基于图像处理的集成电路芯片表面缺陷检测算法研究

摘要

随着社会智能化需求的不断加大，芯片制造行业扮演了越来越重要的角色，为了保证生产出的芯片符合市场需求，芯片封装测试也成为了芯片产业链中的关键环节。越来越多的集成芯片生产厂家采用了多种自动检测技术。其中基于机器视觉技术的检测手段有着实时性强、精度高的优势，逐渐被更多制造企业所选择。机器视觉技术中最为关键的部分是图像识别与处理，在检测缺陷中起着极为关键的作用。　　本文主要研究目的是对集成电路芯片封装表面宏观缺陷进行检测分类，本文以表贴片型芯片为例，对芯片封装流程中可能出现的缺陷进行模拟，并拍摄缺陷图像。研究重点是缺陷部位的提取和数值计算，并生成缺陷数据库与缺陷分类规则。本文的主要研究内容如下：　　（1）在图像预处理环节，添加增强对比度算法，通过比较不同算法的优劣，选取了中值滤波算法进行芯片图像的滤波，分别选择多尺度Retinex算法与Hough变换法进行光照和倾斜校正，增强了图像的抗干扰能力。　　（2）对最大类间方差算法进行优化，提高了缺陷提取效果，并选取数学形态学算法进行缺陷轮廓噪声的滤除。最后选取五种边缘检测算子进行轮廓提取，对比处理结果，最终得出Canny检测算子的边缘检测效果最优。　　（3）根据缺陷图像进行数据测定，获取缺陷的面积、周长、圆形度和长宽比等信息。根据缺陷数据特点分成四种类型，建立四种类型缺陷的数据样本，对待分类缺陷数据样本进行分类测试，最终根据分类准确率选取出最优分类算法。

目录

第一章 绪论

1.1 研究背景和意义

1.2 研究目的

1.3 国内外研究现状

1.3.1 国内研究现状

1.3.2 国外研究现状

1.4 研究内容

1.5 论文组织结构

第二章 芯片图像预处理算法

2.1 数字图像的数学原理

2.2 图像滤波

2.2.1 均值滤波

2.2.2 高斯滤波

2.2.3 中值滤波

2.3 图像光照校正

2.3.1 单尺度Retinex算法

3.3.2 多尺度Retinex算法

2.4 图像倾斜校正

2.4.1 投影法

2.4.2 Hough变换法

2.5 本章小结

第三章 芯片图像缺陷提取

3.1 图像阈值分割

3.1.1 双峰法

3.1.2 自适应迭代法

3.1.3 最大类间方差法

3.1.4 改进最大类间方差法

3.2 数学形态学处理

3.2.1 腐蚀和膨胀

3.2.2 开运算和闭运算

3.3 轮廓提取

3.3.1 Roberts算子

3.3.2 Sobel算子

3.3.3 Laplacian算子

3.3.4 LoG算子

3.3.5 Canny算子

3.4 本章小结

第四章 芯片图像缺陷特征识别与分类

4.1 芯片缺陷类型

4.1.1 缺陷形态特征

4.1.2 缺陷灰度特征

4.1.3 缺陷特征计算

4.1.3 缺陷特征统计

4.2 芯片缺陷数据分类

4.2.1 决策树分类法

4.2.2 K近邻算法

4.3 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

声明