| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 半导体芯片缺陷检测研究现状 | 第14-15页 |
| 1.3 基于机器视觉的表面缺陷检测关键技术研究现状 | 第15-21页 |
| 1.3.1 图像插值 | 第15-16页 |
| 1.3.2 图像分割 | 第16-18页 |
| 1.3.3 特征提取与分类识别 | 第18-21页 |
| 1.4 本文研究内容 | 第21-22页 |
| 1.5 本文组织结构 | 第22-25页 |
| 第二章 芯片表面缺陷在线检测系统设计 | 第25-45页 |
| 2.1 检测系统总体结构设计 | 第25页 |
| 2.2 照明方案设计 | 第25-31页 |
| 2.2.1 光源选择 | 第26页 |
| 2.2.2 物体表面反射特性 | 第26-28页 |
| 2.2.3 明暗场同时照明方案 | 第28-31页 |
| 2.3 相机景深建模研究 | 第31-36页 |
| 2.3.1 几何光学成像模型 | 第31-33页 |
| 2.3.2 相机景深建模 | 第33-36页 |
| 2.4 检测系统硬件 | 第36-40页 |
| 2.4.1 检测系统硬件结构 | 第36-37页 |
| 2.4.2 相机的选择 | 第37-38页 |
| 2.4.3 镜头的选择 | 第38-39页 |
| 2.4.4 景深计算 | 第39-40页 |
| 2.5 检测系统软件 | 第40-42页 |
| 2.6 图像采集结果 | 第42-43页 |
| 2.7 本章小结 | 第43-45页 |
| 第三章 芯片表面缺陷图像预处理方法 | 第45-71页 |
| 3.1 芯片表面缺陷图像预处理目标 | 第45-46页 |
| 3.2 芯片缺陷图像切分校正算法 | 第46-55页 |
| 3.2.1 算法流程 | 第46页 |
| 3.2.2 多幅芯片图像切分 | 第46-51页 |
| 3.2.3 单幅芯片图像旋转校正与优化 | 第51-55页 |
| 3.2.4 实验结果与分析 | 第55页 |
| 3.3 芯片缺陷图像快速插值算法 | 第55-70页 |
| 3.3.1 灰度图像插值基础 | 第56-60页 |
| 3.3.2 改进的快速定向双三次图像插值算法 | 第60-65页 |
| 3.3.3 实验结果与分析 | 第65-70页 |
| 3.4 本章小结 | 第70-71页 |
| 第四章 芯片表面缺陷图像阈值分割方法 | 第71-101页 |
| 4.1 芯片表面缺陷图像分割方法选择 | 第71-72页 |
| 4.2 基于改进引力搜索算法的模糊熵多阈值分割 | 第72-82页 |
| 4.2.1 多阈值模糊熵 | 第73-75页 |
| 4.2.2 改进引力搜索算法 | 第75-77页 |
| 4.2.3 算法流程 | 第77-79页 |
| 4.2.4 实验结果与分析 | 第79-82页 |
| 4.3 基于广义反向粒子群优化与引力搜索混合算法的图像多阈值分割 | 第82-95页 |
| 4.3.1 粒子群优化与引力搜索混合算法 | 第82-83页 |
| 4.3.2 广义反向策略 | 第83-84页 |
| 4.3.3 最优解的变异策略 | 第84-85页 |
| 4.3.4 Otsu多阈值算法 | 第85页 |
| 4.3.5 算法流程 | 第85-86页 |
| 4.3.6 计算复杂度分析 | 第86-87页 |
| 4.3.7 实验结果与分析 | 第87-93页 |
| 4.3.8 芯片引脚缺陷图像分割最优参数选取 | 第93-95页 |
| 4.4 基于灰度-梯度共生矩阵的图像二维阈值分割 | 第95-99页 |
| 4.4.1 灰度-梯度共生矩阵 | 第95-96页 |
| 4.4.2 二维最大熵 | 第96-97页 |
| 4.4.3 最优阈值求解 | 第97页 |
| 4.4.4 实验结果与分析 | 第97-99页 |
| 4.5 本章小结 | 第99-101页 |
| 第五章 芯片表面缺陷特征提取与分类方法 | 第101-125页 |
| 5.1 芯片表面缺陷类型 | 第101-103页 |
| 5.1.1 芯片塑封缺陷类型 | 第101-102页 |
| 5.1.2 芯片引脚缺陷类型 | 第102-103页 |
| 5.2 基于数学形态学的塑封缺陷区域提取 | 第103-104页 |
| 5.2.1 算法流程 | 第103页 |
| 5.2.2 塑封缺陷区域提取结果分析 | 第103-104页 |
| 5.3 基于纹理方向的引脚缺陷区域提取 | 第104-109页 |
| 5.3.1 引脚图像纹理方向判断 | 第105-106页 |
| 5.3.2 算法流程 | 第106-108页 |
| 5.3.3 引脚缺陷区域提取结果分析 | 第108-109页 |
| 5.4 表面缺陷特征提取 | 第109-114页 |
| 5.4.1 表面缺陷几何特征提取 | 第109-111页 |
| 5.4.2 表面缺陷灰度特征提取 | 第111-112页 |
| 5.4.3 表面缺陷纹理特征提取 | 第112-113页 |
| 5.4.4 表面缺陷特征提取结果 | 第113-114页 |
| 5.5 基于SVM-RFE的表面缺陷特征选择 | 第114-120页 |
| 5.5.1 支持向量机基本理论 | 第115-117页 |
| 5.5.2 SVM-RFE算法 | 第117-118页 |
| 5.5.3 特征选择结果与分析 | 第118-120页 |
| 5.6 基于GPSOGSA-RBF-SVM的缺陷分类 | 第120-124页 |
| 5.6.1 SVM多类缺陷分类方法 | 第120-121页 |
| 5.6.2 基于GPSOGSA的RBF-SVM参数寻优算法 | 第121-122页 |
| 5.6.3 缺陷分类结果分析 | 第122-124页 |
| 5.7 本章小结 | 第124-125页 |
| 第六章 芯片表面缺陷在线检测实验 | 第125-133页 |
| 6.1 芯片表面缺陷在线检测指标 | 第125页 |
| 6.2 芯片表面缺陷在线检测实验环境 | 第125-126页 |
| 6.3 芯片表面缺陷在线检测实验结果 | 第126-131页 |
| 6.3.1 芯片图像采集结果 | 第126-127页 |
| 6.3.2 表面缺陷在线检测结果 | 第127-128页 |
| 6.3.3 表面缺陷在线检测算法时间效率分析 | 第128-129页 |
| 6.3.4 表面缺陷在线检测分类准确率分析 | 第129-131页 |
| 6.4 本章小结 | 第131-133页 |
| 第七章 总结与展望 | 第133-137页 |
| 7.1 研究内容总结 | 第133-134页 |
| 7.2 研究工作展望 | 第134-137页 |
| 致谢 | 第137-139页 |
| 参考文献 | 第139-149页 |
| 攻读博士期间取得的科研成果 | 第149-151页 |
| 附录 | 第151-154页 |
