機器人已在半導體工業很長一段時間，半導體制造作業機器人從機械任務到智能任務。半導體制造過程中的缺陷檢測是由機器人完成的，其速度足夠快，可以在飛行中進行測試。他們用的是一個高分辨率的相機，前面有一個顯微鏡。機器視覺系統對採集到的圖像進行處理。處理通常包括兩個階段：缺陷檢測和缺陷分類。
半導體機器人的缺陷檢測
缺陷檢測是機器視覺過程，由高速比較晶片上的相鄰區域具有相同的幾何形狀。由於晶片是由一組芯片(染料)組成，並排建造，所以比較芯片的對應位置(染料到染料)是較有效的。另一種比較方法是細胞對細胞，用於存儲芯片，其中類似的幾何圖形駐留在每個芯片中。所有的比較是為了使三個重複的元素(細胞或染料)能夠發現一個是有缺陷的。在內部，比較達到像素級，以支持較新的半導體技術(通道寬度)。自動對焦和圖像配準是重要的機器視覺任務，使整個過程。任何有問題的晶片區域都存儲在分類階段。
半導體用機器人的缺陷分類
缺陷分類是識別缺陷類型，以便對半導體制造過程進行修正和恢復。例如，塵埃粒子可能指向生產環境空氣過濾的問題。缺陷分類採用了經典的分類方法。計算機視覺算法。特徵提取和一些圖像和幾何特性被涉及到。近年來，人們開始採用深度學習技術進行分類。錯誤類型標記的缺陷圖像在學習階段。基於
深度學習的分類方法優於經典的機器視覺算法，後者能夠對預先編程的缺陷(對應於程序規則)進行分類，利用深度學習，系統可以檢測每種類型的較大變化並從任何分類中學習。
分享到:
