CN102184878A - 一种用于晶圆对准的模板图像质量反馈系统及其方法 - Google Patents
一种用于晶圆对准的模板图像质量反馈系统及其方法 Download PDFInfo
- Publication number
- CN102184878A CN102184878A CN 201110082216 CN201110082216A CN102184878A CN 102184878 A CN102184878 A CN 102184878A CN 201110082216 CN201110082216 CN 201110082216 CN 201110082216 A CN201110082216 A CN 201110082216A CN 102184878 A CN102184878 A CN 102184878A
- Authority
- CN
- China
- Prior art keywords
- template
- image
- feature
- wafer alignment
- wafer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000003909 pattern recognition Methods 0.000 claims abstract description 4
- 238000013441 quality evaluation Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000014616 translation Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 17
- 230000008878 coupling Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- 239000004065 semiconductor Substances 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 241001062009 Indigofera Species 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 229910052581 Si3N4 Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Abstract
本发明公开了一种用于晶圆对准的模板图像质量反馈系统及其方法，所述系统包括一可自由移动的机械运动平台，一晶圆托盘，一工业相机，一可变化照明光波波长范围的照明装置以及一主计算机；本发明的软件系统包括用户界面模块、图像采集模块、图像处理模块和设备控制模块。本发明能实时采集机械运动平台上的目标图像，通过软件系统中既定算法的处理后，从图像和模板图案中提取出模式识别/模板匹配相关的诸归一化的特征，并实时显示在用户界面上，本发明还包括一种能从给定的图像中找到最佳匹配模板的方法。
Description
技术领域
本发明涉及到图像模板识别和图像分析领域，尤其涉及到用于半导体大规模集成电路制造或工艺检测设备上用于晶圆对准的模板图像质量反馈的系统及其方法。
背景技术
在半导体大规模集成电路制造或工艺检测诸多设备上， 凡是涉及有集成电路图案包括逻辑单元如计算机中央处理器和存储单元如各种计算机内存的晶圆，由于极高的精度要求，都无例外地首先要进行晶圆对准。
设备上晶圆对准分两部分。首先是由操作人员创建设备工作流程包括在晶圆上何处对晶圆做何样的工作，对于有图案的晶圆，其第一步就是如何做晶圆对准，因为未对准的晶圆都无法进行下一步工作。因此操作人员首先建立晶圆对准流程，一旦工作流程建立并通过检验后，就可将其保存在主计算机中。以后设备正式工作时无操作人员，对于同样的大量晶圆，设备自动执行该流程包括对每个晶圆的对准流程。
在创建设备工作流程时，晶圆对准过程开始于设备预对准完成后，机械手将晶圆从预对准装置上取出放到机械运动平台的适配盘上。预对准可使得晶圆方向和机械运动平台的角度精确到0.2o以内（工作完成后机械手再将晶圆放回晶圆盒）。另外晶圆的几何中心和机械运动平台的Z轴即转动中心也不完全重合，都可能有些误差。然后使用者沿水平或垂直方向移动机械运动平台，在n点（至少是晶圆上两个地点，其间距越大则结果的相对误差越小）， 使用者对于图像和其中模板满意的话，通过计算机让相机摄取的图像。在摄取图像时照明光源也是可以调整的，例如用于照明的发光二极管的组可以有不同的组合和入射角度。这些图像时用了做图像模板匹配的， 例如可以从图像1中选用适当模板即子图像，到图像n中找其相应匹配点。这些点（至少两点）就可以确定晶圆的方向，即晶圆方向和机械运动平台的移动方向的夹角，从而转动机械运动平台来修正该角度，从而达到晶圆对准的目的。
图像模板匹配的算法也有许多，最常用的就是归一化的互相关(normalized cross correlation)算法，他们对于图像质量都有一定要求,包括噪声，图像缩放， 亮度， 对比度，图像中的特征多寡等都会影响其结果。
当前实用中面临的问题是，使用者在晶圆上选择图像和其中模板时必须有很多人为因素和人为的判断/选择。相关知识不够或经验不足（99%以上使用者如此），或不仔细的使用者凭肉眼往往很难选择适合图像模式匹配的图像和其中的模板，特别是对有些材料反射率较差的或其中图案稀疏的晶圆加上其他影响与如噪声，导致：
模板在图像中可能并非唯一，或有其他和模板有相近的子图像；
模板中图案的整体特征不足，或在某一方向上的特征不足；
模板中图案的图像亮度或对比度不足；
模板对比度不足或亮度不当（太弱或饱和即达到或超过像素数据类型所能表达的最大值），导致在对于同类晶圆执行任务时，当图像受到其他因素影如噪声，微小尺度缩放，或微小转动角度影响时信噪比太小；
模板中水平或垂直方向的特征（基本上就是边缘）太少，导致在对于同类晶圆执行任务时，当图像受到其他因素影如噪声，微小尺度缩放，或微小转动角度影响时信噪比太小；
在执行流程中做晶圆对准时，由于机械手上片误差偏大或，晶圆膜层厚度变化使得光学薄膜干涉导致图像中的图案发生变化，在晶圆第1搜索点就找不到匹配图像，因此就需要在其周边采集图像寻找和模板模式匹配的图案，此时模板在周边的图像中却未必是唯一的，即有可能有多于1个的模式匹配以致无法确定正确匹配；
在执行任务做晶圆对准时，由于晶圆膜层厚度变化使得光学薄膜干涉产生的图像中的图案发生变化使得单色相机摄取的（或由彩色图像红，绿，蓝平均获得）的灰度图像不适合作模式模式匹配而需要采用彩色图像。例如硅（Si）晶圆上有多层介质膜它们可以是SiO2和Si3N4，此时如果这些膜层的厚度在晶圆上分布不均匀，当照明光源波长范围较窄时，光在这些膜层间以及和硅基底的界面间干涉会产生光强相长或相消，造成图像中图案变化，影响图像模式模式匹配。应用中称之为色彩效应，它常常造成模式模式匹配失败；
