CN119919402A

CN119919402A - 一种基于图像分割和图像差分的晶圆缺陷检测方法及系统

Info

Publication number: CN119919402A
Application number: CN202510400607.7A
Authority: CN
Inventors: 请求不公布姓名
Original assignee: Chengdu Shuzhilian Technology Co Ltd
Current assignee: Chengdu Shuzhilian Technology Co Ltd
Priority date: 2025-04-01
Filing date: 2025-04-01
Publication date: 2025-05-02
Anticipated expiration: 2045-04-01
Also published as: CN119919402B

Abstract

本发明提供一种基于图像分割和图像差分的晶圆缺陷检测方法及系统，涉及缺陷检测技术领域，所述方法流程为：首先基于检测图像和模板图像获取差分图像；然后基于差分图像对检测图像和模板图像进行灰度值提取，并且根据灰度值提取结果计算缺陷区域的穿透率；再对检测图像进行线路分割处理，并且基于差分图像对线路分割图像进行相交定位，以获取交集区域图像；再对差分图像和交集区域图像进行几何运算，以得到缺陷宽度和线路宽度，并且基于缺陷宽度和线路宽度计算缺陷区域的覆盖比率；最后根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定。解决了现有晶圆外观缺陷检测无法对缺陷影响程度进行度量，容易出现过检的问题。

Description

一种基于图像分割和图像差分的晶圆缺陷检测方法及系统

技术领域

本发明涉及缺陷检测技术领域，具体而言，涉及一种基于图像分割和图像差分的晶圆缺陷检测方法及系统。

背景技术

晶圆产品的缺陷检测是在晶圆生产过程中通过自动光学检测设备（AOI设备，Automated Optical Inspection）进行自动缺陷检测的过程，AOI设备采用工业相机对晶圆产品进行图像采集，然后采用计算机视觉算法（CV，Computer Vision）对图像中可能存在的缺陷进行检出。然而CV算法存在难以对缺陷进行准确分类的短板，而且无法计算缺陷对背景目标的影响程度。因此采用AOI设备对晶圆产品进行缺陷检测一般过检率较高，需要人工复判，人力成本较高。

发明内容

本发明提供一种基于图像分割和图像差分的晶圆缺陷检测方法及系统，解决了现有晶圆外观缺陷检测无法对缺陷影响程度进行度量，容易出现过检的问题。

在第一方面，本发明实施例中提供一种晶圆切割不良缺陷检测方法，所述方法包括以下流程：

对晶圆产品的检测图像以及模板图像进行像素差分处理，以得到差分图像；

基于差分图像对检测图像以及模板图像的缺陷区域进行灰度值提取，以得到缺陷灰度值以及正常灰度值，并且根据缺陷灰度值以及正常灰度值计算缺陷区域的穿透率；

对晶圆产品的检测图像进行线路分割处理，以得到线路分割图像；并且基于差分图像对线路分割图像的线路区域进行相交定位，以得到交集区域图像；

对差分图像以及交集区域图像进行几何运算，以得到缺陷的几何参数以及线路的几何参数，并且基于缺陷的几何参数和线路的几何参数计算缺陷区域的覆盖比率；

根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定，以得到晶圆缺陷影响程度的综合检测结果。

于上述实施例中，本发明采用图像差分技术和图像分割技术相结合的方式对晶圆产品的检测图像以及模板图像进行处理，以获取包含缺陷区域的差分图像以及包含线路区域的交集区域图像；并且结合晶圆产品透光性特点和几何特点对包含缺陷区域的差分图像以及包含线路区域的交集区域图像进行透光率校验以及几何校验，以量化晶圆产品缺陷对路线的影响程度，从而更准确地决定缺陷是否需要检出，有效降低了AOI设备的过检率，减少后段人工复判的成本。

作为本申请一些可选实施方式，对晶圆产品的检测图像以及模板图像进行像素差分处理，以得到差分图像的流程如下：

获取晶圆产品的检测图像以及模板图像，并且对获取的检测图像和模板图像进行预处理；

对预处理的检测图像以及模板图像进行图像配准，以使得检测图像以及模板图像空间对齐；

对空间对齐的检测图像以及模板图像进行像素差分处理，以得到差分图像，并且根据差分图像获取缺陷区域的位置信息；

所述像素差分处理的计算公式如下：

；

其中，表示检测图像在像素点位置的像素值，表示模板图像在像素点位置的像素值。

于上述实施例中，本发明采用像素差分技术可以快速、准确地将晶圆缺陷初步检出。

作为本申请一些可选实施方式，基于差分图像对检测图像以及模板图像的缺陷区域进行灰度值提取，以得到缺陷灰度值以及正常灰度值的流程如下：

基于缺陷区域的位置信息对检测图像以及模板图像进行区域定位，以得到区域定位结果；

基于区域定位结果对检测图像以及模板图像的缺陷区域进行灰度值提取、灰度值平均处理，以得到缺陷灰度值以及正常灰度值。

于上述实施例中，本发明通过对检测图像以及模板图像的缺陷区域进行灰度值提取，能够获取检测图像和模板图像在缺陷区域的灰度值差异，便于后续根据灰度值差异进行穿透率的计算。

