使各待测目标图像中同一个位置的像素点表征重复单元的目标特征点，也就是重复单元的目标特征点在各待测目标图像中的位置相同。对位后的多个待测目标图像可以为各待测目标图像中待测目标的像素点满足一一对应的关系。图8示出本申请实施例提供的一种对位后的待测目标图像的示意图，如图8所示，两个待测目标图像中待测目标的特征点在同一个位置。
在本申请实施例中，以第一个待测目标图像中重复单元的目标特征点所在位置为基准，对其它待测目标图像中重复单元进行对齐操作，以使各自待测目标的特征点处于同一个图像位置，得到各重复单元的像素点一一对应的多个待测目标图像。
在上述实施例中，可以根据重复单元的目标特征点对待测目标图像进行对位处理，从而可以使得多个待测目标图像对齐，便于后续通过对齐的图像可以准确检测出缺陷。
在一些实施例中，S26,基于所述灰度分布图像的非零像素点确定所述灰度分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置，包括：
遍历灰度分布图像中每一像素点，对每个非零像素点确定对应参考区域，根据参考区域内像素点的灰度值之和与灰度阈值的关系，确定非零像素点是否为正常像素点；
根据灰度分布图像中正常像素点的分布，确定灰度分布图像中的正常区域；
将灰度分布图像中正常区域外的非零像素点标记为异常点，并将异常点映射至与目标差分图像关联的所述待测目标图像中，得到对应待测目标的缺陷及缺陷位置。
这里，非零像素点可以为灰度分布图像中灰度值不为0的像素点。参考区域可以为以非零像素点为中心，分别横向和纵向扩展预设个数的像素点所形成的区域。该参考区域可以用于确认该非零像素点是否为正常像素点。预设个数可以根据需求进行设定。可选地，参考区域的面积可以不小于灰度分布图像面积的千分之一。具体地,分别向左和向右扩展OFF_X个像素点，向上和向下扩展 OFF_Y个像素点,参考区域的大小可以为(OFF_X*2+1)*(OFF_Y*2+1)。
正常像素点可以为非缺陷点。正常区域可以为由正常像素点所形成的区域，也就是无缺陷区域。参考区域内像素点的灰度值之和与灰度阈值的关系，可以为参考区域像素点的灰度值之和与灰度阈值的大小关系。可选的，灰度阈值可以为不小于待测目标图像像素点总数量的千分之一。
具体地，可以通过比较参考区域像素点的灰度值之和与灰度阈值的大小。在灰度值之和大于灰度阈值的情况下，可以确认该参考区域对应的非零像素点可以为正常像素点。反之，在灰度值之和不大于灰度阈值的情况下，可以确认该参考区域对应的非零像素点不为正常像素点。
在本申请实施例中，在确定灰度分布图像中全部正常像素点之后，可以根据正常像素点的分布，确定正常像素点所形成的区域，将其作为正常区域。查找灰度分布图中不属于正常区域(即非正常区域)的非零像素点，并将其标记为异常点。查找异常点对应的标准图或者目标差分图中的至少一个像素点，将异常点对应的所有像素点映射至与目标差分图像关联的待测目标图像中，可以得到对应的缺陷像素点，进而得到与待测目标图像中的缺陷及缺陷位置。
在上述实施例中，通过对灰度分布图中每个非零像素点的分析，可以快速且准确确定正常区域与非正常区域，并将非正常区域内的像素点标记为异常点，将其映射至待测目标图像中，得到缺陷像素点，从而得到待测目标图像的缺陷所在位置。如此，可以通过简单的统计计算与比较判断，快速且准确判断出缺陷点。
在一些实施例中，根据灰度分布图像中正常像素点的分布，确定灰度分布图像中的正常区域，包括：
提取灰度分布图像中正常像素点构成的连通域，将最大面积的连通域作为灰度分布图像中的正常区域；
确定包围正常区域的最小包络线；
通过预设偏移位置对最小包络线内的正常区域进行膨胀处理，得到膨胀后的正常区域。
这里，连通域可以为灰度分布图像中与正常像素点具有相同像素值且相邻的区域。在本申请实施例中，可以通过连通区域分析算法，提取灰度分布图像中正常像素点构成的连通域，获取最大面积的连通域，并将该连通域作为灰度分布图像中的正常区域。图9示出本申请实施例提供的一种正常区域的示意图，如图9所示，白色区域为灰度分布图像中的正常区域。该正常区域可以有内凹部分。
最小包络线可以为包围正常区域的最小外框，也就是正常区域对应的最小凸包。最小包络线可以标记正常区域所在图中的范围。在本申请实施例中，可以通过凸包算法确定正常区域最外层的像素点，将这些最外围的像素点连接起来，形成最小包络线。可选地，凸包算法可以包括但不限于Graham扫描法和 Jarvi s步进法。
