本計畫採用電腦視覺及型樣識別理論，配合軟體設計及硬體設施，組構一套細 微表面微粒評估系統，企圖解決一般微粒檢測上的問題，其具體結果可應用在光 碟母模板上的瑕疵檢測、液晶顯示片夾層微粒的計數及無塵室中灰塵微粒的分類 等。 實驗上，已經建立一套自動化微影分析系統用來檢測及分類灰塵微粒。顯微 鏡、攝影機及影像介面擷取數位影像；電腦雙軸位移平台及控制模組提供自動化 檢測，透過一系列的影像處理技巧，可測得微粒的特性參數，包括：微粒面積、 周長的計算；長短軸估計；形狀特徵參數測量等。而對微粒計數的問題，亦發展 一標記演算法解決；最後並針對非固定形狀微粒的歸類與特定形狀微粒的辨認， 分別利用簡易分類器及一新型快速識別神經網路進行分類與識別。
計畫緣由與目的
在細微表面製程的微粒(particles)檢測工作上，有很多都是利用人工式的檢驗方 法。這類利用顯微鏡人工目視來從事檢測的工作，在高精密產業製程中實在有其 改進之必要。為了達到自動化檢驗的目的，發展一套檢測細微表面微粒的自動評 估系統[2]來改善目前人工式的檢驗工作是本計畫最主要的動機。 本計畫採用顯微鏡、攝影機及影像擷取卡，配合電腦控制之位移平台(x-y table) 組構了一套評估系統；利用影像處理(image processing)及型樣識別(pattern recognition)理論，針對無塵室元件細微表面的微粒來做分析。而本計畫研究的內 容包括：
1.如何組構一套微粒自動影像擷取系統，擷取數位影像。
2.發展微粒影像分割的方法，正確有效的分離出微粒及背景。
3.如何正確計數影像中微粒的個數。
4.對於每一單獨微粒計算面積、周長、長短軸等數字度量。並定義特徵參數，利 用最小距離分類器及K-mean演算法做歸類。
5.對於特定形狀的微粒，利用一新型識別神經網路來做微粒辨認。
研究方法與成果
本系統為結合照明、取像、影像處理設備與個人電腦所組成的電腦視覺檢測系 統，其硬體架構之方塊圖如圖一所示，利用CCD攝影機、影像擷取卡、顯微鏡 平台及照明設備來擷取數位影像；位移平台模組提供自動化路徑檢測；486個人 電腦整合系統。
對於影像處理技術應用於微粒檢測的設計則如圖二所示，把一般細微表面待測物 統括為微粒(particles)，系統設計主要功能有微粒計數、單一微粒參數度量及微粒 分類與識別等。實驗上，建構了一套顯微影像系統包括硬體架構及軟體設計，利 用影像處理的各種技巧量測微粒，已發展之主要功能有微粒計數；單一微粒度量 包括面積、周長、長短軸、偏心度、緊湊度等，並可依據度量的參數對微粒進行 簡易的分類；而針對特定形狀微粒的記憶識別，也提出一快速識別神經網路來實 現。
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，圖三為度量實驗結果。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。
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。在訓練過程中，我們選定10種不 同的訓練樣本微粒，對神經網路進行訓練。而在識別時，則隨機選擇訓練樣本為 測試圖，進行識別。表一代表每個測試樣本在訓練好之主神經元的激發程度，其 數值為主神經元下之次級神經元的激發數目。最大的激發數目則為辨認所歸屬的 類型，可以明顯看出辨認的效果非常的好，可達到100%。
歸納各個實驗與結果討論，可以發現下列教學研究重點及心得：
* 利用統計方法自動擷取二值化之閥值，在自動分割物體本身與背景上， 提供了不錯的效果，而且系統可以在不同的環境因素下(如照明度強弱）更具強 健性。
* 顯微鏡的放大倍數對微粒度量的精密度有很大的影響。以本實驗為例， 在倍數為180倍時，經刻度校準後，每個像點所代表之實際長度為2.5*m。此時 系統能度量的微粒大小應限定在一個範圍之上，如此，在處理過程中的誤差才不 致影響測量結果過大。故本實驗系統量測微粒精密度約在50*m，如欲量測更細 微的微粒，首先，應先提昇顯微鏡的放大倍數。
* 系統關於微粒自動檢出及計數的功能測試結果不錯，可以立即應用至生 產線上，如液晶板微粒及晶片顆粒計數上。
* 在特定微粒的記憶及辨認上，利用快速識別神經網路來實現是個有發展 潛力的主題。可再深入積極研究，以應用在實際的檢測上。
研究成果