成果介绍
本发明公开了一种可用于晶圆缺陷检测的任意倾斜角晶圆直线边长的提取与晶粒区隔离方法,首选进行晶圆数字图像的采集作为原图像;对原图像进行2次降采样,然后进行滤波处理,然后灰度化二值化;最小轮廓矩的求解得到晶圆的几何中心与倾斜角度;将倾斜的晶圆进行旋转操作保证旋转中心为几何中心,旋转后的晶圆图像垂直;基于设定的形态学结构元素进行水平与竖直的直线提取并计算其长度;根据长度与设定的阈值比较即可判断晶圆是否有崩边或是崩角缺陷;基于全局轮廓与最外层轮廓相减的方法,层层递进得到晶粒区晶圆的特征轮廓信息,对其包围面积值判断即可对缺陷的检测;本发明实现了较高精度的崩边、崩角、晶粒区的检测及提供了一种方法指导。
成果亮点
本发明实现了较高精度的崩边、崩角、晶粒区的检测及提供了一种方法指导,并且采样量较少,处理速度快,能够有效判断晶圆的缺陷。
团队介绍
浙江大学机器人研究院(以下简称“研究院)是为了贯彻落实浙江省委省政府关于推进工业转型升级的战略部署,在余姚市的大力推动下,于2017年由浙江大学和余姚市合作共建的新型研发机构。
研究院面向科技前沿、面向经济发展主战场,将机器人、智能装备研发及产业化作为主要突破方向;立足余姚、服务浙江、面向全国。以“合作、创新、智能、引领”为理念,以体制机制创新为抓手,以科技研发、成果转化和人才培育为核心,着力构建技术-人才-产业深度融合的创新创业生态;努力建成为国内一流的机器人领域政、产、学、研、用深度融通的新高地。
成果资料