预设偏移位置可以与非零像素点扩展像素点的预设个数对应。也就是预设偏移位置可以为横向偏移OFF_X个像素点和纵向偏移OFF_Y个像素点。膨胀处理可以理解为根据预设偏移位置对最小包络线包围的正常区域的边界向外扩张。图10示出本申请实施例提供的一种膨胀后的正常区域的示意图，如图10 所示，膨胀后的正常区域的边界稍微超出最小包络线。图11示出本申请实施例提供的一种标记异常点的灰度值分布图，如图11所示，将位于膨胀后的正常区域外的非零像素点标记为异常点，异常点的坐标可以为(128,140)。
需要说明的是，由于前述通过非零像素点的扩展预设个数的像素点形成的参考区域来判断是否为正常像素点，因此，可以采用与前述扩展相同的横向扩展元素和纵向扩展元素形成的结构元素对正常区域进行膨胀，如此可以减少膨胀操作对缺陷点判断的影响。
在上述实施例中，通过将正常点的最大面积连通域作为正常区域，可以最大限度缩小缺陷所在区域范围。此外，对正常区域进行膨胀处理，可以使得正常区域进行合理扩张，使得正常区域增大，填补正常区域中的空洞。
在一个示例中，遍历灰度分布图中每一个像素点，在当前像素点为非零像素点A(X1，Y1)时，分别向上方和下方扩展3个像素点，向左方和右方扩展4 个像素点，参考区域为(X1-3至X1+3,Y1-4至Y1+4)，参考区域大小为(3*2+1， 4*2+1)，即7*9个像素点区域。统计63个像素点的灰度值之和Sum。在Sum大于灰度阈值的情况下，可以确定非零像素点A为OK点(即正常像素点)。对所有非零像素点分析完毕后，得到一个OK区域，计算连通域，保留面积最大的区域作为正常区域。
计算正常区域最小凸包，在使用扩展结构元素对正常区域进行膨胀处理，得到最终的OK区域(即膨胀后的OK区域)，如此可以将断开的区域进行合并，便于整体提取。
在一些实施例中，在目标差分图像包括第一差分图像和第二差分图像的情况下。S25，根据目标差分图像与所述标准图像的灰度值，构建目标差分图像对应的灰度分布图像，包括：
根据第一差分图像与标准图像的灰度值，构建第一差分图像对应的第一灰度分布图像；
根据第二差分图像与标准图像的灰度值，构建第二差分图像对应的第二灰度分布图像。
这里，第一差分图像和第二差分图像均为基于待测目标图像构建的差分图像。具体地，第一差分图像和第二差分图像可以为待测目标图像分别与两个相邻待测目标图像进行差分处理形成的。
在本申请实施中，以第一差分图像的像素值X1为第一灰度分布图中的横向坐标值，对应标准图像的像素值Y1为第一灰度分布图中的纵向坐标值，以及在第一差分图像中的像素值为X1，且在对应标准图像中的像素值为Y1对应的像素点的数量为第一灰度分布图中的像素点的灰度值。
以第二差分图像的像素值X2为第一灰度分布图中的横向坐标值，对应标准图像的像素值Y2为第二灰度分布图中的纵向坐标值，以及在第二差分图像中的像素值为X2，且在对应标准图像中的像素值为Y2对应的像素点的数量为第二灰度分布图中的像素点的灰度值。
在上述实施例中，为了进一步准确确定缺陷所在位置，可以构建第一差分图像和第二差分图像。
在一些实施例中，S26，基于灰度分布图像的非零像素点确定分布图像中的异常点，相应确定与目标差分图像关联的待测目标图像的缺陷及缺陷位置，包括：
基于第一灰度分布图像的非零像素点确定第一灰度分布图像中的第一异常点；
基于第二灰度分布图像的非零像素点确定第一灰度分布图像中的第二异常点；
将所述第一异常点映射至所述第一差分图像和所述第二差分图像共同关联的所述待测目标图像中，得到第一缺陷点；将所述第二异常点映射至所述第一差分图像和所述第二差分图像共同关联的所述待测目标图像中，得到第二缺陷点；
将第一缺陷点与第二缺陷点中重叠的缺陷点作为目标缺陷点，相应确定所述待测目标图像的缺陷及缺陷位置。
这里，第一异常点和第二异常点分别根据第一灰度分布图像和第二灰度分布图像确定的，其确定方法与前述异常点确定方法类似，这里不再赘述。
第一缺陷点可以为第一异常点映射至待测目标图像中的至少一个像素点，第二缺陷点可以为第二异常点映射至待测目标图像中的至少一个像素点。第一缺陷点和第二缺陷点可能重叠。重叠是指第一异常点和第二异常点在各自图像中的位置相同。第一差分图像和第二差分图像共同关联的待测目标图像，可以为构建第一差分图像和第二差分图像的一个待测目标图像。
需要说明的是，第一异常点和第二异常点可以为多个。一个异常点可以对应多个标准图像或者差分图像中的多个像素点。
在本申请实施例中，通过第一灰度分布图确定第一异常点，以及通过第二灰度分布图确定第二异常点，将第一异常点和第二异常点分别映射至第一差分图像和所述第二差分图像共同关联的待测目标图像中，分别得到与第一异常点对应的第一缺陷点，以及与第二异常点对应的第二缺陷点，确定第一异常点和第二异常点的重叠情况，可以重叠的缺陷点确定为目标缺陷点，即真实缺陷点，从而得到待测目标图像中缺陷及缺陷位置。
