一种提高晶粒表面缺陷检测准确性的方法研究

发布时间：2021-08-14 21:09

　　晶粒质量影响半导体芯片性能,针对晶粒表面缺陷检测的问题,本文提出了一种新的缺陷检测方法,能有效抑制图像噪声,提高缺陷检测准确性。首先,采用形态学闭合重建方法去除噪声干扰。然后,将重建图像灰度级别作为聚类样本,构建一个基于离差阵的K-means分割算法准则函数,不断更新聚类中心直至准则函数收敛,完成图像分割。最后,提取分割晶粒轮廓信息,根据轮廓间的差异性,利用轮廓相似度识别缺陷晶粒。对2 937张晶粒图像进行处理并测试,结果表明:该方法能有效滤除了图像噪声,更准确更快速地进行图像分割,对良品检测准确率为100%,对三种典型表面缺陷的平均检测准确率为99.92%。 

【文章来源】：传感技术学报. 2020,33(07)北大核心CSCD

【文章页数】：7 页

【部分图文】：

晶圆样片

本文检测的晶粒缺陷主要分为三个类型:表面冗余物、划痕和晶体缺角,如图2。表面冗余物主要由生产加工过程中的灰尘颗粒以及未清洗干净的化学试剂残留物引起的;划痕和晶体缺角主要是抛光或者划片过程中产生的机械损伤。

缺陷检测流程如图3所示。首先对采集的图像进行形态学滤波去除噪声干扰;统计形态学处理后图像灰度级信息作为聚类样本;采用K-means++选择初始聚类中心;利用基于类内和类间离差阵的K-means聚类分割图像;提取分割后晶粒图像轮廓d,若轮廓数N大于1,标记为缺陷;否则,依据模板晶粒轮廓u,利用轮廓相似度对轮廓d进行检测,若匹配相似度P小于阈值T,标记为缺陷,否则标记为良品。

【参考文献】：
期刊论文
[1]基于T-prim模型的肺气管分割算法[J]. 石跃祥,杜祎.  计算机应用与软件. 2020(04)
[2]基于数学形态学和分形理论的电缆局放识别[J]. 张安安,何嘉辉,李茜,杨威,赵万明.  电子科技大学学报. 2020(01)
[3]基于机器视觉的定子表面缺陷检测系统研究[J]. 戴斌宇,吴静静.  传感技术学报. 2019(10)
[4]基于空间约束的模糊C均值聚类肝脏CT图像分割[J]. 王荣淼,张峰峰,詹蔚,陈军,吴昊.  计算机应用. 2019(11)
[5]基于机器视觉的晶圆表面缺陷检测[J]. 陈治杉,刘本永.  贵州大学学报(自然科学版). 2019(04)
[6]基于高斯混合部件模型的铁路扣件检测[J]. 何彪,李柏林,罗建桥,王开雄.  西南交通大学学报. 2019(03)
[7]改进自适应分水岭方法分割棉花叶部粘连病斑[J]. 张建华,韩书庆,翟治芬,孔繁涛,冯鑫,吴建寨.  农业工程学报. 2018(24)
[8]一种基于模糊主动轮廓的鲁棒局部分割方法[J]. 孙文燕,董恩清,曹祝楼,郑强.  自动化学报. 2017(04)
[9]基于K-means++的无线传感网分簇算法研究[J]. 余秀雅,刘东平,杨军.  计算机应用研究. 2017(01)
[10]结合非局部信息与图割的图像分割算法[J]. 王涛,纪则轩,孙权森.  计算机辅助设计与图形学学报. 2015(05)



本文编号：3343191