这些问题在使用者创建工作流程是作晶圆对准时可能无法定量知道，和无法预见， 而遇到后面设备自动执行工作流程时才会遇到，从而导致图像匹配乃至整个晶圆对准失败。在线设备晶圆对准失败的后果很严重，可能需要停机进行人工干预， 这对半导体集成电路制造厂商意味着相当大的损失。因此有必要早在使用者创建工作流程中选择图像时，就能实时、定量反馈图像（和其中模板）质量相关特征信息给使用者，不仅能够加快工作流程创建速度，还能极大提高将来在执行流程时的成功率。
综上所述，针对现有技术的缺陷，特别需要一种用于晶圆对准的模板图像质量进行及时反馈的系统及方法，以解决以上提到的问题。
发明内容
本发明的目的在于提供一种用于晶圆对准的模板图像反馈系统及其方法，通过软件算法在给定图像中自动提供给使用者最佳模板的选择，极大地提高所在设备的易用性，减少流程创建时间和减少将来执行任务时的出错率。
本发明所解决的技术问题可以采用以下技术方案来实现：
一种用于晶圆对准的模板图像质量反馈系统，其特征在于，所述系统包括一个能沿X、Y、Z三轴方向平动和绕Z轴转动的机械运动平台和与其连接的晶圆托盘，一个用于实时采集目标图像的工业相机，工业相机设置有一个或若干个光学镜头，所述光学镜头能设置不同的孔径和视场；一个能调节照明光波波长范围的照明装置，一个测量装置以及一台用于控制上述设备的主计算机；所述主计算机包括其输入装置和输出装置，其软件模块包括用户界面模块、图像采集模块、图像处理模块和设备控制模块。
一种用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法包括如下步骤：
1）工业相机采集目标晶圆的实时图像，然后通过主计算机中的软件和既定算法，从图像和其中模板图案中提取出模式识别/模板匹配相关的归一化特征；
2）将这些特征的部分或全部，按照既定的权重计算，得出综合图像模板质量评价；
3）将图像模板质量评价的结果，在主计算机的用户界面上显示出来，能够让使用者，特别是对于图像处理不了解的使用者可以不管个别模板图像的特征，而仅仅根据该综合图像模板质量来决定该图像和其中模板是否可用。
在本发明的一个实施例中，所述方法还包括进一步包括计算和使用模板在所给图像中的唯一性特征，也包括将该唯一性特征归一化的方法。
进一步，所述方法还包括考虑模板在所给图像对应的晶圆表面位置周边所采集图中的唯一性特征。
在本发明的一个实施例中，所述方法进一步包括计算和使用模板图像亮度和对比度的特征，也包括将该亮度和对比度归一化的方法。
在本发明的一个实施例中，所述方法进一步包括计算和使用模板图像饱和度特征，也包括将该饱和度归一化的方法。
在本发明的一个实施例中，所述方法进一步包括计算和使用模板包含水平和垂直方向上边缘像素多寡的特征，也包括将边缘像素多寡归一化的方法。
在本发明的一个实施例中，所述方法进一步包括计算角部像素多寡的特征，也包括将该角部像素多寡归一化的方法。
在本发明的一个实施例中，所述方法进一步包括计算和使用模板图像噪声特征，也包括将该噪声特征归一化的方法。
在本发明的一个实施例中，所述方法进一步包括计算和使用模板图像清晰度特征，也包括将该清晰度特征归一化的方法。
在本发明的一个实施例中，所述方法进一步包括计算和使用彩色模板图像中红，绿，蓝色彩相对比重的特征；也包括由红，绿，蓝图子像中提取边缘特征，以各色子图像中边缘特征像素的相对多寡来决定各色子图像的相对比重。
在本发明的一个实施例中，进一步包括一种将上各独立的归一化的模板特征加权综合来获得的质量总评价的方法，其结果是归一化的；该方法还允许用户增加或减少其中所包含的特征。
在本发明的一个实施例中，所述方法进一步包括在给定图像中自动产生最佳或接近最佳的模板的位置和尺寸， 以便实时显示到计算机屏幕上供用户参考。
进一步，所述方法还包括一种寻找最佳模板的方法，对于既定参数如模板初始大小和位置，在X和Y方向变化范围和步长，包括如下步骤：
1）从模板起始大小和位置开始，先作不同模板大小的外循环，即每次按其X和Y方向的变化步长改变模板大小，遍历全部许可的模板大小，为了节省时间，X和Y方向的变化可以同步；
2）在以上每个不同模板大小的情况下，再作不同模板位置的内循环，遍历图像中全部许可的模板位置；
3）对每个模板的大小和不同位置，即按既定算法计算好模板匹配相关归一化特征，包括唯一性，对比度，亮度，饱和度，清晰度，噪声，水平和垂直边缘多寡和角部多寡；然后再按既定算法，计算由这些特征加权组成的综合总评价；再将达到既定阈值的模板按综合总评价按高低排序，选择综合总评价最高的一个或多个实时显示到计算机屏幕上。
本发明能实时、定量反馈图像（和其中模板）质量相关特征信息给使用者，不仅能够加快流程创建速度，还能极大提高将来在执行流程时的成功率。
附图说明
图1为本发明所述的用于晶圆对准的模板图像质量反馈系统的结构图。
图2为本发明所述的一个实施例中，晶圆上面的周期性的集成电路单元和由它们边界所决定的晶圆方向。
图3为本发明的一个实施例中，一帧模板图像和其中的模板图案，以及一帧要在其中寻找模板的目标图像和其中的模板匹配位置。
图4为本发明的一个实施例中用户界面的示意图。
图5为本发明所述的一种自动产生最佳模板的数据流图。
图6为本发明所述的一种在当前晶圆上某点的周围采集图像的示意图。
图7为本发明所述的一种在一帧模板图像中含有多个模板图像的示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
如图1所示，本发明所述的一种用于晶圆对准的模板图像质量反馈系统，涉及到半导体大规模集成电路设备，包括生产和工艺检测设备中一部分，即其用于晶圆对准的子系统部分。本发明包括该子系统以及在该系统平台上工作的方法。工作时，该方法还不免要用到本发明子系统所在的某具体的半导体大规模集成电路设备，例如其上的晶圆预对准器，机械手，机械运动平台，共享的主计算机及其软、硬件等， 因此本发明中部分部件是和其所在半导体大规模集成电路设备共享的。
根据本发明的实施方案之一，本发明的系统部分包括 ：
一个可沿X, Y, Z三轴方向平动和绕Z轴转动的机械运动平台，其上放置晶圆的适配盘，它们通常也是半导体大规模集成电路设备的一部分；
一工业相机和其上的光学镜头。相机可以是单色或彩色的，不限是CDD或CMOS的，不限分辨率，也不限是模拟或数字的。相机前端可以装有决定视场大小的镜头（甚至可以有多个可切换）；
一个可变化照明光波波长范围的照明装置，例如宽波段发光二极管（LED）；
一台主计算机包括其输入、输出装置，例如鼠标、键盘、显示器等。主计算机上的工作软件包括它的和晶圆对准有关的图形用户界面GUI，其中的软件架构，算法，数据结构和数据流程，以及一些应用模块，包括图像采集模块图像处理模块和设备控制模块。