作为本申请一些可选实施方式，所述缺陷区域的穿透率计算公式如下：

；

其中，、表示缺陷灰度值以及正常灰度值中相对较大值、较小值。

于上述实施例中，本发明通过获取检测图像和模板图像在缺陷区域的灰度值差异，准确量化缺陷区域的穿透率。

作为本申请一些可选实施方式，对晶圆产品的检测图像进行线路分割处理，以得到线路分割图像的流程如下：

采用边缘检测算法对晶圆产品的检测图像进行线路分割处理，以得到线路区域；

对线路区域进行特征提取、形态学处理以及图像后处理，以得到线路分割图像。

于上述实施例中，本发明采用图像分割技术可以快速、准确地将线路从背景中分割出来。

作为本申请一些可选实施方式，基于差分图像对线路分割图像的线路区域进行相交定位，以得到交集区域图像的流程如下：

根据缺陷区域的位置信息对线路分割图像的线路区域进行相交定位，以得到线路相交定位结果；

根据线路相交定位结果对线路分割图像进行相交线路提取，以得到缺陷和线路的交集区域图像。

于上述实施例中，本发明采用相交定位的方式对相交线路进行提取，进而快速、准确地获取缺陷和线路的交集区域图像。

作为本申请一些可选实施方式，对差分图像以及交集区域图像进行几何运算，以得到缺陷的几何参数以及线路的几何参数的流程如下：

对交集区域图像的线路区域进行宽度计算，以得到线路宽度；

对差分图像以及交集区域图像进行图像配准，以使得差分图像以及交集区域图像空间对齐；

对空间对齐的差分图像以及交集区域图像进行逻辑运算，以保留两图像素值相同的像素点区域，并且对像素值相同的像素点区域进行宽度计算，以得到缺陷宽度。

于上述实施例中，本发明通过对差分图像以及交集区域图像进行几何运算，能够量化缺陷宽度以及相交线路的宽度。

作为本申请一些可选实施方式，所述缺陷区域的覆盖比率的计算公式如下：

；

其中，表示缺陷宽度，表示线路宽度。

于上述实施例中，本发明通过计算缺陷宽度和线路宽度的比率，准确量化缺陷区域的覆盖比率。

作为本申请一些可选实施方式，根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定，以得到晶圆缺陷影响程度的综合检测结果的流程如下：

预设缺陷区域的穿透率对应的校验阈值以及缺陷区域的覆盖比率的校验阈值；

根据校验阈值对缺陷区域的穿透率和缺陷区域的覆盖比率进行分级校验，以得到晶圆缺陷影响程度的综合检测结果。

于上述实施例中，本发明结合晶圆产品透光性特点和几何特点对包含缺陷区域的差分图像以及包含线路区域的交集区域图像进行透光率校验以及几何校验，多方位综合度量缺陷对晶圆产品的影响程度，以提高晶圆缺陷检测的准确率，不容易出现过检的问题。

在第二方面，本发明提供一种基于图像分割和图像差分的晶圆缺陷检测系统，所述系统包括：

像素差分处理单元，所述像素差分处理单元用于对晶圆产品的检测图像以及模板图像进行像素差分处理，以得到差分图像；

穿透率计算单元，所述穿透率计算单元基于差分图像对检测图像以及模板图像的缺陷区域进行灰度值提取，以得到缺陷灰度值以及正常灰度值，并且根据缺陷灰度值以及正常灰度值计算缺陷区域的穿透率；

线路相交定位单元，所述线路相交定位单元用于对晶圆产品的检测图像进行线路分割处理，以得到线路分割图像；并且基于差分图像对线路分割图像的线路区域进行相交定位，以得到交集区域图像；

覆盖比率计算单元，所述覆盖比率计算单元用于对差分图像以及交集区域图像进行几何运算，以得到缺陷的几何参数以及线路的几何参数，并且基于缺陷的几何参数和线路的几何参数计算缺陷区域的覆盖比率；

