劃切加工中晶圓的圖像識別

孟憲俊張文斌

（中國電子科技集團公司第四十五研究所，北京 100176）

劃切加工中晶圓的圖像識別

孟憲俊張文斌

（中國電子科技集團公司第四十五研究所，北京 100176）

針對劃切設(shè)備加工中的一種常見材料LED藍(lán)寶石晶圓，來實現(xiàn)全自動對準(zhǔn)與劃切的要求，對于如何通過晶圓圖像進行定位對準(zhǔn)，詳細(xì)闡述了一種基于邊緣檢測和模板匹配的定位方法。

劃切加工；圖像識別；定位；晶圓；

本項目研制的劃切加工設(shè)備主要針對高亮度LED藍(lán)寶石晶圓以及可控硅、砷化鎵、碳化硅等半導(dǎo)體材料進行精密切割。在原有手動操作設(shè)備的技術(shù)基礎(chǔ)上，對圖像自動對準(zhǔn)、光路設(shè)計等進行了進一步的改進，實現(xiàn)了晶片對準(zhǔn)和劃切加工的全自動操作。該設(shè)備的研發(fā)成功，提升了設(shè)備的性能及市場競爭力，進一步推進了LED劃切加工設(shè)備的產(chǎn)業(yè)化進程。設(shè)備中基于圖像檢測的晶圓識別對準(zhǔn)，是實現(xiàn)自動對準(zhǔn)劃切操作的必要前提。

1 圖像采集

圖像采集結(jié)構(gòu)如圖1所示。主要由三部分組成：工作臺、圖像采集、圖像處理。其中圖像采集包括：CCD相機、物鏡以及LED光源；藍(lán)寶石晶圓放置在工作臺上，工作臺可沿X、Y和方向運動。本系統(tǒng)中有兩個CCD相機，設(shè)備工作時，工作臺首先移動到1號CCD相機下，拍攝藍(lán)寶石晶圓的整體圖像，用于識別晶圓外邊緣；接著，工作臺移動到2號CCD相機下，拍攝藍(lán)寶石晶圓的細(xì)節(jié)圖，用于識別晶圓內(nèi)部街區(qū)。通過晶圓外緣的識別，來確定劃切切割的起止點；而晶圓內(nèi)街區(qū)的識別，則可以矯正晶圓與工作臺上劃切道的角度偏差。

圖1 圖像采集示意圖

2 圖像預(yù)處理

對圖像進行預(yù)處理，能夠消除圖像干擾信息，進而有效地進行圖像特征識別。這里的圖像預(yù)處理主要有濾波和二值化。

2.1 圖像濾波

圖像采集過程會受到噪聲的影響，主要有相機采集時的外部噪聲、CCD相機本身的噪聲、采集卡的噪聲和傳輸數(shù)據(jù)線的噪聲等[1]。這些噪聲使圖像出現(xiàn)偽特征，影響晶體識別。消除噪聲的方法是濾波。

中值濾波是常用的非線性濾波方法，也是圖像處理技術(shù)中最常用的預(yù)處理技術(shù)。它在平滑脈沖噪聲方面非常有效,同時它可以保護圖像尖銳的邊緣。噪聲大多為像素數(shù)較少的孤立點，而圖像是由面積較大、像素數(shù)較多的小塊組成，中值濾波就是基于圖像的這個特點的一項技術(shù)。中值是圖像內(nèi)各個像素的灰度值按升序排列后，處于序列中間的值。由此可見，當(dāng)出現(xiàn)脈沖干擾時，使用中值濾波是非常有效的。

由于晶體圖像中的邊緣信息為主要識別特征，并且圖像邊緣的灰度有明顯階躍，為了保護邊緣特征，本系統(tǒng)采用中值濾波。

2.2 圖像二值化

在灰度圖像中，表示一個目標(biāo)物體的最簡單方法就是二值化。在二值圖像中，用1表示目標(biāo)點，其他點就是0。

適當(dāng)?shù)乜刂浦車h(huán)境，使物體輪廓能夠用來識別該物體時，用二值化是非常有效的。選用合適的照明和背景時，物體可以很容易從背景中分離，從而得到較好的輪廓。系統(tǒng)輸入一副灰度圖像后，首先用閾值法將圖像變成二值圖，閾值的選擇隨照明條件及物體的反射性不同而有所變化。

