CN108511359A - 晶圆缺陷的检测方法 - Google Patents
晶圆缺陷的检测方法 Download PDFInfo
- Publication number
- CN108511359A CN108511359A CN201810276608.5A CN201810276608A CN108511359A CN 108511359 A CN108511359 A CN 108511359A CN 201810276608 A CN201810276608 A CN 201810276608A CN 108511359 A CN108511359 A CN 108511359A
- Authority
- CN
- China
- Prior art keywords
- wafer
- gray
- defect
- scale map
- detection method
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 72
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 239000013078 crystal Substances 0.000 claims abstract description 45
- 235000012431 wafers Nutrition 0.000 claims description 104
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 239000000126 substance Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000035874 Excoriation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
- H01L27/14—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation
- H01L27/144—Devices controlled by radiation
- H01L27/146—Imager structures
- H01L27/14683—Processes or apparatus peculiar to the manufacture or treatment of these devices or parts thereof
- H01L27/14689—MOS based technologies
Abstract
本发明提供了一种晶圆缺陷的检测方法，首先将晶圆的原始图像转化为R、G、B三个通道下的灰度图像，然后通过图像识别的方法得到所述原始图像的圆心及所述原始图像中每个晶粒所占的像素宽度，而所述晶粒的实际尺寸是在晶圆制造之前已经设计好的，其实际尺寸是已知的，获取所述每个晶粒所占的像素宽度后，可以得到所述原始图像与晶圆的实际比例，接着通过提取三幅灰度图连通区域的像素宽度及实际比例可以得到所述缺陷在晶圆上的尺寸，从而及时有效的获取晶圆上缺陷的尺寸信息，不需要通过人工去量测，降低了人力成本，提高了缺陷检测的效率。
Description
技术领域
本发明涉及半导体技术领域，尤其涉及一种晶圆缺陷的检测方法。
背景技术
目前，现有的CMOS图像传感器的制造方法通常为：将一面形成有感光区域的器件晶圆与未形成有感光区域的底层晶圆经过磨边、CMP等工艺再进行键合成为一片CMOS晶圆，之后在CMOS晶圆上形成金属引线、彩色滤光片、微透镜、金属隔离栅等，最终形成完整的CMOS图像传感器。而在将所述器件晶圆与所述底层晶圆键合在一起的时候，容易产生灰边(chipping)和气泡(bubble)缺陷(defect)，在晶圆的后续制程中，灰边缺陷可能导致CMOS晶圆表皮脱落、铜析出等缺陷，直接污染机台，如果气泡缺陷破损可能会引起铜析出、刮伤等缺陷，使晶圆的良率降低，浪费大量资源。由于所述灰边缺陷不能解析，也无法量化，同时对气泡的解析也存在很大的误差。在所述晶圆出厂前会进行缺陷检测，而现有的晶圆缺陷的检测方法主要是依靠工程师用尺子手动的去量测，但是在测量的过程中，每个工程师可能选取的相对点都不一样，不同的工程师有不同的量测手法，因此，存在很大的人为误差，并且，采用人工测量的方法费时费力。
发明内容
本发明的目的在于提供一种晶圆缺陷的检测方法，以解决现有技术中检测晶圆缺陷误差大并且费时费力等问题。
