光碟模版自動評估應用實例

3.1 微粒計數實驗
3.2 微粒數字度量與分類實驗
3.3 識別神經網路辨認實驗
4. 參考文獻

1 .系統製作

本研究在系統硬體製作的規格如下：

個人電腦：
486DX2-66，8MB RAM，Super VGA。
攝影機及EPO影像擷取卡：
影像解析度256×234像素點，256灰階
由NTSC標準影像輸入，每秒可得30張畫面。
工具顯微鏡：
最大倍率180倍。
照明光源：
高照度雙導管聚光燈。
TC-4017平台定位模組：
由步進馬達驅動，滾珠導螺桿(螺距2.5mm)；定位精確度0.01mm。
微處理器(6809)控制之驅動器；
微處理器與電腦間以RS-232-C串列傳輸。

圖1為整體系統連接圖，圖2則為系統硬體架構的實際圖。





圖1 系統架構連接圖


　   


        圖2(a) 自動評估系統檢驗平台         圖2(b) 自動評估系統硬體架構全圖

        軟體發展及設計以C語言完成。整體程式設計以發展模組化功能為目
的，使得系統功能拓展方便，總計已完成之影像處理功能及平台
定位控制之程式，大致的功能表如下所示:

Scan	掃描影像畫面
Save	儲存影像畫面
Load	載入影像畫面
Histogram	顯示影像灰階亮度統計圖
Graylevel	滑鼠自動像素灰階顯示
Convolution	影像空間迴旋積分
Low pass	影像低通處理
High pass	影像高通處理
Thresholding	影像自動二值化處理
Inverse	影像反轉處理
Pixelize	影像格子點化處理
Erode	微粒收縮處理
Dilate	微粒膨脹處理
Fill	微粒填充處理
Label	微粒標記處理
Axis	微粒主軸運算
Area	微粒面積計算
Perimeter	微粒周長計算
Shape	微粒緊湊度計算
Eccentric	微粒偏心度計算
Shift	微粒平移處理
Scale	微粒尺度轉換處理
Rotate	微粒旋轉處理
X-Y Table	位移平台鍵盤控制

2. 刻度校準

        由人工目視量測微粒大小時，通常是利用顯微鏡上的目
鏡網線刻度直接予以目視測量。而在電腦影像視覺技術上，可採用刻度校準的
方式，算出每一像素點所代表的實際面積及長度。我們利用光柵
圖案當作校準尺，如圖3所示，由於光柵條紋在1mm的寬度中共有10條，所以
每一條紋之間距為0.1mm，刻度校準方法如下：
1.固定放大倍率。
2.取出光柵二值化影像。
3.計算每一個條紋間距所包含的像素點數N。
將0.1mm/N，即為單一像素點所代表的實際長度。




　   
圖3 光柵(10Lines/mm)影像圖



根據計算的結果，放大倍率為180倍時，每個像素點所代表的實際長度為2.5m，
實際面積則為。顯微鏡倍率越大，則度量
範圍可越精細。

3. 實驗設計

以下將設計三個實驗包括微粒計數、微粒度量與分類、特定微粒辨認等，針對系統功能來做測試。底下將對每一個實驗設計，敘述其步驟及流程。

由影像擷取系統擷取測試板上的微粒影像諸如LCD片夾層之空間微粒子，或是晶圓上已切割好之微晶片，針對系統微粒計數功能進行測試，處理流程如下：開始，由影像擷取系統取進解析度為256×234、灰階 256之數位影像，然後利用3×3之平滑濾波器遮罩進行空間濾波，接著經自動閥值擷取，得到一張二值化影像，再利用微粒標記演算法，針對影像上的微粒進行計數，最後並與人工目視法比對，驗證系統計數功能。圖4代表微粒計數實驗的流程圖。

3.2 微粒數字度量與分類實驗

        在測試板上取得三種類型包括皮屑狀、纖維狀、立方
狀之微粒，對這些微粒進行度量及分類實驗。首先量測每個單一微粒的面積、周
長、主軸長、偏心度及緊湊度等，圖5為度量實驗規劃流程圖。最後，以緊湊度
及偏心度兩種度量為特徵參數，採用最小距離分類器，對三種類型之微粒樣本做
形狀上分類分析。






