CN109449093A - 晶圆检测方法 - Google Patents
晶圆检测方法 Download PDFInfo
- Publication number
- CN109449093A CN109449093A CN201811246369.5A CN201811246369A CN109449093A CN 109449093 A CN109449093 A CN 109449093A CN 201811246369 A CN201811246369 A CN 201811246369A CN 109449093 A CN109449093 A CN 109449093A
- Authority
- CN
- China
- Prior art keywords
- wafer
- defect
- detected
- detection method
- initial pictures
- 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
-
- 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
- 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
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- 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
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
- H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种晶圆检测方法，用于识别晶圆表面是否被机械手刮伤，所述晶圆检测方法包括：扫描待检测晶圆形成所述待检测晶圆的初始图像；读取所述初始图像中的晶圆缺陷的位置信息；根据所述位置信息判断所述晶圆缺陷是否存在聚类点；若所述晶圆缺陷存在聚类点，则对所述初始图像进行图像处理；判断经过图像处理后的所述初始图像中的所述晶圆缺陷是否存在直线，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。根据判定结果就能够自动识别出在经过不同的生产机台时，机械手对所述晶圆造成的刮伤，无需人工识别和测量，对晶圆刮伤缺陷的特征提取更加准确高效。
Description
技术领域
本发明涉及半导体集成电路制造技术领域，特别涉及一种晶圆检测方法。
背景技术
在半导体集成电路制造过程中，晶圆刮伤是影响产品良率的重要因素。依照刮伤的特性，晶圆刮伤可以分为宏观刮伤与细微刮伤。宏观刮伤由于刮伤的面积较大，会造成晶圆直接报废，细微刮伤会造成晶圆上某些区域电性能有问题，导致良率不佳。在集成电路制造过程中机械手可能会刮伤晶圆，又由于机械手对晶圆的刮伤一般属于细微刮伤，会对晶圆的性能产生不良影响，所以，在集成电路制造过程中需要对晶圆是否被机械手所刮伤进行检测。
在半导体集成电路的生产过程中，晶圆经过生产步骤中不同的机台。当机台的机械手出现问题时，可能会造成晶圆表面与机械手非正常接触，产生机械手刮伤。机械手在晶圆上产生的刮伤的最大特征是：刮伤呈直线状，且刮伤长度短，不连续，同一个机台产生的刮伤到晶圆中心的距离相同。
晶圆经过扫描机台检测后，晶圆会被自动追踪，没有被自动追踪的晶圆则需要进行人工判断，由于机械手刮伤的特性，导致人工判断很容易忽略掉晶圆表面产生的刮伤。另外，不仅需要人工判断晶圆表面是否受到刮伤，并且刮伤到晶圆中心的距离也要依靠人工手动去测量，所以存在很大的人工误差，进而很难判定该刮伤是否为机械手所造成的。因此，经常会忽略掉机械手对晶圆表面造成的刮伤缺陷，对后续生产过程造成很大的影响。
发明内容
本发明的目的在于提供一种晶圆检测方法，以解决现有技术中晶圆可能被机械手刮伤但无法被识别的问题。
为解决上述技术问题，本发明提供一种晶圆检测方法，用于检测晶圆表面是否被机械手刮伤，所述晶圆检测方法包括：
扫描待检测晶圆形成所述待检测晶圆的初始图像；
读取所述初始图像中的晶圆缺陷的位置信息；
根据所述位置信息判断所述晶圆缺陷是否存在聚类点；
若所述晶圆缺陷存在聚类点，则对所述初始图像进行图像处理；
判断经过图像处理后的所述初始图像中的所述晶圆缺陷是否存在直线，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。
可选的，在所述的晶圆检测方法中，扫描待检测晶圆形成所述待检测晶圆的初始图像后，识别所述初始图像中的晶圆缺陷并将所述晶圆缺陷的坐标输入数据库中，并自所述数据库中读取所述初始图像中的晶圆缺陷的位置信息。
