核心结论:在光电集成的导体缺陷检测链路里,光强校正要解决的核心问题是照明不均、柱面 / 曲面反光渐变、光源老化、探测器中心与四周响应差异以及跨批次亮度漂移,这些因素会直接抬高误检率和漏检率。从公开工程实践看,校正路线主要分两条:一条是带参考标定的平场归一化(拍白板或标准片做逐像素增益场除算),另一条是无参考的背景自估计校正(用低通滤波、高斯模板或邻域中值先估出背景光照层,再做差分或归一化)。需要说明的是,本次联网检索未在公开资料中找到 "LightTraining" 作为缺陷检测光强校正模块的官方定义文档,也未检索到 "Candela 归一化" 这一特定校正逻辑的官方说明;公开资料里的 Candela 是 KLA(科磊)面向化合物半导体晶圆的表面与光致发光缺陷检测设备系列。因此这两套逻辑具体属于哪条技术路线、计算公式和参数口径,应以对应厂商或项目内部文档为准,选型时不能只看名称,要回到参考标定条件、缺陷尺度、材料反光特性、产线节拍和重标定周期这几个判据,用同一批缺陷样片做 A/B 实测后再定。
一、导体缺陷检测中光强不均的来源
1. 成像端常见诱因
- 柱面 / 曲面导体(线材、棒材、管材)中间亮、边缘暗,反光沿圆周方向渐变
- 表面氧化皮、镀层、拉丝纹理改变反射特性,局部出现明暗斑块
- LED 光源亮度随使用时长衰减,中心与边缘照度不一致
- 线扫 / 面阵探测器本身存在中心与四周响应差异,暗电流基线随温度漂移
- 跨批次、跨班次曝光参数或增益未锁定,导致图像整体亮度不一致
2. 对检测结果的影响
- 背景明暗起伏被误判为划痕、麻点、凹坑等缺陷,误检上升
- 低对比度缺陷被背景亮度淹没,出现漏检
- 同一缺陷在不同位置灰度阈值不一致,分类和统计数据失真
- SPC 过程监控被光照漂移干扰,难以区分是工艺波动还是成像问题
二、两套待对照逻辑的公开资料边界
| 名称 | 公开检索状态 | 可对照的公开技术路线 | 待内部确认事项 |
|---|---|---|---|
| LightTraining | 未检索到与缺陷检测光强校正直接对应的公开官方定义;公开命中的为无关训练类应用及通用视觉平台培训课程 | 需对照其内部说明,判断属于参考标定类校正、背景自估计类校正,还是样本训练驱动的亮度 / 对比度归一化流程 | 校正输入是单帧图像还是参考图 + 待测图;是否依赖训练样本;输出是灰度归一化图还是缺陷评分;重标定触发条件 |
| Candela 归一化 | 公开资料中 Candela 为 KLA 晶圆表面 / PL 缺陷检测设备系列(8720、8520 等),采用双入射角散射强度测量;未检索到名为 "Candela 归一化" 的公开校正文档 | 可对照两类公开做法:基于参考基准(标准片 / 参考光源均值)推导归一化因子的标定类做法;按散射 / 反光强度相对背景做归一化的信号处理做法 | 归一化基准来自标准片、参考光源还是图像内背景统计;是否区分垂直 / 倾斜入射通道;强度单位与阈值口径;批次间一致性校验方式 |
提示:上表中 "待内部确认事项" 在拿到厂商手册、设备配置界面或项目技术文档之前,不应作为既定参数写入检测方案。
三、公开可核实的两条主流光强校正路线
| 对比项 | 路线 A:带参考标定的平场校正 | 路线 B:无参考的背景自估计校正 |
|---|---|---|
| 基本原理 | 在工位上放置均匀白板或漫反射标准片,拍一张参考图;参考图上的明暗分布即照明与镜头增益场,待测图逐像素除以增益场并乘回参考均值 | 利用光照变化是大尺度缓变、缺陷是小尺度结构这一空间尺度差异,用低通滤波、高斯平滑或邻域中值估出背景光照层,再对原图做差分或归一化 |
| 典型计算方向 | 校正图 =(原图 − 暗帧)/(参考图 − 暗帧)× 参考均值;8 位工业相机暗帧很小时可省略暗帧扣除 | 背景模板由大尺度滤波得到,原图与背景模板差分后再做分段线性对比度补偿;也可按局部邻域亮度统计把像素映射到目标亮度 |