在上述实施例中，通过对待测目标图像的两个灰度分布图的分析，可以分别确定出第一异常点和第二异常点，将第一异常点和第二异常点映射至待测目标图像中，得到第一缺陷点和第二缺陷点，将第一缺陷点和第二缺陷点的交集，将其作为待测目标图像中的真实缺陷点，相应确定出待测目标图像中的真实缺陷点形成的缺陷及缺陷位置。
需要说明的是，在第一缺陷点和第二缺陷点中存在不重叠的情况下，待测图像存在缺陷，且该不重叠的缺陷点所表示的缺陷存在相邻重复单元中。
在一些实施例中，S23,将每一待测目标图像与相邻待测目标图像进行差分处理，得到与每一待测目标图像对应的目标差分图像，包括：
针对除多个待测目标图像中排序第一和最后的待测目标图像外的每一待测目标图像，将待测目标图像的像素点与在先相邻待测目标图像的像素点进行差分处理，得到与像素点对应的差分值，构建第一差分图像；
将待测目标图像的像素点与在后相邻待测目标图像之间的像素点进行差分处理，得到与像素点对应的差分值，构建第二差分图像。
这里，由于多个待测目标图像分别对应多个连续排布的重复单元，因此，多个待测目标图像存在相应的先后顺序。
除多个待测目标图像中第一和最后的待测目标图像外的每一待测目标图像，可以理解为多个待测目标图像中排序为第二的待测目标图像至倒数第二的待测目标图像中任意一个待测目标图像。在先相邻待测目标图像可以为多个待测目标图像中在待测目标图像之前一位的相邻待测目标图像。在后相邻待测目标图像可以为多个待测目标图像中在待测目标图像之后一位的相邻待测目标图像。
在本申请实施例中，差分处理可以为将待测目标图像与在先相邻待测目标图像之间满足对应关系的像素点的灰度值相减。满足对应关系的像素点可以理解为各图像中同一个位置的像素点。
第一差分图像可以为待测目标图像与在先相邻待测目标图像之间每个像素点的灰度值之差构成的图像，第二差分图像可以为待测目标图像与在后相邻待测目标图像之间每个像素点的灰度值之差构成的图像。
例如，待测目标图像可以为排序第二的图像2，在先相邻待测目标图像可以为排序第一的图像1，在后相邻待测目标图像可以为排序第三的图像3。将图 2与图1进行差分计算，得到第一差分图，以及将图2与图3进行差分计算，得到第二差分图像。
在上述实施例中，根据待测目标图像与前后图像进行差分计算，可以得到两个差分图像，有利于后续准确检测出缺陷所在位置。
在一些实施例中，S23,将每一待测目标图像与相邻待测目标图像进行差分处理，得到与每一待测目标图像对应的目标差分图像，包括：
针对所述多个待测目标图像中内排序第一的待测目标图像，将所述待测目标图像的像素点与在后第一相邻待测目标图像的像素点进行差分处理，得到与所述像素点对应的差分值，构建第一差分图像，将所述待测目标图像的像素点与在后第二相邻待测目标图像的像素点进行差分计算，得到与所述像素点对应的差分值，构建第二差分图像。
这里，对于排序第一的待测目标图像而言，在后第一相邻待测目标图像可以为在排序第一的待测目标图像之后一位的图像，即排序第二的待测目标图像。在后第二相邻待测目标图像可以为在排序第一的待测目标图像之后两位的图像，即排序第三的待测目标图像。
在本申请实施例中，将排序第一的待测目标图像与排序第二的待测目标图像进行差分计算，得到第一差分图像。以及将排序第一的待测目标图像与排序第三的待测目标图像进行差分计算，得到第二差分图像。
需要说明的是，差分处理与前述差分处理类似，这里不再赘述。
在一些实施例中，S23,将每一待测目标图像与相邻待测目标图像进行差分处理，得到与每一待测目标图像对应的目标差分图像，包括：
针对所述多个待测目标图像中排序最后的待测目标图像，将所述待测目标图像的像素点与在先第一相邻待测目标图像的像素点进行差分计算，得到与所述像素点对应的差分值，构建第一差分图像，将所述待测目标图像的像素点与在先第二相邻待测目标图像的像素点进行差分计算，得到与所述像素点对应的差分值，构建第二差分图像。
这里，对于排序最后的待测目标图像而言，在先第一相邻待测目标图像可以为在排序最后的待测目标图像之前一位的图像，即排序倒数第二的待测目标图像。在先第二相邻待测目标图像可以组内在排序最后的待测目标图像之前两位的图像，即排序倒数第三的待测目标图像。
在本申请实施例中，将排序最后的待测目标图像与排序倒数第二的待测目标图像进行差分处理，得到第一差分图像。以及将排序最后的待测目标图像与排序倒数第三的待测目标图像进行差分处理，得到第二差分图像。
需要说明的是，差分处理方法与前述差分处理方法类似，这里不再赘述。
为了更加了解差分计算，图12示出本申请实施例提供的一种差分图像获取的流程示意图，如图12所示，图像A、图像B和图像C为一组存在局部差异的图像。其中，图像B为待检测图像。将图像A和图像B进行差分计算，可以得到第一个差分图像，在第一个差分图像中，突出显示图A与图B差异之处，也就是差异之处的像素点的灰度值不为0。以及，将图像B和图像C进行差分计算，可以得到第二个差分图像，在第二个差分图像中，突出显示图B与图C差异之处，也就是差异之处的像素点的灰度值不为0。