可选的，在所述的晶圆检测方法中，根据所述位置信息判断所述晶圆缺陷是否存在聚类点包括：
对所述位置信息进行数据聚类分析；
对经过数据聚类分析的所述位置信息去除孤立点；
根据去除孤立点的所述位置信息判断所述晶圆缺陷是否存在聚类点。
可选的，在所述的晶圆检测方法中，当判断所述晶圆缺陷不存在聚类点时，则判定所述待检测晶圆表面不存在机械手刮伤。
可选的，在所述的晶圆检测方法中，对所述初始图像进行图像处理包括：
将所述初始图像二值化，以得到二值图像；
去除所述二值图像中的重复性的晶圆缺陷；
对去除重复性晶圆缺陷的所述二值图像进行形态学膨胀及形态学去噪。
可选的，在所述的晶圆检测方法中，对去除重复性晶圆缺陷的所述二值图像进行形态学膨胀包括将所述二值图像中所述晶圆缺陷的断线区域相连接。
可选的，在所述的晶圆检测方法中，对去除重复性晶圆缺陷的所述二值图像进行形态学去噪包括：
对所述二值图像进行形态学腐蚀；
对经过形态学腐蚀的所述二值图像进行形态学膨胀；
对经过形态学膨胀的所述二值图像进行开操作。
可选的，在所述的晶圆检测方法中，当判断所述晶圆缺陷不存在直线时，则判定所述待检测晶圆表面不存在机械手刮伤。
可选的，在所述的晶圆检测方法中，当判定所述待检测晶圆表面存在机械手刮伤时，提取所述刮伤的特征。
可选的，在所述的晶圆检测方法中，所述刮伤的特征包括所述刮伤的长度、所述刮伤端点与所述待检测晶圆中心连线形成的角度和/或所述刮伤到所述晶圆中心的距离。
在本发明提供的用于识别晶圆表面是否被机械手刮伤的晶圆检测方法中，所述晶圆检测方法包括：扫描待检测晶圆形成所述待检测晶圆的初始图像；读取所述初始图像中的晶圆缺陷的位置信息；根据所述位置信息判断所述晶圆缺陷是否存在聚类点；若所述晶圆缺陷存在聚类点，则对所述初始图像进行图像处理；判断经过图像处理后的所述初始图像中的所述晶圆缺陷是否存在直线，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。根据判定结果就能够自动识别出机械手对所述晶圆造成的刮伤，无需人工识别和测量，提高了识别的效率和准确性。进一步的，还使得对晶圆刮伤缺陷的特征提取更加准确高效。
附图说明
图1是本发明实施例的晶圆检测方法的流程图；
图2是本发明实施例的待检测晶圆的初始图像；
图3是本发明实施例的待检测晶圆的二值图像；
图4是本发明实施例的目标晶圆缺陷的特征数据。
具体实施方式
本发明的核心思想在于提供一种用于识别晶圆表面是否被机械手刮伤的晶圆检测方法，根据判定结果就能够自动识别出晶圆是否受到机械手刮伤，无需人工识别和测量，同时提高对晶圆刮伤缺陷的特征提取的准确性。
为实现上述思想，本发明提供一种晶圆检测方法，用于检测晶圆表面是否被机械手刮伤，所述晶圆检测方法包括：扫描待检测晶圆形成所述待检测晶圆的初始图像；读取所述初始图像中的晶圆缺陷的位置信息；根据所述位置信息判断所述晶圆缺陷是否存在聚类点；若所述晶圆缺陷存在聚类点，则对所述初始图像进行图像处理；判断经过图像处理后的所述初始图像中的所述晶圆缺陷是否存在直线，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明提出的晶圆检测方法作进一步详细说明。根据下面说明和权利要求书，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。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
首先，参阅图1，图1是本发明实施例的晶圆检测方法的流程图。本实施例提供的用于识别晶圆表面是否被机械手刮伤的晶圆检测方法，所述晶圆检测方法包括：
扫描待检测晶圆形成所述待检测晶圆的初始图像，如图2所示，图中方框是本实施例选取的一处晶圆缺陷，由此，将实际待检测晶圆转化为平面数据，方便计算机进行后续步骤的检测。
读取所述初始图像中的晶圆缺陷的位置信息。在此，在所述初始图像中以晶圆中心为原点，建立xy坐标平面，通过计算机读取所述晶圆缺陷的位置坐标，能够更加精确地识别所述晶圆缺陷的位置，使得以下步骤中对晶圆缺陷进行处理时更加便利和准确。
接着，根据所述位置信息判断所述晶圆缺陷是否存在聚类点。若所述晶圆缺陷存在聚类点，所述待检测晶圆表面不存在机械手划伤；若所述晶圆缺陷存在聚类点，则对所述初始图像进行图像处理。
进一步的，判断经过图像处理后的所述初始图像中的所述晶圆缺陷是否存在直线，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。