為了方便后續(xù)晶體圖像識別，需要對中值濾波后的圖像做二值化處理。二值化圖像中的像素點只有兩個值：0或255，通過適當(dāng)?shù)拈撝颠x取，可以獲得能夠反映圖像明顯特征的圖像，這樣整幅圖即為明顯的黑白效果。經(jīng)過中值濾波的圖像，去除了大部分噪聲點，經(jīng)過二值化處理，可以得到易于識別的晶體圖像。

3 晶圓識別對準(zhǔn)

藍(lán)寶石晶圓識別主要包括兩部分，即晶圓外邊緣識別和晶圓內(nèi)街區(qū)識別。

3.1 晶圓外邊緣識別

劃切機中使用的晶圓材料有兩種，即整片和殘片，整片是一個完整的圓，殘片則是不規(guī)則形狀的晶片。對于不同的材料，我們采用不同的算法實現(xiàn)。

3.1.1 整片的快速測量法

對二值化分割后的圖像進行水平方向和垂直方向的投影，如圖2所示，使圓的二維數(shù)據(jù)在保持精度的前提下，簡化為一維投影數(shù)據(jù)，大大提高了算法速度。對兩個一維數(shù)據(jù)進行遍歷，分別獲得兩個峰值即為所測晶圓的x方向直徑和y方向直徑，記錄得到峰值的變量序列號即為晶圓的圓心。利用圓心和直徑可以計算出晶圓的外緣各個點的坐標(biāo)。

如圖3所示的整圓，計算得到圓心坐標(biāo)為370，289，直徑為535。通過計算得到外邊緣部分點坐標(biāo)如表1所示。

3.1.2 殘片的邊緣檢測法

邊緣提取首先檢測出圖像局部特性的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連成完備的邊界。邊緣的特性是沿邊緣走向的像素變化平緩，而垂直于邊緣方向的像素變化劇烈。所以，提取邊緣的算法就是檢出符合邊緣特性的邊緣像素的數(shù)學(xué)算子[2]。

圖2 圓的快速測量示意圖

圖3 整圓二值圖

表 1 整圓外緣點坐標(biāo)

邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，也包括方向的確定。

首先計算圖像數(shù)據(jù)的xy方向?qū)?shù)，這里的圖像數(shù)據(jù)是經(jīng)過預(yù)處理。圖像數(shù)據(jù)用D[i，j]表示，其x 和 y 方向的偏導(dǎo)數(shù)陣列分別為 F[i，j]和 G[i，j]，于是：

這里有很多種方法可以使用，大都是基于方向?qū)?shù)模板求卷積的方法。經(jīng)過試驗，從實際處理效果來看，用Roberts算子較好。該算法的算子為:

其中，H[i，j]為處理后（i，j）點的灰度值，f[i，j]為處理前該點的灰度值。

使用Robert算子進行卷積運算，得到圖像數(shù)據(jù)中各點的方向?qū)?shù)，來獲取其梯度：

計算式4、5分別表示圖像中任意一個點的梯度值和方向。利用這兩個值，我們來解決下面一個問題：如何在與邊緣垂直的方向上求出局部最大值。這里采用比較法，確定一個中心點，將它的梯度值與其梯度線方向的兩個相鄰點相比較，若其值大則保留，否則置零。

經(jīng)過局部最大值處理，可以得到細(xì)化的邊緣圖。但這樣的圖像中還可能包含噪聲引起的對單個邊緣的虛假響應(yīng)問題。若降低閾值，又會出現(xiàn)錯誤的“邊緣”。解決這個問題，可采用一種雙閾值方法。高、低閾值的確定要根據(jù)對信噪比的估計。高閾值可通過直方圖的統(tǒng)計結(jié)果得到，低閾值經(jīng)試驗確定為高閾值的1/2左右。大于高閾值的響應(yīng)確定為邊緣，小于低閾值的響應(yīng)刪除。在二者之間的，檢測該點的8個相鄰點是否存在大于高閾值的點，若有則可連接該邊緣點。整個邊緣檢測過程圖4。