为了能够对本申请提供的缺陷检测方法具有更加整体的理解，另一种缺陷检测方法，可应用于如图1所示的缺陷检测设备。在本申请实施例中，待测图像可以为晶圆图像，待测目标图像组可以为芯片图像组。图13示出本申请实施例提供的另一种缺陷检测方法的流程示意图。如图13所示，该缺陷检测方法包括如下步骤。
S131，获取晶圆图像，并对晶圆图像中的芯片进行分组，得到多个芯片图像组。
这里，对晶圆图像中的芯片进行分组可以为通过检测框滑动提取晶圆图像中同一行内的每个芯片图像(即待测目标图像)，并依序对芯片图像进行分组。
需要说明的是，分组方法和前述实施例分组方法类似，这里不再赘述。
S132，对芯片图像组内的芯片图像进行对位处理。
这里，根据芯片图像中芯片的至少一个特征点对组内每个芯片图像进行对位，使得组内芯片图像之间的每个像素一一对应。
S133,创建芯片图像组对应的标准图像。
这里，获取组内每个芯片图像各个位置的像素点的灰度值，将各图中同一个位置的像素点依据灰度值大小进行排序，取中间大小的灰度值作为标准图像中相应位置的灰度值，组成标准图像。例如，组内有8个芯片图像，取大小排第4的灰度值作为标准图像的灰度值。
S134，对组内芯片图像之间进行差分计算，得到与每个芯片图像对应的两个差分图像(即第一差分图像和第二差分图像)。
这里，组内芯片图像可以分别与前后相邻的芯片图像进行差分计算，得到两个差分图像。组内首个芯片图像分别与后面两个芯片图像分别进行差分计算，以及组内最后一个芯片图像与前面两个芯片图像分别进行差分计算。
S135，针对每个差分图像，基于对应标准图像构建与其对应的灰度分布图。
在本申请实施例中，灰度分布图的构建方法与前述灰度分布图构建方法类似，这里不再赘述。
S136，通过分析灰度分布图，确定正常区域。
在本申请实施例中，正常区域确定方法与前述正常区域确定方法类似，这里不再赘述。
S137，计算正常区域的凸包，对正常区域进行膨胀处理，得到最后的正常区域。
这里，凸包计算方法和前述凸包计算方法类似，以及膨胀处理的方法与前述膨胀处理的方法类似，这里不再赘述。
S138，基于灰度分布图中的正常区域，检测缺陷点。
这里，统计灰度分布图中每一个不在正常区域的非零像素点(即非正常区域的非零像素点)，根据当前非零像素点在差分图像或标准图像对应的像素点的位置，查找异常点对应的像素点在芯片图像中的位置，将该位置标记为候选缺陷点。也就是将不在正常区域的非零像素点映射至芯片图像中，确定候选缺陷点所在位置。
例如，图中不在正常区域的非零像素点S为坐标Xs＝128,Ys＝140，即将同时满足差分图像中灰度值为128和在标准图像中灰度值为140的像素点标记为异常点，将异常点对应的像素点映射至芯片图像。
S139，基于芯片图像的两个灰度分布图，分别得到两个缺陷图，将两个缺陷图中重合的候选缺陷作为真实缺陷。
这里，缺陷图可以为标记候选缺陷的图像，其可以根据S138得到。
在上述实施例中，基于芯片的差分图像和标准图像构建灰度分布图像，通过对灰度分布图像的分析，可以区分正常区域与非正常区域分别对应的像素点，并将非正常区域的点映射至芯片图像中作为缺陷点。如此，可以快速且准确确定出缺陷所在位置。并且基于灰度分布图进行的缺陷检测可以在高倍率图像灰度变化较小的情况，仍可以检测出灰度差别较小的缺陷。
本申请实施例再一方面，还提供一种缺陷检测装置。图14示出本申请实施例提供的一种缺陷检测装置的结构示意图。如图14所示，该缺陷检测装置可以包括：
图像获取模块141，用于获取待测物上多个连续排布的重复单元对应的多个待测目标图像，待测目标图像的数量与所述重复单元的个数相同；
标准图像获取模块142，用于获取多个待测目标图像对应的标准图像；
差分图像得到模块143，用于将每一待测目标图像与相邻待测目标图像进行差分处理，得到与每一待测目标图像对应的目标差分图像；
分布图像构建模块144，用于根据目标差分图像与标准图像的灰度值，构建目标差分图像对应的灰度分布图像。
缺陷位置确定模块145，用于基于灰度分布图像的非零像素点确定灰度分布图像中的异常点，相应确定与目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。
在上述实施例中，可以获取待测物上多个连续排布的重复单元对应的多个待测目标图像，获取多个待测目标图像对应的标准图像，以及每个待测目标图像的目标差分图像，基于待测目标图像的差分图像以及标准图像构建灰度分布图像，从而可以得到不同重复单元之间的差异点与标准像素点的灰度值分布，通过对灰度值分布情况的分析，可以快速且准确确认灰度分布图像中异常点，以及根据异常点相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。如此，可以无需复杂计算即可完成缺陷检测，并且可以在高倍率图像中检测出灰度差别较小的缺陷。
