(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 202211034142.0 (22)申请日 2022.08.26 (71)申请人 英特尔产品 （成 都） 有限公司 地址 611731 四川省成 都市高新 技术开发 区西区科新路8-1号 申请人 英特尔公司 (72)发明人 关心　 (74)专利代理 机构 北京永新同创知识产权代理 有限公司 1 1376 专利代理师 林锦辉　刘景峰 (51)Int.Cl. G01N 21/95(2006.01) G01N 21/88(2006.01) G06T 7/00(2017.01) G06T 7/70(2017.01)G06T 3/00(2006.01) G06V 10/40(2022.01) G06V 10/762(2022.01) (54)发明名称 缺陷检测设备与方法 (57)摘要 本发明提供一种缺陷检测方法与设备。 该方 法包括获取多组目标单元的光学图像； 将所述多 组目标单元中每个目标单元的光学图像转换为 光斑分布图； 基于目标缺陷的特征属性， 提取所 述光斑分布图中每个光斑的至少一个光斑特征； 以及通过利用无监督的机器学习处理所述多组 目标单元的所述光斑特征来确定所述光斑分布 图中是否包含异常光斑来判断所述目标单元是 否存在所述目标缺陷。 权利要求书3页 说明书9页 附图3页 CN 115266757 A 2022.11.01 CN 115266757 A 1.一种缺陷检测方法， 包括： 获取多组目标 单元的光学图像； 将所述多组目标 单元中每个目标单元的光学图像转换为 光斑分布图； 基于目标缺陷的特征属性， 提取所述光斑分布图中每个光斑的至少一个光斑特征以建 立所述多组目标 单元的光斑特 征集； 通过利用无监督的机器学习处理所述多组目标单元的所述光斑特征集来确定所述光 斑分布图中是否包 含异常光斑来判断所述目标 单元是否存在所述目标缺陷。 2.如权利要求1的缺陷检测方法， 还 包括： 对所述多组目标单元的所述异常光斑执行聚类处理以确定所述异常光斑是否具有固 定的位置模式特 征； 当确定所述异常光斑具有固定的位置模式特征时， 则判断所述目标单元在所述位置模 式指示的位置处存在所述目标缺陷。 3.如权利要求2的方法， 其中所提取的光斑特征包括至少三个特征以建立每个光斑的 至少三维特 征表示； 其中利用所述无监督的机器学习处理所述光斑特征集包括： 对所述至少三维特征表示 的光斑特征集应用孤立森林算法以确定异常光斑数据集， 其中在所述孤立森林算法中用于 确定异常光斑的污染参数co ntamination取值范围为0.1％～0.2％； 其中对所述多组目标单元的所述异常光斑执行聚类处理包括对所述异常光斑数据集 应用基于密度的噪声应用空间聚类DBSCAN算法， 其中在所述DBSCAN算法中搜索半径 epsilon的值位于100～300um之间， 最小点数mi npts不小于 3。 4.如权利要求1 ‑3之一的方法， 其中所述至少一个光斑特征是基于所述目标缺陷的特 征属性以及光源特性 提取的， 其中所述 光学图像是在所述 光源的照射下捕获的； 所述目标缺陷的特 征属性包括： 所述目标缺陷相对于所述作为背景的目标 单元的光学 特征差异； 所述目标缺陷的物理形态特 征； 所述光斑特征包括： (1)长度与宽度； (2)平均灰度值； (3)长宽比； (4)光斑中最亮与最暗像素的距离； (5)光斑边 缘与中心的灰度差； 以及 (6)光斑中各像素的灰度变化。 5.如权利要求1 ‑3之一的缺陷检测方法， 其中所述多组目标单元中的每一组由测试机 器中多组测试 单元中的一个测试 单元操作， 所述方法进一 步包括： 当判断所述目标单元存在所述目标缺陷时， 确定存在所述目标缺陷的所述目标单元与 操作所述目标 单元的测试 单元的关联性； 当存在所述目标缺陷的不同目标单元均关联于同一测试单元时， 则进一步判断所述同 一测试单元存在硬件故障并导 致所述目标缺陷。权　利　要　求　书 1/3 页 2 CN 115266757 A 26.如权利要求5的缺陷检测方法， 进一 步包括： 基于所述待检测的目标缺陷的特征属性， 选择多个光源之一或调整光源的发光特性以 便增强在所述获取的光学图像中目标缺陷相对于作为背景的所述目标 单元的特征差异。 7.一种缺陷检测设备， 包括： 图像获取模块， 配置为获取多组目标 单元的光学图像； 图像转换模块， 配置为将所述多组目标单元中每个目标单元的光学图像转换为光斑分 布图； 特征确定模块， 配置为基于待检测的目标缺陷的特征属性而提取所述光斑分布图中每 个光斑的至少一个光斑特 征以建立所述多组目标 单元的光斑特 征集； 异常识别模块， 配置为通过利用无监督的机器学习处理所述多组目标单元的所述光斑 特征集来确定所述光斑分布图中是否包含异常光斑来判断所述目标单元是否存在所述目 标缺陷。 8.如权利要求7的缺陷检测设备， 所述异常识别模块进一 步配置为： 对所述多组目标单元的所述异常光斑执行聚类处理以确定所述异常光斑是否具有固 定的位置模式特 征； 当确定所述异常光斑具有固定的位置模式特征时， 则判断所述目标单元在所述位置模 式指示的位置处存在所述目标缺陷。 9.如权利要求8的缺陷检测设备， 其中所提取的光斑特征包括至少三个特征以建立每 个光斑的至少三维特 征表示； 其中所述异常识别模块进一 步配置为： 对所述至少三维特征表示的所述光斑特征集应用孤立森林算法 以确定异常光斑数据 集， 其中在所述孤立森林算法中用于确定异常光斑的 ‘污染’参数contamination取值范围 为0.1％～0.2％； 以及 对所述异常光斑数据集应用基于密度的噪声应用空间聚类DBSCAN算法， 其中在所述 DBSCAN算法中搜索半径epsi lon的值位于100～300um之间， 最小点数mi npts不小于 3。 10.如权利要求7 ‑9之一的缺陷检测设备， 其中所述至少一个光斑特征是基于所述目标 缺陷的特 征属性以及光源特性 提取的， 其中所述 光学图像是在所述 光源的照射下捕获的； 所述目标缺陷的特 征属性包括： 所述目标缺陷相对于所述作为背景的目标 单元的光学 特征差异； 所述目标缺陷的物理形态特 征； 所述光斑特征包括以下中的至少一个： (1)长度与宽度； (2)灰度值； 以及 (3)长宽比； (4)光斑中最亮与最暗像素的距离； (5)光斑边 缘与中心的灰度差； (6)光斑中各像素的灰度变化。 11.如权利要求7 ‑9之一的缺陷检测设备， 其中所述多组目标单元中的每一组 由机器中 多组测试 单元中的一个测试 单元操作，权　利　要　求　书 2/3 页 3 CN 115266757 A 3