优选的，扫描待检测晶圆形成所述待检测晶圆的初始图像后，识别所述初始图像中的晶圆缺陷并将所述晶圆缺陷的坐标输入数据库中，并自所述数据库中读取所述初始图像中的晶圆缺陷的位置信息。由此，计算机能够在建立的数据库快速读取有晶圆缺陷的待检测晶圆信息，同时准确地识别出晶圆缺陷的位置信息，数据库中的信息储存分类清晰，查阅与检修时也方便寻找问题晶圆的批次和编号。
优选的，根据所述位置信息判断所述晶圆缺陷是否存在聚类点包括：对所述位置信息进行数据聚类分析；对经过数据聚类分析的所述位置信息去除孤立点；根据去除孤立点的所述位置信息判断所述晶圆缺陷是否存在聚类点。由此，结合机械手刮伤为直线刮伤且刮伤不连续的特征，去除大量直线聚类点以外的孤立点，即孤立点不是由于机械手刮伤产生的晶圆缺陷，去除非目标信息，简化后续步骤。在本实施例中，聚类点指的是刮伤形成的一直线(非连续)中的组成点。
优选的，当判断所述晶圆缺陷不存在聚类点时，则判定所述待检测晶圆表面不存在机械手刮伤的晶圆。由于机械手刮伤的特征为直线刮伤、长度短、不连续、同一个机械手产生的刮伤距离晶圆中心的距离相同等特征，所以若所述晶圆缺陷不存在聚类点，则晶圆缺陷不是直线(非连续)型，进而所述待检测晶圆不存在机械手刮伤，能够简单快速排除待检测晶圆的晶圆缺陷不是机械手刮伤，以此及时寻找其他导致晶圆缺陷的原因，减小损失。
优选的，对所述初始图像进行图像处理包括：
将所述初始图像二值化，以得到二值图像，如图3所示，由此，初始图像呈现明显的黑白效果变成所述二值图像，二值化步骤使得图像变得简单，去除无关因素的影响且减少大量的数据量，凸显所述晶圆缺陷的轮廓；
去除所述二值图像中的重复性的晶圆缺陷，包括去除错误的所述聚类点，由此，保证正确的检测方向，减少后续步骤的处理时间，为了快速准确地判断待检测晶圆是否被机械手所刮伤；
对去除重复性晶圆缺陷的所述二值图像进行形态学膨胀及形态学去噪。由此，所述形态学膨胀能够连接所述二值图像中所述晶圆缺陷的断线区域，将由于机械手的不稳定性造成所述晶圆缺陷不完整的部分补充完整，方便计算机识别所述刮伤的各类数据，而形态学去噪的目的是去除非直线聚类点以及小面积连通区域的聚类点，排除噪声对目标晶圆缺陷的干扰，有利于计算机对机械手刮伤的特征数据采集。
优选的，对去除重复性晶圆缺陷的所述二值图像进行形态学去噪包括：
对所述二值图像进行形态学腐蚀；
对经过形态学腐蚀的所述二值图像进行形态学膨胀；
对经过形态学膨胀的所述二值图像进行开操作。
具体的，定义一个结构元素b，结构元素b对所述二值图像f在位置(x,y)处的腐蚀为：其中(s,t)∈b；
所述晶圆缺陷的元素b对所述初始图像f在位置(x,y)处的膨胀为：[f⊕b](x,y)＝min{f(x-s,y-t)}，其中(s,t)∈b；
所述晶圆缺陷的元素b对所述初始图像f的开操作为：其中(s,t)∈b，由此，所述二值图像消除了微小缺陷的干扰，在纤细处分离缺陷与所述二值图像，平滑较大的边界并不明显改变其面积。
优选的，当判断所述晶圆缺陷不存在直线时，则判定所述待检测晶圆表面不存在机械手刮伤；当判定所述待检测晶圆表面存在机械手刮伤时，提取所述刮伤的特征，请参考图4。由于机械手刮伤的特征为直线刮伤、长度短、不连续、同一个机械手产生的刮伤距离晶圆中心的距离相同等特征，所以若所述晶圆缺陷不存在直线时，则晶圆缺陷不是机械手刮伤造成的，能够简单快速排除待检测晶圆的晶圆缺陷不是机械手刮伤，以此及时寻找其他导致晶圆缺陷的原因，减小损失；所以若所述晶圆缺陷存在直线时，计算机就能够判定所述待检测晶圆的表面存在机械手刮伤，避免人为检测刮伤时的不准确性和效率低的问题。
在本申请实施例中，所述刮伤的特征包括所述刮伤的长度、所述刮伤端点与所述待检测晶圆中心连线形成的角度和/或所述刮伤到所述晶圆中心的距离。例如批号为P1H925，片号为25，片层处于PLH ASI的待检测晶圆，经过所述晶圆检测方法得到刮伤特征数据：所述刮伤的长度11000、所述刮伤到所述晶圆中心的距离12480、所述刮伤端点与所述待检测晶圆中心连线形成的角度-10(与X轴正半轴为基准线)、所述刮伤的坐标位置：X轴方向上自280600至288300、Y轴方向上自185900至186900。由此，准确快速地得到机械手刮伤的特征信息，根据对机械手刮伤的特征信息分析，维修机械手，避免更多生产过程的损失，保证产品的质量。
综上所述，在本发明提供的晶圆检测方法中，具有如下优点：
在本发明提供的晶圆检测方法能够识别晶圆表面是否被机械手刮伤，经过处理所得的晶圆缺陷，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。根据判定结果就能够自动识别出所述晶圆在经过生产步骤中不同的机台时，机械手对所述晶圆造成的刮伤，无需人工识别和测量，使得对晶圆刮伤缺陷的特征提取更加准确高效。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
