(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010515314.0
(22)申请日 2020.06.09
(66)本国优先权数据
202010297509.2 2020.04.16 CN
(71)申请人 江苏京创先进电子科技有限公司
地址 215500 江苏省苏州市常熟经济技术
开发区海城路2号9幢
(72)发明人 杨云龙 吕孝袁 高金龙 高阳
(74)专利代理机构 苏州市小巨人知识产权代理
事务所(普通合伙) 32415
代理人 胡亚兰
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/13(2017.01)
G06T 7/136(2017.01)
B28D 5/00(2006.01) (54)发明名称
(57)摘要
本发明公开了一种刀痕崩边自动检测判断
通过图像进行灰度处理、二值化处理得到黑白二值图像， 实现对灰度图像上黑刀痕区域和白芯片区
域的检测区分，然后对直方图算法和Hough变换
的直线检测方式获得直线刀痕区域，同时采用
Canny算法采集获得实际刀痕区域面积，然后将
实际刀痕区域面积与直线刀痕区域面积作差计
算得到目标刀痕检测区域图像的崩边位置，最后
对该崩边位置的边缘轨迹与加工物的切割道外
边缘进行偏差对比，若偏差值大于预设偏差值，
向外部输出崩边报警信号，经实施验证，本发明
可以同时实现对划片机加工物刀痕崩边高精度
且高效率的自动检测判断。权利要求书2页 说明书7页 附图4页CN 111681222 A 2020.09.18
C N 111681222
A
1.一种刀痕崩边自动检测判断方法，应用于划片机的控制系统中，所述划片机包括加载安装加工物的划片工作台，预存有加工物理论特征位置切割模型的图像采集模块，所述划片工作台安装在驱动组件上，所述驱动组件和所述图像采集模块采用所述控制系统驱动控制，其特征在于，所述控制系统包括如下刀痕崩边自动判断步骤：
S10)、通过图像采集模块获取所述加工物上的目标刀痕检测区域图像；
S20)、对所述目标刀痕检测区域图像进行灰度处理得到灰度图像；
S30)、对所述灰度图像进行二值化处理得到黑白二值图像，其中，所述二值化处理是指通过预先计算设置灰度阈值T，然后将所述灰度图像的所有像素点采用二值化函数进行比较计算，实现对所述灰度图像上刀痕区域和芯片区域的检测区分；
S40)、通过直方图算法和Hough变换的直线检测方式寻直线刀痕区域，其中，所述直方图由离散的点阵组成，所述Hough变换的直线检测方式用于计算显示对所述直方图的Hough直线检测模型，所述直线刀痕区域与实际刀痕位置重合；
S50)、计算所述目标刀痕检测区域图像的崩边位置，所述崩边位置面积S(c)＝实际刀痕区域面积S kc-直线刀痕区域面积S K，所述实际刀痕区域面积S kc采用Canny算法采集获得；
S60)、将所述崩边位置边缘轨迹与加工物的切割道外边缘做差对比得到偏差值，若偏差值大于预设偏差值，向外部输出崩边报警信号。
2.根据权利要求1所述的刀痕崩边自动检测判断方法，其特征在于，所述驱动组件包括可顺逆向旋转的T向电机和X-Y轴运动模块，所述划片工作台安装在所述T向电机上，所述T 向电机可相对旋转地安装在所述X-Y轴运动模块上；在所述步骤S10)中，通过X-Y轴运动模块将所述划片工作台运动至目标刀痕检测区域。
3.根据权利要求1所述的刀痕崩边自动检测判断方法，其特征在于，在所述步骤S20)中，所述灰度处理过程包括：将目标刀痕检测区域图像划分为像素点矩阵，通过对各像素点进行颜变量计算，将所述标刀痕检测区域图像转化为灰度图像，所述计算公式为：G＝r* 0.299+g*0.587+b*0.114，其中，G为像素点矩阵中某个点像素完成灰度处理后的灰度值，r 为该点像素的红变量值，g为该点像素的绿变量值，
