周小軍，譚 薇

(1.甘肅工業(yè)職業(yè)技術(shù)學(xué)院，甘肅 天水 741025； 2.四川大學(xué) 網(wǎng)絡(luò)空間安全學(xué)院，四川 成都 610041)

0 引言

集成電路產(chǎn)業(yè)已成為衡量一個(gè)國(guó)家科技綜合實(shí)力的重要標(biāo)準(zhǔn)。2015年公布《中國(guó)制造2025》戰(zhàn)略規(guī)劃，將“集成電路生產(chǎn)和封裝”作為重點(diǎn)建設(shè)內(nèi)容。集成電路芯片在生產(chǎn)封裝過(guò)程中的表面缺陷檢測(cè)技術(shù)對(duì)提高生產(chǎn)效率至關(guān)重要，人工方法誤檢率高，效率差，基于圖像處理技術(shù)的機(jī)器視覺(jué)檢測(cè)優(yōu)勢(shì)明顯。圖像的邊緣是位于2個(gè)區(qū)域的邊界上相連像素的集合，芯片圖像缺陷檢測(cè)時(shí)的關(guān)鍵步驟就是根據(jù)圖像灰度的不連續(xù)性來(lái)進(jìn)行圖像分割，通過(guò)檢測(cè)圖像的一階梯度最大值和二階導(dǎo)數(shù)是否過(guò)零點(diǎn)來(lái)判斷輪廓，也叫邊緣檢測(cè)[1]。常見(jiàn)的一階算子有 Roberts，Prewitt和Sobel；二階算子有Log，Kirsch和Laplacian等[2]。近年來(lái)在已有的傳統(tǒng)方法的基礎(chǔ)上，大量的邊緣檢測(cè)方法出現(xiàn)。由于在工業(yè)環(huán)境的檢測(cè)過(guò)程中，芯片圖像在采集過(guò)程中要受各種因素如環(huán)境溫度濕度、光源的照度和工業(yè)相機(jī)鏡頭在工業(yè)上利用CCD相機(jī)畸變等的影響，采集到的芯片圖像中不可避免的存在各種干擾和噪聲，使采集到的圖像對(duì)比度不均勻或者存在陰影，對(duì)邊緣檢測(cè)的結(jié)果影響很大。

1 經(jīng)典Canny 算子

Canny邊緣檢測(cè)算子于1986年由John F.Canny提出[3]，算法簡(jiǎn)單高效，是圖像中最經(jīng)典、最廣泛應(yīng)用的算法之一，因檢測(cè)效果良好，至今仍然十分活躍。近年來(lái)，國(guó)內(nèi)外學(xué)者不斷對(duì)Canny算子進(jìn)行了改進(jìn)[4-9]。Canny同時(shí)確定了一個(gè)優(yōu)秀邊緣檢測(cè)算子的3個(gè)標(biāo)準(zhǔn)：(1)低檢錯(cuò)率高信噪比準(zhǔn)則，即檢測(cè)算法應(yīng)該最大限度檢測(cè)出邊緣信息，降低誤檢和漏檢，減少噪聲影響，提高信噪比；(2)最優(yōu)精度定位準(zhǔn)則，使檢測(cè)的邊緣圖像盡可能和原圖像無(wú)限接近，噪聲影響引起的偏離度最低，提高定位的精確度；(3)對(duì)應(yīng)準(zhǔn)則，檢測(cè)點(diǎn)和邊緣點(diǎn)要相互對(duì)應(yīng)，噪聲和干擾不應(yīng)被作為偽邊緣被檢測(cè)[10]。

Canny邊緣檢測(cè)算子實(shí)質(zhì)就是在3個(gè)準(zhǔn)則上建立的一種多級(jí)檢測(cè)算法，具體實(shí)現(xiàn)可分為以下4個(gè)步驟：