Claims (10)
1.一种晶圆检测方法，用于检测晶圆表面是否被机械手刮伤，其特征在于，所述晶圆检测方法包括：
扫描待检测晶圆形成所述待检测晶圆的初始图像；
读取所述初始图像中的晶圆缺陷的位置信息；
根据所述位置信息判断所述晶圆缺陷是否存在聚类点；
若所述晶圆缺陷存在聚类点，则对所述初始图像进行图像处理；
判断经过图像处理后的所述初始图像中的所述晶圆缺陷是否存在直线，若所述晶圆缺陷存在直线，则判定所述待检测晶圆表面存在机械手刮伤。
2.如权利要求1所述的晶圆检测方法，其特征在于，扫描待检测晶圆形成所述待检测晶圆的初始图像后，识别所述初始图像中的晶圆缺陷并将所述晶圆缺陷的坐标输入数据库中，并自所述数据库中读取所述初始图像中的晶圆缺陷的位置信息。
3.如权利要求1所述的晶圆检测方法，其特征在于，根据所述位置信息判断所述晶圆缺陷是否存在聚类点包括：
对所述位置信息进行数据聚类分析；
对经过数据聚类分析的所述位置信息去除孤立点；
根据去除孤立点的所述位置信息判断所述晶圆缺陷是否存在聚类点。
4.如权利要求3所述的晶圆检测方法，其特征在于，当判断所述晶圆缺陷不存在聚类点时，则判定所述待检测晶圆表面不存在机械手刮伤。
5.如权利要求1所述的晶圆检测方法，其特征在于，对所述初始图像进行图像处理包括：
将所述初始图像二值化，以得到二值图像；
去除所述二值图像中的重复性的晶圆缺陷；
对去除重复性晶圆缺陷的所述二值图像进行形态学膨胀及形态学去噪。
6.如权利要求5所述的晶圆检测方法，其特征在于，对去除重复性晶圆缺陷的所述二值图像进行形态学膨胀包括将所述二值图像中所述晶圆缺陷的断线区域相连接。
7.如权利要求5所述的晶圆检测方法，其特征在于，对去除重复性晶圆缺陷的所述二值图像进行形态学去噪包括：
对所述二值图像进行形态学腐蚀；
对经过形态学腐蚀的所述二值图像进行形态学膨胀；
对经过形态学膨胀的所述二值图像进行开操作。
8.如权利要求5所述的晶圆检测方法，其特征在于，当判断所述晶圆缺陷不存在直线时，则判定所述待检测晶圆表面不存在机械手刮伤。
9.如权利要求1所述的晶圆检测方法，其特征在于，当判定所述待检测晶圆表面存在机械手刮伤时，提取所述刮伤的特征。
10.如权利要求9所述的晶圆检测方法，其特征在于，所述刮伤的特征包括所述刮伤的长度、所述刮伤端点与所述待检测晶圆中心连线形成的角度和/或所述刮伤到所述晶圆中心的距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811246369.5A CN109449093B (zh) | 2018-10-24 | 2018-10-24 | 晶圆检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811246369.5A CN109449093B (zh) | 2018-10-24 | 2018-10-24 | 晶圆检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109449093A true CN109449093A (zh) | 2019-03-08 |
| CN109449093B CN109449093B (zh) | 2020-12-04 |
Family
ID=65548446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811246369.5A Active CN109449093B (zh) | 2018-10-24 | 2018-10-24 | 晶圆检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109449093B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109977808A (zh) * | 2019-03-11 | 2019-07-05 | 北京工业大学 | 一种晶圆表面缺陷模式检测与分析方法 |
| CN111815565A (zh) * | 2020-06-11 | 2020-10-23 | 上海华虹宏力半导体制造有限公司 | 晶圆背面的检测方法、设备和存储介质 |
| CN112229853A (zh) * | 2019-06-26 | 2021-01-15 | 长鑫存储技术有限公司 | 液滴型缺陷的检测方法和检测系统 |
| CN112466766A (zh) * | 2019-09-09 | 2021-03-09 | 长鑫存储技术有限公司 | 不良涂层类型缺陷的检测方法、装置、设备和存储介质 |
