基于YOLO算法与机器视觉的晶圆片表面缺陷检测研究

摘要

针对分立器件晶圆片人工目视检测存在效率低和误检率高等问题,提出了一种基于YOLO算法与机器视觉的晶圆缺陷检测方法。首先对晶粒数据集进行增广,再训练YOLO v4网络用于对晶粒位置进行定位。针对氧化层残留缺陷,开运算去除小区域,利用色差公式进一步确认。针对划痕缺陷,形态学膨胀连接潜在划痕,根据联通区域的面积和最小外接矩形的长宽比提取划痕。针对氧化层不规则缺陷,根据凸缺陷的最远点到凸包的距离判断是否有该缺陷。实验结果表明:该方法能高效地实现晶粒定位和缺陷检测,基于YOLO定位算法,平均识别精度达98.07%,平均耗时为23.6ms;缺陷检测的检测成功率达93.84%,检测时间不超过40ms,满足实时性要求。