其中，坐標(biāo)與方位之間關(guān)系為：

式中：M(x,y)為幅值，表示邊緣的強(qiáng)度；θ(x,y)為方位角，最大局部值M(x,y)所對(duì)應(yīng)梯度的方位角表示邊緣。

第3步 幅值非極大值抑制，用3×3鄰域作用于梯度幅值陣列，將圖像像素梯度值M(x,y)與沿著梯度方向的2個(gè)8鄰域像素梯度M(x+1,y+1)進(jìn)行比較。如該像素點(diǎn)梯度值不是局部最大則令M(x,y)=0，對(duì)該點(diǎn)進(jìn)行抑制即該點(diǎn)不是邊緣點(diǎn)。

第4步 雙閾值連接邊緣，對(duì)圖像進(jìn)行高、低閾值分割后可得到2個(gè)邊緣圖像。高閾值圖像不含假邊緣，但有間斷[11]。利用低閾值在圖像8鄰域搜索可能連接的邊緣，完成對(duì)高閾值圖像的間斷連接。

2 經(jīng)典算法的缺陷

(1)Canny算子對(duì)光照十分敏感，因?yàn)樾酒副P(pán)表面反光，采集時(shí)會(huì)產(chǎn)生曝光現(xiàn)象；同時(shí)，有光源陰影的存在，會(huì)檢測(cè)出假邊緣，影響檢測(cè)質(zhì)量。

(2)Canny算子中高、低閾值參數(shù)不具有自適應(yīng)的能力，而閾值選擇對(duì)圖像的邊緣檢測(cè)影響很大，人為設(shè)定閾值費(fèi)時(shí)費(fèi)力，也很難取得好的檢測(cè)效果。

(3)在具體的應(yīng)用環(huán)境中，如果閾值設(shè)置不合理，則可能產(chǎn)生過(guò)判斷現(xiàn)象，將噪聲和偽邊緣誤判為真實(shí)邊緣；也有可能產(chǎn)生過(guò)粗，判斷不出真實(shí)的邊緣，無(wú)法進(jìn)行識(shí)別目標(biāo)的輪廓準(zhǔn)確檢測(cè)處理。

3 改進(jìn)閾值自適應(yīng)Canny算法

Canny算子檢測(cè)算法簡(jiǎn)單有效，檢測(cè)時(shí)間短，但因其閾值不能自動(dòng)選擇而需人為干預(yù)。閾值大小直接影響檢測(cè)的性能，Canny算子在提取不同圖像的邊緣時(shí)缺乏自適應(yīng)性，對(duì)局部噪聲敏感，所以常會(huì)過(guò)檢測(cè)出偽邊緣，而對(duì)灰度值變化緩慢邊緣又無(wú)法檢測(cè)到。對(duì)此，該文用最大類(lèi)間方差對(duì)Canny算子閾值的選取方法進(jìn)行了改進(jìn)，能自適應(yīng)確定閾值，經(jīng)實(shí)驗(yàn)證明在對(duì)芯片圖像檢測(cè)時(shí)效果良好。最大類(lèi)間方差法是根據(jù)圖像的灰度特性對(duì)圖像進(jìn)行全局二值化，將其分為前景和背景兩部分，兩者之間方差越大，兩部分之間的差別就越大，錯(cuò)分的概率就越小，分類(lèi)就越正確。

則整個(gè)圖像全局均值為：

4 實(shí)驗(yàn)結(jié)果

用Matlab2016b軟件，在處理器為Intel(R)Core(TM)i5-5200U CPU@2.20 GH，內(nèi)存為8G的計(jì)算機(jī)平臺(tái)上實(shí)驗(yàn)。選取了Matlab自帶的2張512×512的原始圖像1Liftingboby原始圖像2Pillsetc圖像和2張自行采集到的200×200缺陷芯片原始圖像3Dirt和原始圖像4Scratch。采用傳統(tǒng)的Canny算子和該文最大內(nèi)間差自適應(yīng)閾值改進(jìn)后的結(jié)果進(jìn)行了對(duì)比分析和研究，實(shí)驗(yàn)檢測(cè)結(jié)果如圖1和圖2所示。