为了达到上述目的，本发明提供了一种晶圆缺陷的检测方法，所述晶圆缺陷的检测方法包括：
提供晶圆，对所述晶圆进行扫描以得到所述晶圆的原始图像；
将所述原始图像中的R、G、B三个分量的信息分别放在第一灰度图、第二灰度图及第三灰度图中；
提取所述原始图像的圆心及所述晶圆中晶粒的像素宽度；
根据所述晶粒的像素宽度与所述晶粒的实际尺寸得到所述原始图像与所述晶圆的实际比例；
提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集，提取所述灰度交集的连通区域，所述连通区域为所述晶圆的缺陷；
获取所述连通区域的像素宽度，根据所述连通区域的像素宽度与所述实际比例确定所述缺陷的尺寸。
可选的，获取所述连通区域相对于所述圆心的位置，并结合所述实际比例确定所述缺陷在所述晶圆上的位置。
可选的，对所述原始图像进行边缘识别，以提取所述原始图像的圆心。
可选的，对所述第一灰度图、第二灰度图或第三灰度图中的任一图像进行边缘识别，以提取所述原始图像的圆心。
可选的，所述原始图像的圆心与所述晶圆的圆心重合。
可选的，提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集之前，所述晶圆缺陷的检测方法还包括：
对所述第一灰度图、第二灰度图及第三灰度图进行平滑滤波。
可选的，提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集之后，所述晶圆缺陷的检测方法还包括：
对所述灰度交集进行去噪处理。
可选的，若所述灰度交集不具有连通区域，则所述晶圆合格。
可选的，所述晶圆包括底层晶圆和器件晶圆，所述底层晶圆和所述器件晶圆具有互相接触并重合的表面。
可选的，所述缺陷包括灰边缺陷和/或气泡缺陷。
在本发明提供的一种晶圆缺陷的检测方法中，首先将晶圆的原始图像转化为R、G、B三个通道下的灰度图像，然后通过图像识别的方法得到所述原始图像的圆心及所述原始图像中每个晶粒所占的像素宽度，而所述晶粒的实际尺寸是在晶圆制造之前已经设计好的，其实际尺寸是已知的，获取所述每个晶粒所占的像素宽度后，可以得到所述原始图像与晶圆的实际比例，接着通过提取三幅灰度图连通区域的像素宽度及实际比例可以得到所述缺陷在晶圆上的尺寸，从而及时有效的获取晶圆上缺陷的尺寸信息，不需要通过人工去量测，降低了人力成本，提高了缺陷检测的效率。
附图说明
图1为本发明实施例提供的晶圆缺陷的检测方法的流程图；
图2为本发明实施例提供的晶圆缺陷的检测方法的另一流程图；
图3为本发明实施例提供的第一灰度图像的示意图；
其中，1-第一灰度图像，2-图像部分，3-缺陷，O-圆心。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
参阅图1，其为本实施例提供的晶圆缺陷的检测方法的流程图，如图1所示，所述晶圆缺陷的检测方法包括：
S1：提供晶圆，对所述晶圆进行扫描以得到所述晶圆的原始图像；
S2：将所述原始图像中的R、G、B三个分量的信息分别放在第一灰度图、第二灰度图及第三灰度图中；
S3：提取所述原始图像的圆心及所述晶圆中晶粒的像素宽度；
S4：根据所述晶粒的像素宽度与所述晶粒的实际尺寸得到所述原始图像与所述晶圆的实际比例；
S5：提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集，提取所述灰度交集的连通区域，所述连通区域为所述晶圆的缺陷；
S6：获取所述连通区域的像素宽度，根据所述连通区域的像素宽度与所述实际比例确定所述缺陷的尺寸。
具体的，请参阅图2，本实施例中的晶圆包括键合在一起的底层晶圆和器件晶圆，所述底层晶圆和所述器件晶圆具有相互接触并重合的表面，由于键合后，所述底层晶圆及所述器件晶圆之间的空气未被完全排尽，会导致所述晶圆产生气泡缺陷或者灰边缺陷，首先通过光学扫描得到所述晶圆的原始图像(RawImage)，在原始图像上可包含所述晶圆中晶粒(die)、缺陷及晶粒线条信息，之所以存在晶粒线条，是因为所述晶圆上分布的多个晶粒通常为横纵排列，相邻的晶粒之间设置有划片道(scribe line)，便于后续封装过程中沿划片道进行分割，从而得到多个芯片(例如是CMOS图像传感器芯片)，因而在所述原始图像上形成众多横竖线条即为晶粒线条(由划片道产生的)。发明人通过研究发现，通过光学扫描得到的所述原始图像中，所述原始图像的背景呈黑色，缺陷及晶粒线条呈白色，而晶粒呈其他颜色。
