CN107729635B - 半导体芯片合格性检查方法及装置 - Google Patents

半导体芯片合格性检查方法及装置 Download PDF

Info

Publication number
CN107729635B
CN107729635B CN201710915848.0A CN201710915848A CN107729635B CN 107729635 B CN107729635 B CN 107729635B CN 201710915848 A CN201710915848 A CN 201710915848A CN 107729635 B CN107729635 B CN 107729635B
Authority
CN
China
Prior art keywords
picture
semiconductor chip
checks
condition
scheme
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.)
Active
Application number
CN201710915848.0A
Other languages
English (en)
Other versions
CN107729635A (zh
Inventor
何丽娟
张达彬
林羽中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Products Chengdu Co Ltd
Intel Corp
Original Assignee
Intel Products Chengdu Co Ltd
Intel Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intel Products Chengdu Co Ltd, Intel Corp filed Critical Intel Products Chengdu Co Ltd
Priority to CN201710915848.0A priority Critical patent/CN107729635B/zh
Publication of CN107729635A publication Critical patent/CN107729635A/zh
Application granted granted Critical
Publication of CN107729635B publication Critical patent/CN107729635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/30Circuit design
    • G06F30/39Circuit design at the physical level
    • G06F30/392Floor-planning or layout, e.g. partitioning or placement
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques

Abstract

本申请提供一种用于检查半导体芯片合格性的方法,包括:针对待检查半导体芯片,从半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案;以及对于所获取的所述数量的半导体芯片图片,利用所识别的对应图片检查方案来进行合格性检查,其中,所述数量的半导体芯片图片是经由图片获取装置在所识别的图片获取条件下获取的,以及所述半导体芯片检查模板是通过对用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成的。利用该方法,可以提高半导体芯片检查效率,并且节省半导体芯片检查成本。