缺陷综合检测单元，所述缺陷综合检测单元根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定，以得到晶圆缺陷影响程度的综合检测结果。

在第三方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的算机程序，所述处理器执行计算机程序时实现所述一种基于图像分割和图像差分的晶圆缺陷检测方法。

在第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述一种基于图像分割和图像差分的晶圆缺陷检测方法。

本发明的有益效果如下：本发明采用图像差分技术和图像分割技术相结合的方式对晶圆产品的检测图像以及模板图像进行处理，以获取包含缺陷区域的差分图像以及包含线路区域的交集区域图像；并且结合晶圆产品透光性特点和几何特点对包含缺陷区域的差分图像以及包含线路区域的交集区域图像进行透光率校验以及几何校验，多方位综合度量缺陷对晶圆产品的影响程度，以提高晶圆缺陷检测的准确率，不容易出现过检的问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施例所述硬件运行环境的计算机设备结构示意图；

图2是本发明实施例所述晶圆缺陷检测方法的流程图；

图3是本发明实施例所述像素差分处理示例图；

图4是本发明实施例所述线路分割图像示例图；

图5是本发明实施例所述交集区域图像示意图；

图6是本发明实施例所述缺陷对线路影响程度量化示例图；

图7是本发明实施例所述晶圆缺陷检测系统的结构框图。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

为了解决现有晶圆外观缺陷检测无法对缺陷影响程度进行度量，容易出现过检的问题。本申请提供了一种基于图像分割和图像差分的晶圆缺陷检测方法、系统、设备及存储介质，在介绍本申请的具体技术方案之前，先介绍下本申请实施例方案涉及的硬件运行环境。

请参阅图1，图1为本申请实施例方案涉及的硬件运行环境的计算机设备结构示意图。

如图1所示，该计算机设备可以包括：处理器，例如中央处理器（CentralProcessing Unit，CPU），通信总线、用户接口，网络接口，存储器。其中，通信总线用于实现这些组件之间的连接通信。用户接口可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选的，用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口（如无线保真接口）。存储器可以是高速的随机存取存储器（Random Access Memory，RAM）存储器，也可以是稳定的非易失性存储（Non-VolatileMemory，NVM），例如磁盘存储器，存储器可选的还可以是独立于前述处理器的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器中可以包括操作系统、网络通信模块、用户接口模块以及电子程序模块。

在图1所示的计算机设备中，网络接口主要用于与网络服务器进行数据通信；用户接口主要用于与用户进行数据交互；本申请计算机设备中的处理器、存储器可以设置在计算机设备中，所述计算机设备通过处理器调用电子程序模块存储软件产品，并执行本申请实施例提供的晶圆缺陷检测方法。

基于前述实施例的硬件环境，本申请的实施例提供了一种基于图像分割和图像差分的晶圆缺陷检测方法，请参阅图2，图2为晶圆缺陷检测方法的流程图，所述方法流程如下：

（1）对晶圆产品的检测图像以及模板图像进行像素差分处理，以得到差分图像。

于本发明实施例中，所述模板图像包括但不限于为无缺陷的检测图像、设计图像等；优选地，本发明实施例采用设计图像作为模板图像。由于晶圆产品的实物是按照设计图像一比一生产的，因此可以借助设计图像对比实现缺陷的检出。所述检测图像是通过AOI设备对晶圆产品进行实时检测的图像。

请参阅图3，图3为所述像素差分处理示例图，图3-a为对检测图像的示意图，图3-b为模板图像的示意图，3-c为差分图像的示意图。

具体的，晶圆产品的检测图像以及模板图像进行像素差分处理，以得到差分图像的流程如下：

（1.1）获取晶圆产品的检测图像以及模板图像，并且对获取的检测图像和模板图像进行预处理。具体的，所述预处理包括但不限于图像滤波处理、直方图均衡化处理、对比度增强处理以及二值化处理等；所述预处理可以根据实际情况进行调整。

（1.2）对预处理的检测图像以及模板图像进行图像配准，以使得检测图像以及模板图像空间对齐。

于本发明实施例中，首先，对预处理的检测图像和模板图像进行特征提取，以得到各自的特征点。这些特征点包括但不限于为图像的角点、边缘、轮廓、线交叉点等具有独特性和稳定性的点；优选地，本发明实施例选择图像的角点作为特征点。然后，通过相似性度量方式获取检测图像和模板图像中匹配的特征点对。最后，根据匹配的特征点对检测图像以及模板图像进行空间对齐。

（1.3）对空间对齐的检测图像以及模板图像进行像素差分处理，以得到差分图像；并且根据差分图像获取缺陷区域的位置信息，其中，所述缺陷区域的位置信息包括缺陷对应像素点的坐标信息。