圖4 微粒計數流程圖



圖5 微粒數字度量流程圖

3.3 識別神經網路辨認實驗

對於特定形狀微粒的辨認，採用識別神經網路理論，進行實驗。實驗設計可分為訓練過程及識別過程兩階段。在訓練過程上，以10種樣板微粒為訓練樣本，經過適當之正規化處理後，輸入網路進行訓練。訓練步驟如下：步驟1：輸入訓練微粒原始影像。步驟2：對原始影像進行正規化處理，包括平滑濾波、二值化、平移、放大、邊緣偵測、旋轉、格子點化及反轉等處理，最後得到一25×25格子點化之二值影像圖。步驟3：設定主辨識神經元及25個次級辨識神經元，並在每一個次級神經元下安置9個移位神經元。步驟4：對每一個移位神經元pk，輸入對應的樣本分割單元進行訓練，得到每一個移位神經元的加權值向量及神經元門閥值。步驟5：重複步驟1，直到訓練完所有樣本圖。而在識別過程中，我們引進幾個訓練樣本微粒在不同位置、不同角度、甚至不同打光強度下所拍攝的圖片為測試樣本，輸入已訓練好之網路進行識別。整個識別步驟如下：步驟1：輸入測試微粒原始影像。步驟2：對原始影像進行正規化處理，包括平滑濾波、二值化、平移、放大、邊緣偵測、旋轉、格子點化及反轉等處理，最後得到一25×25格子點化之二值影像圖。步驟3：對訓練過程中每一個移位神經元pk，輸入對應的測試樣本分割單元進行識別。即計算與測試樣本分割單元向量 Ak的內積是否等於神經元門閥值。假如相等，則移位神經元激發成功。步驟4：在次級神經元下的9個移位神經元任一個被激發，則次級神經元也激發成功。步驟5：計算每一個主神經元下，次級神經元激發成功的個數。步驟6：選定一個最多次級神經元發火數目的主神經元，測試樣本即判定為此神經元記憶之微粒種類。步驟7：重複步驟1，直到識別完所有樣本圖。

參考文獻

[1] 卓聖鵬，"光碟技術入門"，全華圖書，1990。

[2] C. H. Wang, C. S. Lin, "An automatic imaging system for evaluating the particles on microstructure surface.", Proceedings of the fifth Conference of the Chinese Metrology Society, May 4, pp.139-147, 1996.

[3] A. J. Muller, "Volatile cleanroom contaminants: Sources and detection", solid State Technology, September, pp.61-72, 1994.

[4] Air & Waste Management association, "Optical Remote Sensing, Applications to Environmental and Industrial Safety Problems", Proceeding of an International Specialty Conference, Houston, Texas, 1992.

[5] Air & Waste Management Association, "Optical Sensing for Environmental Monitoring", Proceeding of an International Specialty Conference, Atlanta, Georgia, 1993.

[6] H. C. Wang, "Counting particles in high-pressure electronic specialty gases", Solid State Technology, June, pp.97-107, 1994.

[7] J. S. Batchelder, "Real-time single particles composition detection in liquids", Solid State Technology, October, 1992.

[8] J. J. Hart, "Particle measurement in specialty gases", Solid State Technology, September, pp.111-116, 1995.

[9] L. Jastrzebski, "Surface photo voltage monitoring of heavy metal contamination in IC manufacturing", Solid State Technology, December, pp.27-35, 1992.

[10] A. Lieberman, "Contamination Control and Cleanrooms", Van Nostrand Reinhold, New York, 1992.

[11] 衛祖賞，"數位影像處理"，全華圖書，1988。

[12] R. C. Gonzalez, R. E. Woods, "Digital Image Processing", Addison Wesley, 1992.

[13] Ioannis Pitas, "Digital Image Processing Algorithms", Prentice Hall, 1993.

[14] Anil K. Jain, "Fundamentals of Digital Image Processing", Prentice Hall, 1989.

[15] R. T. Chin, "Automated Visual Inspection: A Survey 1981 to 1987.", Vol. 41, pp.346-381, 1988.

[16] Z. Kulpa, "More about Areas and Perimeters of Quantized Objects", Computer Vision, Graphics, and Image Processing, Vol. 22, pp.268-276, 1983.

[17] M. D. Levine, "Vision in Man and Machine", McGraw-Hill, 1985.

[18] D. K. Sahoo, "A Survey of Thresholding Techniques", Computer Vision, Graphics, and Image Processing, Vol. 41, pp.233-260, 1988.

[19] S.U. Lee, and S.Y. Chung, "A Comparative Performance Study of Several Global Thresholding Technique for Segmentation", Computer Vision, Graphics, and Image Processing, Vol.52, pp.171-190, 1990.

[20] J. Kapur, "A New Method for Gray-Level Picture Thresholding Using the Entropy of the Histogram", Computer Vision, Graphics, and Image Processing, Vol. 29, pp.273-285, 1985.

[21] A.D. Brink, "Gray-Level Thresholding of Image Using A Correlation Criterion", Pattern Recognition Letters, Vol. 9, pp.335-341, 1989.

[22] W.H. Tsai, "Moment-Preserving Thresholding: A New Approach", Computer Vision, Graphics, and Image Processing, Vol. 29, pp.377-393, 1985.

[23] N. Otsu, "A Threshold Selection Method from Gray-Level Histograms", IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-9, NO.1, pp.62-66, 1979.

[24] R. M. Haralick, S.R. Shanmugan, and X. Zhuang, "Image Analysis Using Mathematical Morphology.", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 9, No. 4, pp.532-550, 1987.

[25] M. A. Piech, "Decomposing the Laplacian.", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 12, No. 8, pp.830-831, 1990.

[26] M. Petrou, J. Kittler, "Optimal Edge Detector for Ramp Edges", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 13, No. 5, pp.483-491, 1991.

[27] A. K. Jain, R. C. Dubes, "Algorithms for Clustering Data", Prentice Hall, 1988.

[28] Basit Hussain, M. R. Kabuka, "A Novel Feature Recognition Neural Network and its Application to character Recognition", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 16, No. 1, pp.98-106, 1994.

內容撰寫王昭宏&林宸生
版面撰寫林宸生

全文畫面回首頁　

　