CN108508053A - 一种系统性极微物理缺陷的检测方法 - Google Patents
一种系统性极微物理缺陷的检测方法 Download PDFInfo
- Publication number
- CN108508053A CN108508053A CN201810387264.5A CN201810387264A CN108508053A CN 108508053 A CN108508053 A CN 108508053A CN 201810387264 A CN201810387264 A CN 201810387264A CN 108508053 A CN108508053 A CN 108508053A
- Authority
- CN
- China
- Prior art keywords
- defect
- color
- wafer
- test point
- grade
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/418—Imaging electron microscope
Abstract
本发明公开了一种系统性极微物理缺陷的检测方法,采用扫描电子显微镜对扫描区域中晶圆的多个检测点进行扫描拍摄并检测每个定点拍照图中的缺陷数量,根据颜色分级,生成缺陷色阶图,计算获取缺陷预估值,从而判断晶圆是否符合工艺要求。本发明针对极微物理缺陷做到及时高效地监控,缩短传统电子缺陷扫描机台检测此类缺陷的时间,节约成本。
Description
技术领域
本发明涉及半导体制造检测领域,尤其涉及一种系统性极微物理缺陷的检测方法。
背景技术
在现有的半导体制造工艺中,由机台或制程的影响而产生的物理缺陷,是制约产品良率提升的重要因素。但是随着半导体技术节点的提升,极微物理缺陷(缺陷尺寸小于30nm,深度小于10nm)对晶圆的良率的影响越来越大。在技术研发中,极微物理缺陷往往是由制程的不足造成的。而这些极微物理缺陷无法通过现有的光学缺陷扫描机台检测只能依靠高分辨率的电子缺陷扫描机台进行检测,但电子缺陷扫描机台检测晶圆的时间往往较长,通常扫描时间约为2h/片,同时扫描范围仅包含晶圆面积的二十分之一,对于扫描整片晶圆需要至少20h。扫描时间较长导致无法满足量产产线的物理缺陷检测需求。
发明内容
针对现有技术中存在的上述问题,现提供一种系统性极微物理缺陷的检测方法。
具体技术方案如下:
一种系统性极微物理缺陷的检测方法,提供一待测晶圆;
包括以下步骤:
步骤S1:所述待测晶圆放置于一扫描电子显微镜的扫描区域中;
步骤S2:扫描电子显微镜对所述待测晶圆的检测面上的多个检测点进行扫描拍摄,获取多个定点拍照图,并检测每个所述定点拍照图中的缺陷数量;
步骤S3:根据每个所述定点拍照图的缺陷数量和预设的颜色分级,生成缺陷色阶图;
步骤S4:根据所述缺陷色阶图和所述颜色分级对应的关联系数计算获取缺陷预估值;
步骤S5:根据所述缺陷预估值判断所述待测晶圆是否符合工艺要求。
优选的,所述步骤S3中,所述颜色分级包括多个颜色等级,每个所述颜色等级各对应一预设的缺陷数量范围,在所述缺陷色阶图中将每个所述检测点的颜色设置为所述缺陷数量对应的所述颜色等级。
优选的,所述关联系数采用如下步骤获取:
步骤A1:提供一基准晶圆,采用电子缺陷扫描机对所述基准晶圆扫描检测以获取缺陷图;
步骤A2:根据所述缺陷图获取每个所述基准晶圆的检测点的定点拍照图,并根据所述颜色分级对所述基准晶圆的检测点设置相应的颜色等级;
步骤A3:根据所述颜色等级汇总所述基准晶圆的检测点所在的晶粒的缺陷总数;
步骤A4:通过根据所述颜色等级汇总的所述基准晶圆的检测点所在的晶粒的缺陷总数,以及对应的具有相同颜色等级的所述基准晶圆的检测点的数量,以获取每个所述颜色等级所对应的关联系数。
优选的,所述步骤A4中,所述关联系数的计算公式为n=x/y,其中,n为一所述颜色等级的关联系数,x为根据所述颜色等级汇总的所述基准晶圆的检测点所在的晶粒的缺陷总数,y为具有相同颜色等级的所述基准晶圆的检测点的数量。
优选的,所述步骤S4中,采用公式Nt=Ng*α+Ny*β+Nr*γ计算所述缺陷预估值;
其中,Nt为所述缺陷预估值,Ng为第一颜色等级的检测点的数量和,α为所述第一颜色等级对应的所述关联系数;Ny为第二颜色等级的检测点的数量和,β为所述第二颜色等级对应的所述关联系数,Nr为第三颜色等级的检测点的数量和,γ为所述第三颜色等级对应的所述关联系数。