具体的，所述像素差分处理的计算公式如下：

；

（2）基于差分图像对检测图像以及模板图像的缺陷区域进行灰度值提取，以得到缺陷灰度值以及正常灰度值，并且根据缺陷灰度值以及正常灰度值计算缺陷区域的穿透率。

具体的，AOI设备在获取检测图像时会从晶圆产品的下方往上打光，因此当晶圆产品表面存在缺陷时，缺陷区域对于光的穿透率将会降低，因此可以利用穿透率来衡量缺陷是否达到检出标准。

于本发明实施例中，基于差分图像对检测图像以及模板图像的缺陷区域进行灰度值提取的流程如下：

（2.1）基于缺陷区域的位置信息对检测图像以及模板图像进行区域定位，以得到区域定位结果。具体的，根据差分图像上缺陷区域对应像素点的坐标信息定位反向定位检测图像以及模板图像的缺陷区域。

（2.2）基于区域定位结果对检测图像以及模板图像的缺陷区域进行灰度值提取、灰度值平均处理，以得到检测图像和检测图像对应缺陷灰度值、正常灰度值。即根据检测图像以及模板图像对应缺陷区域的定位，具体的，首先对缺陷区域的灰度值提取，进而得到两张图像对应缺陷区域的灰度值，然后对所有灰度值进行均值处理，进而得到检测图像和检测图像对应缺陷灰度值、正常灰度值。

具体的，所述缺陷区域的穿透率计算公式如下：

；

其中，P表示缺陷区域的穿透率，、表示缺陷灰度值以及正常灰度值中相对较大值、较小值，所述缺陷区间的穿透率的取值范围在0~1之间。

（3）对晶圆产品的检测图像进行线路分割处理，以得到线路分割图像，并且基于差分图像对线路分割图像的线路区域进行相交定位，以得到交集区域图像，请参阅图4、图5，图4为所述线路分割图像示意图，图5为所述交集区域图像示意图。

于本发明实施例中，对晶圆产品的检测图像进行线路分割处理，以得到线路分割图像的流程如下：

（3.1）采用边缘检测算法或阈值分割算法对晶圆产品的检测图像进行线路分割处理，以得到线路区域。其中，所述边缘检测算法以及阈值分割算法均为现有的图像分割算法，本发明实施例对算法的步骤不再赘述。与与此同时，本发明实施例还可以采用训练的AI分割模型对晶圆产品的检测图像进行线路分割处理，所述AI分割模型可以采用YOLO框架的实例算法实现线路分割处理。

（3.2）对线路区域进行特征提取、形态学处理以及图像后处理，以得到线路分割图像。具体的，所述形态学处理包括但不限于为膨胀和腐蚀等。所述图像后处理包括但不限于为去除毛刺、填补空洞等，以提高图像的质量。

（4）对差分图像以及交集区域图像进行几何运算，以得到缺陷的几何参数以及线路的几何参数，并且基于缺陷的几何参数和线路的几何参数计算缺陷区域的覆盖比率。

于本发明实施例中，对差分图像以及交集区域图像进行几何运算，以得到缺陷的几何参数以及线路的几何参数的流程如下：

（4.1）对交集区域图像的线路区域进行宽度计算，以得到线路宽度。具体的，通过获取交集区域图像中线路区域的边缘像素点的坐标信息，根据坐标信息构建最小外接矩形，并且将最小外接矩形的宽度作为线路宽度。

（4.2）对差分图像以及交集区域图像进行图像配准，以使得差分图像以及交集区域图像空间对齐。首先，对差分图像以及交集区域图像进行特征提取，以得到各自的特征点。这些特征点包括但不限于为图像的角点、边缘、轮廓、线交叉点等具有独特性和稳定性的点；优选地，本发明实施例选择图像的角点作为特征点。然后，通过相似性度量方式获取差分图像以及交集区域图像中匹配的特征点对。最后，根据匹配的特征点对差分图像以及交集区域图像进行空间对齐。

（4.3）对空间对齐的差分图像以及交集区域图像进行逻辑运算，以保留两图像素值相同的像素点区域，并且对像素值相同的像素点区域进行宽度计算，以得到缺陷宽度。具体的，首先对空间对齐的差分图像以及交集区域图像进行逻辑运算，保留两图像素值同时为255的重合像素点，即可以提取缺陷和线路的交集区域，然后获取缺陷和线路的交集区域对应的边缘像素点的坐标信息，根据坐标信息构建最小外接矩形，并且将最小外接矩形的宽度作为缺陷宽度。

