梁汉濠，张雷

（江苏理工学院 电气信息工程学院，江苏常州 213000）

基于机器视觉的半导体晶圆测距定位方法可以提高晶圆自动化生产效率和产品质量，日渐成为智能制造领域的关键技术之一．机器视觉的核心是数字图像处理技术，晶圆测距定位使用数字图像处理技术实现自动聚焦，其关键步骤是有效的图像清晰度评价[1]．理想的清晰度判价函数所得到的图像应是最高峰值的两侧呈现单调下降的趋势，有无偏性、单峰性、灵敏度高、下降趋势明显、高效性等特点[2-3]．目前，常用的图像清晰度评价函数有很多，大致可以归结为： ①灰度梯度函数[4-7]，主要利用正焦图像比离焦图像的边缘更锋利，灰度变化更明显等特征，包括绝对方差函数、Roberts 梯度和函数、梯度向量平方函数、Brenner 函数、Laplacian 函数、Tenengrad 函数和Variance 函数等；②熵函数，主要利用正焦图像的信息熵比离焦图像多的特征；③频域函数[8-11]，主要利用傅立叶变换、小波变换等方法，通过比较正焦图像与离焦图像的高频分量，高频分量较多的是清晰图像．基于这些评价函数得到的图像清晰度评价算法成为实现自动聚焦和解决晶圆自动化加工定位的关键．

传统的图像清晰度评价方法大多基于图片整体，对于晶圆自动化加工过程中的针尖图片清晰度的判断并不准确，并且最清晰图片与其他图片的差异性并不明显，产生双峰极值相近的状况，这种状况会导致对最清晰点的判断不准确，且容易受到其他因素的……