| CN113780488A (zh) * | 2021-11-15 | 2021-12-10 | 常州微亿智造科技有限公司 | 基于位置聚合程度的刮伤与擦伤缺陷检测方法 |
| CN113822883A (zh) * | 2021-11-22 | 2021-12-21 | 中导光电设备股份有限公司 | 一种基于寻找晶圆直边的晶圆对位方法和系统 |
| CN117471292A (zh) * | 2023-12-28 | 2024-01-30 | 深圳市森美协尔科技有限公司 | 晶圆裂痕识别方法及相关装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120237110A1 (en) * | 2011-03-16 | 2012-09-20 | Tokyo Electron Limited | Image creation method, substrate inspection method, non-transitory recording medium having program recorded thereon for executing image creation method or substrate inspection method, and substrate inspection apparatus |
| WO2013026826A1 (de) * | 2011-08-24 | 2013-02-28 | Hseb Dresden Gmbh | Inspektionsverfahren |
| KR20150023428A (ko) * | 2012-05-21 | 2015-03-05 | 쿠이스 콸리타츠-인스펙티온시스티므 운트 서비스 아게 | 복수의 광학 이미지 획득 유닛으로 기판에 도포되는 구조체를 검출하는 방법 및 장치 |
| CN106067427A (zh) * | 2016-05-25 | 2016-11-02 | 上海华力微电子有限公司 | 局部曝光异常缺陷自动检测方法 |
| CN107179479A (zh) * | 2017-06-12 | 2017-09-19 | 西安工程大学 | 基于可见光图像的输电导线散股缺陷检测方法 |
-
2018
- 2018-10-24 CN CN201811246369.5A patent/CN109449093B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120237110A1 (en) * | 2011-03-16 | 2012-09-20 | Tokyo Electron Limited | Image creation method, substrate inspection method, non-transitory recording medium having program recorded thereon for executing image creation method or substrate inspection method, and substrate inspection apparatus |
| WO2013026826A1 (de) * | 2011-08-24 | 2013-02-28 | Hseb Dresden Gmbh | Inspektionsverfahren |
| KR20150023428A (ko) * | 2012-05-21 | 2015-03-05 | 쿠이스 콸리타츠-인스펙티온시스티므 운트 서비스 아게 | 복수의 광학 이미지 획득 유닛으로 기판에 도포되는 구조체를 검출하는 방법 및 장치 |
| CN106067427A (zh) * | 2016-05-25 | 2016-11-02 | 上海华力微电子有限公司 | 局部曝光异常缺陷自动检测方法 |
| CN107179479A (zh) * | 2017-06-12 | 2017-09-19 | 西安工程大学 | 基于可见光图像的输电导线散股缺陷检测方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109977808A (zh) * | 2019-03-11 | 2019-07-05 | 北京工业大学 | 一种晶圆表面缺陷模式检测与分析方法 |
| CN109977808B (zh) * | 2019-03-11 | 2020-10-27 | 北京工业大学 | 一种晶圆表面缺陷模式检测与分析方法 |
