[发明专利]基于频域变换的MEMS声学薄膜表面缺陷检测方法

说明书

本发明公开了一种基于频域变换的MEMS声学薄膜表面缺陷检测方法，通过二维离散傅里叶变换计算MEMS声学薄膜表面缺陷图像的傅里叶频谱图及其频谱梯度图，通过最大类间方差法计算叠加梯度直方图中2个峰值之间的分割阈值Tg，建立布尔掩码并对其进行形态学操作，根据布尔掩码消除频域中由梯度计算识别到的周期性结构对应的主频分量，对剩余频谱采用二维离散傅里叶逆变换以获得包含缺陷区域的重构图像，最后采用阈值法进行二值化分割以输出包含缺陷信息的二值化图像。本发明不仅解决了传统缺陷检测算法依赖成像光源与参考图像的问题，而且具有一定的抗噪性能，且不受图像平移、旋转与缩放等因素的干扰。

技术领域

本发明属于机器视觉技术领域，特别是涉及到一种基于频域变换的MEMS声学薄膜表面缺陷检测方法。

背景技术

微机电系统(Micro-electro-mechanical systems,MEMS)是集合了微电子技术、机械技术等多学科的高科技传感系统，已经在航天、通讯等领域获得了广泛的应用。MEMS声学薄膜作为耳机、麦克风中的核心器件，是声(机械振动)/电(电压、电流)信号相互转换的重要执行器件。然而该器件尺寸微小、结构多样且生产工序复杂，对流片、存储和封装环境要求极高。空气中悬浮的水蒸气、纤维和灰尘等杂质都可能以表面缺陷的形式附着在声学薄膜表面，并对其振动模态产生负面影响。为保证产品质量，需要在流片工序以及切分、封装前后进行检测。

传统的MEMS表面缺陷检测方法(光电检测、涡流探伤和高分辨率X射线衍射HRXRD)对检测设备要求极高且有可能对微构件造成二次损伤。人工检测法虽满足无接触原则但受到主观因素的影响效率较低。近年来研究者们提出了很多表面缺陷检测算法，大致可分为依赖无缺陷模板图像的参考法和不依赖于模板的非参考法。然而参考法的性能会受到图像旋转、缩放和不均匀照明条件造成的图像扭曲等因素的影响，并且当器件结构复杂时特征向量的误匹配情况明显，因此在图像差影计算后会产生大量噪声，稳定性较差。非参考法中通常利用傅里叶变换、小波变换和Gabor变换等分析方法将二维图像信号转换到频域，根据相关的频域分布准则提取背景的纹理特征，能够结合背景纹理的频域特性和空间域特性进行研究。Gabor变换虽然符合人类的视觉感受特性，具有较好的方位选择性，但制定滤波器参数的计算量较大，不满足快速检测的需求。

发明内容

本发明提出一种基于频域变换的MEMS声学薄膜表面缺陷检测方法，以机器视觉检测技术为基础，通过无接触、无监督的检测手段对MEMS声学薄膜表面存在的常见缺陷类型(斑块状、条带状和放射状)进行检测，并输出缺陷区域的二值化图像。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于频域变换的MEMS声学薄膜表面缺陷检测方法，包括：

S1、通过二维离散傅里叶变换计算MEMS声学薄膜表面缺陷图像的傅里叶频谱图及其频谱梯度图，进行3*3尺寸的双向最大值滤波突出峰值并抑制噪声；

S2、通过最大类间方差法计算叠加梯度直方图中2个峰值之间的分割阈值Tg，建立布尔掩码并对其进行形态学操作，保证频谱中突出的峰值均被掩码覆盖；

S3、根据布尔掩码消除频域中由梯度计算识别到的周期性结构对应的主频分量，对剩余频谱采用二维离散傅里叶逆变换以获得包含缺陷区域的重构图像，最后采用阈值法进行二值化分割以输出包含缺陷信息的二值化图像。

进一步的，步骤S1中所述傅里叶频谱图的计算方法包括：

以F(u,v)表示图像的DFT结果，运算法则如下：

将频谱的振幅谱定义为：

A(u,v)＝|F(u,v)|

采用对数频谱法减小数值范围：

L(u,v)＝log[A(u,v)+1]。