b为该点像素的蓝变量值。
4.根据权利要求3所述的刀痕崩边自动检测判断方法，其特征在于，每个点像素的红变量值、绿变量值以及蓝变量值均相等，且在灰度处理中，将调阶层划分为256个，其中，纯黑为0级，纯白为255级，灰度级数位于纯黑和纯白之间。
5.根据权利要求1所述的刀痕崩边自动检测判断方法，其特征在于，所述二值化函数是指将所述灰度图像的所有像素点灰度值与灰度阈值T进行比较计算，当对应的像素点灰度值大于灰度阈值T时，计算判定为白芯片区域，当对应的像素点灰度值等于或小于灰度阈值T时，计算判定为黑刀痕区域；所述灰度阈值T采用迭代法计算得到，其计算公式为：
其中，h k为灰度值为k的像素数目，L为灰度级数。
6.根据权利要求1所述的刀痕崩边自动检测判断方法，其特征在于，在步骤S30)后还包括步骤S31)：对所述黑白二值图像进行高斯滤波平滑处理，所述高斯滤波平滑处理是指将黑白二值图像采用高斯卷积核与图像进行卷积计算。
7.根据权利要求6所述的刀痕崩边自动检测判断方法，其特征在于，在所述步骤S31)中，所述卷积计算采用2个一维叠加处理计算方式，具体计算公式为：
其中，X，Y代表黑白二值图像中某个像素点X-Y轴的对应坐标值；G(x,y)对对应坐标值的点像素灰度值，σ为常数。
8.根据权利要求1所述的刀痕崩边自动检测判断方法，其特征在于，在步骤S30)后还包括步骤S31)’，所述步骤S31)’在步骤S31)之后或之前进行，所述步骤S31)’包括：对刀痕区域进行暗黑填充处理，所述暗黑填充处理采用膨胀和腐蚀的开闭运算，所述膨胀是指将刀痕区域图像进行边缘加长和加粗处理，所述腐蚀是指将刀痕区域图像进行宽度变窄处理。
9.根据权利要求1所述的刀痕崩边自动检测判断方法，其特征在于，在所述步骤S60)中，所述预设偏差值为3-7m。
10.一种划片机，包括加载安装加工物的划片工作台，预存有加工物理论特征位置切割模型的图像采集模块，所述划片工作台安装在驱动组件上，所述驱动组件和所述图像采集模块采用控制系统驱动控制，其特征在于，所述控制系统采用如权利要求1-9之一所述的刀痕崩边自动检测判断方法。
一种刀痕崩边自动检测判断方法及其应用的划片机
技术领域
[0001]本发明涉及划片机的切割控制技术，具体涉及了一种刀痕崩边自动检测判断方法，本发明还涉及该刀痕崩边自动检测判断方法应用的划片机。
背景技术
[0002]划片机是集成电路生产后道不可或缺的设备，其主要功能是将芯片切割成一个个独立的单独元件。具体来说，对于划片机切割效果评价指标中，由于崩边会对切割品质产生影响较大的现实问题，因此崩边是重要的核心切割效果评价指标。随着智能化制造水平的不断提升，划片机中采用的传统人工检测崩边方式存在耗时长、效率低、劳动强度大等技术弊端，而且人为判断标准难以统一，难以保证一致的切割效果，已经越来越不被市场接受。[0003]市场对自动检测崩边技术提出了高质量需求，尤其是对于晶圆片切割领域，由于产品本身切割道较窄，对崩边的标准要求很高，急迫寻求高精度、高效率的刀痕崩边自动检测判断方法来实现对芯片的崩边质量评估应用。
发明内容
[0004]有鉴于此，本发明的目的在于提供一种刀痕崩边自动检测判断方法及其应用的划片机，同时实现了对划片机加工物刀痕崩边的高精度且高效率的自动检测判断。[0005]本发明采用的技术方案如下：