进一步，将所述原始图像中的R、G、B三个分量的信息分别放在第一灰度图、第二灰度图及第三灰度图中，即所述第一灰度图、第二灰度图及第三灰度图分别为R通道下、G通道下及B通道下的三幅灰度图像，由于黑色的RGB颜色值为0，白色的RGB颜色值为255，而其余颜色的RGB颜色值均在0-255之间，所以，所述第一灰度图、第二灰度图及第三灰度图中背景的RGB颜色值为0，所述缺陷及所述晶粒线条的RGB颜色值为255，而晶粒的RGB颜色值在0-255之间。
接着对所述第一灰度图、第二灰度图及第三灰度图进行平滑滤波，所述平滑滤波是低频增强的空间域滤波技术，其通过对所述第一灰度图、第二灰度图及第三灰度图中进行图像增强，以使所述缺陷及所述晶粒线条的图像更为清晰，从而容易判别，具体的，可以根据所述缺陷及所述晶粒线条的RGB颜色值与其余位置的RGB颜色值的差别，进行计算从而增强所述缺陷及所述晶粒线条的图像，使得所述缺陷及所述晶粒线条的图像更为清晰，有利于后续的图像处理。所述平滑滤波可以利用现有技术中的各种图像增强技术，本实施例不再一一举例。
接下来，请参阅图3，选取所述第一灰度图、第二灰度图及第三灰度图中任一灰度图像做边缘识别或者直接选取所述原始图像进行边缘识别，以获取所述原始图像的圆心，本实施例中，选取所述第一灰度图像1进行边缘识别，如图3所示，所述第一灰度图像1中的背景为黑色，当所述第一灰度图像1中的某一像素点的RGB颜色值大于0时，说明该像素点为所述晶圆的一部分，由此可以区分出所述第一灰度图像1中的背景部分和图像部分2，所述第一灰度图像1中的图像部分2为所述晶圆的一部分，所述图像部分2也呈圆形。提取到所述图像部分2后，得到所述图像部分2的圆心O，所述图像部分2的圆心O同时也是所述晶圆的原始图像的圆心，可以理解的是，所述图像部分2的圆心O与所述晶圆的圆心相对应。得到所述图像部分2的圆心O以后，可以以所述圆心O为原点，以所述第一灰度图像1所在的平面建立XY直角坐标系，在所述直角坐标系中，所述第一灰度图像1中的每一个像素点均具有了坐标，以方便定位。
请继续参阅图3，所述图像部分2中的晶粒呈阵列排布，通过获取相邻两条横向的晶粒线条之间的像素宽度，可以得到所述晶粒在所述图像部分2中的宽度，通过获取相邻两条纵向的晶粒线条之间的像素宽度，可以得到所述晶粒在所述图像部分2中的长度，进而得到了所述晶粒在所述图像部分2中的尺寸，而所述晶粒在所述晶圆中的实际尺寸是在晶圆制造之前已经设计好的，其实际尺寸是已知的，获取所述晶粒在所述图像部分2中的尺寸后，可以得到所述原始图像与所述晶圆的实际比例，例如，所述晶粒在所述晶圆中的实际尺寸为100微米*150微米，而所述第一灰度图像1中，所述晶粒在所述图像部分2中的尺寸为1厘米*1.5厘米，则所述原始图像与所述晶圆的实际比例为100:1，当然，此处仅举例说明所述原始图像与所述晶圆的实际比例的计算方法，所述晶粒的尺寸以实际器件为准，本发明不作限制。
在获取所述实际比例的同时，可以提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集，由于所述第一灰度图、第二灰度图及第三灰度图分别是所述原始图像在R通道、G通道及B通道下的灰度图，其灰度交集可以为白色(RGB颜色值为255)的部分，根据上述分析，所述白色部分为所述缺陷及晶粒线条，还可能有一些白色的噪点，本实施例采用形态学去噪算法，去除所述晶粒线条及噪点，具体的，可以选取合适的结构元素并对所述灰度交集进行开闭运算，使得所述晶粒线条去除。接着提取所述灰度交集的连通区域，所述连通区域即为所述晶圆上的缺陷在所述原始图像中的体现，进一步，提取所述连通区域的像素宽度(具体可以根据所述连通区域的形状选择某一方向的像素宽度)，再根据所述实际比例及所述连通区域的像素宽度得到所述缺陷在所述晶圆上的尺寸。
再者，由于所述直角坐标系已经建立，所述连通区域的边缘上每个像素点的坐标都已知，可以确定所述连通区域在所述原始图像上的具体位置(即在所述原始图像上，所述连通区域相对于圆心O的位置)，由于所述晶圆的圆心与所述原始图像的圆心O保持一致，可以根据所述连通区域在所述原始图像上的位置及所述实际比例，确定所述缺陷在所述晶圆上的具体位置。
综上，在本发明实施例提供的晶圆缺陷的检测方法中，首先将晶圆的原始图像转化为R、G、B三个通道下的灰度图像，然后通过图像识别的方法得到所述原始图像的圆心及所述原始图像中每个晶粒所占的像素宽度，而所述晶粒的实际尺寸是在晶圆制造之前已经设计好的，其实际尺寸是已知的，获取所述每个晶粒所占的像素宽度后，可以得到所述原始图像与晶圆的实际比例，接着通过提取三幅灰度图连通区域的像素宽度及实际比例可以得到所述缺陷在晶圆上的尺寸，而得到所述原始图像的圆心后，也可以确定所述缺陷在晶圆上的位置，从而及时有效的获取晶圆上缺陷的尺寸和位置等信息，不需要通过人工去量测，降低了人力成本，提高了缺陷检测的效率。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。
Claims (10)
1.一种晶圆缺陷的检测方法，其特征在于，所述晶圆缺陷的检测方法包括：
提供晶圆，对所述晶圆进行扫描以得到所述晶圆的原始图像；
将所述原始图像中的R、G、B三个分量的信息分别放在第一灰度图、第二灰度图及第三灰度图中；
提取所述原始图像的圆心及所述晶圆中晶粒的像素宽度；
根据所述晶粒的像素宽度与所述晶粒的实际尺寸得到所述原始图像与所述晶圆的实际比例；
提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集，提取所述灰度交集的连通区域，所述连通区域为所述晶圆的缺陷；
获取所述连通区域的像素宽度，根据所述连通区域的像素宽度与所述实际比例确定所述缺陷的尺寸。
2.如权利要求1所述的晶圆缺陷的检测方法，其特征在于，获取所述连通区域相对于所述圆心的位置，并结合所述实际比例确定所述缺陷在所述晶圆上的位置。
3.如权利要求1所述的晶圆缺陷的检测方法，其特征在于，对所述原始图像进行边缘识别，以提取所述原始图像的圆心。
4.如权利要求1所述的晶圆缺陷的检测方法，其特征在于，对所述第一灰度图、第二灰度图或第三灰度图中的任一图像进行边缘识别，以提取所述原始图像的圆心。
5.如权利要求3或4所述的晶圆缺陷的检测方法，其特征在于，所述原始图像的圆心与所述晶圆的圆心重合。
6.如权利要求5所述的晶圆缺陷的检测方法，其特征在于，提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集之前，所述晶圆缺陷的检测方法还包括：
对所述第一灰度图、第二灰度图及第三灰度图进行平滑滤波。
7.如权利要求6所述的晶圆缺陷的检测方法，其特征在于，提取所述第一灰度图、第二灰度图及第三灰度图的灰度交集之后，所述晶圆缺陷的检测方法还包括：
对所述灰度交集进行去噪处理。
8.如权利要求7所述的晶圆缺陷的检测方法，其特征在于，若所述灰度交集不具有连通区域，则所述晶圆合格。
9.如权利要求1所述的晶圆缺陷的检测方法，其特征在于，所述晶圆包括底层晶圆和器件晶圆，所述底层晶圆和所述器件晶圆具有互相接触并重合的表面。
10.如权利要求9所述的晶圆缺陷的检测方法，其特征在于，所述缺陷包括灰边缺陷和/或气泡缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810276608.5A CN108511359A (zh) | 2018-03-30 | 2018-03-30 | 晶圆缺陷的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810276608.5A CN108511359A (zh) | 2018-03-30 | 2018-03-30 | 晶圆缺陷的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108511359A true CN108511359A (zh) | 2018-09-07 |
Family
ID=63379341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810276608.5A Pending CN108511359A (zh) | 2018-03-30 | 2018-03-30 | 晶圆缺陷的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108511359A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472785A (zh) * | 2018-11-01 | 2019-03-15 | 中国石油大学(华东) | 基于多结构元素震害受损建筑物快速识别方法 |
| CN110717899A (zh) * | 2019-09-25 | 2020-01-21 | 武汉易视维科技有限公司 | 一种透明滤棒爆珠缺陷在线视觉检测方法 |
| CN111081581A (zh) * | 2019-11-12 | 2020-04-28 | 长江存储科技有限责任公司 | 气泡缺陷监控方法、装置、服务器及可读存储介质 |
| CN111462113A (zh) * | 2020-04-24 | 2020-07-28 | 上海精测半导体技术有限公司 | 无图形晶圆的复检方法 |
| CN112086373A (zh) * | 2019-06-13 | 2020-12-15 | 芯恩（青岛）集成电路有限公司 | 晶圆缺陷检测方法 |
| CN109378279B (zh) * | 2018-11-12 | 2020-12-18 | 武汉新芯集成电路制造有限公司 | 晶圆检测方法及晶圆检测系统 |
| CN113362297A (zh) * | 2021-05-31 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于印刷电路板的图像处理方法、设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809725A (zh) * | 2015-04-23 | 2015-07-29 | 广东工业大学 | 一种布匹缺陷视觉识别检测装置和方法 |
| CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
| CN106442539A (zh) * | 2016-08-31 | 2017-02-22 | 王钦裕 | 利用图像信息测量工件表面缺陷的方法 |
| CN106530287A (zh) * | 2016-10-24 | 2017-03-22 | 武汉新芯集成电路制造有限公司 | 一种基于晶圆内部缺陷检测的图像自动识别系统 |
| US20170098398A1 (en) * | 2014-03-14 | 2017-04-06 | Joled Inc. | Method for manufacturing display panel |
| CN107154039A (zh) * | 2017-04-28 | 2017-09-12 | 北京简易科技有限公司 | 胶管在线缺陷检测装置及方法 |
| CN107784660A (zh) * | 2017-11-02 | 2018-03-09 | 武汉新芯集成电路制造有限公司 | 图像处理方法、图像处理系统及缺陷检测装置 |
-
2018
- 2018-03-30 CN CN201810276608.5A patent/CN108511359A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170098398A1 (en) * | 2014-03-14 | 2017-04-06 | Joled Inc. | Method for manufacturing display panel |
| CN104809725A (zh) * | 2015-04-23 | 2015-07-29 | 广东工业大学 | 一种布匹缺陷视觉识别检测装置和方法 |
| CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
| CN106442539A (zh) * | 2016-08-31 | 2017-02-22 | 王钦裕 | 利用图像信息测量工件表面缺陷的方法 |
| CN106530287A (zh) * | 2016-10-24 | 2017-03-22 | 武汉新芯集成电路制造有限公司 | 一种基于晶圆内部缺陷检测的图像自动识别系统 |
| CN107154039A (zh) * | 2017-04-28 | 2017-09-12 | 北京简易科技有限公司 | 胶管在线缺陷检测装置及方法 |
| CN107784660A (zh) * | 2017-11-02 | 2018-03-09 | 武汉新芯集成电路制造有限公司 | 图像处理方法、图像处理系统及缺陷检测装置 |
Non-Patent Citations (2)
| Title |
|---|
| 李兆霞: "《结构损伤多尺度模拟与分析》", 31 December 2017 * |
| 李涛: "《数字图像处理之红外弱目标分割方法研究》", 30 June 2016 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472785A (zh) * | 2018-11-01 | 2019-03-15 | 中国石油大学(华东) | 基于多结构元素震害受损建筑物快速识别方法 |
| CN109378279B (zh) * | 2018-11-12 | 2020-12-18 | 武汉新芯集成电路制造有限公司 | 晶圆检测方法及晶圆检测系统 |
| CN112086373A (zh) * | 2019-06-13 | 2020-12-15 | 芯恩（青岛）集成电路有限公司 | 晶圆缺陷检测方法 |
| CN110717899A (zh) * | 2019-09-25 | 2020-01-21 | 武汉易视维科技有限公司 | 一种透明滤棒爆珠缺陷在线视觉检测方法 |
| CN111081581A (zh) * | 2019-11-12 | 2020-04-28 | 长江存储科技有限责任公司 | 气泡缺陷监控方法、装置、服务器及可读存储介质 |
| CN111081581B (zh) * | 2019-11-12 | 2024-03-08 | 长江存储科技有限责任公司 | 气泡缺陷监控方法、装置、服务器及可读存储介质 |
| CN111462113A (zh) * | 2020-04-24 | 2020-07-28 | 上海精测半导体技术有限公司 | 无图形晶圆的复检方法 |
| CN113362297A (zh) * | 2021-05-31 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于印刷电路板的图像处理方法、设备和存储介质 |
| CN113362297B (zh) * | 2021-05-31 | 2023-09-19 | 北京百度网讯科技有限公司 | 用于印刷电路板的图像处理方法、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108511359A (zh) | 晶圆缺陷的检测方法 | |
| CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
| CN111311542B (zh) | 一种产品质量检测方法及装置 | |
| CN103500322B (zh) | 基于低空航拍图像的车道线自动识别方法 | |
| CN107463918A (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
| CN110286126A (zh) | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 | |
| CN109829903B (zh) | 一种基于卷积去噪自编码器的芯片表面缺陷检测方法 | |
| CN107014819A (zh) | 一种太阳能电池板表面缺陷检测系统和方法 | |
| CN102288613B (zh) | 一种灰度和深度信息融合的表面缺陷检测方法 | |
| CN105388162B (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN108982512A (zh) | 一种基于机器视觉的电路板检测系统及其方法 | |
| US20090196489A1 (en) | High resolution edge inspection | |
| CN107784660B (zh) | 图像处理方法、图像处理系统及缺陷检测装置 | |
| CN103346104B (zh) | 一种芯片缺陷检测方法 | |
| CN102183525A (zh) | 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法 | |
| CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
| CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
| CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
| TW201511156A (zh) | 使用經程式化缺陷設定一晶圓檢查流程 | |
| CN112767399B (zh) | 半导体焊线缺陷检测方法、电子设备及存储介质 | |
| CN113627299B (zh) | 一种基于深度学习的导线漂浮物智能识别方法及装置 | |
| CN109584259B (zh) | 一种石英坩埚气泡分层计数装置及方法 | |
| CN109378279A (zh) | 晶圆检测方法及晶圆检测系统 | |
| CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
| CN111157532A (zh) | 一种手机外壳划痕视觉检测装置及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |