基于图像滤波的半导体载带生产质量视觉检测方法与流程

本发明涉及图像处理，具体涉及基于图像滤波的半导体载带生产质量视觉检测方法。

背景技术：

1、半导体载带主要应用于电子元器件贴装工业。它配合盖带使用，将电阻，电容，晶体管和二极管等电子元器件承载收纳在载带的口袋中，并通过在载带上方封合盖带形成闭合式的包装，用于保护电子元器件在运输途中不受污染和损坏。在半导体生产过程中，可能会出现一些主要的缺陷，其中包括结构缺陷、工艺缺陷、界面缺陷等。对于结构缺陷，是指半导体器件中物理结构的缺陷或不完整性。这可能包括晶体结构的缺陷、晶格畸变、晶体界面的不完整或污染等。结构缺陷可能导致器件性能下降、可靠性降低或甚至损坏。而对于半导体载带来说，规整的结构是评价其性能的重要指标。

2、对于采集到的半导体载带生产质量视觉图像，会因为多种因素的影响，使得图像中存在着噪声。为了去除噪声的影响，使用现有技术双边滤波对噪声进行滤除。而在这个过程中，灰度信息权重的分配不合理，会影响到滤波输出，进而使得滤波后的图像丢失原载带特有的细节特征，导致在质量评价阶段会产生生产质量的误判。

技术实现思路

1、为了解决上述问题，本发明提供基于图像滤波的半导体载带生产质量视觉检测方法，所述方法包括：

2、获取半导体载带生产灰度图像；

3、通过滑窗操作，获取半导体载带生产灰度图像的若干个图像块；根据每个图像块内不同灰度值的像素点分布，获取每个图像块的细节丰富程度；根据每个图像块的细节丰富程度的大小获取半导体载带生产灰度图像的目标图像块；

4、通过孤立森林算法，获取每个目标图像块中每个像素点的异常值；根据每个目标图像块中心像素点与其他像素点的异常值差异，获取每个目标图像块的特征参与度；根据每个目标图像块中不同异常值的像素点，获取每个目标图像块的目标异常连通域和异常连通域的边界像素点；根据每个目标图像块的目标异常连通域的质心与边界像素点的位置差异，获取每个目标图像块的载带评价特征程度；

5、获取半导体载带生产灰度图像的每个高细节特征像素点，根据每个目标图像块的载带评价特征程度和特征参与度，获取半导体载带生产灰度图像的每个目标图像块对应的高细节特征像素点的滤波权重；根据半导体载带生产灰度图像的每个高细节特征像素点的滤波权重，获取滤波后的半导体载带生产灰度图像；根据滤波后的半导体载带生产灰度图像，获取半导体载带质量的评价结果。

6、优选的，所述通过滑窗操作，获取半导体载带生产灰度图像的若干个图像块，包括的具体方法为：

7、预设一个参数，使用大小为的滑窗在半导体载带生产灰度图像进行步长为1的滑窗操作，其中，将半导体载带生产灰度图像中每个像素点作为每个滑窗的中心像素点，将每个滑窗作为半导体载带生产灰度图像的图像块，进而获得半导体载带生产灰度图像的若干个图像块。

8、优选的，所述根据每个图像块内不同灰度值的像素点分布，获取每个图像块的细节丰富程度，包括的具体方法为：

9、对于半导体载带生产灰度图像的第x个图像块，将第x个图像块中灰度值处于的像素点，记为第x个图像块的第一类像素点，将第x个图像块中灰度值处于的像素点，记为第x个图像块的第二类像素点，其中，为预设参数，则半导体载带生产灰度图像的第x个图像块的细节丰富程度的计算方式为：式中，表示半导体载带生产灰度图像的第x个图像块的细节丰富程度；表示半导体载带生产灰度图像的第x个图像块内所有像素点灰度值方差；表示半导体载带生产灰度图像的第x个图像块内所有第一类像素点数量；表示半导体载带生产灰度图像的第x个图像块内第i个第一类像素点的灰度值；表示半导体载带生产灰度图像的第x个图像块内第j个第二类像素点的灰度值；半导体载带生产灰度图像的第x个图像块内所有像素点灰度值的熵；表示线性归一化函数；为预设参数。

10、优选的，所述根据每个图像块的细节丰富程度的大小获取半导体载带生产灰度图像的目标图像块，包括的具体方法为：

11、预设一个阈值，若半导体载带生产灰度图像的第x个图像块的细节丰富程度大于阈值，则将第x个图像块记为目标图像块，进而获得半导体载带生产灰度图像的所有目标图像块。

12、优选的，所述根据每个目标图像块中心像素点与其他像素点的异常值差异，获取每个目标图像块的特征参与度，包括的具体方法为：

13、将第y个目标图像块内的非中心像素点记为第y个目标图像块的第一像素点，则半导体载带生产灰度图像的第y个目标图像块的特征参与度的计算方法为：式中，表示半导体载带生产灰度图像的第y个目标图像块的特征参与度；为预设第一参数；表示半导体载带生产灰度图像的第y个目标图像块的中心像素点的异常值；表示半导体载带生产灰度图像的第y个目标图像块内第l个第一像素点的灰度值；表示半导体载带生产灰度图像的第y个目标图像块内第l个第一像素点的异常值；为预设参数。

14、优选的，所述根据每个目标图像块中不同异常值的像素点，获取每个目标图像块的目标异常连通域和异常连通域的边界像素点，包括的具体方法为：

15、对于半导体载带生产灰度图像的第y个目标图像块，若第y个目标图像块内任意像素点的异常值大于或等于预设阈值，则将所述像素点记为第y个目标图像块的异常像素点，进而获得第y个目标图像块的所有异常像素点，将第y个目标图像块的所有异常像素点输入连通组件标记算法，获得第y个目标图像块的所有异常连通域和异常连通域的边界像素点，将第y个目标图像块的所有异常连通域中面积最大的异常连通域作为第y个目标图像块的目标连通域。

16、优选的，所述根据每个目标图像块的目标异常连通域的质心与边界像素点的位置差异，获取每个目标图像块的载带评价特征程度，包括的具体方法为：

17、根据第y个目标图像块的目标异常连通域的质心与边界像素点的位置差异，获取第y个目标图像块的形状规整性；根据第y个目标图像块的目标异常连通域的边界像素点位置，获取第y个目标图像块的形状类直线度；则半导体载带生产灰度图像的第y个目标图像块的载带评价特征程度的计算方式为：式中，表示半导体载带生产灰度图像的第y个目标图像块的载带评价特征程度；表示半导体载带生产灰度图像的第y个目标图像块的形状类直线度；表示半导体载带生产灰度图像的第y个目标图像块的形状规整性；为预设参数；表示以自然常数为底数的指数函数。

18、优选的，所述根据第y个目标图像块的目标异常连通域的质心与边界像素点的位置差异，获取第y个目标图像块的形状规整性，包括的具体方法为：

19、获取第y个目标图像块的目标异常连通域的质心的坐标位置，则半导体载带生产灰度图像的第y个目标图像块的形状规整性的计算方式为：式中，表示半导体载带生产灰度图像的第y个目标图像块的形状规整性；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的所有边界像素点数量；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的第m个边界像素点的横坐标值；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的质心位置的横坐标值；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的第m个边界像素点的纵坐标值；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的质心位置的纵坐标值。

20、优选的，所述根据第y个目标图像块的目标异常连通域的边界像素点位置，获取第y个目标图像块的形状类直线度，包括的具体方法为：

21、通过最小二乘法对第y个目标图像块的目标异常连通域的所有边界像素点进行直线拟合，得到第y个目标图像块的边界直线方程，进而获得边界直线方程的参数和，则半导体载带生产灰度图像的第y个目标图像块的形状类直线度的计算方式为：式中，表示半导体载带生产灰度图像的第y个目标图像块的形状类直线度；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的所有边界像素点数量；和表示半导体载带生产灰度图像的第y个目标图像块的边界直线方程的参数；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的第m个边界像素点的横坐标值；表示半导体载带生产灰度图像的第y个目标图像块的目标异常连通域的第m个边界像素点的纵坐标值。

22、优选的，所述根据每个目标图像块的载带评价特征程度和特征参与度，获取半导体载带生产灰度图像的每个目标图像块对应的高细节特征像素点的滤波权重，包括的具体方法为：

23、将半导体载带生产灰度图像的第y个目标图像块的载带评价特征程度和特征参与度的乘积，记为第一乘积，将线性归一化后的第一乘积，作为半导体载带生产灰度图像的第y个目标图像块对应的高细节特征像素点的滤波权重。

24、本发明的技术方案的有益效果是：为了消除噪声对于半导体载带视觉效果的影响，使用双边滤波算法对其进行滤除。在这个过程中，会因为双边滤波中灰度权重的影响，导致滤波结果对载带的部分特征未能完整保留。本发明针对上述问题展开分析，进行灰度权重的自适应。利用核内不同像素点通过孤立森林计算后得到的异常得分，结合载带评价特征，确定双边滤波权重的自适应，相较于只通过灰度值接近与否进行权重的赋予和构建，能够有效解决滤波后细节特征丢失的问题。