[0006]一种刀痕崩边自动检测判断方法，应用于划片机的控制系统中，所述划片机包括加载安装加工物的划片工作台，预存有加工物理论特征位置切割模型的图像采集模块，所述划片工作台安装在驱动组件上，所述驱动组件和所述图像采集模块采用所述控制系统驱动控制，所述控制系统包括如下刀痕崩边自动判断步骤：
[0007]S10)、通过图像采集模块获取所述加工物上的目标刀痕检测区域图像；[0008]S20)、对所述目标刀痕检测区域图像进行灰度处理得到灰度图像；提出本步骤S20)的原因主要是由于划片机采集的数字图像，是由一个个像素点矩阵(即为像素点矩阵)排列构成，对图像的灰度处理其实就是对该像素矩阵进行处理操作；而由于图像采集模块的视觉机器对颜的处理计算非常复杂，需耗费计算量较大；而且由于划片机处理的半导体材料对颜并没有要求；因此，本发明的刀痕崩边自动检测判断方法过程可将彩图像转换为灰度图像即可满足处理要求，显著节约了计算工作量；
[0009]S30)、对所述灰度图像进行二值化处理得到黑白二值图像，其中，所述二值化处理是指通过预先计算设置灰度阈值T，然后将所述灰度图像的所有像素点采用二值化函数进行比较计算，实现对所述灰
度图像上刀痕区域和芯片区域的检测区分，可以进一步显著节约后续进行直线刀痕区域和崩边位置的计算量；
[0010]S40)、通过直方图算法和Hough变换的直线检测方式寻直线刀痕区域，其中，所述直方图由离散的点阵组成，所述Hough变换的直线检测方式用于计算显示对所述直方图的Hough直线检测模型，所述直线刀痕区域与实际刀痕位置重合；
[0011]S50)、计算所述目标刀痕检测区域图像的崩边位置，所述崩边位置面积 S(c)＝实际刀痕区域面积S kc-直线刀痕区域面积S K，所述实际刀痕区域面积S kc采用Canny算法采集获得；
[0012]S60)、将所述崩边位置边缘轨迹与加工物的切割道外边缘做差对比得到偏差值，若偏差值大于预设偏差值，向外部输出崩边报警信号。
[0013]优选地，所述驱动组件包括可顺逆向旋转的T向电机和X-Y轴运动模块，所述划片工作台安装在所述T向电机上，所述T向电机可相对旋转地安装在所述X-Y轴运动模块上；在所述步骤S10)中，通过X-Y轴运动模块将所述划片工作台运动至目标刀痕检测区域。[0014]优选地，在所述步骤S20)中，所述灰度处理过程包括：将目标刀痕检测区域图像划分为像素点矩阵，通过对各像素点进行颜变量计算，将所述标刀痕检测区域图像转化为灰度图像，所述计算公式为：G＝r*0.299+g*0.587 +b*0.114，其中，G为像素点矩阵中某个点像素完成灰度处理后的灰度值，r 为该点像素的红变量值，g为该点像素的绿变
量值，b为该点像素的蓝变量值。
[0015]优选地，每个点像素的红变量值、绿变量值以及蓝变量值均相等，且在灰度处理中，将调阶层划分为256个，其中，纯黑为0级，纯白为255级，灰度级数位于纯黑和纯白之间。
[0016]优选地，所述二值化函数是指将所述灰度图像的所有像素点灰度值与灰度阈值T 进行比较计算，当对应的像素点灰度值大于灰度阈值T时，计算判定为白芯片区域，当对应的像素点灰度值等于或小于灰度阈值T时，计算判定为黑刀痕区域；所述灰度阈值T采用迭代法计算得到，其计算公式为：
[0017]
[0018]其中，h k为灰度值为k的像素数目，L为灰度级数。
[0019]优选地，在步骤S30)后还包括步骤S31)：对所述黑白二值图像进行高斯滤波平滑处理，所述高斯滤波平滑处理是指将黑白二值图像采用高斯卷积核与图像进行卷积计算。[0020]优选地，在所述步骤S31)中，所述卷积计算采用2个一维叠加处理计算方式，具体计算公式为：
[0021]
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议