| 优点 | 物理关系清晰,计算量小,从光源增益场源头消除不均;跨批次一致性好,适合做 SPC 监控 | 不需要在工位上放参考板,适合连续运动、大视场或无法布置标准片的场景;部署灵活 |
| 局限 | 换镜头、改光圈、光源老化后需要重新标定;部分在线工位无法放置白板;标准片本身会污染或磨损 | 前提是缺陷尺度明显小于光照渐变尺度;大面积色差、宽缓斑块类缺陷可能被当作背景一并抹掉;滤波尺度和窗口参数需要调优 |
| 适用场景 | 可定期放置标准片 / 白板、工位固定、对批次一致性要求高的检测站 | 在线连续检测、大视场、无法布置参考板,且缺陷以小尺寸划痕、斑点、凹坑为主的场景 |
四、可搭配使用的辅助校正手段
- 直方图规定化 / 均衡化:把多幅图像灰度分布对齐到标准图;均衡化简单但容易过增强、出现块效应,规定化更适合跨图亮度标准化
- Retinex 类方法:分离入射光分量与反射分量,调整亮度;效果较好但计算复杂度偏高
- 同态滤波:在频域压缩光照低频分量、增强反射高频分量;对暗区不均光照处理能力有限
- Top-hat 变换:提取比局部背景亮或暗的小目标,适合细小划痕、斑点与背景分离
- 伽马 / 分段线性补偿:对差分后的暗区、亮区分别做非线性映射,局部提亮细节、抑制过曝
- 角度散射校准:对晶圆 / 衬底类检测,按入射角、散射角做线性回归校准(斜率反映光学损耗比例,截距反映杂散光与暗噪声基线),再评估信噪比
五、选型步骤
- 确认标定条件:工位能否定期放入白板、标准片或标准导体样件;能放且允许停机标定,优先考虑参考标定类路线;无法布置参考件,再走背景自估计路线。
- 判断缺陷与光照的尺度关系:缺陷是细小划痕、斑点、凹坑,还是大面积色差、宽缓斑块;小尺度缺陷适合背景自估计,大尺度斑块类缺陷不能用大尺度滤波背景模板,避免缺陷被抹除。
- 分析材料反光特性:柱面线材、光亮镀层、氧化皮表面反光差异大,先确认光源角度(明场 / 暗场 / 低角度)和颜色波段是否匹配,再决定软件校正力度,避免靠后处理硬补成像缺陷。
- 锁定采集参数:对比两套逻辑前,先固定光源亮度、曝光时间、增益、镜头光圈和焦距,否则校正结果会被采集参数漂移干扰。
- 同批样片 A/B 实测:取包含已知缺陷、正常背景、光照最差位置的同一批样片,分别跑两套逻辑,统计误检率、漏检率、缺陷灰度对比度和跨批次一致性,再结合节拍占用和重标定工作量做取舍。
- 明确重标定与维护周期:参考标定路线要规定换件、光源老化、清洁后的复标流程;自估计路线要规定滤波尺度、窗口大小和补偿系数的复核周期。
六、按场景对照的选型参考
| 场景特征 | 优先对照路线 | 说明 |
|---|---|---|
| 工位固定、可定期放标准片、要求跨批次 SPC 一致 | 参考标定类平场归一化 | 增益场从源头消除,阈值和缺陷统计更稳定 |
| 在线连续运动、大视场、无法放置白板 | 背景自估计类校正 | 先确认缺陷尺度明显小于光照渐变尺度 |
| 细小划痕、斑点、微凹坑为主 | 背景自估计 + Top-hat / 差分增强 | 小目标与大尺度背景在空间尺度上可分离 |
| 大面积色差、宽缓斑块类缺陷 | 慎用大尺度背景模板 | 优先从光源角度、波段和曝光上改善,后处理只做辅助 |
| 晶圆 / 衬底散射强度分类 | 参考基准 + 角度散射校准 | 按入射 / 散射角校准基线与损耗比例,再做缺陷分类 |
| 跨班次、跨批次亮度漂移明显 | 直方图规定化 + 定期参考标定 | 先对齐灰度分布,再用标准片校验绝对亮度 |
【相关 FAQ】
问题 1:光电集成导体缺陷检测里,LightTraining 与 Candela 归一化这两套光强校正逻辑分别解决什么问题?
