基于機器視覺的裸片表面缺陷在線檢測研究

林 佳，王海明，郭強生，劉曉斌，周 丹

(中國電子科技集團公司第四十五研究所，北京 100176)

晶圓劃片過程中的任何異常都可能導致劃切好的裸片表面產生缺陷。準確識別裸片表面的各種缺陷模式，可幫助發現和調整在線劃片過程中的異常因素，以降低廢品率，避免因大批量裸片表面缺陷而造成巨大的成本損失[1]。

基于概率統計模型的方法在晶圓和裸片表面缺陷檢測中被廣泛應用[2-4]。這些方法主要對表面缺陷的模式進行統計分析，雖能夠檢測出缺陷的形狀，但無法有效分類出缺陷的模式。隨著機器學習研究的深入，隱馬爾科夫[5]和神經網絡[6-8]等方法被越來越多的應用于晶圓和裸片表面缺陷檢測。這些常用的模式識別方法都需要大量的訓練樣本來訓練分類器。

為解決上述問題，本文提出了基于線性判別分析(Linear Discriminant Analysis，LDA)和支持向量機 (Support Vector Machine，SVM)的在線檢測算法。為了突出裸片表面的模式特征，該算法首先使用高斯濾波方法對裸片表面圖像進行濾噪處理。然后，使用Hu不變矩和方向梯度直方圖(Histogram of Oriented Gradients，HOG)等高維特征來表達裸片表面缺陷的模式信息。接著，采用LDA方法消除特征中的冗余信息，獲得能夠準確表達裸片表面缺陷模式的低維特征。接著，離線構建正常裸片表面模式的高斯混合模型 (Gaussian Mixture Model，GMM)和各種表面缺陷模式的SVMs。最后，在線檢測時，使用GMM判斷是否存在缺陷，并使用K最近鄰(K Nearest Neighbor，KNN)算法分類缺陷的具體模式。通過與現有方法進行實驗對比，證明了提出方法的準確性和實時性。……