本披露公开了一种用于检测衬底暗线长度的方法、电子设备及存储介质。该方法包括：基于衬底检测图像进行锐化处理，以获得锐化图像；从所述锐化图像中提取出初步暗线区域；提取所述初步暗线区域中的暗线轮廓；基于所述暗线轮廓提取暗线骨架；对所述暗线骨架进行累计概率霍夫变换，以获得暗线线段；以及对所述暗线线段的长度进行检测，以获得暗线长度。本披露实施例能够通过暗线区域的初步定位、暗线轮廓提取和暗线骨架提取等步骤，精准定位出衬底暗线缺陷，并精准测量出暗线长度。该过程无需生产人员对阈值进行实时的适应性调整，系统能够自动化生成准确的暗线长度，降低了生产人员的操作难度，提高了衬底暗线长度的检测效率。提高了衬底暗线长度的检测效率。提高了衬底暗线长度的检测效率。
【技术实现步骤摘要】
用于检测衬底暗线长度的方法、电子设备及存储介质
[0001]本披露一般涉及图像处理
更具体地，本披露涉及一种用于检测衬底暗线长度的方法、电子设备及存储介质。
技术介绍
[0002]由半导体单晶材料制造而成的晶圆的衬底层可以采用硅、碳化硅、蓝宝石及氮化硅等材料进行制备，衬底制备完成后可以直接进入晶圆制造环节以生产半导体器件，也可以在衬底上进行外延工艺以加工生产外延片。外延工艺是指在经过切、磨、抛等加工步骤后的单晶衬底上生长一层新单晶的过程，新单晶可以与衬底为同一材料，也可以是不同材料。由于新生单晶层按衬底晶相延伸生长，故而被称之为外延层，生长有外延层的衬底则被称为外延片。
[0003]受到新生单晶层的生长环境以及外延工艺精度等因素的影响，在外延片边缘上往往会产生形如黑色条状的缺陷，也称为暗线缺陷。该暗线的长度是生产人员评估衬底产品质量的标准，因此为了保障衬底产品质量的稳定性，需要提供准确的暗线长度数据，以辅助生产人员进行衬底生产质量的评判。
[0004]然而，现有技术所采用的基于局部自动阈值的提取方法，一方面会受到衬底外延本身厚度不均的影响，会产生定焦不准而导致暗线成像模糊的问题，另一方面会受到光源均一性的影响，导致不同位置的暗线成像过曝或过暗。因此，在使用该方法时，需要对局部自适应阈值的偏移值进行精准调参，提高了生产人员的操作难度。
[0005]有鉴于此，亟需提供一种衬底暗线长度的检测方案，以便实现简化阈值偏移的调参过程，实现更加简便高效的暗线长度检测。
技术实现思路
[0006]为了至少解决如上所提到的一个或多个技术问题，本披露在多个方面中提出了衬底暗线长度的检测方案。
[0007]在第一方面中，本披露提供一种用于检测衬底暗线长度的方法包括：基于衬底检测图像进行锐化处理，以获得锐化图像；从锐化图像中提取出初步暗线区域；提取初步暗线区域中的暗线轮廓；基于暗线轮廓提取暗线骨架；对暗线骨架进行累计概率霍夫变换，以获得暗线线段；以及对暗线线段的长度进行检测，以获得暗线长度。
[0008]在一些实施例中，其中基于衬底检测图像进行锐化，以获得锐化图像包括：提取衬底检测图像中的红色通道图像；以及对红色通道图像进行锐化处理，以获得锐化图像。
[0009]在一些实施例中，其中锐化处理包括：计算待锐化图像的黑帽图像，其中待锐化图像包括衬底检测图像或红色通道图像；以及将待锐化图像减去黑帽图像，以获得锐化图像。
[0010]在一些实施例中，其中将待锐化图像减去黑帽图像，以获得锐化图像包括：将待锐化图像更新为待锐化图像减去黑帽图像所得的差值图像；以及循环执行锐化处理，直至锐化处理的执行次数达到预设次数后，将最后一次执行锐化处理所得的差值图像作为锐化图
像。
[0011]在一些实施例中，其中基于暗线轮廓提取暗线骨架包括：根据预设尺寸范围从暗线轮廓中筛选出去噪暗线轮廓，其中预设尺寸范围包括预设面积和/或预设长度；以及提取去噪暗线轮廓的暗线骨架。
[0012]在一些实施例中，其中从锐化图像中提取出初步暗线区域包括：对锐化图像进行二值化处理，以得到二值化锐化图像；以及遍历二值化锐化图像的像素点，以将灰度值为0的区域确定为初步暗线区域。
[0013]在一些实施例中，其中基于暗线轮廓提取暗线骨架包括：逐一地访问暗线轮廓中的所有像素点；对于访问的当前像素点，判断其邻域像素点是否满足第一标记条件或第二标记条件；响应于邻域像素点满足第一标记条件或第二标记条件，标记当前像素点；判断所有像素点是否已访问完毕；响应于未访问完毕，继续访问当前像素点的下一像素点后再次判断其邻域像素点是否满足第一标记条件或第二标记条件；响应于已访问完毕，判断被标记的像素点的数量是否为0；响应于被标记的像素点的数量不为0，将被标记的像素点删除后再次逐一地访问所有未删除的像素点；以及响应于被标记的像素点的数量为0，将所有未删除的像素点确定为暗线骨架。
[0014]在一些实施例中，其中第一标记条件包括：灰度值为255的邻域像素点的数量在预设范围内，邻域像素点按照预设顺序形成的灰度值序列中包含预设数量的预设子序列，上邻域像素点、右邻域像素点和下邻域像素点三者的灰度值乘积为0，以及右邻域像素点、下邻域像素点和左邻域像素点三者的灰度值乘积为0；其中第二标记条件包括：灰度值为255的邻域像素点的数量在预设范围内，邻域像素点按照预设顺序形成的灰度值序列中包含预设数量的预设子序列，上邻域像素点、右邻域像素点和左邻域像素点三者的灰度值乘积为0，以及上邻域像素点、下邻域像素点和左邻域像素点三者的灰度值乘积为0。
[0015]在第二方面中，本披露提供一种电子设备包括：处理器；以及存储器，其存储有用于检测衬底暗线长度的程序指令，当程序指令由处理器执行时，使得设备实现根据第一方面任意一项的方法。
[0016]在第三方面中，本披露提供一种计算机可读存储介质，其上存储有用于检测衬底暗线长度的计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如第一方面任意一项的方法。
[0017]通过如上所提供的用于检测衬底暗线长度的方法，本披露实施例通过暗线区域的初步定位、暗线轮廓提取和暗线骨架提取，从锐化后的衬底检测图像中提取出能够表征暗线缺陷的暗线骨架，并通过累计概率霍夫变换识别出暗线骨架中的直线部分，从而精准定位出衬底中的暗线缺陷，并为长度测量提供可靠、清晰的测量依据。该过程无需生产人员对阈值进行实时的适应性调整，系统能够自动化生成准确的暗线长度，降低了生产人员的操作难度，提高了衬底暗线长度的检测效率。
附图说明
[0018]通过参考附图阅读下文的详细描述，本披露示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本披露的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
图1示出了本披露一些实施例的衬底暗线长度的检测方法的示例性流程图；图2示出了本披露一些实施例的二值化锐化图像的示意图；图3示出了本披露一些实施例的锐化处理方法的示例性流程图；图4示出了本披露一些实施例的暗线骨架提取方法的示例性流程图；图5示出了本披露一些实施例的邻域像素点的示意图；图6示出了本披露实施例的电子设备的示例性结构框图。
具体实施方式
[0019]下面将结合本披露实施例中的附图，对本披露实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本披露一部分实施例，而不是全部的实施例。基于本披露中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本披露保护的范围。
[0020]应当理解，本披露的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0021]还应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于检测衬底暗线长度的方法，其特征在于，包括：基于衬底检测图像进行锐化处理，以获得锐化图像；从所述锐化图像中提取出初步暗线区域；提取所述初步暗线区域中的暗线轮廓；基于所述暗线轮廓提取暗线骨架；对所述暗线骨架进行累计概率霍夫变换，以获得暗线线段；以及对所述暗线线段的长度进行检测，以获得暗线长度。2. 根据权利要求1所述的方法，其特征在于，其中基于衬底检测图像进行锐化，以获得锐化图像包括：提取衬底检测图像中的红色通道图像；以及对所述红色通道图像进行锐化处理，以获得锐化图像。3. 根据权利要求1或2所述的方法，其特征在于，其中所述锐化处理包括：计算待锐化图像的黑帽图像，其中所述待锐化图像包括衬底检测图像或红色通道图像；以及将所述待锐化图像减去所述黑帽图像，以获得所述锐化图像。4. 根据权利要求3所述的方法，其特征在于，其中将所述待锐化图像减去所述黑帽图像，以获得所述锐化图像包括：将所述待锐化图像更新为所述待锐化图像减去所述黑帽图像所得的差值图像；以及循环执行所述锐化处理，直至所述锐化处理的执行次数达到预设次数后，将最后一次执行锐化处理所得的差值图像作为所述锐化图像。5. 根据权利要求1所述的方法，其特征在于，其中基于所述暗线轮廓提取暗线骨架包括：根据预设尺寸范围从所述暗线轮廓中筛选出去噪暗线轮廓，其中所述预设尺寸范围包括预设面积和/或预设长度；以及提取所述去噪暗线轮廓的暗线骨架。6. 根据权利要求1所述的方法，其特征在于，其中从所述锐化图像中提取出初步暗线区域包括：对所述锐化图像进行二值化处理，以得到二值化锐化图像；以及遍历所述二值化锐化图像的像素点，以将灰度值为0的区域确定为所述初步暗线区域。7.根据权利要求1所述的方法，其特征在于，其中基于所述暗线轮廓提取暗线骨架包括：逐一地访问所述暗线...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：苏州高视半导体技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。