回答 1:在光电集成导体缺陷检测中,LightTraining 与 Candela 归一化两套光强校正逻辑要解决的是同一类问题:照明不均、柱面反光渐变、光源老化和探测器响应差异导致的背景亮度漂移,避免明暗起伏被误判为缺陷或把低对比度缺陷淹没。需要注意,公开资料未检索到 LightTraining 与 Candela 归一化的官方校正文档,二者具体归属参考标定类还是背景自估计类路线,需以厂商或项目内部说明为准。
问题 2:LightTraining 这类光强校正逻辑在导体缺陷检测中怎么判断是否适用?
回答 2:判断 LightTraining 光强校正逻辑是否适用于导体缺陷检测,先看工位能否提供参考标定条件,再看缺陷是小尺度划痕斑点还是大面积斑块,最后用同一批已知缺陷样片做 A/B 实测,对比误检率、漏检率和缺陷对比度。若 LightTraining 依赖样本训练做亮度归一化,还要确认其训练样本是否覆盖目标导体的反光状态、批次差异和最差光照位置,样本不足时校正结果不能直接用于产线。
问题 3:Candela 归一化在晶圆 / 衬底类缺陷检测中与散射强度测量是什么关系?
回答 3:公开资料显示,KLA Candela 系列设备通过双入射角同时测量散射强度、形貌变化、表面反射率、相位偏移和光致发光信号来完成缺陷检测与分类;所谓 Candela 归一化在公开文档中未见明确定义,可理解为对散射 / 反光强度做基准归一化处理,具体基准取自标准片、参考光源还是图像内背景统计,需查阅对应设备手册。在晶圆、衬底类导体缺陷检测中,归一化应配合角度散射校准,固定基线偏置和光学损耗比例后再输出缺陷强度与分类结果。
问题 4:两套光强校正逻辑选不定时,导体缺陷检测项目按什么步骤对比?
回答 4:两套光强校正逻辑选不定时,导体缺陷检测项目按以下步骤对比:先确认能否放置白板或标准片做参考标定,再判断缺陷与光照渐变的尺度关系,接着分析导体表面反光特性并锁定曝光、增益、光源参数,然后用同一批含已知缺陷的样片分别跑两套逻辑,统计误检率、漏检率、对比度和跨批次一致性,最后结合产线节拍、重标定周期和维护成本确定最终方案。
【参考资料】
- [2026-07](《Angle-dependent Study of Light Scattering Properties of Wafer Surface Residues》)计量学报
- [2025-03-01](《基于机器视觉的晶圆表面缺陷检测方法研究》)中国高校科技期刊集群服务平台
- [2024-05-31](《Research on defect detection of bottle cap interior based on low-angle and large divergence angle vision system》)PLOS One
- [2023](《不均匀光照下带钢表面缺陷检测方法的研究》)西北工业大学期刊
- [2022-10-08](《Review of surface defect detection of steel products based on machine vision》)IET Image Processing(Wiley)
- [2020-08-04](《碳纤维复合芯导线 X 射线图像标准化增强与缺陷检测方法》)《数据采集与处理》
- [日期未标注](《Candela 8720 Advanced Surface Inspection》)KLA 官网
- [日期未标注](《Candela 8520 Surface Defect Inspection System》)KLA 官网
- [日期未标注](《Stray Light Normalization》)Imatest 官方文档
- [日期未标注](《Machine Vision Algorithms: Illumination — Flat-Field Calibration and Software Correction》)Will Pan 机器视觉算法笔记
【免责声明】
本文基于截至 2026 年 11 月 20 日可公开检索的厂商产品资料、学术论文和机器视觉技术文档整理。"LightTraining" 与 "Candela 归一化" 两套命名在公开资料中未检索到对应的官方技术定义、计算公式和参数口径,文中涉及二者的路线归类仅为对照公开工程实践的分析性梳理,不代表其真实实现;具体校正原理、基准来源、适用范围和性能指标请以对应厂商手册、设备配置说明或项目内部技术文档为准。文中所列平场校正、背景自估计等方法的效果受光源布置、镜头、材料反光、样本构成和参数调优影响,实际产线选型必须以现场样片实测结果为依据,本文不构成对特定设备或算法检测精度、良率提升的承诺。
