基于计算机视觉的硅片缺陷检测方法及系统与流程

本发明涉及人工智能，尤其涉及一种基于计算机视觉的硅片缺陷检测方法及系统。

背景技术：

1、随着半导体行业的不断发展，硅片缺陷检测时半导体行业中的重要组成部分。为了提高硅片缺陷检测的效率和准确性，使用机器视觉对硅片图像进行分析，实现硅片缺陷的精确检测。

2、传统的硅片缺陷检测需要大量的人工操作，需要耗费大量的时间和精力，无法满足现代生产的高效要求。实际应用中，传统的硅片缺陷检测由于受到人为因素的干扰，如视觉疲劳、主观性等，导致检测结果不稳定，难以保证硅片缺陷检测结果的精度和可靠性。

技术实现思路

1、本发明提供一种基于计算机视觉的硅片缺陷检测方法及系统，其主要目的在于解决硅片缺陷检测时精确度较低的问题。

2、为实现上述目的，本发明提供的一种基于计算机视觉的硅片缺陷检测方法，包括：

3、对预设的显微设备进行相机标定，得到标定设备，利用所述标定设备获取预设硅片的硅片图片；

4、利用预设的马尔可夫随机场分割算法对所述硅片图片进行分割，得到缺陷分割图，利用预设的双边滤波函数对所述缺陷分割图进行双边降噪，得到双边滤波图，将所述双边滤波图利用预设的维纳滤波器进行维纳降噪，得到降噪优化图；

5、利用预设的区域提议网络根据所述降噪优化图生成初级候选框，提取所述初级候选框的候选特征，利用预设的分类子网络将所述候选特征映射到预设的概率空间，得到所述候选特征对应的缺陷类别以及缺陷概率值；

6、选取所述缺陷概率值大于预设概率阈值的缺陷类别为所述候选特征的目标缺陷，根据预设的回归子网络将所述候选特征对应的初级候选框映射到预设的向量空间，得到所述初级候选框对应的偏移向量；

7、根据所述偏移向量对所述初级候选框进行位置调整，得到所述初级候选框的标准位置信息，利用预设的非极大值抑制算法对调整后的初级候选框进行优化，得到标准候选框，将所述标准候选框以及对应的标准位置信息和目标缺陷作为所述硅片的缺陷分析结果。

8、可选地，所述所述对预设的显微设备进行相机标定，得到标定设备，包括：

9、获取预设的黑白棋盘图作为所述显微设备的标定板；

10、利用所述显微设备中的相机采集所述标定板在预设的拍摄条件下的标定图像；

11、利用角点检测算法对所述标定图像进行检测与定位，得到预设特征点的的位置信息；

12、根据预设的标定板参数，结合所述位置信息，使用相机标定算法计算出相机的内部参数矩阵；

13、根据所述位置信息与所述拍摄条件，利用预设的相机位姿估计算法计算出相机的外部参数矩阵；

14、将所述内部参数矩阵与所述外部参数矩阵整合为一个相机参数矩阵，将能够利用所述相机参数矩阵对拍摄图片进行修正的显微设备确定为标定设备。

15、可选地，所述利用预设的马尔可夫随机场分割算法对所述硅片图片进行分割，得到缺陷分割图，包括：

16、获取预设的硅片图片的像素所属的区域类别，根据所述区域类别定义所述硅片图片的势函数；

17、根据所述势函数计算硅片图片像素区域分布；

18、将最大像素区域分布确定为缺陷分割图。

19、可选地，所述根据所述区域类别定义所述硅片图片的势函数，包括：

20、利用如下定义公式定义所述硅片图片的势函数：

21、

22、其中，为势函数，表示第个像素所属的区域类别，表示第个像素所属的区域类别，表示两个不相等的像素序列号，表示第个像素属于的概率，表示第和第个像素属于和的联合概率，是像素序列号的总个数，是预设的控制平滑度的参数。

23、可选地，所述获取预设的硅片图片的像素所属的区域类别，包括：

24、将所述硅片图片进行像素编码，得到硅片像素；

25、将所述硅片像素分成预设个像素区域；

26、利用预设的像素标签将所述像素区域进行分类，得到区域类别。

27、可选地，所述根据所述势函数计算硅片图片像素区域分布，包括：

28、获取所述硅片图片的像素灰度值；

29、根据所述像素灰度值利用如下概率分布公式计算硅片图片像素区域分布：

30、

31、其中，表示第个像素的像素灰度值，表示硅片图片像素区域分布，表示第个像素所属的区域类别，为势函数，为预设的归一化常数。

32、可选地，所述利用预设的双边滤波函数对所述缺陷分割图进行双边降噪，得到双边滤波图，包括：

33、利用如下双边滤波公式获取所述缺陷分割图中的像素对应的滤波像素值：

34、

35、其中，表示经过双边滤波处理后的滤波像素点对应的滤波像素值，表示缺陷分割图中的缺陷像素点对应的缺陷像素值，表示预设的滤波像素点与缺陷像素点之间的空间距离权重，表示滤波像素点与缺陷像素点预设的灰度值相似性权重，表示滤波像素点的邻域，是所有灰度值相似性权重的权重和；

36、将所述滤波像素值汇集成双边滤波图。

37、可选地，所述将所述双边滤波图利用预设的维纳滤波器进行维纳降噪，得到降噪优化图，包括：

38、利用如下维纳滤波公式将所述双边滤波图利用预设的维纳滤波器进行维纳降噪：

39、

40、其中，为滤波后的降噪优化图，为双边滤波图，为预设的带通滤波器，为预设的退化函数的傅里叶变换，为双边滤波图的信号功率谱，为预设的噪声功率。

41、可选地，所述根据预设的回归子网络将所述候选特征对应的初级候选框映射到预设的向量空间，得到所述初级候选框对应的偏移向量，包括：

42、利用所述回归子网络中的边界回归公式计算所述初级候选框对应的偏移向量：

43、

44、

45、其中，表示所述初级候选框中心坐标的横坐标，表示所述初级候选框中心坐标的纵坐标，表示所述初级候选框对应的基准框中心坐标的横坐标，示所述初级候选框对应的基准框中心坐标的纵坐标，表示所述初级候选框的宽度，表示所述初级候选框的高度，表示所述初级候选框对应的基准框的宽度，表示所述初级候选框对应的基准框的高度，为所述初级候选框相对于对应基准框的横坐标位置，为所述初级候选框相对于对应基准框的纵坐标位置，为所述初级候选框相对于对应基准框的宽度，为所述初级候选框相对于对应基准框的偏移高度，为偏移向量。

46、为了解决上述问题，本发明还提供一种基于计算机视觉的硅片缺陷检测系统，所述系统包括：

47、获取图片模块：对预设的显微设备进行相机标定，得到标定设备，利用所述标定设备获取预设硅片的硅片图片；

48、降噪优化模块：利用预设的马尔可夫随机场分割算法对所述硅片图片进行分割，得到缺陷分割图，利用预设的双边滤波函数对所述缺陷分割图进行双边降噪，得到双边滤波图，将所述双边滤波图利用预设的维纳滤波器进行维纳降噪，得到降噪优化图；

49、确定候选框模块：利用预设的区域提议网络根据所述降噪优化图生成初级候选框，提取所述初级候选框的候选特征，利用预设的分类子网络将所述候选特征映射到预设的概率空间，得到所述候选特征对应的缺陷类别以及缺陷概率值；

50、调整候选框模块：选取所述缺陷概率值大于预设概率阈值的缺陷类别为所述候选特征的目标缺陷，根据预设的回归子网络将所述候选特征对应的初级候选框映射到预设的向量空间，得到所述初级候选框对应的偏移向量；

51、结果分析模块：根据所述偏移向量对所述初级候选框进行位置调整，得到所述初级候选框的标准位置信息，利用预设的非极大值抑制算法对调整后的初级候选框进行优化，得到标准候选框，将所述标准候选框以及对应的标准位置信息和目标缺陷作为所述硅片的缺陷分析结果。

52、本发明实施例通过利用预设的马尔可夫随机场分割算法对所述硅片图片进行分割，得到缺陷分割图，利用预设的双边滤波函数以及维纳滤波器双重滤波，得到降噪优化图，将双边滤波和维纳滤波器结合使用，可以充分发挥两种算法的优势，达到更好的降噪效果；利用预设的区域提议网络根据所述降噪优化图生成初级候选框，提取所述初级候选框的候选特征，利用预设的分类子网络将所述候选特征映射到预设的概率空间，得到所述候选特征对应的缺陷类别以及缺陷概率值；选取所述缺陷概率值大于预设概率阈值的缺陷类别为所述候选特征的目标缺陷，根据预设的回归子网络将所述候选特征对应的初级候选框映射到预设的向量空间，得到所述初级候选框对应的偏移向量，利用回归子网络确定候选框的偏移向量的可以进一步提高硅片缺陷检测的准确性，通过得到更加精准的候选框位置，可以降低误检率并提高检测率，在实际场景中具有较高的应用价值；根据所述偏移向量对所述初级候选框进行位置调整，得到所述初级候选框的标准位置信息，利用预设的非极大值抑制算法对调整后的初级候选框进行优化，得到标准候选框，将所述标准候选框以及对应的标准位置信息和目标缺陷作为所述硅片的缺陷分析结果，通过非极大值抑制算法过滤重叠的候选框，提高目标检测的精度和速度。因此本发明提出的基于计算机视觉的硅片缺陷检测方法及系统，可以解决硅片缺陷检测精确度较低的问题。