(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 202210965350.6 (22)申请日 2022.08.12 (65)同一申请的已公布的文献号 申请公布号 CN 115035122 A (43)申请公布日 2022.09.09 (73)专利权人 宁波鑫芯微电子科技有限公司 地址 315000 浙江省宁波市 鄞州区首南 街 道李花桥村萧皋西路1号 (72)发明人 刘卫卫　金琼洁　欧阳一冉　 邹阳春　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06T 7/62(2017.01) G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 5/40(2006.01)G06V 10/74(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114757949 A,202 2.07.15 CN 114219805 A,2022.03.22 CN 114581428 A,202 2.06.03 US 2011280470 A1,201 1.11.17 US 201320218 8 A1,2013.08.08 周青山.面向带钢表面 缺陷图像的特 征提取 算法研究. 《信息科技 辑》 .2018,(第01期),第7- 57页. 吴迪.铁轨表面缺陷的机 器视觉检测系统. 《工程科技 Ⅱ辑》 .2018,(第07期),第7- 58页. (续) 审查员 谢婉婉 (54)发明名称 基于人工智能的集成电路晶圆表面缺陷检 测方法 (57)摘要 本发明公开了基于人工智能的集成电路晶 圆表面缺陷检测方法， 涉及缺陷检测领域。 包括： 获取待检测晶圆表面图像； 对像素点的梯度变化 量进行编码得到待检测晶圆表面图像和标准晶 圆表面图像的梯度变化链码； 计算梯度相似度对 待检测晶圆表 面图像进行区域划分； 计算各像素 点的像素特征值； 根据各特征值的频率计算各区 域的疑似缺陷程度； 根据疑似缺陷程度对特征直 方图进行划分； 获取待检测晶圆表 面增强图像后 进行边缘检测得到待检测晶圆的缺陷区域。 本发 明通过计算待检测晶圆表面图像的像素点的梯 度变化， 通过对梯度的变化和灰度差异对待检测 图像进行区域划分， 对不同缺陷程度的自适应增强提高缺陷的对比度， 能够 有效提高缺陷检测的 精确度。 [转续页] 权利要求书4页 说明书11页 附图4页 CN 115035122 B 2022.11.11 CN 115035122 B (56)对比文件 Xiaojing Liu等.Surface Defect Detection Based o n Gradient LBP. 《2018 IEEE 3rd Internati onal Conference o n Image, Visi on and Computi ng (ICIVC)》 .2018,第13 3-137页.Chengli Yang等.Crack detecti on in magnetic ti le images using nonsubsampled shearlet transform and envel ope gray level gradient. 《Optics & Laser Technology》 .2017,第90卷第7-17页.2/2 页 2[接上页] CN 115035122 B1.基于人工智能的集成电路晶圆表面 缺陷检测方法， 其特 征在于， 包括： 获取待检测晶圆表面图像； 利用 算子分别计算待检测晶圆表面图像和标准晶圆表面图像 中每个像素点的梯 度变化量， 根据梯度变化量进 行编码分别得到待检测晶圆表面图像的梯度变化链码和标准 晶圆表面图像的梯度变化链码； 根据待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码计算 待检测晶圆表面图像与标准晶圆表面图像的梯度相似度； 根据梯度相似度和缺陷阈值对待检测晶圆表面图像进行区域划分， 将每个区域对应的 梯度相似度作为该区域的异常程度； 根据每个像素点及该像素点所在区域中每个像素点的灰度值计算该像素点的像素特 征值， 根据每 个区域中每 个像素点的像素 特征值计算每 个区域的区域特 征值； 利用每个区域中每个像素点的像素特征值所出现的频率计算每个区域的疑似缺陷程 度； 利用各区域特征值的频率构建特征直方图， 利用每个区域的疑似缺陷程度对特征直方 图进行划分得到不同类型的直方图区域； 利用得到的不同类型的直方图区域对待检测晶圆表面图像进行自适应增强得到自适 应增强后的待检测晶圆表面增强图像； 对待检测晶圆表面增强图像进行边 缘检测得到待检测晶圆的缺陷区域。 2.根据权利要求1所述的基于人工智能的集成电路晶圆表面缺陷检测方法， 其特征在 于， 所述根据梯度变化量进行编码分别得到待检测晶圆表面图像的梯度变化链码和标准晶 圆表面图像的梯度变化链码的方法如下： 设置八邻域方向上的码元； 若该像素点的梯度变化量在八邻域方向的某一方向上的梯度幅值发生了变化， 则将此 方向上的梯度作为该像素点梯度的改变方向， 根据梯度变化方向的码元进行编码； 若该像素点的梯度变化量在八邻域方向的梯度 幅值变化相同， 则以0作为该像素点的 码元； 根据上述方法对待检测晶圆表面图像和标准晶圆表面图像进行编码得到待检测晶圆 表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码。 3.根据权利要求1所述的基于人工智能的集成电路晶圆表面缺陷检测方法， 其特征在 于， 所述根据待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码 计 算待检测晶圆表面图像与标准晶圆表面图像的梯度相似度的过程如下： 对待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码进行匹 配， 根据匹配结果计算待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变 化链码之 间的差异 程度， 将得到的差异 程度作为待检测晶圆表面图像和标准晶圆表面图像 的梯度相似度， 待检测晶圆表面图像与标准晶圆表面图像的梯度相似度的计算公式如下： 权　利　要　求　书 1/4 页 2 CN 115035122 B 3