(19)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 202111624835.0 (22)申请日 2021.12.28 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市雁塔区太白南 路2号西安电子科技大 学北校区 (72)发明人 任获荣　王颖　樊康旗　孙通　 吕银飞　黄雪影　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 李玲玲 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) G03H 1/04(2006.01) G03H 1/12(2006.01)G03H 1/00(2006.01) G01N 21/88(2006.01) (54)发明名称 一种基于激光全息成像技术的芯片外观缺 陷检测方法 (57)摘要 本发明公开了一种基于激光全息成像技术 的芯片外观 缺陷检测方法， 改善了现有技术中芯 片外观缺陷检测存在检测效率低。 该发明含有以 下步骤， 步骤1， 启动激光器， 形成全息图， 图像采 集模块接收全息图并送入图像处理模块； 步骤2， 对全息图进行数值变换获取数字全息图， 通过图 像处理重构三维形貌； 步骤3， 根据支持向量机的 分类结果， 判断芯片是否异常； 步骤4， 如果判断 结果为异常， 并联连杆机器人剔除有缺陷的芯 片， 结果为正常， 则结束进去下一个芯片的测试。 该技术解决了人工判断主观标准变化导致的质 量不稳定问题， 降低了检测成本， 提高了检测 效 率。 权利要求书3页 说明书6页 附图3页 CN 114494139 A 2022.05.13 CN 114494139 A 1.一种基于 激光全息成像技 术的芯片外观缺陷检测方法， 其特 征在于： 含有以下步骤， 步骤1， 启动激光器， 形成全息图， 图像采集模块接收全息图并送入图像处 理模块； 步骤2， 对 全息图进行 数值变换获取 数字全息图， 通过图像处 理重构三维形貌； 步骤3， 根据支持向量机的分类结果， 判断芯片是否异常； 步骤4， 如果判断结果为异常， 并联连杆机器人剔除有缺陷的芯片， 结果为正常， 则结束 进去下一个芯片的测试。 2.根据权利要求1所述的基于激光全息成像技术的芯片外观缺陷检测方法， 其特征在 于： 所述步骤1中的激光器为He ‑Ne激光器， 通过输入的He ‑Ne激光经过偏振分光镜PBS分成 两束， 一束激光经过扩束准直系统BE1扩束准直之后穿过物体形成物光； 另一束激光通过扩 束准直系统BE2扩束准直之后作为参考光， 物光和参考光经过分光镜BS之后， 在CCD靶面处 产生干涉条纹形成全息图， 由图像探测与采集模块进 行数据采集并由图像采集卡将其传入 图像处理模块， 照射到CCD靶面处的物光波的复振幅分布为： 照射到CCD靶面处的参 考光波的复振幅分布为： o(x,y)和r(x,y)分别表示物光和参考光 的强度分布， 和 分别表示物光和 参考光的相位分布， 到 达CCD靶面处干涉 条纹的总光场为： ， 所述CCD靶面尺寸为Lx×Ly， 像元大小为Δx， Δy， 像素数为Nx＝Lx/Δx， Ny＝Ly/Δy， 则 CCD靶面上记录的离 散全息图表示 为： 3.根据权利要求1所述的基于激光全息成像技术的芯片外观缺陷检测方法， 其特征在 于： 所述步骤2中的全息图被读入计算机后， 计算机的运算单元根据菲涅尔衍射积分的原理 在CPU中模拟光学衍 射过程， 对 全息图进行 数字再现， 主 要包括以下三 步， 步骤2.1、 设置 再现光波长为ER(x,y)， 用该光波模拟照射全息图， 根据瑞利 ‑索末菲衍射 公式， 在再现距离为d的再现平面的复振幅为： ρ表示的是全息靶面到再现平面相应点的距离， λ为波长， 对U( ξ ′, η′)进行抽样得到离 散化的表达式为： 权　利　要　求　书 1/3 页 2 CN 114494139 A 2Δ ξ′,Δ η′表示再现像平面的抽样间隔， 则再现像平面的强度和相位分布分别为： I(m,n)＝| U(m,n)|2 步骤2.2、 将 代入到U( ξ ′, η′)中得到： 变换指数函数的位置并按照傅里叶变换的意 义， 得到： 步骤2.3、 使用快速傅里叶变换计算上步结果并使用行列逐点法进行相位解包裹得到 再现像。 4.根据权利要求1所述的基于激光全息成像技术的芯片外观缺陷检测方法， 其特征在 于： 所述步骤2中在提高全息图再现像的空间分辨率时， 通过图像融合结合图像滤波算法， 包括以下四个步骤， 步骤2‑1、 从一幅全息图中截取一定数量的相等尺寸的子全息图； 步骤2‑2、 对这些子全息图进行 数字再现从而得到一定数量的再现像； 步骤2‑3、 对这些 再现像的灰度值 求平均得到一幅初步降噪的再现像； 步骤2‑4、 对这副再现像进行非局部均值滤波得到最终再现像， 即待检芯片的三维形 貌。 5.根据权利要求1所述的基于激光全息成像技术的芯片外观缺陷检测方法， 其特征在 于： 所述步骤2中的图像处理和重构三维形貌利用定义好的三维卷积神经网络结构在训练 集上进行训练， 确定一组最优的参数,包括以下三个步骤， 步骤2‑1)、 对训练集数据进行归一 化和数据增强， 数据增强包 含翻转和旋转操作； 步骤2‑2)、 对于芯片三维形貌的输入数据， 先将其分割为4*4*4个子块， 同时在每个子 块提取芯片缺陷特 征； 步骤2‑3)、 将训练集数据输入进网络中， 进行前向传播， 计算缺陷分类结果与标签值之 间的误差损失， 并采用反向传播算法来更新网络参数， 反 复多次迭代， 网络收敛到局部最优 或是达到一定训练次数时停止训练， 即找到 了一组最优的网络参数； 步骤2‑4)、 将重构出的待检芯片三维形貌数据输入至三维卷积神经网络中进行特征提 取， 将三维卷积神经网络提取到的特征输入至支持向量机模型进行分类， 依据支持向量机 的分类结果实现对芯片缺陷检测。 6.根据权利要求5所述的基于激光全息成像技术的芯片外观缺陷检测方法， 其特征在 于： 所述三维卷积神经网络包括4个三维卷积层， 2个池化层， 1个Dr opout层防止过拟合， 1个 Flatten层实现多维输入特 征一维化和2个全连接层。 7.根据权利要求1所述的基于激光全息成像技术的芯片外观缺陷检测方法， 其特征在 于： 所述所述芯片 外观检测出的缺陷类型为芯片表面的划痕、 芯片表面的凹坑、 芯片尺寸缺权　利　要　求　书 2/3 页 3 CN 114494139 A 3