具体的，所述缺陷区域的覆盖比率的计算公式如下：

；

其中，表示缺陷宽度，表示线路宽度，所述缺陷区域的覆盖比率的取值范围在0~1之间。

（5）根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定，以得到晶圆缺陷影响程度的综合检测结果，请参阅图6，图6为所述缺陷对线路影响程度量化示例图。

于本发明实施例中，根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定的流程如下：

（5.1）预设缺陷区域的穿透率对应的校验阈值以及缺陷区域的覆盖比率的校验阈值。

例如，根据工厂对晶圆产品的实际校验指标，预设缺陷区域的穿透率对应的校验阈值T₁，缺陷区域的覆盖比率对应的校验阈值T₂。

（5.2）根据校验阈值对缺陷区域的穿透率和缺陷区域的覆盖比率进行分级校验，以得到晶圆缺陷影响程度的综合检测结果。

例如，如果缺陷区域的穿透率大于校验阈值T₁，并且覆盖比率小于校验阈值T₂，则判定晶圆缺陷影响程度为轻微，可以不检出；如果缺陷区域的穿透率大于校验阈值T₁，并且覆盖比率大于校验阈值T₂，则判定晶圆缺陷影响程度为中度，需要检出；如果缺陷区域的穿透率小于校验阈值T₁，并且覆盖比率大于校验阈值T₂，则判定晶圆缺陷影响程度为重度，需要检出且重点关注。与此同时，还可以再缺陷区域的穿透率小于校验阈值T₁，并且覆盖比率大于校验阈值T₂时，才将晶圆检出。

综上，本发明采用图像差分技术和图像分割技术相结合的方式对晶圆产品的检测图像以及模板图像进行处理，以获取包含缺陷区域的差分图像以及包含线路区域的交集区域图像；并且结合晶圆产品透光性特点和几何特点对包含缺陷区域的差分图像以及包含线路区域的交集区域图像进行透光率校验以及几何校验，多方位综合度量缺陷对晶圆产品的影响程度，以提高晶圆缺陷检测的准确率，不容易出现过检的问题。

此外，在一种实施例中，基于与前述实施例相同的发明思路，本发明实施例提供了一种基于图像分割和图像差分的晶圆缺陷检测系统，所述系统与实施例1的所述方法一一对应，请参阅图7，图7为所述晶圆缺陷检测系统的结构框图，所述系统包括：

需要说明的是，本实施例中晶圆缺陷检测系统中各单元是与前述实施例中的晶圆缺陷检测方法中的各步骤一一对应，因此，本实施例的具体实施方式和达到的技术效果可参照前述晶圆缺陷检测方法的实施方式，这里不再赘述。

此外，在一种实施例中，本申请还提供一种计算机设备，所述计算机设备包括处理器，存储器以及存储在所述存储器中的计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法。

此外，在一种实施例中，本申请还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法。

在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims

1.一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，所述方法包括以下流程：

2.根据权利要求1所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，对晶圆产品的检测图像以及模板图像进行像素差分处理，以得到差分图像的流程如下：

所述像素差分处理的计算公式如下：；

3.根据权利要求2所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，基于差分图像对检测图像以及模板图像的缺陷区域进行灰度值提取，以得到缺陷灰度值以及正常灰度值的流程如下：

4.根据权利要求3所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，所述缺陷区域的穿透率计算公式如下：

；

5.根据权利要求1所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，对晶圆产品的检测图像进行线路分割处理，以得到线路分割图像的流程如下：

6.根据权利要求1所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，基于差分图像对线路分割图像的线路区域进行相交定位，以得到交集区域图像的流程如下：

7.根据权利要求1所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，对差分图像以及交集区域图像进行几何运算，以得到缺陷的几何参数以及线路的几何参数的流程如下：

8.根据权利要求7所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，所述缺陷区域的覆盖比率的计算公式如下：

；

其中，表示缺陷宽度，表示线路宽度。

9.根据权利要求1所述的一种基于图像分割和图像差分的晶圆缺陷检测方法，其特征在于，根据缺陷区域的穿透率和覆盖比率对缺陷严重程度进行综合判定，以得到晶圆缺陷影响程度的综合检测结果的流程如下：

10.一种基于图像分割和图像差分的晶圆缺陷检测系统，其特征在于，所述系统包括：

11.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行计算机程序时实现权利要求1-9中任一项所述一种基于图像分割和图像差分的晶圆缺陷检测方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9中任一项所述一种基于图像分割和图像差分的晶圆缺陷检测方法。