(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211009436.8 (22)申请日 2022.08.23 (65)同一申请的已公布的文献号 申请公布号 CN 115082484 A (43)申请公布日 2022.09.20 (73)专利权人 山东光岳九州半导体科技有限公 司 地址 252000 山东省聊城市高新区九州街 道上海路1号江北鲁西环保科技城B9 栋 (72)发明人 张琰　孙思源　 (74)专利代理 机构 深圳叁众知识产权代理事务 所(普通合伙) 44434 专利代理师 董红娟(51)Int.Cl. G06T 7/00(2017.01) G06T 7/187(2017.01) G06T 7/44(2017.01) G06T 7/90(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01) (56)对比文件 CN 114926463 A,2022.08.19 审查员 李晗 (54)发明名称 基于图像处 理的半导体自动分区方法 (57)摘要 本发明涉及半导体生产检测及 图像处理技 术领域， 具体涉及一种基于图像处理的半导体自 动分区方法。 该方法获得半导体电路板表面图像 的灰度信息、 色调信息和深度信息。 利用色调信 息筛除背景像素点， 利用灰度信息和深度信息对 元件像素点进行聚类分组。 根据聚类产生的边界 点对聚类结果进行评价， 获得角度突变点数量和 边界点邻域方差信息反馈出的整体效果评价指 标。 根据角度突变点和整体效果评价指标调整聚 类操作的参数， 获得最优聚类结果。 根据相邻最 优聚类区域之间的区域相似性将相邻最优聚类 区域合并， 获得多个元件区域。 本发明通过自适 应调整聚类参数， 使得元件分区效果更好， 分区 方法的适用性更强。 权利要求书3页 说明书8页 附图1页 CN 115082484 B 2022.11.04 CN 115082484 B 1.一种基于图像处 理的半导体自动分区方法， 其特 征在于， 所述方法包括： 获得半导体电路板的表面图像； 获得所述表面图像中每个像素点位置处的灰度值、 色 调值和深度值； 根据所述色调值筛选出所述表面图像中的背景像素点和元件像素点； 根据所述灰度值 和所述深度值对 所述元件像素点进 行DBSCAN聚类操作， 获得多个聚类类别 及每个聚类类别 区域中的边界点， 具体包括： 在所述DBS CAN聚类操作中， 根据每次搜索范围内元件像素点之 间的灰度值差异和深度值差异获得搜索范围内每个像素点的有效数据概率， 若所述有效数 据概率大于预设概率阈值， 则认为对应像素点为有效数据点， 获得搜索范围内的有效数据 点数量； 若所述有效数据点数量大于预设第一阈值， 则认为对应搜索范围的中心像素点为 核心数据点； 若 所述有效数据点数量不大于预设第一阈值且对应搜索范围的中心点在所述 核心数据点的搜索范围内， 则认为对应搜索范围的中心点 为所述聚类 类别的边界点； 根据每个聚类类别的所有所述边界点获得边界链码； 根据 所述边界链码各个节点的角 度信息获得角度突变点数量； 获得每个所述边界点在邻域范围内的第一灰度值方差， 获得 所述邻域范围内非边界点的第二灰度值方差； 若 所述第二灰度值方差大于所述第一灰度值 方差， 则获得对应的所述第二灰度值方差与所述第一灰度值方差的差值作为参考差值； 根 据所述第一灰度值方差对应的所述参考差值 获得对应所述边界点的效果评价指标， 以所有 所述边界点的效果评价指标累加值作为整体效果评价指标； 根据所述整体效果评价指标和所述角度突变点数量调整所述DBSCAN聚类操作中的参 数并重新聚类， 获得最优聚类 类别， 每个最优聚类 类别对应一个最优聚类区域； 根据相邻 两个最优聚类区域的轮廓相似度、 灰度值信 息差异和深度值信 息差异获得区 域相似性； 将所述区域相似性大于预设区域相似性阈值的两个相 邻的所述最优聚类区域合 并为一个区域， 获得多个元件区域。 2.根据权利要求1所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 获得所述表面图像中每 个像素点位置处的灰度值、 色调值和深度值包括： 获得所述表面图像对应的RGB图像和深度图像； 根据所述深度图像获得所述表面图像 中每个对应像素点的所述深度值； 将所述 RGB图像转换至灰度图像， 根据所述灰度图像获得 所述表面图像中每个对应像素点的所述灰度值； 将所述 RGB图像中的像素信息转换至HSV颜 色空间中， 获得 所述表面图像中每 个像素点对应的色调值。 3.根据权利要求1所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 根据所述色调值筛 选出所述表面图像中的背景像素点和元件像素点包括： 以绿色对应的色调值作为背景参考色调值； 获得所述表面图像中每个像素点的所述色 调值与所述背景参考色调值的色调值差异； 若所述色调值差异小于预设色调值差异阈值， 则认为对应的像素点 为所述背景像素点， 否则为所述元件像素点。 4.根据权利要求3所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 根据每次搜索范围内元件像素点之间的灰度值差异和深度值差异获得搜索范围内每个像 素点的有效数据概 率包括： 根据有效数据概率公式获得搜索范围内每个像素点的所述有 效数据概率， 所述有效数 据概率公式包括：权　利　要　求　书 1/3 页 2 CN 115082484 B 2其中， 第 个像素点的所述有效数据概率， 为搜索范围内除第 个像素点之外的像 素点数量， 为第 个像素点的灰度值， 为搜索范围内除第 个像素点之外的第 个像素 点的灰度值， 为自然常数， 为最大值选取函 数， 为第 个像素点的深度值， 为搜 索范围内除第 个像素点之外的第 个像素点的深度值。 5.根据权利要求1所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 根据每个聚类类别的所有 所述边界点 获得边界链码； 根据所述边界链码各个节点的角度信 息获得角度突变点数量包括： 获得所述边界链码上每个节点与相邻的两个节点之间的第 一角度差异； 若两个所述第 一角度差异不相等， 则认为对应的节点 为角度突变点。 6.根据权利要求1所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 根据所述第一灰度值方差对应的所述 参考差值获得对应所述 边界点的效果评价指标包括： 获得所述边界点对应的所述参考差值的累加值； 以所述第 一灰度值方差与 所述累加值 的比值作为所述 边界点的所述效果评价指标。 7.根据权利要求1所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 根据所述整体效果评价指标和所述角度突变点数量调整所述DBSCAN聚类操作中的参数并 重新聚类， 获得最优聚类 类别包括： 以所述DBSCAN聚类操作中搜索范围内所需的最小样本点数量作为需调整参数， 根据参 数调整公式调整所述需调整参数， 所述 参数调整公式包括： 其中， 为调整后的所述需调整参数， 为调整前的所述需调整参数， 为所述整体效果 评价指标， 是所有聚类 类别的角度突变点数量， 是所有聚类 类别中的边界点数量； 不断调整所述需调整参数， 重新聚类获得新的聚类结果， 直至所述整体效果评价指标 和所述角度突变点数量不再变化或者达到预设调整次数， 结束调整， 获得所述最优聚类类 别。 8.根据权利要求1所述的一种基于图像处理 的半导体自动分区方法， 其特征在于， 所述 根据相邻两个最优聚类区域的轮廓相似度、 灰度值信息差异和深度值信息差异获得区域相 似性包括： 通过形状上下文算法获得相邻 两个最优聚类区域的所述轮廓相似度， 利用区域相似性 公式获得相邻两个最优聚类区域的所述区域相似性， 所述区域相似性公式包括： 权　利　要　求　书 2/3 页 3 CN 115082484 B 3