【摘要】：半導體芯片在生產過程中引起的表面缺陷會影響芯片的使用壽命和可靠度,因此表面缺陷檢測是芯片品控的關鍵環(huán)節(jié)�；跈C器視覺的表面缺陷檢測方法具有效率高、準確性高、實時性高等優(yōu)點,在芯片領域得到廣泛的研究和應用。但是由于缺陷類型繁多,特征難以定義,且只發(fā)生在生產過程中,使得基于機器視覺的芯片表面缺陷檢測方法遇到困難。因此,本文結合企業(yè)實際需求,開展芯片表面缺陷檢測相關研究,不僅具有重要的實際應用價值,而且具有重要的理論研究意義。本文的主要完成工作如下:(1)基于數(shù)學形態(tài)學的芯片表面缺陷檢測方法:由于芯片背景單一,所以對芯片表面缺陷圖像進行二值化處理,得到缺陷候選區(qū)域。但是像素灰度不均、大面積點狀缺陷等問題,導致缺陷候選區(qū)域含有噪音或斷裂缺陷。而數(shù)學形態(tài)學可以彌合裂縫和去除噪音,并且能夠獲取目標區(qū)域的幾何參數(shù)和特征,所以采用數(shù)學形態(tài)學方法處理和分析缺陷區(qū)域,從而實現(xiàn)缺陷檢測。實驗結果證明該方法能夠有效檢測與芯片表面背景區(qū)域對比明顯的缺陷。(2)基于無監(jiān)督學習的芯片表面缺陷檢測方法:芯片表面缺陷類型多變,特征難以定義,使得傳統(tǒng)的表面缺陷檢測方法遇到困難。深度學習能夠學習深層特征,在圖像檢測領域得到了廣泛的應用,為芯片表面缺陷檢測提供了新的思路。但是缺陷類型難以預測,且只發(fā)生在生產過程中,難以收集和標記大量缺陷樣本,使得基于有監(jiān)督的芯片表面缺陷檢測方法遇到挑戰(zhàn)。因此,本文提出了一種僅用無缺陷樣本進行模型訓練的無監(jiān)督芯片表面缺陷檢測方法。該方法首先利用卷積去噪自編碼器重構缺陷圖像,得到無缺陷圖像;然后通過重構圖像與缺陷圖像的殘差圖實現(xiàn)缺陷檢測。為了增強殘差圖中缺陷與非缺陷區(qū)域對比度,采用了基于重疊分塊的殘差圖生成策略。實驗表明該方法具有兩個突出的特點,第一檢測過程中無需人為干預,屬于完全的無監(jiān)督;第二,采用重疊分塊策略,能夠提高該方法的魯棒性和準確性。本文缺陷檢測方法已經在合作企業(yè)中得到了應用,進一步驗證了本文方法的有效性和實用性。
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN407

【參考文獻】

相關期刊論文 前10條

1 王健;王潤民;惠飛;趙祥模;杜楓;;基于分裂合并算法的道路標線分割方法研究[J];計算機應用研究;2014年12期

2 曲建嶺;杜辰飛;邸亞洲;高峰;郭超然;;深度自動編碼器的研究與展望[J];計算機與現(xiàn)代化;2014年08期

3 王憲保;李潔;姚明海;何文秀;錢l勌

本文編號：2759112