圖4 邊緣檢測流程圖

圖5為經(jīng)過邊緣檢測的殘片圖。

圖5 殘片的邊緣檢測效果圖

3.2 晶圓內(nèi)街區(qū)識別

通過圖像識別，得到晶圓內(nèi)的街區(qū)位置和角度信息，來矯正晶圓內(nèi)街區(qū)與工作臺上劃切道的偏差。這里采用模板匹配方法實現(xiàn)。模板匹配就是拿已知的模板，和目標(biāo)圖像中相同大小的區(qū)域做比較。用平方誤差之和來衡量原圖（模板）和目標(biāo)圖像區(qū)域的差別。設(shè)模板的大小為m×n，圖像大小為 Wid×Hgh。模板中某點坐標(biāo)是（x0，y0），該點灰度是U（x0，y）；目標(biāo)圖像中的相應(yīng)點坐標(biāo)是（X0-x0，Y0-y0）,該點灰度是V（X0-x0，Y0-y0）。則使用一次匹配算法為：

全部圖像區(qū)域匹配完成后，得到的最小值即為結(jié)果。

采集得到工作臺上的晶圓圖像數(shù)據(jù)，通常在圖像中的街區(qū)與X軸之間會有一個夾角θ，為了減小計算量，我們在工作臺上料位置將邊角偏差角度范圍做了一定限制。如圖6所示。

我們預(yù)先在系統(tǒng)中保存一個標(biāo)準(zhǔn)晶粒模板，應(yīng)用模板匹配方法，在目標(biāo)圖像中搜索，記錄下匹配到的目標(biāo)位置數(shù)據(jù)，通過計算得到晶圓內(nèi)部街區(qū)與X軸之間的夾角θ，并進行街區(qū)對準(zhǔn)。晶圓街區(qū)對準(zhǔn)流程如圖7所示。

為了保證劃切的準(zhǔn)確性，我們有時會進行二次對準(zhǔn)，或驗證矯正效果。如圖8所示，即為進行一次對準(zhǔn)后再識別的效果。

圖6 偏差角度范圍示意圖

圖7 晶圓街區(qū)對準(zhǔn)流程

圖8 晶圓內(nèi)街區(qū)的識別效果圖

4 結(jié) 論

本文提出的基于圖像識別的藍(lán)寶石晶片自動識別方法，應(yīng)用于劃切加工設(shè)備，能夠滿足設(shè)備的高精度要求。自動識別對準(zhǔn)技術(shù)，必然會越來越多的在半導(dǎo)體專用設(shè)備中應(yīng)用，這里也可為其它自動對準(zhǔn)的設(shè)備研究提供一些參考。

：

[1]Milan Sonka Vaclav Hlavac Roger Boyle著，艾海舟，武勃譯.圖像處理、分析與機器視覺[M].北京：人民郵電出版社，2003.

[2]王鄭耀.數(shù)字圖像的邊緣檢測[M].西安：西安交通大學(xué)，2003.

[3]劉駿.數(shù)字圖像處理高級應(yīng)用[M].北京：科學(xué)出版社，2003.

Wafer's Image Identification in incision Machining

MENG Xianjun，ZHANG Wenbin
（The 45thResearch Institute of CECT，Beijing 100176）

Abstract:Be aim to the request of the consumers about automatically ororientation and incision on the LED sapphire wafer，this article discuss an image ororientation method based on edge abstracting and pattern matching.

Keywords:Incision machine；Image identification；Ororientation；Wafer

TN305.1

B

1004-4507（2013）07-0032-05

2013-04-06

孟憲俊（1980-），女，畢業(yè)于電子科技大學(xué)，現(xiàn)從事半導(dǎo)體設(shè)備軟件開發(fā)及圖像處理方面的工作

張文斌（1985-），男，畢業(yè)于西北工業(yè)大學(xué)，現(xiàn)從事半導(dǎo)體設(shè)備的開發(fā)與研制工作。