Description

半导体芯片合格性检查方法及装置
技术领域
本申请通常涉及半导体芯片制造领域,更具体地,涉及用于检查半导体芯片合格性的方法及装置。
背景技术
在半导体芯片制造领域,由于在半导体芯片制造时会由于制造工艺等问题而导致半导体芯片出现缺陷,因此,在半导体芯片制造出来后,需要对半导体芯片的合格性进行检查。
在现有的半导体芯片合格性检查方案中,通常是采用半导体芯片图片比对的方法来进行的。例如,首先,依据半导体芯片合格性检查标准来确定出一组标准参考图片,比如针对桌面半导体芯片的裸片需要13张照片。接着,在与该组标准参考图片相同的图片获取条件(例如,光源条件)下获取所制造出的半导体芯片的半导体芯片图片,然后将所得到的半导体芯片图片与该获取条件下的进行比较来进行半导体芯片合格性检查。这些图片获取条件通常是固定不变的,即使这些图片获取条件之间存在一定的兼容性,从而使得半导体芯片合格性检查效率不高。
发明内容
鉴于上述问题,本申请提供了一种半导体芯片合格性检查方法及装置,在该方法中,通过对用于检查待检查半导体芯片的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成半导体芯片图片数量减少的半导体芯片检查模板,并利用所生成的半导体芯片检查模板来识别要获取的半导体芯片图片的数目、图片获取条件以及对应的图片检查方案,在所识别的图片获取条件下获取半导体芯片图片,并利用对应的图片检查方案来进行检查,可以减少合格性检查所需要的半导体芯片图片的数量,由此提高合格性检查效率,并且节省合格性检查成本。
根据本申请的一个方面,提供了一种用于检查半导体芯片合格性的方法,包括:针对待检查半导体芯片,从半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案;以及对于所获取的所述数量的半导体芯片图片,利用所识别出的对应图片检查方案来进行合格性检查,其中,所述数量的半导体芯片图片是经由图片获取装置在所识别出的图片获取条件下获取的,以及所述半导体芯片检查模板是通过对用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成的,其中,所述半导体芯片检查模板包括半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案。
优选地,在上述方面的一个示例中,通过对用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件进行整合而生成所述半导体芯片检查模板包括:获取用于检查所述待检查半导体芯片的所有标准参考图片的图片获取条件和对应的图片检查方案;基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类,以得到一个或多个第一参考图片聚类;确定所述一个或多个第一参考图片聚类中的每个第一参考图片聚类的图片获取条件和对应的图片检查方案;以及基于所述第一参考图片聚类的数量、每个第一参考图片聚类的图片获取条件和对应的图片检查方案,生成所述半导体芯片检查模板。
优选地,在上述方面的一个示例中,所述图片检查方案可以包括下述算法中的一种或多种:柱状图(Histogram)算法、参考展示(RBS,Reference By Showing)算法和运行时间参考(RTR,Run Time Reference)算法。基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类以得到一个或多个第一参考图片聚类可以包括:基于所述标准参考图片的图片检查方案的算法类型来对所有标准参考图片进行分类,以得到一个或多个第二参考图片聚类;以及针对所述一个或多个第二参考图片聚类中的每个第二参考图片聚类,分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性;将图片获取条件之间具有兼容性的标准参考图片聚类,以得到所述一个或多个第一参考图片聚类。
优选地,在上述方面的一个示例中,所述图片获取条件可以包括:用于获取半导体芯片图片的光源的参数,以及,所述光源的参数包括下述参数中的一种或多种:光源的颜色;光源的亮度;光源的种类;光源的数量;光源的照射方向;光源的排列方式。
优选地,在上述方面的一个示例中,所述半导体芯片检查模板包括多种半导体芯片检查模板并且与半导体芯片的类型相关联地存储,所述方法还可以包括:确定待检查半导体芯片的类型;以及从所存储的半导体芯片检查模板中选择与所确定的待检查半导体芯片的类型对应的半导体芯片检查模板。
优选地,在上述方面的一个示例中,所述方法还可以包括:根据所识别的图片获取条件来设置所述图片获取装置的图片获取条件,其中,所述半导体芯片图片是经由所述图片获取装置在所设置的图片获取条件下获取的。
根据本申请的另一方面,提供了一种用于检查半导体芯片合格性的装置,包括:半导体芯片检查模板生成单元,用于通过对用于检查待检查半导体芯片的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成半导体芯片检查模板,其中,所述半导体芯片检查模板包括半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案;识别单元,用于针对所述待检查半导体芯片,从所述半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案;以及检查单元,用于对所获取的所述数量的半导体芯片图片,利用所识别的对应图片检查方案来进行合格性检查,其中,所述数量的半导体芯片图片是经由图片获取装置在所识别的图片获取条件下获取的。