圖1 圖像1 Liftingboby和圖像2 Pillsetc檢測(cè)結(jié)果對(duì)比

圖2 圖像3 Dirt和圖像4 Scratch檢測(cè)結(jié)果對(duì)比

由上述實(shí)驗(yàn)結(jié)果可以看出，圖形內(nèi)容較為豐富的原始圖像1中含有薄厚變化的云層背景和遠(yuǎn)近2個(gè)飛行器圖像，圖像內(nèi)容相對(duì)比較單一，因此加入了彩色藥品和采集噪聲較大的原始圖像2。2種圖像在使用普通Canny算子時(shí)因?yàn)闄z測(cè)閾值的自動(dòng)選擇，大量的干擾信息被檢測(cè)，噪聲及干擾都被檢測(cè)成邊緣。對(duì)要進(jìn)行機(jī)器視覺(jué)識(shí)別的芯片圖像的原始圖像3和原始圖像4，因?yàn)閳D像內(nèi)容相對(duì)簡(jiǎn)單，但是由于工業(yè)圖像采集環(huán)境的不同，以及受光照不均勻的影響，產(chǎn)生了一定的噪聲和陰影，這樣圖像灰度分布各異，分割閾值對(duì)邊緣檢測(cè)影響很大，通過(guò)人工反復(fù)修改試驗(yàn)也能取得較好的閾值，但是耗時(shí)耗力，尤其是在實(shí)際應(yīng)用時(shí)無(wú)法做到實(shí)時(shí)的響應(yīng)。

通過(guò)采用該文改進(jìn)后的最大內(nèi)間差法自適應(yīng)獲取高低閾值。圖像1～4的高閾值TH、低閾值TL，采用傳統(tǒng)Canny算子檢測(cè)熵值E1、消耗時(shí)間t，和改進(jìn)后檢測(cè)熵值E2、消耗時(shí)間t2分別如表1所示。

表1 改進(jìn)后圖像檢測(cè)參數(shù)對(duì)比統(tǒng)計(jì)表

由表1知，在檢測(cè)消耗時(shí)間上，采用改進(jìn)后的方法在運(yùn)行后使用的時(shí)間要相對(duì)長(zhǎng)一些。因?yàn)閳D像中細(xì)節(jié)的信息和噪聲信息被處理掉，改進(jìn)后檢測(cè)邊緣的圖像熵值比改進(jìn)前變小，由于處理大量干擾信息，所以犧牲了一定的時(shí)間代價(jià)。圖像3和圖像4因采集時(shí)光照不均勻，邊緣輪廓產(chǎn)生的陰影被很好地處理掉。改進(jìn)后檢測(cè)效果良好，有效去除了不必要的干擾，圖像重要信息的邊緣得以保留，從直觀視覺(jué)效果可以看出改善效果明顯?？傊?，經(jīng)改進(jìn)算法處理后的圖像能去除大部分噪聲及光照干擾，在后續(xù)芯片缺陷識(shí)別時(shí)對(duì)提高識(shí)別率和準(zhǔn)確率非常關(guān)鍵。

5 結(jié)語(yǔ)

利用機(jī)器視角檢測(cè)集成芯片表面缺陷的核心技術(shù)仍受制于人，對(duì)芯片的表面缺陷進(jìn)行檢測(cè)主要是檢測(cè)芯片表面的印刷字符、芯片引腳、劃痕污染等。為準(zhǔn)確判斷芯片圖像中的缺陷，需要采集后的圖像二值化，然后再進(jìn)行缺陷邊緣檢測(cè)，通過(guò)在Canny算子中引進(jìn)最大內(nèi)間差法自適應(yīng)地根據(jù)圖像灰度來(lái)生成高低閾值，改善了原算法的噪聲敏感性，檢測(cè)時(shí)將大量的非缺陷信息進(jìn)行濾除，保留有效的檢測(cè)信息。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法對(duì)檢測(cè)到有效邊緣信息有很強(qiáng)的自適應(yīng)性，能滿足工程上實(shí)時(shí)性要求，可為后續(xù)芯片缺陷檢測(cè)提供關(guān)鍵的技術(shù)參考。