本发明只是涉及到大规模集成电路设备，包括生产和工艺检测设备中一部分，即其用于晶圆对准的子系统部分。根据本发明的一个实施方案，本发明所涉及的子系统如图1所示，包括前面描述的工业相机40和其上有镜头42。如果是数字相机通常可以连续获取图像直接传输给计算机，例如用通用串行总线(USB)或IEEE1394线，如果是模拟相机则先将模拟信号，例如用Camera-Link线传给计算机上的图像采集卡（Frame Grabber），在由其取得数字图像传给计算机以便后续图像处理，并将图像显示在计算机屏幕上。当然相机也可以采集单帧图像传给计算机。相机40可以是黑白有灰度的，也可以是彩色的，有其红、绿、蓝（RGB）分量。一般情况下，彩色图像可以转换为单色图像来作图像识别/模板匹配，例如用红、绿、蓝图像的分量平均值。但是在某些情况下彩色图像是有用的。相机的焦距、视场有其上镜头决定，分辨率可有多种设置如最低的VGA设置为640（宽）像素×480（高）像素， 较高的1024像素×1024像素。另外相机通常是CCD类型的，也可以是高端CMOS类型的，在本发明中都不限。
根据本发明的一个实施方案，系统中还包括一主计算机70，其上的图像采集模块71，图像处理（包括图像识别/模板匹配）模块72，用户界面 73，和设备控制模块75。
晶圆在设备上的工作，无论是集成电路制作如光刻，还是工艺检测如缺陷检测，通常都分为两个阶段，即工作流程创建阶段和工作流程执行阶段。在工作流程创建阶段，是使用者使用主计算机70上的软件，以人机对话的方式进行的。首先是用单个晶圆创建任务即工作流程。它包括如何进行晶圆对准，在晶圆何单元何处作何种处理或测量，如何对数据进行分析、显示、保存等。在工作流程执行阶段，设备自动按既定工作流程，机械手自动从晶圆盒取同类晶圆，执行全部工作流程中各项任务包括晶圆对准，然后将晶圆放回晶圆盒，再取下一个晶圆做同样的工作。
本发明涉及工作流程创建阶段的第一个关键步骤，即晶圆对准的工作流程创建。在晶圆对准工作流程创建时，此时机械手已经将经过预对准的晶圆放置于机械运动平台上，使用者移动运动平台和观察相机实时摄取的图像。参考图2，图3， 通常使用者选取晶圆圆心附件的第1点13上的晶圆图像111，以其中的子图像为模板112。然后使用者向X或Y方向移动机械运动平台一个或多个单元（die），到达应该在同一直线上的第2点14，采集图像121。在此实施方案以X方向为例，但不限于X方向移动机械运动平台为例，但沿Y方向移动机械运动平台同样可行。然后用模板匹配的方法找模板图案112在目标图像121中的匹配图案122。模板匹配的方法方法有很多，例如下文中将要详细描述的归一化的交叉互相关算法，即Normalized Cross Correlation （NCC）算法，公式（1）。一旦在第2点找到匹配，这两点就可以决定一条直线，即晶圆的方向。通常实用中考虑到由于图像质量问题某些模板匹配可能失败和系统误差的存在，用户用多点例如15，16点进行同样的匹配，或用多点来拟合一条直线，更准确地决定晶圆方向（图2）， 即夹角23。最终用户转动晶圆矫正夹角23， 使得晶圆水平/X和垂直/Y轴都和机械运动平台移动方向一致。这些图像采集点也都保存在工作流程中。
在工作流程执行阶段，几乎所有半导体设备工作的第一步就是晶圆对准。此时是无人干预的，即全自动的。一切都是按照创建的工作流程来执行。机械手将预对准过的晶圆放到机械运动平台上，它自动移动到流程中的图像采集点13，14,15, 16等。按照同样的流程执行晶圆对准。
本发明涉及的核心部分就是在用户选择第1个模板图像111以及其中的模板图案112时，给予其关于图像以及其中模板图案质量的实时反馈，甚至包括对于其中模板图案位置和大小的改良建议。使得使用者能选择更好的图像以及其中的模板图案，提高图像模式模式匹配乃至晶圆对准精度，可靠性，避免或减少将来在流程执行阶段（全自动，无操作人员干预）的晶圆对准失败。而届时晶圆对准失败对设备影响极大。特别是对于在线的设备，如果需要停止自动工作而需要人工干预，就意味着极大的经济损失。
一种用于晶圆对准的模板图像质量反馈方法，所述方法包括如下步骤：
1）工业相机采集目标晶圆的实时图像，然后通过主计算机中的软件和既定算法，从图像和其中模板图案中提取出模式识别/模板匹配相关的归一化特征；
2）将这些特征的部分或全部，按照既定的权重计算，得出综合图像模板质量评价；
3）将图像模板质量评价的结果，在主计算机的用户界面上显示出来，能够让使用者，特别是对于图像处理不了解的使用者可以不管个别模板图像的特征，而仅仅根据该综合图像模板质量来决定该图像和其中模板是否可用。
下面来详细描述本发明所述的各种特征的详细算法：
模板唯一性算法
模板唯一性可用和图像/模板模式匹配同样的方法，即用归一化的互相关算法(normalized cross correlation) 来计算。归一化互相关算法为, 如图3所示取一帧图像中的图案，该图像称为模板图像111，该图案称为模板112。然后遍历目标图像121中，找和模板的最佳匹配。每次都用模板图像和其相同大小的目标图像中的子图像，计算归一化互相关
公式（1）
其中，K表示模版的像素灰度值之和，T表示每次搜索的目标图像中的和模板相应的矩形部分的像素灰度值之和，N表示每一次计算中也就是模板中的总像素个数。r表示模板图案112和目标图像中扫过部分的互相关性，或称之为相似度r，范围为[0,1]，值越高表示相似程度越高。以上互相关的数学形式为卷积，它也可以在傅里叶（Fourier）空间进行。这样在遍历目标图像或其中指定区域时，各点计算的结果形成互相关数组或曲面，其峰值对应于最佳模式匹配。由于此时是检查模板唯一性，目标图像就是模板图像本身，而在此最佳模式匹配一定指向该模板位置本身，但如果互相关曲面还存在另一个达到或超过既定阈值，例如0.6的次佳模式匹配峰值，这时该模板在该图像中就不是唯一的。归一化互相关算法也可以在傅里叶(Fourier) 或频率空间实现。
更简单地可以用最小差值的方法来检验模板的唯一性，例如
其中，M表示单个像素的最大灰度值，其它变量的意义和公式（1）中相同， 结果也是对图像尺寸归一化的。
图像对比度算法
通常在模式匹配时整个或绝大部分目标图像参与运算，因此通常求整个图像的对比度。图像对比度可以通过计算来获得。
其中I表示图像，则max(I) 和min(I) 表示灰度图像中的像素最大值和最小值。还有一种比较不会受图像噪声影响的方法是取图像直方图最高点附近x%和最低点附近x%作平均，取代上式中max(I) 和 min（I）计算对比度c, 这里x通常可以为0.5或1。
图像亮度算法
通常在模式匹配时整个或绝大部分目标图像参与运算，因此通常求整个图像的亮度。图像亮度可以通过计算
其中I表示图像像素灰度值，求和遍历全部像素。N表示图像中总像素个数，M表示单个像素的最大灰度值，b的意义为平均亮度。另外亮度也可以由总像素中，取灰度值较高的x%的像素平均灰度值来表示， 例如x可以是50。
图像饱和度算法
图像饱和度s可以简单地用下面的公式来计算。
其中，Imax表示灰度值达到最大值的像素，求和遍历全部图像，N为图像全部像素总个数。通常像素最大灰度值由表达像素的计算机数据类型所决定，例如用8 比特（bit）无正负号的数据类型（unsigned char）的像素灰度值范围是0 – 255， 即最大值为255。一种简单的归一化方法是看以上图像饱和度s是否超过某一既定阈值Smax，
当然还有其他办法将图像饱和度s描述为一个函数，例如当s ≤ smax时用一个分段函数渐变地描述s随着图像中饱和像素点的增加，从1到0的变化过程。
图像边缘特征算法
图像中的边缘， 即相邻像素的灰度梯度的提取，可以用X和Y方向的偏导数来求得。梯度的强度（模）为
梯度的方向为
其中，I 表示图像在某像素的灰度值， Gx和Gy分别表示图像在某点的X方向和Y方向的偏导数。至于如何求数字图像的偏导数从而求梯度，有许多算法。例如Sobel算子方法，其Gx和Gy在3×3尺度时的表现形式为两个矩阵
和
图像中的边缘的提取还有许多其他算法，如求二阶偏导数的Laplacian算法， 以及更加复杂的Canny算法。另外Sobel算子方法也不一定是3×3的。边缘提取之前通常也可有预处理算法如去噪。边缘提取之后通常也可有后处理算法如阈值检验（去掉低于既定阈值的边缘像素）和重新归一化。
更进一步有
和
其中，Exi表示第i个边缘探测值Gx达到既定阈值的X方向的边缘像素，Eyi表示第i个边缘探测值Gy达到既定阈值的Y方向的边缘像素，N表示全部图像像素之和。这样归一化的X方向边缘特征可以表示为
同理，归一化的Y方向边缘特征可以表示为
其中Gmax和Gmin分别表示既定X和Y边缘图像中的上下阈值。总的边缘特征应当包括X和Y方向的边缘特征。因为有时可能某一方向边缘特征明显，而与其垂直的另一方向边缘特征很弱，此时图像模式匹配会失败或不准确。总的边缘特征可以 表示为
更进一步，可以用模板子图像而非整个图像中的边缘特征。另外更为复杂的方法可以在边缘探测（如用Sobel算子）后用Hugh变换， 在参数空间筛选几条主要直线，然后取较长直线上的像素点为边缘点。
图像角部特征算法
图像中的角部特征可以通过求Harris矩阵的本征值来获得。
其中若以I(x, y)表示图像在（x, y）点的像素灰度值，则Ix(x, y)表示图像在（x, y）点对X方向的偏导数，于是Ix(xi, yi) 就表示图像在（x, y）点附近一邻域W内某i点对X方向的偏导数，而以上矩阵各元素包括在X和Y方向的偏导数在以（x, y）为中心的W领域内之和。当然通常还有图像的预处理和后处理。预处理如去噪，可以用某低通滤波函数如与一个高斯函数卷积来实现。作后处理时，如算得2×2阶 Harris矩阵的本征值λ1 和λ2， 可以进行阈值检验，当两个本征值都大于既定阈值时，该（x，y）点才可算为角部点。
更简单的图像角部特征提取也可利用分别在X和Y方向进行边缘提取的方式，然后检验如果点（x，y）点既属于X方向边缘图像，又属于Y方向边缘图像，则可以被认为是一个角点。当然这种方法局限于探测接近直角的角点。最后归一化的角点特征为，
公式(18)
其中，jmin表示最少需要的角点个数即阈值， j 为图像中实测到的角点个数。当然也可进一步以将j描述为像（13）和（15）式那样从0到1的变化的分段函数。
图像清晰度算法
图像的清晰度的算法之一就是利用式（1）所述的归一化互相关算法。此时模板和其取自的图像作互相关运算，实为自相关(auto correlation)。运算搜索遍历全部可能的像素生成相关表面，峰值为1且位置对应模板取自的图案。峰值的形状可以用来描述图像的清晰度。具体地，峰值的半高宽（full-width-half-maximum），即在峰值一半高度时的X方向的直径和Y方向的直径，可以用来描述图像在X和Y方向的清晰度f。
和
其中，fwhmx 和fwhmy分别表示相关峰值在X和Y方向的半高宽，fwhmmax表示既定最大半高宽。最终归一化的二维图像清晰度为
另外图像的清晰度的还可以有其他的算法，例如可以用图像边缘的平均宽度。如果用某种图像边缘探测的核（kernel，）如用一个一维(1-D)高斯函数的梯度或梯度的梯度(拉普拉斯)从X方向和Y方向分别进行探测（卷积），获得边缘图像。保留达到既定阈值的 边缘图像像素。然后分别求X方向和Y方向的边缘的平均宽度。如果某方向上的边缘的平均宽度超过某阈值，则说明图像在该方向上是不清晰的，即清晰度较差， 反之则较好。
图像噪声估计算法
单帧图像的噪声估计也有许多方法。例如先用公式（9）和（10）中的Sobel边缘检测算子作用到图像上。然后用如下拉普拉斯算子（Laplace）
作用到图像上，即和图像卷积。然后用局部平滑算子例如二维高斯函数/模板作用到图像上，最后求图像总的平均方差来估计图像噪声。归一化的图像噪声特征n可以是
其中，σ是图像经过所述处理流程而获得的平均方差，σmax是允许的最大平均方差。
另外还有很多其他图像噪声估计算法。例如可以用图像在傅里叶（Fourier）空间即频率空间的能谱（Power Spectrum），即图像在傅里叶空间中各频率上值的模数/强度，来估计单帧图像噪声。具体地讲，先将二维图像能谱（Power Spectrum）作角向平均得到一维数据（曲线），有其直流（DC）, 低频和中高频部分。通常角向平均的图像能谱曲线在中高频，随频率增加而急剧减小，然后平缓减小。该能谱平缓减小部分基本可以被认为是噪声，其在中高频范围内的平均就可以是一种图像噪声的测量。
彩色图像比重特征算法
彩色图像特征不总是需要的， 但有时对晶圆对准是有帮助的。相关的彩色图像特征可以有许多。但最简单的方法可以是考察彩色图像红（R）、绿(G)、蓝(B)各色子图像的比重。更好的办法是考察红、绿、蓝各色子图像中特征的比重，此时讲的特征就是图像中包含的边缘，即像素灰度梯度。如果有一种彩色的边缘比重偏大，站绝对统治地位，将来在执行任务（recipe execution）时图像模式模式匹配就会有较大的风险。这样各色子图像中边缘的比重为：
其中，R, G, B 分别代表红、绿、蓝各子图像总边缘像素的个数。最后归一化的彩色图像比重特征则是
其中ηmax是允许的最大单色图像（边缘像素）比重。
另外其他彩色图像比重算法可以有很多，例如可以先对彩色图像进行变换,从RGB空间变换到HSI （Hue度， 饱和度，强度）空间， 其中Hue是0°到360°分布的，且0°，120°， 240° 对应R(红)， G(绿)，B(蓝)。Hue的峰值或重心也可以用来图像比重的特征。
如上所述，彩色图像特征不是总要用到，因此通常不参与总体图像评价，而是附带提供给使用者参考。
图像综合质量评价方法
根据本发明的一个实施方案，为了给使用者方便，有必要将上述全部归一化的图像特征总汇为一个总体的图像综合质量评价。如上所述，由于彩色图像特征η不总是要用到，因此不参与总体图像质量评价，而是作为选项，单独实时提供给使用者。
图像综合质量评价为上述各归一化的图像特征包括唯一性特征r(当使用者已经选定模板时)， 对比度特征c, 亮度特征b, 饱和度特征s，边缘特征e, 角部特征o, 清晰度特征f和噪声特征n的加权平均。一种简单的求总体评价t的方法为，
其中Ti表示第i个上述特征即唯一性特征r， 对比度特征c, 亮度特征b, 饱和度特征s，边缘特征e, 角部特征o, 清晰度特征f和噪声特征n之一，而wi为该特征的既定权重。式中连积、求和遍历全部上述特征。由公式（26）可以看出，如果有一个上述特征为零，则图像综合质量评价为零，它表示不允许任何一个指标不满足要求，否则可能导致晶圆工作流程创建（recipe creation），或更加严重的是在工作流程执行(recipe execution)时晶圆对准失败。显然，该总的图像质量评价表达式允许将来添加新的个别图像特征或去除个别图像特征。如果使用者未选定模板，可以规定在图像中心有一缺省模板区域，以图像X和Y大小1/4为其长和宽。
模板图像质量实时反馈
根据本发明的一个实施方案，利用上述模板图像综合质量评价方法，参照图4为例，使用者在创建晶圆对准流程时，首先通过GUI上控件703移动机械运动平台30选择靠近晶圆中心某点13，相机40实时获取晶圆图像111，并显示于计算机70主软件的用户界面(GUI)702上。 此时有一缺省模板区域112， 用户可以通过鼠标705拖拽来改变其X和Y方向的边界和其中心位置。计算机软件更据一下方法，计算出该图像和其中模板的质量综合评价（总分）706，实时显示于用户界面上。
自动产生模板的方法
在任何给定图像中，给定模板尺寸范围之内，是可以有多种方法自动产生最佳模板的。这里所谓的最佳，是专门针对大规模集成电路设备上的晶圆对准所需图像模式匹配而言，也限于给定图像之内。
根据本发明的一个实施方案，参考图4中数据流图90，对于一个给定的模板图像，假定初始模板大小(Wo, Ho)，X和Y方向模板变化范围(Wmax, Hmax) 或变化次数(Nx,Ny)以及步长(ΔW, ΔH)已由用户给定或有既定缺省值 901。两个方向的初始模板大小，模板变化或变化次数，以及步长都可以是相同的。同时模板起始位置(Xo, Yo)，位置变化范围(Xmax, Xmax)以及步长（ΔX, ΔY）也都确定 901。
首先计算整个图像各项质量指标902，如对比度（公式3）， 亮度例（公式4）， 饱和度如（公式5），清晰度（公式21），和噪声（公式23）。如果是彩色图像且用户选择需要彩色图像特征(公式25）。
然后检验这些图像特征指标是否都在既定可用范围之内 903，是则继续进行到下一步，否则终止905。彩色图像的其他特征都用其平均的黑白灰度图的。这些特征都是关于整个图像的，如果图像的这些特征不好，通常其中的模板的这些特征也不会好。
下一步906，912作模板尺寸的循环，遍历全部允许的既定模板尺寸。在每个模板尺寸下，作模板位置循环907，910，遍历图像内允许的既定模板位置。上述模板图像特征指标（公式2-25）包括唯一性，边缘特征，对比度，亮度，饱和度，清晰和噪声等，再由它们计算综合质量评价（公式26）908。
循环结束后，对于达到既定阈值的模板（大小和位置），做多取M个，按图像综合质量评价最大，次最大,…排列。M是既定参数。
最后依次用每个模板检验它在图像中的唯一性（公式1）， 即在图像中找是否有除了其自身之外的接近的第二匹配。一旦某模板的唯一性被满足，该模板就是要选的最佳模板。它的信息包括位置和大小，将被实时反馈给使用者，如图4中706所示。如果得到的图像中最佳模板的位置太靠近图像边缘，就需要移动机械平台，让相机到以其为中心的位置采集图像，在新的图像中验证模板唯的一性。更有甚者，对于某些机械手机械精度不高的系统，晶圆被放到机械运动平台时的精度不够，随机误差较大，有时候还要如图6所示，到周围点（131， 132， 133， 134， 135等处）采集图像，检验模板唯一性， 且检验时仍然可用公式1。周围点的中心位置和原图像的中心位置间距离，无论是在X还是在Y方向上，都应该小于图像在该方向上的尺寸的一半，也即周边图像和中心的原图像有重叠。
多个模板的情况
实用中为了提高晶圆对准中模板匹配的可靠性，用户可以在一帧图像中选多个不同位置和大小用个模板，如图7 中图像111中的模板113， 114， 115所示。和单个模板的情况一样，此时计算机软件只要分别计算各模板图像的上述特征（公式1-25），以获得每个模板的综合平价，在计算机用户界面上实时反馈给用户。如果需要自动产生多个模板，图5中数据流图同样可用，只是在最后一步918把几个最佳的模板（位置和大小）同时在计算机用户界面反馈给用户。
其他
导体设备作晶圆对准时常有多个镜头，即多个放大倍数或多个图像分辨率。有点图像不仅是光学成像，可能是电子束、带电离子束等。这些都不会影响上述图像和其中模板的特征算法或是上述图像综合质量评价。因为在每一个放大倍数或多个图像分辨率的设置下，上述图像和其中模板的特征算法或是上述图像综合质量评价都成立。上述方法同样对于不同的设备部件如机械手，预对准器，机械运动平台，相机或其他图像传感器，照明光源等都成立。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都在要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定
。
Claims (14)
1.一种用于晶圆对准的模板图像质量反馈系统，其特征在于，所述系统包括一个能沿X、Y、Z三轴方向平动和绕Z轴转动的机械运动平台和与其连接的晶圆托盘，一个用于实时采集目标图像的工业相机，工业相机设置有若干个光学镜头，所述光学镜头能设置不同的孔径和视场；一个能调节照明光波波长范围的照明装置，一个测量装置以及一台用于控制上述设备的主计算机；所述主计算机包括其输入装置和输出装置，其软件模块包括用户界面模块、图像采集模块、图像处理模块和设备控制模块。
2.一种用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法包括如下步骤：
1）工业相机采集目标晶圆的实时图像，然后通过主计算机中的软件和既定算法，从图像和其中模板图案中提取出模式识别/模板匹配相关的归一化特征；
2）将这些特征的部分或全部，按照既定的权重计算，得出综合图像模板质量评价；
3）将图像模板质量评价的结果，在主计算机的用户界面上显示出来，能够让使用者，特别是对于图像处理不了解的使用者可以不管个别模板图像的特征，而仅仅根据该综合图像模板质量来决定该图像和其中模板是否可用。
3.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法还包括进一步包括计算和使用模板在所给图像中的唯一性特征，也包括将该唯一性特征归一化的方法。
4.如权利要求2或3所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法还包括考虑模板在所给图像对应的晶圆表面位置周边所采集图中的唯一性特征。
5.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算和使用模板图像亮度和对比度的特征，也包括将该亮度和对比度归一化的方法。
6.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算和使用模板图像饱和度特征，也包括将该饱和度归一化的方法。
7.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算和使用模板包含水平和垂直方向上边缘像素多寡的特征，也包括将边缘像素多寡归一化的方法。
8.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算角部像素多寡的特征，也包括将该角部像素多寡归一化的方法。
9.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算和使用模板图像噪声特征，也包括将该噪声特征归一化的方法。
10.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算和使用模板图像清晰度特征，也包括将该清晰度特征归一化的方法。
11.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括计算和使用彩色模板图像中红，绿，蓝色彩相对比重的特征；也包括由红，绿，蓝图子像中提取边缘特征，以各色子图像中边缘特征像素的相对多寡来决定各色子图像的相对比重。
12.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，进一步包括一种将上各独立的归一化的模板特征加权综合来获得的质量总评价的方法，其结果是归一化的；该方法还允许用户增加或减少其中所包含的特征。
13.如权利要求2所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括在给定图像中自动产生最佳或接近最佳的模板的位置和尺寸， 以便实时显示到计算机屏幕上供用户参考。
14.如权利要求2或12所述的用于晶圆对准的模板图像质量反馈方法，其特征在于，所述方法进一步包括一种寻找最佳模板的方法，对于既定参数如模板初始大小和位置，在X和Y方向变化范围和步长，包括如下步骤：
1）从模板起始大小和位置开始，先作不同模板大小的外循环，即每次按其X和Y方向的变化步长改变模板大小，遍历全部许可的模板大小，为了节省时间，X和Y方向的变化可以同步；
2）在以上每个不同模板大小的情况下，再作不同模板位置的内循环，遍历图像中全部许可的模板位置；
3）对每个模板的大小和不同位置，即按既定算法计算好模板匹配相关归一化特征，包括唯一性，对比度，亮度，饱和度，清晰度，噪声，水平和垂直边缘多寡和角部多寡；然后再按既定算法，计算由这些特征加权组成的综合总评价；再将达到既定阈值的模板按综合总评价按高低排序，选择综合总评价最高的一个或多个实时显示到计算机屏幕上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110082216 CN102184878B (zh) | 2011-04-01 | 2011-04-01 | 一种用于晶圆对准的模板图像质量反馈方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110082216 CN102184878B (zh) | 2011-04-01 | 2011-04-01 | 一种用于晶圆对准的模板图像质量反馈方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102184878A true CN102184878A (zh) | 2011-09-14 |
| CN102184878B CN102184878B (zh) | 2013-04-10 |
Family
ID=44571032
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110082216 Expired - Fee Related CN102184878B (zh) | 2011-04-01 | 2011-04-01 | 一种用于晶圆对准的模板图像质量反馈方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102184878B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103226003A (zh) * | 2012-01-31 | 2013-07-31 | 富士胶片株式会社 | 图像评价装置、图像评价方法以及非临时性存储介质 |
| CN104362120A (zh) * | 2014-10-30 | 2015-02-18 | 杨素翠 | 晶片拾取设备的视觉定位系统及其相机位置的调节方法 |
| CN105097578A (zh) * | 2014-05-05 | 2015-11-25 | 中芯国际集成电路制造(上海)有限公司 | 一种缺陷扫描机台对准系统的改进方法 |
| CN105428291A (zh) * | 2014-06-18 | 2016-03-23 | 上海华力微电子有限公司 | 一种晶圆横向水平对准的方法 |
| CN106356310A (zh) * | 2015-07-14 | 2017-01-25 | 睿励科学仪器（上海）有限公司 | 一种对晶圆中的低对比度定标区域实施定标的方法 |
| CN107958454A (zh) * | 2017-12-04 | 2018-04-24 | 江苏维普光电科技有限公司 | 基于精密平台进行掩膜版图像的快速匹配方法及系统 |
| CN108022850A (zh) * | 2017-11-30 | 2018-05-11 | 上海华力微电子有限公司 | 一种扫描程式建立方法、扫描机台及扫描方法 |
| CN108074853A (zh) * | 2017-04-27 | 2018-05-25 | 深圳市东飞凌科技有限公司 | 晶片校准方法及装置 |
| CN109559294A (zh) * | 2017-09-26 | 2019-04-02 | 凌云光技术集团有限责任公司 | 一种吊牌圆孔质量的检测方法及装置 |
| CN109782103A (zh) * | 2019-03-11 | 2019-05-21 | 潘元志 | 探针与电子器件引脚的对准方法及系统 |
| CN110111842A (zh) * | 2018-01-29 | 2019-08-09 | 深圳华大智造科技有限公司 | 图像清晰度分析及对焦方法、测序仪、系统与存储介质 |
| CN112289726A (zh) * | 2020-10-29 | 2021-01-29 | 上海精测半导体技术有限公司 | 晶圆对准模板图像生成方法 |
| CN113507611A (zh) * | 2021-09-09 | 2021-10-15 | 深圳思谋信息科技有限公司 | 图像存储方法、装置、计算机设备和存储介质 |
| CN117557619A (zh) * | 2023-10-20 | 2024-02-13 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6198535B1 (en) * | 1998-08-20 | 2001-03-06 | United Integrated Circuits Corp. | Wafer alignment system |
| CN1722001A (zh) * | 2004-07-08 | 2006-01-18 | Asml荷兰有限公司 | 光刻投射装置及使用这种光刻投射装置的器件制造方法 |
| JP2008053624A (ja) * | 2006-08-28 | 2008-03-06 | Matsushita Electric Ind Co Ltd | アライメント装置 |
| CN101286010A (zh) * | 2008-04-25 | 2008-10-15 | 上海微电子装备有限公司 | 用于光刻设备的对准系统及其对准方法和光刻设备 |
| CN101996398A (zh) * | 2009-08-12 | 2011-03-30 | 睿励科学仪器（上海）有限公司 | 用于晶圆对准的图像匹配方法及设备 |
-
2011
- 2011-04-01 CN CN 201110082216 patent/CN102184878B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6198535B1 (en) * | 1998-08-20 | 2001-03-06 | United Integrated Circuits Corp. | Wafer alignment system |
| CN1722001A (zh) * | 2004-07-08 | 2006-01-18 | Asml荷兰有限公司 | 光刻投射装置及使用这种光刻投射装置的器件制造方法 |
| JP2008053624A (ja) * | 2006-08-28 | 2008-03-06 | Matsushita Electric Ind Co Ltd | アライメント装置 |
| CN101286010A (zh) * | 2008-04-25 | 2008-10-15 | 上海微电子装备有限公司 | 用于光刻设备的对准系统及其对准方法和光刻设备 |
| CN101996398A (zh) * | 2009-08-12 | 2011-03-30 | 睿励科学仪器（上海）有限公司 | 用于晶圆对准的图像匹配方法及设备 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103226003A (zh) * | 2012-01-31 | 2013-07-31 | 富士胶片株式会社 | 图像评价装置、图像评价方法以及非临时性存储介质 |
| CN103226003B (zh) * | 2012-01-31 | 2016-02-24 | 富士胶片株式会社 | 图像评价装置、图像评价方法以及非临时性存储介质 |
| CN105097578A (zh) * | 2014-05-05 | 2015-11-25 | 中芯国际集成电路制造(上海)有限公司 | 一种缺陷扫描机台对准系统的改进方法 |
| CN105097578B (zh) * | 2014-05-05 | 2018-02-06 | 中芯国际集成电路制造(上海)有限公司 | 一种缺陷扫描机台对准系统的改进方法 |
| CN105428291A (zh) * | 2014-06-18 | 2016-03-23 | 上海华力微电子有限公司 | 一种晶圆横向水平对准的方法 |
| CN104362120A (zh) * | 2014-10-30 | 2015-02-18 | 杨素翠 | 晶片拾取设备的视觉定位系统及其相机位置的调节方法 |
| CN104362120B (zh) * | 2014-10-30 | 2017-04-19 | 深圳市大能智造科技有限公司 | 晶片拾取设备的视觉定位系统的相机位置调节方法 |
| CN106356310A (zh) * | 2015-07-14 | 2017-01-25 | 睿励科学仪器（上海）有限公司 | 一种对晶圆中的低对比度定标区域实施定标的方法 |
| CN106356310B (zh) * | 2015-07-14 | 2019-07-09 | 睿励科学仪器（上海）有限公司 | 一种对晶圆中的低对比度定标区域实施定标的方法 |
| CN108074853A (zh) * | 2017-04-27 | 2018-05-25 | 深圳市东飞凌科技有限公司 | 晶片校准方法及装置 |
| CN109559294A (zh) * | 2017-09-26 | 2019-04-02 | 凌云光技术集团有限责任公司 | 一种吊牌圆孔质量的检测方法及装置 |
| CN109559294B (zh) * | 2017-09-26 | 2021-01-26 | 凌云光技术股份有限公司 | 一种吊牌圆孔质量的检测方法及装置 |
| CN108022850A (zh) * | 2017-11-30 | 2018-05-11 | 上海华力微电子有限公司 | 一种扫描程式建立方法、扫描机台及扫描方法 |
| CN107958454A (zh) * | 2017-12-04 | 2018-04-24 | 江苏维普光电科技有限公司 | 基于精密平台进行掩膜版图像的快速匹配方法及系统 |
| CN110111842A (zh) * | 2018-01-29 | 2019-08-09 | 深圳华大智造科技有限公司 | 图像清晰度分析及对焦方法、测序仪、系统与存储介质 |
| CN109782103A (zh) * | 2019-03-11 | 2019-05-21 | 潘元志 | 探针与电子器件引脚的对准方法及系统 |
| CN109782103B (zh) * | 2019-03-11 | 2021-07-30 | 镇江宏祥自动化科技有限公司 | 探针与电子器件引脚的对准方法及系统 |
| CN112289726A (zh) * | 2020-10-29 | 2021-01-29 | 上海精测半导体技术有限公司 | 晶圆对准模板图像生成方法 |
| CN112289726B (zh) * | 2020-10-29 | 2023-06-09 | 上海精测半导体技术有限公司 | 晶圆对准模板图像生成方法 |
| CN113507611A (zh) * | 2021-09-09 | 2021-10-15 | 深圳思谋信息科技有限公司 | 图像存储方法、装置、计算机设备和存储介质 |
| CN113507611B (zh) * | 2021-09-09 | 2021-12-31 | 深圳思谋信息科技有限公司 | 图像存储方法、装置、计算机设备和存储介质 |
| CN117557619A (zh) * | 2023-10-20 | 2024-02-13 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102184878B (zh) | 2013-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102184878B (zh) | 一种用于晶圆对准的模板图像质量反馈方法 | |
| US6768509B1 (en) | Method and apparatus for determining points of interest on an image of a camera calibration object | |
| Krig | Computer vision metrics: Survey, taxonomy, and analysis | |
| CN109410207B (zh) | 一种基于ncc特征的无人机巡线图像输电线路检测方法 | |
| TWI418207B (zh) | 經由多重波長光之改良影像品質 | |
| JP6615172B2 (ja) | Ｏｌｅｄスタック膜の品質査定のためのシステム、デバイス、および方法 | |
| JP7460633B2 (ja) | コンピュータビジョンを使用する複合視覚検査タスクの連携学習のためのシステムと方法 | |
| IL267040A (en) | Data expansion for defect testing based on a convoluted neural network | |
| KR102073468B1 (ko) | 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법 | |
| CN110084260A (zh) | 一种训练多图案识别和配准工具模型的半监督方法 | |
| CN102543793A (zh) | 一种用于晶圆聚焦的图像质量反馈系统和方法 | |
| Andreopoulos et al. | On sensor bias in experimental methods for comparing interest-point, saliency, and recognition algorithms | |
| CN103824275A (zh) | 在图像中搜寻鞍点状结构并测定其信息的系统和方法 | |
| CN111915485B (zh) | 一种特征点稀疏工件图像的快速拼接方法及系统 | |
| Liang et al. | 3D plant modelling via hyperspectral imaging | |
| TWI628601B (zh) | 人臉影像處理方法及其系統 | |
| CN105787870A (zh) | 一种图形图像拼接融合系统 | |
| EP3499178B1 (en) | Image processing system, image processing program, and image processing method | |
| CN114092440A (zh) | 基于视觉的印刷电路板非标准元件识别定位方法及系统 | |
| CN111260735B (zh) | 一种单次拍摄的lidar与全景相机的外参数标定方法 | |
| Gu et al. | Dynamic image stitching for moving object | |
| JP2005352543A (ja) | テンプレートマッチング装置 | |
| CN116543247A (zh) | 基于光度立体表面重建的数据集制作方法及验证系统 | |
| CN115861259A (zh) | 一种基于模板匹配的引线框架表面缺陷检测方法及装置 | |
| EP3499408B1 (en) | Image processing system and image processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: NANJING MENGDU ELECTRONICS TECHNOLOGY CO., LTD. Free format text: FORMER OWNER: WUXI RUIDANG TECHNOLOGY CO., LTD. Effective date: 20130911 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 214028 WUXI, JIANGSU PROVINCE TO: 211299 NANJING, JIANGSU PROVINCE |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20130911 Address after: 211299, No. 688, Tianshengqiao Road, Nanjing County, Jiangsu, Lishui Patentee after: Nanjing Mengdu Electronics Technology Co., Ltd. Address before: 214028 Jiangsu province Wuxi city Wuxi District Qingyuan Road sensor network university science and Technology Park 530 Building No. C601 Patentee before: Wuxi Ruidang Technology Co., Ltd. |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20170717 Address after: Tang Road, Songjiang District shihudong town Shanghai city 201619 No. 666 Building 1 layer 1-3 1-2 layer B.2 building zone Patentee after: Shanghai Suteng Packaging Printing Co., Ltd. Address before: 211299, No. 688, Tianshengqiao Road, Nanjing County, Jiangsu, Lishui Patentee before: Nanjing Mengdu Electronics Technology Co., Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200410 Address after: Room aa4099, building 2, No. 598, Guanghua Road, Minhang District, Shanghai Patentee after: SHANGHAI GAOLIANG INFORMATION TECHNOLOGY Co.,Ltd. Address before: 201619 Songjiang District, Shanghai, Songjiang District, Tang Ming Road, 666, 1, 1-3 floor,.2 1-2, 1-2 floor plant building Patentee before: SHANGHAI SUTENG PACKAGING PRINTING Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130410 Termination date: 20200401 |