在一些实施例中，缺陷位置确定模块145可以包括：
非零确定子模块，用于遍历所述灰度分布图像中每一像素点，确定所述灰度分布图中的非零像素点；
正常点确定子模块，对每个非零像素点确定对应参考区域，根据所述参考区域内像素点的灰度值之和与灰度阈值的关系，确定所述非零像素点是否为正常像素点；
正常区域确定子模块，用于根据所述灰度分布图像中正常像素点的分布，确定所述灰度分布图像中的正常区域。
第一缺陷位置得到子模块，用于将所述灰度分布图像中所述正常区域外的非零像素点标记为异常点，并将所述异常点映射至与所述目标差分图像关联的所述待测目标图像中，得到对应所述待测目标的缺陷及缺陷位置。
在一些实施例中，正常区域确定子模块可以包括：
连通域提取单元，用于提取所述灰度分布图像中正常像素点构成的连通域，将最大面积的所述连通域作为所述灰度分布图像中的正常区域；
包络线确定单元，用于确定包围所述正常区域的最小包络线；
膨胀处理单元，用于通过预设偏移位置对所述最小包络线内的正常区域进行膨胀处理，得到膨胀后的正常区域。
在一些实施例中，所述目标差分图像包括第一差分图像和第二差分图像，分布图像构建模块144可以包括：
第一分布图像构建子模块，用于根据所述第一差分图像与所述标准图像的灰度值，构建所述第一差分图像对应的第一灰度分布图像；
第二分布图像构建子模块，用于根据所述第二差分图像与所述标准图像的灰度值，构建所述第二差分图像对应的第二灰度分布图像。
在一些实施例中，缺陷位置确定模块145可以包括：
第一异常点确定子模块，用于基于第一灰度分布图像的非零像素点确定第一灰度分布图像中的第一异常点；
第二异常点确定子模块，用于基于第二灰度分布图像的非零像素点确定第一灰度分布图像中的第二异常点；
映射子模块，用于将所述第一异常点映射至第一差分图像和第二差分图像共同关联的待测目标图像中，得到第一缺陷点；将第二异常点映射至第一差分图像和第二差分图像关联的待测目标图像中，得到第二缺陷点；
第二缺陷位置得到子模块，用于将第一缺陷点与第二缺陷点中重叠的缺陷点作为目标缺陷点，相应确定所述待测目标图像的缺陷及缺陷位置。
在一些实施例中，差分图像得到模块143可以包括：
第一差分图像构建子模块，用于针对除多个待测目标图像中排序第一和最后的待测目标图像外的每一待测目标图像，将待测目标图像的像素点与在先相邻待测目标图像的像素点进行差分处理，得到与像素点对应的差分值，构建第一差分图像；
第二差分图像构建子模块，用于将所述待测目标图像的像素点与在后相邻待测目标图像之间的像素点进行差分处理，得到与所述像素点对应的差分值，构建第二差分图像。
在一些实施例中，差分图像得到模块143可以包括：
第三差分图像得到子模块，用于针对多个待测目标图像中内排序第一的待测目标图像，将待测目标图像的像素点与在后第一相邻待测目标图像的像素点进行差分处理，得到与像素点对应的差分值，构建第一差分图像，将待测目标图像的像素点与在后第二相邻待测目标图像的像素点进行差分计算，得到与像素点对应的差分值，构建第二差分图像；
第四差分图像得到子模块，用于针对多个待测目标图像中排序最后的待测目标图像，将待测目标图像的像素点与在先第一相邻待测目标图像的像素点进行差分计算，得到与像素点对应的差分值，构建第一差分图像，将待测目标图像的像素点与在先第二相邻待测目标图像的像素点进行差分计算，得到与像素点对应的差分值，构建第二差分图像。
在一些实施例中，图像获取模块141可以包括：
待测物图像获取子模块，用于获取待测物的图像，待测物的图像包括多个连续排布的重复单元对应的图像区域；
图像提取子模块，用于从待测物的图像中提取多个连续排布的重复单元分别对应的待测目标图像。
在一些实施例中，图像获取模块141可以包括：
行图像得到子模块，用于采用预设尺寸的检测框对所述重复单元的图像区域进行提取，得到待测物的图像中沿第一方向排列的一行重复单元分别对应的待测目标图像，检测框沿所述待测物的图像的第一方向移动；
第一多个图像得到子模块，用于将一行重复单元分别对应的待测目标图像依序进行分组，得到每组对应的多个待测目标图像；或者，
列图像得到子模块，用于采用预设尺寸的检测框对所述重复单元的图像区域进行提取，得到待测物的图像中沿所述第二方向排列的一列重复单元分别对应的待测目标图像，所述检测框沿待测物的图像的第二方向移动；
第二多个图像得到子模块，用于将所述一列重复单元分别对应的待测目标图像依序进行分组，得到每组对应的多个待测目标图像。
在一些实施例中，标准图像获取模块142可以包括：
