晶圆和印刷电路板上的微观缺陷检测是制造过程中的标准程序，也是质量保证的关键步骤。几乎所有的生产线都已使用基于相机的自动在线检查功能来取代耗时的电路板人工检查功能。印刷电路板和晶片的规则几何形状使基于视觉的异常检测成功使用。
通过将最终产品图像（最终产品）与正确构造的晶圆的参考图像进行比较，可以检测出晶圆中预期图案的缺陷或偏离。然后，两个图像的基于像素的比较可以揭示两个图像中相应像素之间相似性度量的任何偏差，并警告可能的缺陷。使用这种方法，只有当两个图像都接近完美对齐时，才能减少误报检测。两个图像的对准增加了处理分辨率，图像尺寸，与晶片的距离和匹配方式的变化所需的另一层处理。
计算机芯片组轨迹–可见缺陷
为了减少对准和匹配采集模态的需要，可以根据参考图像和最终产品晶圆图像的图像特征对其进行比较。在这方面，特征是指图像中具有尖锐弯曲和扭曲并且对于缩放和旋转不变的位置。影像特征的此类示例之一是Harris角特征。
晶圆上的缺陷检测通常以规则的几何图案上的不规则形状为特征。这样的不规则将吸引特征检测器，该特征检测器将其标记为图像特征。除了缺陷之外，还将检测正常的晶圆几何形状，例如参考图像的微观结构中的拐角和弯曲。
然后将晶圆缺陷检测的问题减少为仅匹配几个候选特征而不匹配整个图像。通过这种方法，避免了逐像素比较，从而使得该方法对于晶片的在线和离线检查缺陷非常有吸引力。通常，从参考图像和最终产品图像中提取的特征组不应相等。因此，组合算法首先需要将参考图像中的特征对与最终产品中的特征对进行匹配。
不匹配，缺失或附加的功能需要仔细检查，以确定它们是否确实是缺陷。在这一点上，需要为所研究的几何构造定制的算法，以便仅检测那些对于正确的晶片缺陷检测必不可少的失配特征。
一旦认为缺陷检测器的性能令人满意，就可以对缺陷进行表征。一种或另一种类型的缺陷可能表示生产线上特定位置的故障。发生这种情况将使工厂工程师可以查明有问题的机械并进行更换。此外，缺陷分类可以帮助评估缺陷零件的损坏严重程度并制定有关其命运的决定。
为了检测和分类其尺寸可能小于图像尺寸的一小部分的缺陷，需要大量的专业知识。未能检测到它们可能导致产品可靠性和可用性方面的严重后果我们内部的专业知识使我们能够构建最先进的基于视觉缺陷检测算法。想要了解更多，欢迎前来秘银科技咨询。
