一种基于图像处理的晶圆质量检测方法及系统

技术领域

本发明涉及集成电路检测技术领域，具体地涉及一种基于图像处理的晶圆质量检测方法及系统。

背景技术

目前，近年来集成电路技术发展迅速，为了检测到影响生产的最小缺陷。晶圆表面缺陷检测系统已经向着更高精度、更小像素发展。在检测过程中，保证高精度图像的同时还要求提高图像的处理速度，因此在特征尺寸越来越小的集成电路制造领域。如何快速精确地检测晶圆表面细微的缺陷一直是研究的难题。随着计算机技术的发展，尤其是GPU技术的出现，使得工业图像分析设备的速度更快、成本更低，促使集成电路领域也积极地将机器视觉技术应用于制造过程。

现在对晶圆质量判断技术主要是对表面常见的短路、断路、毛刺、多余物、缺损和空洞这类缺陷进行评判，例如，采用图像配准和边界轮廓提取的方法实现常见缺陷的识别和分类，采用具有快速鲁棒特征的SURF图像配准算法。达到标准图像与检测图像在空间位置对齐的目的；然后，通过图像差影和形态学处理的方法得到缺陷图像；最后，将模式识别的轮廓提取技术应用于缺陷的定位和分类。

但传统的晶圆图像识别通过匹配再进行配准等效率低下，采用固定位置固定图像进行识别，固定位置进行比对能够大大降低当前流程，目前还未存在该中方法，且没有根据晶圆图像的结构特征选择合适的图像结构分析方式；现有的图像分析方法也是单单针对与标准图像的对比而进行评判，缺乏环境因素的考虑，因此快捷、方便、高效的晶圆质量检测目前显得十分必要。因此，一种能够实时、快速、精准的晶圆质量检测成为了迫切需求，从而改善用户的体验。

发明内容

为解决上述技术问题，本发明提供一种基于图像处理的晶圆质量检测方法及系统，本发明根据晶圆图像的结构特征，通过晶圆图像前后帧的差别以及与标准图像的差别共同协同比较，大大增强了晶圆质量的检测水平，且显著的提升了检测精准度；本申请的的计算方式，大大加快了质量检测速度；且本申请的区别度矩阵阵列计算方式能够显著提升环境因素的影响以及大大降低了图像失真；一种基于图像处理的晶圆质量检测方法，包括步骤：摄像头实时采集晶圆图像视频流数据；从采集的晶圆图像视频第二帧开始，实时计算第n帧与前一帧晶圆视频图像的区分度矩阵K1

K1

其中，Y

计算第n帧与标准晶圆图像的差别度矩阵K2

K2

Y

根据区分度矩阵K1

K

δ表示晶圆图像相邻帧质量差异度权重；ε表示晶圆图像与标准晶圆图像的差异度权值；

遍历区别度矩阵阵列K

优选地，所述YUV图像的Y表示明亮度、U表示色调、V表示饱和度，YUV采样方式采用4:2:2的比例进行采样，每个色差信道的抽样率是亮度信道的一半，水平方向的色度抽样率是4:4:4的一半。

优选地，所述δ表示晶圆图像相邻帧质量差异度权重，ε表示晶圆图像与标准晶圆图像的差异度权值，其中δ+ε＝1，且ε≥δ。

优选地，所述摄像头实时采集晶圆图像视频流数据之后还包括对视频图像进行预处理，对视频图像信息的滤波去噪。

本发明还公开了一种基于图像处理的晶圆质量检测系统，包括图像获取模块：摄像头实时采集晶圆图像视频流数据；

区分度矩阵计算模块，从采集的晶圆图像视频第二帧开始，实时计算第n帧与前一帧晶圆视频图像的区分度矩阵K1

K1

其中，Y

差别度矩阵计算模块，计算第n帧与标准晶圆图像的差别度矩阵K2

K2

Y

区别度矩阵计算模块，根据区分度矩阵K1

K

δ表示晶圆图像相邻帧质量差异度权重；ε表示晶圆图像与标准晶圆图像的差异度权值；

质量判定模块，遍历区别度矩阵阵列K

优选地，所述YUV图像的Y表示明亮度、U表示色调、V表示饱和度，YUV采样方式采用4:2:2的比例进行采样，每个色差信道的抽样率是亮度信道的一半，水平方向的色度抽样率是4:4:4的一半。

优选地，所述δ表示晶圆图像相邻帧质量差异度权重，ε表示晶圆图像与标准晶圆图像的差异度权值，其中δ+ε＝1，且ε≥δ。

优选地，所述摄像头实时采集晶圆图像视频流数据之后还包括对视频图像进行预处理，对视频图像信息的滤波去噪。

与现有技术相比，本发明的技术方案具有以下有益效果：

本发明提供一种基于图像处理的晶圆质量检测方法及系统，本发明根据晶圆图像的结构特征，采用YUV图像结构，通过晶圆图像前后帧的差别以及与标准图像的差别共同协同比较，大大增强了晶圆质量的检测水平，且显著的提升了检测精准度；本申请的的计算方式，大大加快了质量检测速度；且本申请的区别度矩阵阵列计算方式能够显著提升环境因素的影响以及大大降低了图像失真。

