买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海千映智能科技有限公司申请的专利基于高精度UV TDI的半导体芯片缺陷检测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120355682B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510444594.3，技术领域涉及：G06T7/00；该发明授权基于高精度UV TDI的半导体芯片缺陷检测方法和系统是由范增;王鑫;徐锬;马文斌;郭干城设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本基于高精度UV TDI的半导体芯片缺陷检测方法和系统在说明书摘要公布了：本发明提出了一种基于高精度UVTDI的半导体芯片缺陷检测方法和系统，方法包括：通过UVTDI线阵相机在紫外光下采集半导体芯片图像数据，进行预处理后，利用图像处理算法提取缺陷特征。将这些特征与预设的缺陷数据库对比，识别缺陷类型和严重程度，并进行分类。基于这些信息，生成缺陷检测报告。本发明的UVTDI技术结合了紫外光的高敏感性和线阵相机的高分辨率、高速度。采用的图像处理算法包括边缘轮廓识别和特征提取等。特征提取阶段构建了全面的特征向量，并通过降维处理提高了效率。建立的缺陷数据库通过比对可以识别和分类缺陷。遇到未知缺陷时，可将新特征向量添加到数据库中，以提高检测的适应性和准确性。

本发明授权基于高精度UV TDI的半导体芯片缺陷检测方法和系统在权利要求书中公布了：1.一种基于高精度UVTDI的半导体芯片缺陷检测方法，其特征在于，所述方法包括： S1、获取半导体芯片图像数据，所述半导体芯片图像数据通过UVTDI线阵相机在紫外光照射下采集得到； S2、利用对比度增强算法对所述半导体芯片图像数据进行对比度增强； S3、采用图像处理算法，对所述半导体芯片图像数据进行缺陷特征提取，缺陷特征提取时还包括识别边缘轮廓和形态学处理；在步骤S3中采用图像处理算法提取缺陷特征包括： S301、对所述半导体芯片图像数据进行图像增强处理，并取出噪声； S302、识别所述半导体芯片图像数据中的边缘轮廓； S303、基于所述边缘轮廓对所述半导体芯片图像数据中的物体进行形态学处理； S304、对形态学处理后的所述半导体芯片图像数据进行特征提取，获取特征向量；在步骤S304中获取特征向量的表达式为： ； ； ； ； ； ； ； ； 其中，表示特征向量，表示纹理特征的权重，表示纹理特征，表示形状特征的权重，表示形状特征，表示统计特征的权重，表示统计特征，表示图像能量的权重，表示图像能量，表示图像对比度的权重，表示图像对比度，表示图像相关性的权重，表示图像相关性，表示图像同质性的权重，表示图像同质性，表示面积的权重，表示物体的总面积，表示包围物体的最小矩形的面积，表示周长的权重，表示物体边界的总长度，表示物体凸包比率的权重，表示物体凸包面积与物体面积的比值，表示图像灰度的平均值的权重，表示图像灰度的平均值，表示图像灰度分布的离散程度的权重，表示图像灰度分布的离散程度，表示图像灰度分布的不对称性的权重，表示图像灰度分布的不对称性，表示图像灰度分布的尖锐程度的权重，表示图像灰度分布的尖锐程度； S305、对所述缺陷特征进行降维，对降维后的所述缺陷特征进行筛选，获得缺陷特征； S4、基于所述缺陷特征与预设的缺陷数据库进行对比分析，识别缺陷类型，判断严重程度，并对所述缺陷类型进行分类，包括： S401、建立缺陷数据库，并对数据库进行更新，所述缺陷数据库包括已知的缺陷类型、已知的缺陷类型对应的特征向量、缺陷的严重程度描述和分类标签； S402、将筛选的所述缺陷特征与所述缺陷数据库中的缺陷类型对应的特征向量采用距离度量法进行逐一比对，获得比对结果； S403、基于所述比对结果，确定与所述缺陷特征最匹配的缺陷类型作为识别结果； S404、基于识别的所述缺陷类型在所述缺陷数据库查询该缺陷类型对应的缺陷的严重程度描述，获得严重程度等级； S405、基于识别出的所述缺陷类型和严重程度等级，为待检测的所述半导体芯片图像数据从所述缺陷数据库中分配分类标签； S5、基于所述缺陷类型和严重程度，生成缺陷检测报告。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海千映智能科技有限公司，其通讯地址为：201206 上海市浦东新区中国(上海)自由贸易试验区锦绣东路2777弄35号304室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。