标准灰度值确定子模块，用于基于所述多个待测目标图像中同一位置对应的像素点的灰度值，获得所述多个待测目标图像中各像素点对应的灰度值序列，基于所述灰度值序列确定各所述像素点的标准灰度值；
标准图像构建子模块，用于根据各所述像素点的标准灰度值，构建与所述多个待测目标图像对应的标准图像。
在一些实施例中，该装置还包括：
对位模块，用于在获取待测物上多个连续排布的重复单元对应的多个待测目标图像之后，根据重复单元的目标特征点对多个待测目标图像进行对位处理，得到重复单元中的各像素点一一对应的对位后的多个待测目标图像。
本申请实施例又一方面，还提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如实现本申请任一实施例所述的缺陷检测方法，与前述实施例提供的缺陷检测方法能够达到相同的技术效果。
本申请实施例又一方面，还提供一种缺陷检测设备。图15示出本申请实施例提供的一种缺陷检测设备的结构示意图。如图15所示，该缺陷检测设备包括处理器151及存储器152，所述存储器152内存储有可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现本申请任一实施例所述的缺陷检测方法，缺陷检测设备与前述实施例提供的缺陷检测方法能够达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述缺陷检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(RandomAccessMemory，简称RAM)、磁碟或者光盘等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围之内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种缺陷检测方法，其特征在于，包括：
获取待测物上多个连续排布的重复单元对应的多个待测目标图像，所述待测目标图像的数量与所述重复单元的个数相同；
获取所述多个待测目标图像对应的标准图像；
将每一待测目标图像与相邻待测目标图像进行差分处理，得到与所述每一待测目标图像对应的目标差分图像；
根据所述目标差分图像与所述标准图像的灰度值，构建所述目标差分图像对应的灰度分布图像；
基于所述灰度分布图像的非零像素点确定所述灰度分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。
2.根据权利要求1所述的缺陷检测方法，其特征在于，所述基于所述灰度分布图像的非零像素点确定所述灰度分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置，包括：
遍历所述灰度分布图像中每一像素点，确定所述灰度分布图中的非零像素点；
对每个所述非零像素点确定对应参考区域，根据所述参考区域内像素点的灰度值之和与灰度阈值的关系，确定所述非零像素点是否为正常像素点；
根据所述灰度分布图像中正常像素点的分布，确定所述灰度分布图像中的正常区域；
将所述灰度分布图像中所述正常区域外的非零像素点标记为异常点，并将所述异常点映射至与所述目标差分图像关联的所述待测目标图像中，得到对应所述待测目标图像的缺陷及缺陷位置。
3.根据权利要求2所述的缺陷检测方法，其特征在于，所述根据所述灰度分布图像中正常像素点的分布，确定所述灰度分布图像中的正常区域，包括：
提取所述灰度分布图像中正常像素点构成的连通域，将最大面积的所述连通域作为所述灰度分布图像中的正常区域；
确定包围所述正常区域的最小包络线；
通过预设偏移位置对所述最小包络线内的正常区域进行膨胀处理，得到膨胀后的正常区域。
4.根据权利要求1所述的缺陷检测方法，其特征在于，所述目标差分图像包括第一差分图像和第二差分图像，所述根据所述目标差分图像与所述标准图像的灰度值，构建所述目标差分图像对应的灰度分布图像，包括：
根据所述第一差分图像与所述标准图像的灰度值，构建所述第一差分图像对应的第一灰度分布图像；
根据所述第二差分图像与所述标准图像的灰度值，构建所述第二差分图像对应的第二灰度分布图像。
5.根据权利要求4所述的缺陷检测方法，其特征在于，所述基于所述灰度分布图像的非零像素点确定所述分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置，包括：
基于所述第一灰度分布图像的非零像素点确定所述第一灰度分布图像中的第一异常点；
基于所述第二灰度分布图像的非零像素点确定所述第一灰度分布图像中的第二异常点；
将所述第一异常点映射至所述第一差分图像和所述第二差分图像共同关联的所述待测目标图像中，得到第一缺陷点；将所述第二异常点映射至所述第一差分图像和所述第二差分图像关联的所述待测目标图像中，得到第二缺陷点；
将第一缺陷点与第二缺陷点中重叠的缺陷点作为目标缺陷点，相应确定所述待测目标图像的缺陷及缺陷位置。
6.根据权利要求4所述的缺陷检测方法，其特征在于，所述将每一待测目标图像与相邻待测目标图像进行差分处理，得到与所述每一待测目标图像对应的目标差分图像，包括：
针对除所述多个待测目标图像中排序第一和最后的待测目标图像外的每一待测目标图像，将所述待测目标图像的像素点与在先相邻待测目标图像的像素点进行差分处理，得到与所述像素点对应的差分值，构建第一差分图像；
将所述待测目标图像的像素点与在后相邻待测目标图像之间的像素点进行差分处理，得到与所述像素点对应的差分值，构建第二差分图像。
7.根据权利要求4所述的缺陷检测方法，其特征在于，所述将每一待测目标图像与相邻待测目标图像进行差分处理，得到与所述每一待测目标图像对应的目标差分图像，包括：
针对所述多个待测目标图像中内排序第一的待测目标图像，将所述待测目标图像的像素点与在后第一相邻待测目标图像的像素点进行差分处理，得到与所述像素点对应的差分值，构建第一差分图像，将所述待测目标图像的像素点与在后第二相邻待测目标图像的像素点进行差分计算，得到与所述像素点对应的差分值，构建第二差分图像；
针对所述多个待测目标图像中排序最后的待测目标图像，将所述待测目标图像的像素点与在先第一相邻待测目标图像的像素点进行差分计算，得到与所述像素点对应的差分值，构建第一差分图像，将所述待测目标图像的像素点与在先第二相邻待测目标图像的像素点进行差分计算，得到与所述像素点对应的差分值，构建第二差分图像。
8.根据权利要求1所述的缺陷检测方法，其特征在于，在所述获取待测物上多个连续排布的重复单元对应的多个待测目标图像，所述待测目标图像的数量与所述重复单元的个数相同，包括：
获取所述待测物的图像，所述待测物的图像包括多个连续排布的重复单元对应的图像区域；
从所述待测物的图像中提取多个连续排布的重复单元分别对应的待测目标图像。
9.根据权利要求1所述的缺陷检测方法，其特征在于，所述从所述待测物的图像中提取多个连续排布的重复单元分别对应的待测目标图像，包括：
采用预设尺寸的检测框对所述重复单元的图像区域进行提取，得到所述待测物的图像中沿所述第一方向排列的一行重复单元分别对应的待测目标图像，所述检测框沿所述待测物的图像的第一方向移动；
将所述一行重复单元分别对应的待测目标图像依序进行分组，得到每组对应的多个待测目标图像；
或，
采用预设尺寸的检测框对所述重复单元的图像区域进行提取，得到所述待测物的图像中沿所述第二方向排列的一列重复单元分别对应的待测目标图像，所述检测框沿所述待测物的图像的第二方向移动；
将所述一列重复单元分别对应的待测目标图像依序进行分组，得到每组对应的多个待测目标图像。
10.根据权利要求1所述的缺陷检测方法，其特征在于，所述获取所述多个待测目标图像对应的标准图像，包括：
基于所述多个待测目标图像中同一位置对应的像素点的灰度值，获得所述多个待测目标图像中各像素点对应的灰度值序列，基于所述灰度值序列确定各所述像素点的标准灰度值；
根据各所述像素点的标准灰度值，构建与所述多个待测目标图像对应的标准图像。
11.根据权利要求1至10任一所述的缺陷检测方法，其特征在于，在所述获取待测物上多个连续排布的重复单元对应的多个待测目标图像之后，还包括：
根据所述重复单元的目标特征点对所述多个待测目标图像进行对位处理，得到所述重复单元中的各像素点一一对应的对位后的多个待测目标图像。
12.一种缺陷检测装置，其特征在于，包括：
图像获取模块，用于获取待测物上多个连续排布的重复单元对应的多个待测目标图像，所述待测目标图像的数量与所述重复单元的个数相同；
标准图像获取模块，用于获取所述多个待测目标图像对应的标准图像；
差分图像得到模块，用于将每一待测目标图像与相邻待测目标图像进行差分处理，得到与所述每一待测目标图像对应的目标差分图像；
分布图像构建模块，用于根据所述目标差分图像与所述标准图像的灰度值，构建所述目标差分图像对应的灰度分布图像。
缺陷位置确定模块，用于基于所述灰度分布图像的非零像素点确定所述灰度分布图像中的异常点，相应确定与所述目标差分图像关联的所述待测目标图像的缺陷及缺陷位置。
13.一种缺陷检测设备，其特征在于，包括处理器及存储器，所述存储器内存储有可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至11中任一项所述的缺陷检测方法。
14.一种检测系统，其特征在于，包括图像采集设备以及如权利要求13所述的缺陷检测设备，
