基于机器视觉的裸片表面缺陷 在线检测研究

摘要：

针对准确和实时检测裸片表面缺陷的需求,提出了一种基于线性判别分析(Linear Discriminant Analysis,LDA)和支持向量机(Support Vector Machine,SVM)的在线检测算法.首先,采用高斯滤波方法滤除裸片表面图像中的噪声;然后,提取裸片表面缺陷的Hu不变矩和方向梯度直方图(Histogram of Oriented Gradients,HOG)特征,采用LDA方法对特征进行降维;接着,在离线建模阶段,学习裸片表面正常模式的高斯混合模型(Gaussian Mixture Model,GMM),并学习各种缺陷模式的SVMs;最后,在线检测阶段使用GMM判断是否存在缺陷,使用K最近邻(K Nearest Neighbor,KNN)算法分类缺陷的模式.提出算法在采集的裸片数据库中得到了88.11％的检测准确率,单幅图像的平均检测时间为44.7 ms.实验结果表明,提出算法具有较高的检测准确性与实时性,可以应用到实际生产中的裸片表面缺陷在线检测.

关键词：晶圆划片、裸片表面缺陷检测、表面特征、线性判别分析、支持向量机

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2018-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：13-16,45