优选地,在上述方面的一个示例中,所述半导体芯片检查模板生成单元还可以包括:获取模块,用于获取用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和对应的图片检查方案;聚类模块,用于基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类,以得到一个或多个第一参考图片聚类;确定模块,用于确定所述一个或多个第一参考图片聚类中的每个第一参考图片聚类的图片获取条件和对应的图片检查方案;以及半导体芯片检查模板生成模块,用于基于所述第一参考图片聚类的数量、每个第一参考图片聚类的图片获取条件和对应的图片检查方案,生成所述半导体芯片检查模板。
优选地,在上述方面的一个示例中,所述图片检查方案包括:柱状图算法、参考展示算法和运行时间参考算法,以及所述检查单元包括:第一检查模块,用于利用所述Histogram算法来对所述半导体芯片图片进行合格性检查;第二检查模块,用于利用所述RBS算法来对所述半导体芯片图片进行合格性检查;和第三检查模块,用于利用所述RTR算法来对所述半导体芯片图片进行合格性检查。
优选地,在上述方面的一个示例中,所述聚类模块用于:基于所述标准参考图片的图片检查方案的算法类型来对所有标准参考图片进行分类,以得到一个或多个第二参考图片聚类;以及针对所述一个或多个第二参考图片聚类中的每个第二参考图片聚类,分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性;将图片获取条件之间具有兼容性的标准参考图片聚类,以得到所述一个或多个第一参考图片聚类。
优选地,在上述方面的一个示例中,所述装置还可以包括:存储单元,用于与半导体芯片的类型相关联地存储半导体芯片检查模板;半导体芯片类型确定单元,用于确定待检查半导体芯片的类型;以及选择单元,用于从所存储的半导体芯片检查模板中选择与所确定的待检查半导体芯片的类型对应的半导体芯片检查模板。
优选地,在上述方面的一个示例中,所述装置还可以包括:设置单元,用于根据所识别的图片获取条件来设置所述图片获取装置的图片获取条件。
根据本申请的另一方面,提供了一种计算设备,包括:一个或多个处理器;以及与所述一个或多个处理器耦合的存储器,所述存储器存储有指令,当所述指令被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上所述的用于检查半导体芯片合格性的方法。
根据本申请的另一方面,提供了一种非暂时性机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如上所述的用于检查半导体芯片合格性的方法。
利用上述方法,通过对用于检查待检查半导体芯片的所有标准参考图片的图片获取条件和图片检查方案进行兼容性整合而生成半导体芯片图片数量减少的半导体芯片检查模板,并利用所生成的半导体芯片检查模板来确定要获取的半导体芯片图片的数目、图片获取条件以及对应的图片检查方案,在所确定的图片获取条件下获取半导体芯片图片,并利用对应的图片检查方案来进行检查,可以减少合格性检查所需要的半导体芯片图片的数量,由此提高合格性检查效率,并且节省合格性检查成本。
附图说明
通过参照下面的附图,可以实现对于本公开内容的本质和优点的进一步理解。在附图中,类似组件或特征可以具有相同的附图标记。
图1示出了现有技术中的用于半导体芯片合格性检查的半导体芯片图片的信息列表的一个示例;
图2示出了根据本申请的用于生成半导体芯片检查模板的方法的流程图;
图3示出了图2中的参考图片聚类的过程的一个示例的流程图;
图4示出了根据本申请的半导体芯片检查模板中的半导体芯片图片的信息列表;
图5示出了根据本申请的用于半导体芯片合格性检查的方法的流程图;
图6示出了根据本申请的用于半导体芯片合格性检查的装置的框图;
图7示出了根据本申请的半导体芯片检查模板生成单元的组成的框图;和
图8示出了根据本申请的用于半导体芯片合格性检查的计算设备的框图。
具体实施方案
现在将参考示例实施方案讨论本文描述的主题。应该理解,讨论这些实施方案只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。例如,所描述的方法可以按照与所描述的顺序不同的顺序来执行,以及各个步骤可以被添加、省略或者组合。另外,相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的,术语“包括”及其变型表示开放的术语,含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义,无论是明确的还是隐含的。除非上下文中明确地指明,否则一个术语的定义在整个说明书中是一致的。
现在结合附图来描述本申请的用于半导体芯片合格性检查的方法及装置的实施例。
图1示出了现有技术中的用于半导体芯片合格性检查的半导体芯片图片的信息列表的示例。图1中示出的是针对桌面半导体芯片的裸片的13张标准参考图片所对应的信息列表。所述信息列表包括图片编号、图片检查方案、检查类别和图片获取条件。
在图1的图片获取条件中,RC是RED COAX的简称,其表示红色的同轴光束。RX是REDX的简称,其表示X轴方向的红色光束。RY是RED Y的简称,其表示Y轴方向的红色光束。BX是BLUE X的简称,其表示X轴方向的蓝色光束。BY是BLUE Y的简称,其表示Y轴方向的蓝色光束。BC是BLUE COAX的简称,其表示蓝色的同轴光束。RING表示环形光源。图1的图片获取条件中的各个数字表示的是光源的亮度。例如,图1中的“RX1”表示X轴方向上的一个红色光束。图1中的“RX1/RX2/RX3/RY1/RY2/RY3/BX1/BX2/BX3/BY1/BY2/BY3/23.5”表示:X轴方向上三个红色光束,Y轴方向上三个红色光束,X轴方向上三个蓝色光束,Y轴方向上三个蓝色光束,并且各个光束的亮度为23.5。此外,图1中的“RX1/RY1/RING”表示:X轴方向上一个红色光束,Y轴方向上一个红色光束,以及一个环形光束。
从图1中可以看出,每张图片对应一种图片获取条件以及一种图片检查方案。在进行半导体芯片合格性检查时,利用该表格中定义的图片获取条件来获取半导体芯片图片,并利用所定义的图片检查方案,基于在该图片获取条件下获取的合格半导体芯片的半导体芯片图片来对所获取的半导体芯片图片进行半导体芯片合格性检查。然而,图1中示出的图片获取条件和对应的图片检查方案是依据半导体芯片合格性检查标准/规范或历史经验数据定义的,例如,依据产品不同检测种类给出的不同光源组合进行分类而定义的,其通常是不可变化的。然而,上述定义并没有考虑这些图片获取条件之间可能存在的兼容性,从而使得所获取的半导体芯片图片之间可能存在重叠冗余的信息,由此使得半导体芯片合格性检查效率低并且成本高。
根据本申请的方案,在进行半导体芯片合格性检查之前,通过对用于检查待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和图片检查方案进行兼容性整合来创建(生成)半导体芯片检查模板,然后利用所创建的半导体芯片检查模板来执行合格性检查。这里,所创建的半导体芯片检查模板包括需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案。所述图片获取条件可以包括:用于获取半导体芯片图片的光源的参数。例如,所述光源的参数可以包括下述参数中的一种或多种:光源的颜色;光源的亮度;光源的种类;光源的数量;光源的照射方向;以及光源的排列方式。这里,光源的种类比如是环形光源,点状光源等。光源的照射方向是指光源对待检查半导体芯片的照射方向,比如从下向上50度角照射,从上向下50度角照射,从X轴方向照射,从Y轴方向照射等。光源的排列方式可以包括直线排列方式和环形排列方式。直线排列方式是指光源沿直线排列,优选地,光源被布置为沿直线相对于待检查半导体芯片对称排列。环形排列方式是指光源围绕待检查半导体芯片构成一个环形结构,即,光源形成一个圆环。
图2示出了根据本申请的用于生成半导体芯片检查模板的方法的流程图。如图2所示,在步骤S210,获取用于检查待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和对应的图片检查方案。这里,待检查半导体芯片通常是指一种类型的待检查半导体芯片,比如桌面半导体芯片的裸片、移动端半导体芯片的裸片等等。标准参考图片是指依据半导体芯片合格性检查标准/规范定义或历史经验数据定义的标准参考图片。其中,对于不同类型的待检查半导体芯片,所定义的标准参考图片的数量、图片获取条件和图片检查方案可能不同。例如,对于桌面半导体芯片的裸片,标准参考图片的数量是参照图1中所示的13张半导体芯片图片。对于移动端半导体芯片的裸片,标准参考图片的数量是12张半导体芯片图片。
在如上获取所有标准参考图片的图片获取条件和对应的图片检查方案后,在步骤S220中,基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类,以得到一个或多个第一参考图片聚类。这里,两张标准参考图片的图片获取条件的兼容性是指对于该两张标准参考图片,存在一种图片获取条件,在该图片获取条件下所获取的新参考图片可以包含该两张标准参考图片的所有信息,从而使得在进行合格性检查时,可以通过将在该图片获取条件下获得的待检查半导体芯片的半导体芯片图片与所获取的新参考图片进行比较,来针对该两张标准参考图片的所有信息进行合格性检查。这里,所述图片获取条件可以是该两张标准参考图片的图片获取条件中的一种,也可以是基于该两张标准参考图片的图片获取条件生成的新的图片获取条件。
图3示出了基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类的过程的一个示例的流程图。
如图3所示,在获取所有标准参考图片的图片获取条件和对应的图片检查方案后,在步骤S221中,基于所有标准参考图片的图片检查方案的类型来对所有标准参考图片进行分类,以得到一个或多个第二参考图片聚类。即,将图片检查方案类型相同的标准参考图片聚集为一个聚类。在本文中,图片检查方案的类型可以包括:Histogram算法、RBS算法和RTR算法。
然后,针对一个或多个第二参考图片聚类中的一个第二参考图片聚类,在步骤S223,分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性。例如,通过分析光源的工作参数,比如光源的颜色;光源的亮度;光源的种类;光源的数量;光源的照射方向;以及光源的排列方式,来确定两张标准参考图片的光源的工作参数之间是否存在不兼容的情形。所述不兼容的情形比如可以包括:光源照射方向的不兼容性,例如,一张标准参考图片的光源照射方向是从上向下50度照射,而另一张标准参考图片的光源照射方向是从下向上50度照射;则该两张标准参考图片的光源照射方向之间不兼容。此外,所述不兼容性还可以包括光源的排列方式的不兼容性,比如一张标准参考图片要求左右放置的光源,而另一张标准参考图片要求环状光源;则该两张标准参考图片的光源排列方式之间不兼容。
此外,优选地,分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性还可以包括:利用机器学习方法来对所述标准参考图片中的任意两张标准参考图片的图片获取条件进行分析,以判断是否存在对于两张标准参考图片都适用的图片获取条件,从而确定该两张标准参考图片之间是否存在兼容性。这里,对于两张标准参考图片都使用的图片获取条件可以是该两张标准参考图片的图片获取条件中之一,也可以是新的图片获取条件。例如,在上述过程中,可以将两张标准参考图片的任一图片获取条件作为初始图片获取条件,在该初始图片获取条件不兼容该两张标准参考图片时,对该初始图片获取条件进行调整,然后利用该调整后的图片获取条件获取半导体芯片图片。接着,分析所获取的半导体芯片图片来判断该半导体芯片图片是否包含该两张标准参考图片所包含的全部或近似全部信息。如果包含,则认为该两张标准参考图片可以利用该图片获取条件进行兼容,并且将该调整后的图片获取条件作为该两张标准参考图片整合后的图片获取条件。如果不包含,则继续调整,如此循环操作。如果通过循环操作,能够找到兼容的图片获取条件,则认为该两张标准参考图片兼容;否则,认为不兼容。
例如,对于两张半导体芯片图片,如果一张半导体芯片图片的亮度是35,以及另一张半导体芯片图片的亮度是45,其余图片获取条件都相同,而通过分析可知,假设将光源的亮度选择为40,则在该亮度条件下获取的半导体芯片图片能够包含上述两张半导体芯片图片的所有信息,并且该两张半导体芯片图片可以利用相同的图片检查方案来进行检查。在这种情况下,认为这两张标准参考图片是兼容的,该两张标准参考图片可以归为同一类别,利用一张半导体芯片图片来替代,但是该张半导体芯片图片的图片获取条件发生了改变。
然后,在步骤S225,将具有兼容性的多个参考图片聚类,以形成一个或多个第一参考图片聚类。接着,在步骤S227,判断是否存在尚未分析的第二参考图片聚类。如果存在,则返回到步骤S223,针对新的尚未分析的第二参考图片聚类进行分析。如果不存在,则流程进行到步骤S230。
在对所有标准参考图片如上进行聚类后,在步骤S230,针对一个或多个第一参考图片聚类中的每个第一参考图片聚类,确定每个第一参考图片聚类的图片获取条件和对应的图片检查方案。然后,在步骤S240,基于所述第一参考图片聚类的数量、每个第一参考图片聚类的图片获取条件和对应的图片检查方案,生成所述半导体芯片检查模板。图4示出了根据本申请的半导体芯片检查模板中的半导体芯片图片的信息列表。通过比较图1和图4可以看出,根据本申请的半导体芯片检查模板中的半导体芯片图片的数量大大减少,例如,从13张变为7张,并且部分半导体芯片图片的图片获取条件也发生了改变。
图5示出了根据本申请的用于半导体芯片合格性检查的方法的流程图。如图5所示,首先,在步骤S510,确定待检查半导体芯片的半导体芯片类型。例如,确定该待检查半导体芯片是桌面半导体芯片还是移动端半导体芯片等。在确定出待检查半导体芯片的半导体芯片类型后,在步骤S520,从所存储的半导体芯片检查模板中选择与所述待检查半导体芯片的类型对应的半导体芯片检查模板。这里,所述半导体芯片检查模板是与半导体芯片的类型相关联地存储在合格性检查装置的存储单元中。
在选择出半导体芯片检查模板后,在步骤S530,从所选择的半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案。这里,所述图片检查方案可以包括以下中的一种或多种:Histogram算法、RBS算法和RTR算法。
在识别出需要获取的半导体芯片图片的数量和每张半导体芯片图片的图片获取条件后,在图片获取装置处,在所识别出的半导体芯片图片的图片获取条件下获取对应的半导体芯片图片。这里,图片获取装置的图片获取条件可以通过合格性检查装置中的设置单元来利用所识别出的图片获取条件来进行设置,比如通过设置单元向图片获取装置发送设置指令来自动进行设置,或者,也可以由用户根据所识别出的图片获取条件来手动设置。
然后,在步骤S540,对于所获取的所述数量的半导体芯片图片,利用所识别出的对应图片检查方案来进行合格性检查。例如,对于半导体芯片图片,在所识别的图片检查方案是Histogram算法时,利用Histogram算法进行合格性检查;在所识别的图片检查方案是RBS算法时,利用RBS算法来进行合格性检查;以及在所识别的图片检查方案是RTR算法时,利用RTR算法来进行合格性检查。
具体地,利用Histogram算法进行合格性检查可以包括:首先,计算所获取的半导体芯片图片的平均背景灰度值;接着,判断在所获取的半导体芯片图片中是否存在具有比所述平均背景灰度值高或低预定值的对比度的像素点;如果存在该种像素点,则认为所获取的半导体芯片图片不合格,如果不存在,则认为所获取的半导体芯片图片合格。
利用RBS算法来进行合格性检查可以包括:从所获取的半导体芯片图片中减去参考图片和容忍图片,以得到差值图片;以及判断差值图片的灰度值是否都在预定范围内,如果都在该预定范围内,则认为合格,否则,认为不合格。这里,参考图片和容忍图片是合格性检查装置预先通过对所输入的多张正常产品在该图片获取条件下的合格图片进行计算得到的。
利用RTR算法来进行合格性检查可以包括:基于所获取的半导体芯片图片得到参考图片和容忍图片;从所获取的半导体芯片图片中减去参考图片和容忍图片,以得到差值图片;以及判断差值图片的灰度值是否都在预定范围内,如果都在该预定范围内,则认为合格,否则,认为不合格。与RBS算法相比,RTR算法不需要预先通过对多张正常产品在该图片获取条件下的合格图片进行训练来得到参考图片,但是需要更多的执行时间。RTR算法适用于检测芯片上的小缺陷。
这里,要说明的是,在本申请的其它示例中,用于检查半导体芯片合格性的方法也可以不包括上述步骤S510和S520。
如上参照图1到图5,对根据本申请的用于检查半导体芯片合格性的方法进行了描述。图6示出了根据本申请的用于半导体芯片合格性检查的装置(下文中称为合格性检查装置100)的框图。
如图6所示,合格性检查装置100包括半导体芯片检查模板生成单元110、识别单元120和检查单元130。
半导体芯片检查模板生成单元110用于通过对用于检查待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成半导体芯片检查模板,所述半导体芯片检查模板包括半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案。图7示出了根据本申请的半导体芯片检查模板生成单元的组成的一个示例的框图。如图7所示,半导体芯片检查模板生成单元110包括获取模块111、聚类模块113、确定模块115和半导体芯片检查模板生成模块117。
获取模块111用于获取用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和对应的图片检查方案。在获取所有标准参考图片的图片获取条件和对应的图片检查方案后,聚类模块113基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性对所有标准参考图片进行聚类,以得到一个或多个第一参考图片聚类。然后,确定模块115确定一个或多个第一参考图片聚类中的每个第一参考图片聚类的图片获取条件和对应的图片检查方案。在确定出每个第一参考图片聚类的图片获取条件和对应的图片检查方案后,半导体芯片检查模板生成模块117基于所述第一参考图片聚类的数量、每个第一参考图片聚类的图片获取条件和对应的图片检查方案,生成所述半导体芯片检查模板。
此外,在本申请的一个示例中,聚类模块113可以用于:基于所述标准参考图片的图片检查方案的算法类型来对所有标准参考图片进行分类,以得到一个或多个第二参考图片聚类;以及针对所述一个或多个第二参考图片聚类中的每个第二参考图片聚类,分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性;将图片获取条件之间具有兼容性的标准参考图片聚类,以得到所述一个或多个第一参考图片聚类。
在如上获得半导体芯片检查模板后,针对所述待检查半导体芯片,识别单元120从所述半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案。然后,检查单元130对所获取的所述数量的半导体芯片图片,利用所识别的对应图片检查方案来进行合格性检查。这里,所述数量的半导体芯片图片是经由图片获取装置在所识别的图片获取条件下获取的。
所述图片检查方案可以包括下述算法中的一种或多种:Histogram算法、RBS算法和RTR算法。在这种情况下,检查单元130还可以包括:第一检查模块、第二检查模块和第三检查模块。第一检查模块用于利用所述Histogram算法来对半导体芯片图片进行合格性检查。第二检查模块用于利用RBS算法来对半导体芯片图片进行合格性检查。第三检查模块用于利用RTR算法来对半导体芯片图片进行合格性检查。具体检查方案参见上面参照图5进行的描述。
优选地,合格性检查装置100还可以包括:存储单元(未示出),用于与半导体芯片的类型相关联地存储半导体芯片检查模板。此外,优选地,合格性检查装置100还可以包括:半导体芯片类型确定单元(未示出),用于确定待检查半导体芯片的类型;以及选择单元(未示出),用于从所存储的半导体芯片检查模板中选择与所述待检查半导体芯片的类型对应的半导体芯片检查模板。
此外,优选地,合格性检查装置100还可以包括:设置单元(未示出),用于根据所确定的图片获取条件来设置所述图片获取装置的图片获取条件。例如,所述设置单元可以与图片获取装置可通信地连接,并且通过向图片获取装置发送设置指令来自动进行设置。
此外,优选地,合格性检查装置100还可以包括:图片获取装置(未示出),用于在所识别的图片获取条件下获取所述半导体芯片图片。在本申请的其它示例中,图片获取装置也可以设置在半导体芯片合格性检查装置100之外。所述图片获取装置例如可以是照相机、摄像机等。
上面所述的合格性检查装置可以采用硬件实现,也可以采用软件或者硬件和软件的组合来实现。例如,在本申请中,合格性检查装置100可以利用计算设备实现。
图8示出了根据本申请的实施例的用于检查半导体芯片合格性的计算设备800的方框图。根据一个实施例,计算设备800可以包括一个或多个处理器802,处理器802执行在计算机可读存储介质(即,存储器804)中存储或编码的一个或多个计算机可读指令(即,上述以软件形式实现的元素)。
在一个实施例中,在存储器804中存储计算机可执行指令,其当执行时使得一个或多个处理器802:针对待检查半导体芯片,从半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案;以及对于所获取的所述数量的半导体芯片图片,利用所识别出的对应图片检查方案来进行合格性检查,其中,所述数量的半导体芯片图片是经由图片获取装置在所识别出的图片获取条件下获取的,以及所述半导体芯片检查模板是通过对用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成的,其中,所述半导体芯片检查模板包括半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案。
应该理解,在存储器804中存储的计算机可执行指令当执行时使得一个或多个处理器802进行本申请的各个实施例中以上结合图2-7描述的各种操作和功能。
根据一个实施例,提供了一种比如非暂时性机器可读介质的程序产品。所述非暂时性机器可读介质可以具有指令(即,上述以软件形式实现的元素),该指令当被机器执行时,使得机器执行本申请的各个实施例中以上结合图2-7描述的各种操作和功能。
上面结合附图阐述的具体实施方案描述了示例性实施例,但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方案包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所定义的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。

Claims (11)

1.一种用于检查半导体芯片合格性的方法,包括:
针对待检查半导体芯片,从对应的半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及每张半导体芯片图片的图片检查方案;以及
对于所获取的所述数量的半导体芯片图片中的每张半导体芯片图片,利用所识别出的对应图片检查方案来进行合格性检查,
其中,所述数量的半导体芯片图片是经由图片获取装置在所识别出的对应图片获取条件下获取的,以及所述半导体芯片检查模板包括半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案,
其中,所述半导体芯片检查模板是通过下述过程生成的:
获取用于检查所述待检查半导体芯片的所有标准参考图片的图片获取条件和对应的图片检查方案;
基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类,以得到一个或多个第一参考图片聚类;
确定所述一个或多个第一参考图片聚类中的每个第一参考图片聚类的图片获取条件和对应的图片检查方案;以及
基于所述一个或多个第一参考图片聚类的数量、每个第一参考图片聚类的图片获取条件和对应的图片检查方案,生成所述半导体芯片检查模板,
其中,基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类以得到一个或多个第一参考图片聚类包括:
基于所述标准参考图片的图片检查方案的算法类型来对所有标准参考图片进行分类,以得到一个或多个第二参考图片聚类;以及
针对所述一个或多个第二参考图片聚类中的每个第二参考图片聚类,
分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性;
将图片获取条件之间具有兼容性的标准参考图片聚类,以得到所述一个或多个第一参考图片聚类。
2.如权利要求1所述的方法,其中,所述图片检查方案包括下述算法中的一种或多种:柱状图算法、参考展示算法和运行时间参考算法。
3.如权利要求1所述的方法,其中,所述图片获取条件包括:用于获取半导体芯片图片的光源的参数,以及,所述光源的参数包括下述参数中的一种或多种:
光源的颜色;
光源的亮度;
光源的种类;
光源的数量;
光源的照射方向;
光源的排列方式。
4.如权利要求1所述的方法,其中,所述半导体芯片检查模板包括多种半导体芯片检查模板并且与半导体芯片的类型相关联地存储,所述方法还包括:
确定待检查半导体芯片的类型;以及
从所存储的半导体芯片检查模板中选择与所确定的待检查半导体芯片的类型对应的半导体芯片检查模板。
5.如权利要求1所述的方法,还包括:
根据所识别的图片获取条件来设置所述图片获取装置的图片获取条件,其中,所述半导体芯片图片是经由所述图片获取装置在所设置的图片获取条件下获取的。
6.一种用于检查半导体芯片合格性的装置,包括:
半导体芯片检查模板生成单元,用于通过对用于检查待检查半导体芯片的所有标准参考图片的图片获取条件和图片检查方案进行整合而生成半导体芯片检查模板,其中,所述半导体芯片检查模板包括半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及对应的图片检查方案;
识别单元,用于针对所述待检查半导体芯片,从对应的半导体芯片检查模板中识别出所需要获取的半导体芯片图片的数量、每张半导体芯片图片的图片获取条件以及该半导体芯片图片的图片检查方案;以及
检查单元,用于对所获取的所述数量的半导体芯片图片中的每张半导体芯片图片,利用所识别的对应图片检查方案来进行合格性检查,
其中,所述数量的半导体芯片图片是经由图片获取装置在所识别的对应图片获取条件下获取的,
其中,所述半导体芯片检查模板生成单元还包括:
获取模块,用于获取用于检查所述待检查半导体芯片的合格性的所有标准参考图片的图片获取条件和对应的图片检查方案;
聚类模块,用于基于所述标准参考图片的图片获取条件和图片检查方案之间的兼容性来对所有标准参考图片进行聚类,以得到一个或多个第一参考图片聚类;
确定模块,用于确定所述一个或多个第一参考图片聚类中的每个第一参考图片聚类的图片获取条件和对应的图片检查方案;以及
半导体芯片检查模板生成模块,用于基于所述第一参考图片聚类的数量、每个第一参考图片聚类的图片获取条件和对应的图片检查方案,生成所述半导体芯片检查模板,
其中,所述聚类模块用于:
基于所述标准参考图片的图片检查方案的算法类型来对所有标准参考图片进行分类,以得到一个或多个第二参考图片聚类;以及
针对所述一个或多个第二参考图片聚类中的每个第二参考图片聚类,
分析该第二参考图片聚类中的标准参考图片的图片获取条件之间的兼容性;
将图片获取条件之间具有兼容性的标准参考图片聚类,以得到所述一个或多个第一参考图片聚类。
7.如权利要求6所述的装置,其中,所述图片检查方案包括:柱状图算法、参考展示算法和运行时间参考算法,以及所述检查单元包括:
第一检查模块,用于利用所述柱状图算法来对所述半导体芯片图片进行合格性检查;
第二检查模块,用于利用所述参考展示算法来对所述半导体芯片图片进行合格性检查;和
第三检查模块,用于利用所述运行时间参考算法来对所述半导体芯片图片进行合格性检查。
8.如权利要求6所述的装置,还包括:
存储单元,用于与半导体芯片的类型相关联地存储半导体芯片检查模板;
半导体芯片类型确定单元,用于确定待检查半导体芯片的类型;以及
选择单元,用于从所存储的半导体芯片检查模板中选择与所确定的待检查半导体芯片的类型对应的半导体芯片检查模板。
9.如权利要求6所述的装置,还包括:
设置单元,用于根据所识别的图片获取条件来设置所述图片获取装置的图片获取条件。
10.一种计算设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器耦合的存储器,所述存储器存储有指令,当所述指令被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1到5中任何一个所述的方法。
11.一种非暂时性机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如权利要求1到5中任一所述的方法。
CN201710915848.0A 2017-09-30 2017-09-30 半导体芯片合格性检查方法及装置 Active CN107729635B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710915848.0A CN107729635B (zh) 2017-09-30 2017-09-30 半导体芯片合格性检查方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710915848.0A CN107729635B (zh) 2017-09-30 2017-09-30 半导体芯片合格性检查方法及装置

Publications (2)

Publication Number Publication Date
CN107729635A CN107729635A (zh) 2018-02-23
CN107729635B true CN107729635B (zh) 2018-12-21

Family

ID=61209515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710915848.0A Active CN107729635B (zh) 2017-09-30 2017-09-30 半导体芯片合格性检查方法及装置

Country Status (1)

Country Link
CN (1) CN107729635B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111415878B (zh) * 2020-03-30 2023-09-12 英特尔产品(成都)有限公司 晶圆级自动检测方法、设备及系统
CN112563147B (zh) * 2020-12-07 2023-05-12 英特尔产品(成都)有限公司 用于检测半导体芯片产品脱袋的方法、装置和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007240519A (ja) * 2006-02-08 2007-09-20 Tokyo Electron Ltd 欠陥検査方法、欠陥検査装置及びコンピュータプログラム
US8401272B2 (en) * 2007-08-02 2013-03-19 Asti Holdings Limited Patterned wafer defect inspection system and method
JP5156452B2 (ja) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置

Also Published As

Publication number Publication date
CN107729635A (zh) 2018-02-23

Similar Documents

Publication Publication Date Title
US10964004B2 (en) Automated optical inspection method using deep learning and apparatus, computer program for performing the method, computer-readable storage medium storing the computer program, and deep learning system thereof
US10885618B2 (en) Inspection apparatus, data generation apparatus, data generation method, and data generation program
TWI746674B (zh) 識別圖像中物件的類型預測方法、裝置及電子設備
US10878283B2 (en) Data generation apparatus, data generation method, and data generation program
WO2020143592A1 (zh) 缺陷识别模型训练方法、装置、计算机设备和存储介质
US11836967B2 (en) Method and device for small sample defect classification and computing equipment
US20180239984A1 (en) System for counting quantity of game tokens
US20160162760A1 (en) Devices, systems, and methods for learning and identifying visual features of materials
CN110852983A (zh) 用于检测半导体装置中的缺陷的方法
CN107729635B (zh) 半导体芯片合格性检查方法及装置
CN103972124B (zh) 图案化晶圆缺点检测系统及其方法
US11657599B2 (en) Method for detecting appearance of six sides of chip multi-layer ceramic capacitor based on artificial intelligence
JP2020085583A (ja) 検査装置及び検査方法
JP2022512292A (ja) 半導体試料の欠陥の分類
US10380449B2 (en) Associating a screenshot group with a screen
Ray et al. A hybrid approach for detection and classification of the defects on printed circuit board
WO2020082396A1 (zh) 一种检测方法和检测装置
US9508006B2 (en) System and method for identifying trees
Weimer et al. Context-aware deep convolutional neural networks for industrial inspection
Ellahi et al. A machine-learning framework to predict TMO preference based on image and visual attention features
CN110441315B (zh) 电子部件测试设备和方法
Perng et al. A vision-based LED defect auto-recognition system
CN109344799B (zh) 物品识别方法、装置及设备、存储介质、电子装置
Lei et al. Convolutional neural network (CNN) based automated defect classification (ADC) with imbalanced data
CN107305514A (zh) 笔记本电脑合机休眠自动测试系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant