基于机器视觉晶圆裸片计数.docVIP

基于机器视觉晶圆裸片计数 　　【摘要】半导体工业生产上很重要的一环就是晶圆生产，晶圆在划片一环会经过品质检测，机械手会取走合格的晶圆裸片，通过对取走后晶圆的分析，可以知道合格品的数目，就可以得到晶圆的良品率参数，便于及时调整工艺，对于生产环节来讲有着重要的地位。本文提出了一种基于机器视觉的晶圆裸片计数算法。该算法基于hough找直线算法，利用晶圆切片本身的一些规律，实现自动检测出取走的晶圆裸片数目。与现有的算法相比，本文的方法易于实现，同时实验显示该算法具有良好的计算性能。 　　【关键词】晶圆裸片；机器视觉；hough；计数 　　我国是制造业大国，制造业的发展是我国现代化建设的主要推动力之一，提高生产效率对于制造业的发展起到关键作用。晶圆的良品率是半导体制造的一个重要指标。而现阶段统计合格晶片数量主要采用人工计数的方式来实现。对于统计合格晶片数量等繁琐而枯燥的工作，若采用人工方式完成，不仅效率很低，而且准确率不高，非常不利于半导体生产自动化的发展。 　　随着PC技术的不断发展和机器视觉技术在生产中的广泛应用，结合人工智能和模式识别技术来实现产品质量检测的自动化是目前自动化检测研究的主要方向。因此，在此背景下，晶圆裸片计数系统的研究对于提高生产效率很有意义。 　　在晶圆生产的各个环节，已经有不少论文发表，文献[1]只是发展了一部分数学上的理论，其中晶圆裸片的宽度和高度是已知量，对于未知裸片宽度和高度的图片是不适用的。文献[2]设计相应的芯片载物平台，系统过于复杂，不适合晶圆计数。文献[3]提出了一种模板匹配的方法来定位IC芯片，对于特征较少的晶片，效果较差，而且计数效率不高。 　　本文提出一种基于晶圆切片痕迹找线进行单元分割并分析单元特征来计算合格晶片数量的算法。这种方法简单有效，可靠性高，对光源和环境要求较低，而且能对一定程度畸变后的图像进行有效的处理。 　　1.算法概述 　　基于图像的晶圆计数算法流程如图1所示。系统采集到晶圆图像后，需要进行预处理，对给定晶圆进行定位。然后利用晶圆切片痕迹查找直线组，通过互??垂直的直线组确定晶圆单元尺寸并进行分割，最后分析单元特征确定合格单元的数量。 　　2.晶圆计数算法 　　2.1 晶圆定位 　　图像拍摄的过程中，虽然CCD相机是固定的，但工作台上晶圆在图像中的位置并不是保持固定不变的，需要对晶圆进行快速定位，便于后续的处理。 　　由于晶圆图像背景简单，可通过一个确定的阈值分割快速确定晶圆区域，找出晶圆轮廓以便后续定位。 　　晶圆的定位可通过圆检测实现。常用的圆检测的方法有最小二乘法，Hough变换以及一些改进方法[4-6]。本文采用最小二乘法。 　　Hough变换找圆算法[5]通过图像域“投票” 　　到参数域的穷尽式搜索模式，计算量较大，占用内存多。而最小二乘法通过最小化误差的平方和找到数据的最佳函数匹配，计算量小，可靠性高，运算速度快，比较适用晶圆定位。 　　圆曲线的公式为： 　　其中是圆半径，是样本点在图像中的坐标值，是圆心坐标值。通过对轮廓点进行圆拟合，获取参数的值，从而确定晶圆位置。 　　2.2 单元分割 　　为了正确统计出晶圆裸片的数目，需先确定各个裸片单元。因为实验图的分辨率较高，为2560*1920，所以边缘分割出来的二值图的直线边缘可能会很粗，将会给找线结果带来影响，所以这里我们需要对分割出来的灰度图进行局部最小值处理，用于细化边缘，便于提取晶圆裸片单元的布局信息。 　　然后，对晶圆裸片单元布局信息进行直线查找。本文采用Hough变换[6]，Hough可对目标进行有效检测与识别、可并行实现、并具有对噪声不敏感等优点。传统Hough变换把空间中的点集合变为参数空间集合，通过在变换矩阵中找到峰值点，确定相关的直线。参数空间的直线标准表示法为： 　　. （3） 　　其中，表示图像中点的坐标，表示原点到直线的距离直线与纵轴的夹角，.表示原点到直线的距离。 　　由于晶圆中直线的数量不确定，本文以最先找出的峰值参数为基准，根据晶圆直线仅有两方向且互相垂直，通过多次实验结果可以确定峰值参数相差不大于3°的峰值为合理峰值，并继续查找累加器峰值，如果连续找到三个参数偏差大于3°的峰值，则查找结束。其中峰值比较集中的两个角度bin的中值即为晶圆直线中心方向的直线。 　　合理角度范围确定之后，对于剔除了部分晶圆裸片的图像，在找线的过程中如果遇到两条或者两条以上直线的参数，.相同，那么就认为它们是同一条直线其中的某一段直线，在划线的时候就把它们连接成为一条直线。 　　从图5中可以看出，由于噪声以及畸变等影响，直线可能存在误找和漏找的情况，如图7所示，图中最上面和最下面，最左边和最右边各有一条直线未能找出，这是由于这几条线上的点集合太少导致。