| CN112229853A (zh) * | 2019-06-26 | 2021-01-15 | 长鑫存储技术有限公司 | 液滴型缺陷的检测方法和检测系统 |
| CN112466766A (zh) * | 2019-09-09 | 2021-03-09 | 长鑫存储技术有限公司 | 不良涂层类型缺陷的检测方法、装置、设备和存储介质 |
| CN112466766B (zh) * | 2019-09-09 | 2022-03-01 | 长鑫存储技术有限公司 | 不良涂层类型缺陷的检测方法、装置、设备和存储介质 |
| CN111815565A (zh) * | 2020-06-11 | 2020-10-23 | 上海华虹宏力半导体制造有限公司 | 晶圆背面的检测方法、设备和存储介质 |
| CN113780488A (zh) * | 2021-11-15 | 2021-12-10 | 常州微亿智造科技有限公司 | 基于位置聚合程度的刮伤与擦伤缺陷检测方法 |
| CN113822883A (zh) * | 2021-11-22 | 2021-12-21 | 中导光电设备股份有限公司 | 一种基于寻找晶圆直边的晶圆对位方法和系统 |
| CN117471292A (zh) * | 2023-12-28 | 2024-01-30 | 深圳市森美协尔科技有限公司 | 晶圆裂痕识别方法及相关装置 |
| CN117471292B (zh) * | 2023-12-28 | 2024-03-19 | 深圳市森美协尔科技有限公司 | 晶圆裂痕识别方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109449093B (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109449093A (zh) | 晶圆检测方法 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| JP6598162B2 (ja) | 線形クラスタリングに基づくマルチタイプのｂｇａチップの視覚識別方法 | |
| CN113688807B (zh) | 一种自适应缺陷检测方法、装置、识别系统及存储介质 | |
| CN108230324B (zh) | 磁瓦表面微缺陷视觉检测方法 | |
| CN115020267B (zh) | 一种半导体表面缺陷检测方法 | |
| CN115100199B (zh) | 一种晶圆低纹理缺陷的检测方法 | |
| CN109378279B (zh) | 晶圆检测方法及晶圆检测系统 | |
| CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
| CN116773548B (zh) | 一种晶圆表面缺陷检测方法及系统 | |
| CN115082477B (zh) | 一种基于去反光效果的半导体晶圆加工质量检测方法 | |
| CN109285791A (zh) | 设计布局为主的快速在线缺陷诊断、分类及取样方法及系统 | |
| CN112782179A (zh) | 一种产品反光表面缺陷检测方法及系统 | |
| CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
| CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及系统 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN113850800A (zh) | 一种硬脆材料划切缝崩边检测方法 | |
| CN113205480A (zh) | 一种用于显示面板缺陷检测的周期提取方法、装置及系统 | |
| CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
| CN111707672A (zh) | 风电回转支撑件表面缺陷检测方法 | |
| CN116337869A (zh) | 一种基于机器视觉的双面线路板生产用检测系统 | |
| CN111310402A (zh) | 一种基于面面平行的印刷电路板裸板缺陷检测方法 | |
| CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
| CN113487569B (zh) | 基于频域和空域结合的复杂背景图像缺陷检测方法及系统 | |
| JP3635762B2 (ja) | 半導体基板表面欠陥の検査方法 |
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 |