所述图像采集设备，用于沿的第一方向或第二方向扫描目标物，采集包含所述目标物中多个连续排布的重复单元的图像作为待测图像发送给所述缺陷检测设备。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被控制器执行时实现如权利要求1至11中任一项所述的缺陷检测方法。
CN202211052488.3A 2022-08-30 2022-08-30 缺陷检测方法、装置、设备、系统及存储介质 Pending CN117670781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211052488.3A CN117670781A (zh) 2022-08-30 2022-08-30 缺陷检测方法、装置、设备、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211052488.3A CN117670781A (zh) 2022-08-30 2022-08-30 缺陷检测方法、装置、设备、系统及存储介质

Publications (1)

Publication Number Publication Date
CN117670781A true CN117670781A (zh) 2024-03-08

Family

ID=90079452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211052488.3A Pending CN117670781A (zh) 2022-08-30 2022-08-30 缺陷检测方法、装置、设备、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117670781A (zh)

Similar Documents

Publication Publication Date Title
KR100730051B1 (ko) 결함 검출장치 및 결함 검출방법
KR100808652B1 (ko) 패턴 검사 방법
US9922414B2 (en) Defect inspection method and defect inspection device
US11144778B2 (en) Descriptor guided fast marching method for analyzing images and systems using the same
KR101860393B1 (ko) Cad­기반 레지스트레이션을 위한 시스템, 방법 및 컴퓨터 프로그램 제품
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
CN103018260B (zh) 缺陷检测方法
JP2010164487A (ja) 欠陥検査装置及び欠陥検査方法
CN113538603B (zh) 一种基于阵列产品的光学检测方法、系统和可读存储介质
CN115908988B (zh) 一种缺陷检测模型生成方法、装置、设备以及存储介质
CN114972173A (zh) 缺陷检测方法和缺陷检测装置及系统
US20110164129A1 (en) Method and a system for creating a reference image using unknown quality patterns
WO2012132273A1 (ja) 外観検査方法およびその装置
CN110349133B (zh) 物体表面缺陷检测方法、装置
CN110208973B (zh) 一种液晶显示屏合格性的检测方法
CN109829951B (zh) 平行等位检测方法、装置与自动驾驶系统
CN115641368B (zh) 一种用于标定的离焦棋盘格图像特征提取方法
CN117670781A (zh) 缺陷检测方法、装置、设备、系统及存储介质
JPH05215547A (ja) ステレオ画像間対応点決定方法
KR20070035655A (ko) 영상 데이터 레이블링 방법
CN109084721B (zh) 用于确定半导体器件中的目标结构的形貌参数的方法和设备
CN112767397B (zh) 工件的检测方法、工件检测设备及存储介质
CN112414943B (zh) 半导体芯片缺陷定位方法和定位模块
JP7475901B2 (ja) 試験片上の欠陥検出の方法およびそのシステム
CN113469969A (zh) 图像生成方法、图像生成装置、检测设备及可读存储介质

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