优选的,所述步骤S2中,所述检测点均匀地分布在所述待测晶圆的检测面上。
优选的,所述步骤S2中,所述检测点设置在所述待测晶圆中缺陷出现的典型区域中。
优选的,所述步骤S2中,所述扫描电子显微镜采用预设的倍率获取所述定点拍照图,在所述倍率下扫描电子显微镜能够清晰地显示出所述检测点内的缺陷。
优选的,在判断出所述待测晶圆不符合所述工艺要求后,还包括以下步骤:采用电子缺陷扫描机对所述待测晶圆扫描检测以获取缺陷数值。
上述技术方案具有如下优点或有益效果:
针对极微物理缺陷做到及时高效地监控,缩短传统电子缺陷扫描机台检测此类缺陷的时间,提高缺陷检测范围,保证制程的稳定和晶圆良率的稳定。实现大量抽检和提高检测效率的目的,避免更多此类缺陷对晶圆的影响,从而节约成本。
附图说明
参考所附附图,以更加充分的描述本发明的实施例。然而,所附附图仅用于说明和阐述,并不构成对本发明范围的限制。
图1为本发明一种系统性极微物理缺陷的检测方法实施例的流程图;
图2为本发明实施例中获取关联系数的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本发明一种较佳的实施例中,根据图1所示,一种系统性极微物理缺陷的检测方法,提供一待测晶圆;
包括以下步骤:
步骤S1:待测晶圆放置于一扫描电子显微镜的扫描区域中;
步骤S2:扫描电子显微镜对待测晶圆的检测面上的多个检测点进行扫描拍摄,获取多个定点拍照图,并检测每个定点拍照图中的缺陷数量;
步骤S3:根据每个定点拍照图的缺陷数量和预设的颜色分级,生成缺陷色阶图;
步骤S4:根据缺陷色阶图和颜色分级对应的关联系数计算获取缺陷预估值;
步骤S5:根据缺陷预估值判断待测晶圆是否符合工艺要求。
具体地,本实施例中,采用扫描电子显微镜(SEM Review)机台设定定点拍照程式,通过对多个检测点的扫描能够反映晶圆整体缺陷情况,设置适当倍率,最终得到SEM定点拍照图。
通过预设的颜色分级,根据每一张SEM的定点拍照图中出现的缺陷数量进行分类。例如:无缺陷的表示为绿色;缺陷数量<3颗的定义为黄色;缺陷数量≥3颗的定义为红色。根据不同的工艺,每种颜色区间的范围可根据不同需求进行调整。
通过上述的颜色分级,将定点拍照图转化为色阶图,并通过统计学原理获取每一种颜色所在检测点与对应的电子束缺陷扫描机检测到的缺陷值的关联系数。进一步根据缺陷色阶图和关联系数计算缺陷预估值。
上述方案可快速预估出晶圆极微物理缺陷的数量,与缺陷控制标准比较,快速做出工程判断。尤其是采用对检测点的扫描拍摄,而非对晶圆进行大面积整体上的扫描,采用检测点的扫描拍摄及检测一片晶圆需要约15分钟,抽检时间较传统的电子束缺陷扫描缩短了1/8,检测样品和效率可提升8倍。极大提高了检测的效率,从而实现产线大量快速监控极微物理缺陷的效果。
本发明一种较佳的实施例中,步骤S3中,颜色分级包括多个颜色等级,每个颜色等级各对应一预设的缺陷数量范围,在缺陷色阶图中将每个检测点的颜色设置为缺陷数量对应的颜色等级。
本发明一种较佳的实施例中,根据图2所示,关联系数采用如下步骤获取:
步骤A1:提供一基准晶圆,采用电子缺陷扫描机对基准晶圆扫描检测以获取缺陷图;
步骤A2:根据缺陷图获取每个基准晶圆的检测点的定点拍照图,并根据颜色分级对基准晶圆的检测点设置相应的颜色等级;
步骤A3:根据颜色等级汇总基准晶圆的检测点所在的晶粒的缺陷总数;
步骤A4:通过根据颜色等级汇总的基准晶圆的检测点所在的晶粒的缺陷总数,以及对应的具有相同颜色等级的基准晶圆的检测点的数量,以获取每个颜色等级所对应的关联系数。
具体地,本实施例中,采用基准晶圆作为关联系数获取的基准,通过对基准晶圆的扫描预先对缺陷的分布进行计算分析,得到的关联系数套用至检测过程中,提高检测效率。
本发明一种较佳的实施例中,步骤A4中,关联系数的计算公式为n=x/y,其中,n为一颜色等级的关联系数,x为根据颜色等级汇总的基准晶圆的检测点所在的晶粒的缺陷总数,y为具有相同颜色等级的基准晶圆的检测点的数量。
具体地,本实施例中,基于上述的预设的标准中无缺陷的表示为绿色;缺陷数量<3颗的定义为黄色;缺陷数量≥3颗的定义为红色的定义。在关联系数获取过程中,得到多个分类为绿色、黄色、红色的检测点。晶圆基准监测点的设置位置与检测基准的监测点的位置一致。
