【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种砷化镓衬底晶片缺陷智能检测方法。
技术介绍
1、gaas砷化镓材料在半导体领域具有重要应用，作为一种优质衬底晶片，被广泛应用于光电子器件和微电子器件的制造中。然而，在生产过程中，砷化镓衬底晶片上常常存在各种缺陷，这些缺陷会直接影响器件的性能和稳定性。因此，设计一种高效准确的智能检测方法对砷化镓衬底晶片上的缺陷进行分析具有重要意义。
2、砷化镓衬底晶片中常见的螺旋状位错缺陷对器件性能产生严重影响，然而其微小尺度和复杂形态使得难以准确检测和定位，容易导致漏检和误检。此外，螺旋状位错缺陷在晶片中的分布较为离散，增加了检测的难度。因此，针对这一特定类型的缺陷，需要开发一种智能化的检测方法，能够实现对螺旋状位错缺陷的快速、准确检测和定位，提高对螺旋状位错缺陷的检测准确性和稳定性，成为当前研究亟需解决的关键问题之一。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种砷化镓衬底晶片缺陷智能检测方法，以解决现有的问题。
2、本专利技术的一种砷化镓衬底晶片缺陷智能检测方法采用如下技术方案：
3、本专利技术一个实施例提供了一种砷化镓衬底晶片缺陷智能检测方法，该方法包括以下步骤：
4、采集砷化镓衬底晶片图像和外延层图像；
5、根据砷化镓衬底晶片图像获得各边缘线和各直线型边缘线；获取非直线边缘线，根据各边缘线的邻域内直线型边缘线和非直线边缘线的数量，获得邻域非直线边缘密度；根据邻域非直线边缘密度获得缺陷区
6、根据曲率灰度变化密度指数获得螺旋状位错缺陷区域。
7、进一步，所述根据砷化镓衬底晶片图像获得各边缘线和各直线型边缘线，包括：
8、对砷化镓衬底晶片图像采用canny边缘检测算法，获得边缘图像；对边缘图像中的所有边缘线采用霍夫变换进行检测，获得各直线型边缘线。
9、进一步，所述获取非直线边缘线，根据各边缘线的邻域内直线型边缘线和非直线边缘线的数量，获得邻域非直线边缘密度，包括：
10、统计边缘图像中各边缘线上的像素点个数，获取所有边缘线上的像素点个数的均值；将边缘图像中除所有直线型边缘线之外的边缘线，记为非直线边缘线；
11、对边缘图像中的各边缘线，以边缘线的中心像素点为圆心，以所述均值为半径，获取边缘线的邻域；统计边缘线的邻域内的所有非直线边缘线上的像素点数量，记为非直线像素总值；统计边缘线的邻域内的所有非直线边缘线的条数；统计边缘线的邻域内的所有像素点的数量，记为邻域像素总值；获取所述非直线像素总值与所述邻域像素总值的比值；获取以自然常数为底数，以所述比值为指数的指数函数；将所述指数函数的计算结果与所述条数的乘积作为边缘线的邻域非直线边缘密度。
12、进一步，所述根据邻域非直线边缘密度获得缺陷区域，包括：
13、计算所有边缘线的邻域非直线边缘密度的上四分位数，将邻域非直线边缘密度大于所述上四分位数的边缘线，记为缺陷区域边缘线；
14、在边缘图像中标记缺陷区域边缘线，对标记后的边缘图像采用连通域分析算法获得各连通域，将各连通域对应在砷化镓衬底晶片图像上的区域，记为各缺陷区域。
15、进一步，所述根据外延层缺陷区域中的各像素点到所有缺陷区域的像素点之间的欧氏距离获得各外延层缺陷区域对应的缺陷区域，包括：
16、对于各外延层缺陷区域，计算外延层缺陷区域中的各像素点到所有缺陷区域的像素点之间的欧氏距离；将所有缺陷区域中所述欧氏距离最小的像素点，作为外延层缺陷区域中的各像素点的对应点；统计各缺陷区域中所述对应点的数量，将所述对应点的数量最多的缺陷区域作为外延层缺陷区域对应的缺陷区域。
17、进一步，所述根据各缺陷区域与各缺陷区域对应的外延层缺陷区域中的非直线边缘线获得各缺陷区域的综合畸变指数，包括：
18、对于各缺陷区域，统计缺陷区域中非直线边缘线的条数，记为缺陷边缘数；统计缺陷区域中边缘线的条数，记为边缘总数；获取缺陷边缘数与边缘总数的比值，记为第一比值；统计缺陷区域对应的外延层缺陷区域中非直线边缘线的条数，记为对应缺陷边缘数；统计缺陷区域对应的外延层缺陷区域中边缘线的条数，记为对应边缘总数；获取对应缺陷边缘数与对应边缘总数的比值，记为第二比值；获取第一比值与第二比值的差值，记为第一差值；计算缺陷区域对应的外延层缺陷区域中像素点的数量与缺陷区域中像素点的数量的差值，记为第二差值；将第一差值与第二差值的乘积作为缺陷区域的综合畸变指数。
19、进一步，所述根据缺陷区域的各边缘线上所有像素点的曲率获得螺旋曲率变化系数，包括：
20、对于缺陷区域中的各边缘线，将边缘线的两个端点中，横坐标与纵坐标之和最小的端点作为起始点；从起始点开始，将边缘线上的所有点按照拓扑顺序依次排列，构成有序点集；将有序点集中各点的曲率所组成的序列，记为曲率序列；计算曲率序列的一阶差分序列，记为边缘线的曲率趋势序列；
21、若所述曲率趋势序列中的第个元素大于或等于零，则所述第个元素的阈值函数值为1；反之，则所述第个元素的阈值函数值为-1；
22、计算所述曲率趋势序列中所有元素的阈值函数值的均值；获取所述均值的绝对值；计算所述绝对值的向下取整值；将缺陷区域中包含的所有边缘线的所述向下取整值的和值，作为缺陷区域的螺旋曲率变化系数。
23、进一步，所述根据缺陷区域中所有相邻的像素点之间的灰度值差异获得平均灰度变化量，包括：
24、将缺陷区域中的任一像素点记为待分析像素点，计算待分析像素点的灰度值与待分析像素点的八邻域内各像素点的灰度值的差值绝对值；获取待分析像素点的所有所述差值绝对值的均值；将缺陷区域中所有像素点的所述均值的均值作为缺陷区域的平均灰度变化量。
25、进一步，所述综合各缺陷区域的综合畸变指数、平均灰度变化量和螺旋曲率变化系数获得各缺陷区域的曲率灰度变化密度指数，包括：
26、计算各缺陷区域的综合畸变指数、平均灰度变化量和螺旋曲率变化系数的乘积；获取以自然常数为底数，以所述乘积的相反数为指数的指数函数；将数字1与所述指数函数的计算结果的差值作为各缺陷区域的曲率灰度变化密度指数。
27、进一步，所述根据曲率灰度变化密度指数获得螺旋状位错缺陷区域，包括：将曲率灰度变化密度指数大于预设缺陷阈值的缺陷区域，作为螺旋状位错缺陷区域。
本文档来自技高网...
【技术保护点】
1.一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据砷化镓衬底晶片图像获得各边缘线和各直线型边缘线，包括：
3.如权利要求2所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述获取非直线边缘线，根据各边缘线的邻域内直线型边缘线和非直线边缘线的数量，获得邻域非直线边缘密度，包括：
4.如权利要求2所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据邻域非直线边缘密度获得缺陷区域，包括：
5.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据外延层缺陷区域中的各像素点到所有缺陷区域的像素点之间的欧氏距离获得各外延层缺陷区域对应的缺陷区域，包括：
6.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据各缺陷区域与各缺陷区域对应的外延层缺陷区域中的非直线边缘线获得各缺陷区域的综合畸变指数，包括：
7.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其
8.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据缺陷区域中所有相邻的像素点之间的灰度值差异获得平均灰度变化量，包括：
9.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述综合各缺陷区域的综合畸变指数、平均灰度变化量和螺旋曲率变化系数获得各缺陷区域的曲率灰度变化密度指数，包括：
10.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据曲率灰度变化密度指数获得螺旋状位错缺陷区域，包括：将曲率灰度变化密度指数大于预设缺陷阈值的缺陷区域，作为螺旋状位错缺陷区域。
...【技术特征摘要】
1.一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据砷化镓衬底晶片图像获得各边缘线和各直线型边缘线，包括：
3.如权利要求2所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述获取非直线边缘线，根据各边缘线的邻域内直线型边缘线和非直线边缘线的数量，获得邻域非直线边缘密度，包括：
4.如权利要求2所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据邻域非直线边缘密度获得缺陷区域，包括：
5.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根据外延层缺陷区域中的各像素点到所有缺陷区域的像素点之间的欧氏距离获得各外延层缺陷区域对应的缺陷区域，包括：
6.如权利要求1所述的一种砷化镓衬底晶片缺陷智能检测方法，其特征在于，所述根...
【专利技术属性】
技术研发人员：邵广育，鞠少功，卜英瀚，
申请(专利权)人：浙江康鹏半导体有限公司，
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。