本申请从采集的晶圆图像视频第二帧开始，实时计算第n帧与前一帧晶圆视频图像的区分度矩阵，能够克服环境因素产生的影响，通过前后对比实现晶圆质量检测；本申请差别度矩阵计算模块，计算第n帧与标准晶圆图像的差别度矩阵，将与标准晶圆图像进行比对，增强了校验准确度。

尤其本申请的区别度矩阵计算模块，根据区分度矩阵K1

附图说明

图1是本发明一种基于图像处理的晶圆质量检测方法流程图；

具体实施方式

本领域技术人员理解，如背景技术所言，传统的在线教育视频数据传输效率低下、视频数据传输量大，且成本较高，不能满足学员人数较多的需求；而远程视频信息的快捷、方便、高效传输目前显得十分必要。且传统的视频传输都是将所有的数据进行传输，不能够有效利用传输数据的结构特征；因此，一种能够实时、快速、降低无效数据量传输成为了迫切需求，从而改善用户的体验。为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

实施例1：

一种基于图像处理的晶圆质量检测方法，包括步骤：摄像头实时采集晶圆图像视频流数据；从采集的晶圆图像视频第二帧开始，晶圆生产过程中，每一帧图像对应一片晶圆产品，图像视频的拍摄速度与晶圆的出货速度一致，实时计算第n帧与前一帧晶圆视频图像的区分度矩阵K1

K1

其中，Y

计算第n帧与标准晶圆图像的差别度矩阵K2

K2

Y

根据区分度矩阵K1

K

δ表示晶圆图像相邻帧质量差异度权重；ε表示晶圆图像与标准晶圆图像的差异度权值；

遍历区别度矩阵阵列K

在一些实施例中，所述YUV图像的Y表示明亮度、U表示色调、V表示饱和度，在一些实时例中，YUV 4:4:4，YUV三个信道的抽样率相同，因此在生成的图像里，每个象素的三个分量信息完整(每个分量通常8比特)，经过8比特量化之后，未经压缩的每个像素占用3个字节

YUV采样方式采用4:2:2的比例进行采样，每个色差信道的抽样率是亮度信道的一半，水平方向的色度抽样率是4:4:4的一半。每个色差信道的抽样率是亮度信道的一半，所以水平方向的色度抽样率只是4:4:4的一半。对非压缩的8比特量化的图像来说，每个由两个水平方向相邻的像素组成的宏像素需要占用4字节内存(例如下面映射出的前两个像素点只需要Y0、Y1、U0、V1四个字节)。下面的四个像素为:[Y0 U0 V0][Y1 U1 V1][Y2 U2 V2][Y3U3V3]；存放的码流为:Y0 U0 Y1 V1 Y2 U2 Y3 V3；映射出像素点为：[Y0 U0V1][Y1 U0V1][Y2 U2 V3][Y3 U2V3]

在一些实施例中，所述δ表示晶圆图像相邻帧质量差异度权重，ε表示晶圆图像与标准晶圆图像的差异度权值，其中δ+ε＝1，且ε≥δ。

在一些实施例中，所述摄像头实时采集晶圆图像视频流数据之后还包括对视频图像进行预处理，对视频图像信息的滤波去噪。

实施例2：

本发明还公开了一种基于图像处理的晶圆质量检测系统，包括图像获取模块：摄像头实时采集晶圆图像视频流数据；

区分度矩阵计算模块，从采集的晶圆图像视频第二帧开始，实时计算第n帧与前一帧晶圆视频图像的区分度矩阵K1

K1

其中，Y

差别度矩阵计算模块，计算第n帧与标准晶圆图像的差别度矩阵K2

K2

Y

区别度矩阵计算模块，根据区分度矩阵K1

K

δ表示晶圆图像相邻帧质量差异度权重；ε表示晶圆图像与标准晶圆图像的差异度权值；

质量判定模块，遍历区别度矩阵阵列K

在一些实施例中，所述YUV图像的Y表示明亮度、U表示色调、V表示饱和度，YUV采样方式采用4:2:2的比例进行采样，每个色差信道的抽样率是亮度信道的一半，水平方向的色度抽样率是4:4:4的一半。

在一些实施例中，所述δ表示晶圆图像相邻帧质量差异度权重，ε表示晶圆图像与标准晶圆图像的差异度权值，其中δ+ε＝1，且ε≥δ。

在一些实施例中，所述摄像头实时采集晶圆图像视频流数据之后还包括对视频图像进行预处理，对视频图像信息的滤波去噪。

与现有技术相比，本发明的技术方案具有以下有益效果：

本申请本发明提供一种基于图像处理的晶圆质量检测方法及系统，本发明根据晶圆图像的结构特征，采用YUV图像结构，通过晶圆图像前后帧的差别以及与标准图像的差别共同协同比较，大大增强了晶圆质量的检测水平，且显著的提升了检测精准度；本申请的的计算方式，大大加快了质量检测速度；且本申请的区别度矩阵阵列计算方式能够显著提升环境因素的影响以及大大降低了图像失真。

本申请从采集的晶圆图像视频第二帧开始，实时计算第n帧与前一帧晶圆视频图像的区分度矩阵，能够克服环境因素产生的影响，通过前后对比实现晶圆质量检测；本申请差别度矩阵计算模块，计算第n帧与标准晶圆图像的差别度矩阵，将与标准晶圆图像进行比对，增强了校验准确度。

尤其本申请的区别度矩阵计算模块，根据区分度矩阵K1

本领域技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品，因此本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。