对于绿色的测试点,假定得到95个绿色分类的检测点,且绿色分类的检测点所在的晶粒检测出的缺陷总数0,因此绿色的测试点的关联系数设置为0/95,其代表了每个绿色分类的检测点所在晶粒用电子束缺陷扫描所检测出的缺陷数值0。
对于黄色的测试点,假定得到95个黄色分类的检测点,且黄色分类的检测点所在的晶粒检测出的缺陷数值为500,因此黄色的测试点的关联系数设置为500/95,其代表了每个黄色分类的检测点所在晶粒用电子束缺陷扫描所检测出的缺陷数值5.2。
对于红色的测试点,假定得到95个红色分类的检测点,且红色分类的检测点所在的晶粒检测出的缺陷数值为5000,因此红色分类的测试点所在的晶粒的关联系数设置为500/95,其代表了每个红色分类的检测点所在晶粒用电子束缺陷扫描所检测出的缺陷数值52.6。
本发明一种较佳的实施例中,步骤S4中,采用公式Nt=Ng*α+Ny*β+Nr*γ计算缺陷预估值;
其中,Nt为缺陷预估值,Ng为第一颜色等级的检测点的数量和,α为第一颜色等级对应的关联系数;Ny为第二颜色等级的检测点的数量和,β为第二颜色等级对应的关联系数,Nr为第三颜色等级的检测点的数量和,γ为第三颜色等级对应的关联系数。
具体地,本实施例中,采用第一颜色等级、第二颜色等级、第三颜色等级进行颜色分级设置以及进一步的计算。还可以采用更多的颜色等级进行颜色分级和计算,以获取更为精准的计算结果。
本发明一种较佳的实施例中,步骤S2中,检测点均匀地分布在待测晶圆的检测面上。
具体地,本实施例中,采用将检测点均匀地分布在晶圆的检测面上可以实现有效地反应晶圆整体的极微物理缺陷的情况,避免了由于测试点分布不均衡导致的检测误差。
本发明一种较佳的实施例中,步骤S2中,检测点设置在待测晶圆中缺陷出现的典型区域中。
具体地,本实施例中,在晶圆生产工艺中必然存在在晶圆的部分区域容易出现缺陷的问题,上述方案针对在晶圆容易出现缺陷的典型区域设置检测点,提高了检测到缺陷的概率,提高了缺陷检测的灵敏度。
本发明一种较佳的实施例中,步骤S2中,扫描电子显微镜采用预设的倍率获取定点拍照图,在倍率下扫描电子显微镜能够清晰地显示出检测点内的缺陷。
具体地,本实施例中,控制获取定点拍照图的倍率,保证了定点拍照图的清晰度,使得扫描电子显微镜能够根据定点拍照图明确判断出缺陷数量,提高了缺陷检测的灵敏度。
本发明一种较佳的实施例中,在判断出待测晶圆不符合工艺要求后,还包括以下步骤:采用电子缺陷扫描机对待测晶圆扫描检测以获取缺陷数值。
具体地,本实施例中,在判断出晶圆不符合工艺要求后,通过电子缺陷扫描机对晶圆进行规范的缺陷扫描获取准确的缺陷数值,通知相关部门检查制程或者机台进行处理,以减少系统性极微物理缺陷。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (9)
1.一种系统性极微物理缺陷的检测方法,其特征在于,提供一待测晶圆;
包括以下步骤:
步骤S1:所述待测晶圆放置于一扫描电子显微镜的扫描区域中;
步骤S2:扫描电子显微镜对所述待测晶圆的检测面上的多个检测点进行扫描拍摄,获取多个定点拍照图,并检测每个所述定点拍照图中的缺陷数量;
步骤S3:根据每个所述定点拍照图的缺陷数量和预设的颜色分级,生成缺陷色阶图;
步骤S4:根据所述缺陷色阶图和所述颜色分级对应的关联系数计算获取缺陷预估值;
步骤S5:根据所述缺陷预估值判断所述待测晶圆是否符合工艺要求。
2.根据权利要求1所述的系统性极微物理缺陷的检测方法,其特征在于,所述步骤S3中,所述颜色分级包括多个颜色等级,每个所述颜色等级各对应一预设的缺陷数量范围,在所述缺陷色阶图中将每个所述检测点的颜色设置为所述缺陷数量对应的所述颜色等级。
3.根据权利要求2所述的系统性极微物理缺陷的检测方法,其特征在于,所述关联系数采用如下步骤获取:
步骤A1:提供一基准晶圆,采用电子缺陷扫描机对所述基准晶圆扫描检测以获取缺陷图;
步骤A2:根据所述缺陷图获取每个所述基准晶圆的检测点的定点拍照图,并根据所述颜色分级对所述基准晶圆的检测点设置相应的颜色等级;
步骤A3:根据所述颜色等级汇总所述基准晶圆的检测点所在的晶粒的缺陷总数;
步骤A4:通过根据所述颜色等级汇总的所述基准晶圆的检测点所在的晶粒的缺陷总数,以及对应的具有相同颜色等级的所述基准晶圆的检测点的数量,以获取每个所述颜色等级所对应的关联系数。
