基于YOLO算法与机器视觉的晶圆片表面缺陷检测研究

作者：于志斌; 胡泓^*

来源：新型工业化, 2021, 11(12): 114-117.

DOI：10.19335/j.cnki.2095-6649.2021.12.044

• YOLO
• 机器视觉
• 晶圆
• 缺陷检测

针对分立器件晶圆片人工目视检测存在效率低和误检率高等问题，提出了一种基于YOLO算法与机器视觉的晶圆缺陷检测方法。首先对晶粒数据集进行增广，再训练YOLO v4网络用于对晶粒位置进行定位。针对氧化层残留缺陷，开运算去除小区域，利用色差公式进一步确认。针对划痕缺陷，形态学膨胀连接潜在划痕，根据联通区域的面积和最小外接矩形的长宽比提取划痕。针对氧化层不规则缺陷，根据凸缺陷的最远点到凸包的距离判断是否有该缺陷。实验结果表明：该方法能高效地实现晶粒定位和缺陷检测，基于YOLO定位算法，平均识别精度达98.07%，平均耗时为23.6ms；缺陷检测的检测成功率达93.84%，检测时间不超过40ms，满足实时性要求。

• 单位
  自动化学院; 哈尔滨工业大学（深圳）