4.根据权利要求3所述的系统性极微物理缺陷的检测方法,其特征在于,所述步骤A4中,所述关联系数的计算公式为n=x/y,其中,n为一所述颜色等级的关联系数,x为根据所述颜色等级汇总的所述基准晶圆的检测点所在的晶粒的缺陷总数,y为具有相同颜色等级的所述基准晶圆的检测点的数量。
5.根据权利要求2所述的系统性极微物理缺陷的检测方法,其特征在于,所述步骤S4中,采用公式Nt=Ng*α+Ny*β+Nr*γ计算所述缺陷预估值;
其中,Nt为所述缺陷预估值,Ng为第一颜色等级的检测点的数量和,α为所述第一颜色等级对应的所述关联系数;Ny为第二颜色等级的检测点的数量和,β为所述第二颜色等级对应的所述关联系数,Nr为第三颜色等级的检测点的数量和,γ为所述第三颜色等级对应的所述关联系数。
6.根据权利要求1所述的系统性极微物理缺陷的检测方法,其特征在于,所述步骤S2中,所述检测点均匀地分布在所述待测晶圆的检测面上。
7.根据权利要求1所述的系统性极微物理缺陷的检测方法,其特征在于,所述步骤S2中,所述检测点设置在所述待测晶圆中缺陷出现的典型区域中。
8.根据权利要求1所述的系统性极微物理缺陷的检测方法,其特征在于,所述步骤S2中,所述扫描电子显微镜采用预设的倍率获取所述定点拍照图,在所述倍率下扫描电子显微镜能够清晰地显示出所述检测点内的缺陷。
9.根据权利要求1所述的系统性极微物理缺陷的检测方法,其特征在于,在判断出所述待测晶圆不符合所述工艺要求后,还包括以下步骤:采用电子缺陷扫描机对所述待测晶圆扫描检测以获取缺陷数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387264.5A CN108508053B (zh) | 2018-04-26 | 2018-04-26 | 一种系统性极微物理缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387264.5A CN108508053B (zh) | 2018-04-26 | 2018-04-26 | 一种系统性极微物理缺陷的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108508053A true CN108508053A (zh) | 2018-09-07 |
CN108508053B CN108508053B (zh) | 2021-01-12 |
Family
ID=63399334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810387264.5A Active CN108508053B (zh) | 2018-04-26 | 2018-04-26 | 一种系统性极微物理缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108508053B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112864038A (zh) * | 2021-01-26 | 2021-05-28 | 上海华力微电子有限公司 | 晶圆密集缺陷源头检测方法及其检测系统 |
CN117347382A (zh) * | 2023-10-27 | 2024-01-05 | 珠海诚锋电子科技有限公司 | 一种晶圆检测瑕疵检测装置及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1493870A (zh) * | 2002-09-26 | 2004-05-05 | 株式会社日立国际电气 | 图形缺陷检查装置及图形缺陷检查方法 |
JP2007078663A (ja) * | 2005-09-16 | 2007-03-29 | Matsushita Electric Ind Co Ltd | 欠陥検査方法及び欠陥検査装置 |
CN101872715A (zh) * | 2009-04-21 | 2010-10-27 | 南茂科技股份有限公司 | 晶片缺陷标示系统 |
CN102590218A (zh) * | 2012-01-16 | 2012-07-18 | 安徽中科智能高技术有限责任公司 | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 |
CN103792705A (zh) * | 2014-01-28 | 2014-05-14 | 北京京东方显示技术有限公司 | 检测基板缺陷的检测方法及检测装置 |
US20150043804A1 (en) * | 2013-08-08 | 2015-02-12 | Kla-Tencor Corporation | Adaptive Local Threshold and Color Filtering |
CN105372267A (zh) * | 2014-08-11 | 2016-03-02 | 东京威尔斯股份有限公司 | 透明基板的外观检查装置以及外观检查方法 |
CN107305190A (zh) * | 2016-04-22 | 2017-10-31 | 东京威尔斯股份有限公司 | 缺陷检查方法和缺陷检查系统 |
JP2018004272A (ja) * | 2016-06-27 | 2018-01-11 | 大日本印刷株式会社 | パターン検査装置およびパターン検査方法 |
CN107727663A (zh) * | 2017-11-17 | 2018-02-23 | 广东金鉴检测科技有限公司 | 一种对led芯片表征进行失效检测的方法 |
-
2018
- 2018-04-26 CN CN201810387264.5A patent/CN108508053B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1493870A (zh) * | 2002-09-26 | 2004-05-05 | 株式会社日立国际电气 | 图形缺陷检查装置及图形缺陷检查方法 |
JP2007078663A (ja) * | 2005-09-16 | 2007-03-29 | Matsushita Electric Ind Co Ltd | 欠陥検査方法及び欠陥検査装置 |
CN101872715A (zh) * | 2009-04-21 | 2010-10-27 | 南茂科技股份有限公司 | 晶片缺陷标示系统 |
CN102590218A (zh) * | 2012-01-16 | 2012-07-18 | 安徽中科智能高技术有限责任公司 | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 |
US20150043804A1 (en) * | 2013-08-08 | 2015-02-12 | Kla-Tencor Corporation | Adaptive Local Threshold and Color Filtering |
CN103792705A (zh) * | 2014-01-28 | 2014-05-14 | 北京京东方显示技术有限公司 | 检测基板缺陷的检测方法及检测装置 |
CN105372267A (zh) * | 2014-08-11 | 2016-03-02 | 东京威尔斯股份有限公司 | 透明基板的外观检查装置以及外观检查方法 |
CN107305190A (zh) * | 2016-04-22 | 2017-10-31 | 东京威尔斯股份有限公司 | 缺陷检查方法和缺陷检查系统 |
JP2018004272A (ja) * | 2016-06-27 | 2018-01-11 | 大日本印刷株式会社 | パターン検査装置およびパターン検査方法 |
CN107727663A (zh) * | 2017-11-17 | 2018-02-23 | 广东金鉴检测科技有限公司 | 一种对led芯片表征进行失效检测的方法 |
Non-Patent Citations (2)
Title |
---|
SUSAN P.BILLAT: "Defect Partitioning: A New Methodology", 《SPIE》 * |
ZAI-FANG ZHANG等: "Integrated color defect detection method for polysilicon wafers using machine vision", 《ADV.MANUF.》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112864038A (zh) * | 2021-01-26 | 2021-05-28 | 上海华力微电子有限公司 | 晶圆密集缺陷源头检测方法及其检测系统 |
CN117347382A (zh) * | 2023-10-27 | 2024-01-05 | 珠海诚锋电子科技有限公司 | 一种晶圆检测瑕疵检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108508053B (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2463672B1 (en) | Solar cell evaluation method, evaluation device, maintenance method, maintenance system, and method of manufacturing solar cell module | |
CN107845090B (zh) | 一种硅片检测方法和硅片检测装置 | |
US7315642B2 (en) | System and method for measuring thin film thickness variations and for compensating for the variations | |
KR100826153B1 (ko) | 영상의 농도치 히스토그램을 이용한 크랙의 폭 측정방법 | |
CN107515481B (zh) | 一种显示面板的检测方法和装置 | |
CN103063576A (zh) | 激光显微镜下定量分析钢中夹杂物的方法 | |
CN110428762B (zh) | 基于像素点亮度的oled面板老化测试发光特性检测方法 | |
JP2011237303A (ja) | ウェーハ欠陥検査装置及びウェーハ欠陥検査方法 | |
TW201610418A (zh) | 偏光薄膜缺陷監測方法 | |
CN108508053A (zh) | 一种系统性极微物理缺陷的检测方法 | |
CN112801937A (zh) | 一种玻璃基板翘曲缺陷检测方法、装置及其系统 | |
US8094922B2 (en) | Crack measuring method and apparatus | |
Payne et al. | Evaluating the accuracy of point spread function deconvolutions applied to luminescence images | |
CN114594118A (zh) | 基于微束x射线荧光的铝合金组织显微偏析定量表征方法 | |
CN112291553B (zh) | 摄像头模组的影像线条检测方法 | |
CN109427049B (zh) | 一种涂层缺陷的检测方法 | |
CN113446932A (zh) | 非接触式裂纹测量方法及其系统 | |
CN103048345B (zh) | 一种用于检测钢中夹杂物的试验方法 | |
CN102937592B (zh) | 陶瓷天线罩气孔及材质疏松缺陷自动检测方法 | |
CN112465780B (zh) | 绝缘层膜厚异常监控方法及装置 | |
CN109556721B (zh) | 一种检测色片的方法 | |
Hassan et al. | Compressed air leakage detection and quantification through infrared thermography | |
CN219495068U (zh) | 一种热轧带肋钢筋尺寸质量快速筛查卡具 | |
CN115079045B (zh) | 一种前工序图像自动检测短断路装置 | |
US20240125677A1 (en) | Method and system for detecting microplastics with small particle size, electronic device and medium |
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 |