CN109540904A - 一种衬底表面宏观缺陷检测及分类系统 - Google Patents

一种衬底表面宏观缺陷检测及分类系统 Download PDF

Info

Publication number
CN109540904A
CN109540904A CN201811517416.5A CN201811517416A CN109540904A CN 109540904 A CN109540904 A CN 109540904A CN 201811517416 A CN201811517416 A CN 201811517416A CN 109540904 A CN109540904 A CN 109540904A
Authority
CN
China
Prior art keywords
defect
substrate surface
substrate
image
detection
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
Application number
CN201811517416.5A
Other languages
English (en)
Inventor
崔长彩
李子清
胡中伟
陆静
徐西鹏
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN201811517416.5A priority Critical patent/CN109540904A/zh
Publication of CN109540904A publication Critical patent/CN109540904A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws

Abstract

本发明提供了一种衬底表面宏观缺陷检测及分类系统，系统包括缺陷检测模块，图像处理模块和缺陷分类模块，其中，缺陷检测模块主要是线阵视觉检测系统，实现衬底表面缺陷的全场检测；图像处理模块包括图像采集卡，计算机以及图像处理和特征提取等程序，实现采集衬底表面缺陷的全场图像，并提取缺陷的特征参数；缺陷分类模块是基于提取的缺陷特征参数进行分析，实现对衬底表面缺陷的分类。本发明作为一种衬底表面宏观缺陷检测及分类系统，不仅可实现对衬底衬底表面宏观缺陷的全场快速扫描测试，还可以对衬底表面宏观缺陷进行分类，该系统不局限于某一种衬底表面宏观缺陷的检测和分类，还可用于其他衬底表面宏观缺陷的检测和分类。

Description

一种衬底表面宏观缺陷检测及分类系统
技术领域
本发明涉及缺陷测量领域，尤其涉及一种衬底表面宏观缺陷检测及分类系统。
背景技术
半导体材料作为LED照明、电力电子器件、新能源汽车等领域的核心材料，尤其是第三代半导体材料发展之迅猛，与此同时，对其性能的要求和质量的把控也逐渐提升；半导体衬底如碳化硅衬底作为整个半导体材料的支撑，其质量的好坏直接关乎衬底材料的性能。碳化硅衬底衬底在加工过程中，难免会产生损伤，在衬底表面留下缺陷，诸如崩边、裂纹和凹坑等，这些遗留的缺陷直接关乎衬底质量的评判，还会对下一道工艺参数的选择有很大的影响，因此，对衬底衬底缺陷的检测和分类提出了更高的要求。
由于衬底衬底具有多种规格尺寸且不是连续变化，采集衬底衬底全场图像的方式直接影响采集效率；一般晶体不止有一种晶型，不同晶型的结构及光学特性不同，如碳化硅晶体有多种晶型，但是常用做衬底材料的是4H-SiC和6H-SiC，它们分别是灰色和绿色，不同晶型的碳化硅衬底对不同波段的光敏感度不同；衬底衬底表面宏观缺陷多以裂纹、崩边和凹坑为主，不同类型的缺陷对光源的敏感度不同，对光源强度和光照角度需求不同，所以，光源波段、光照强度以及光照角度的选择直接影响采集图像的质量，从而影响后期的图像处理的效率。并且衬底衬底大多呈半透明状态，有一定的透光性，缺陷和衬底本身的对比度较小，对于这种情况，边缘检测算法以及提取缺陷区域的算法直接决定了缺陷计算的准确性。衬底表面的宏观缺陷产生于不同的工序，如裂纹主要产生自切割和研磨，而崩边主要产生于研磨，缺陷的有效分类对质量的评判和不同工序工艺参数的选择有重要的意义；缺陷的大小直接影响衬底衬底的处理方式，从而降低工艺成本，比如当缺陷超过评判标准的阈值，直接废除，若缺陷在一定区间的范围内，可返回上一道工序再次加工去除等。
在现有的缺陷检测及分类系统中，如专利CN 101672801 B所设计的具有缺陷分类能力的硅片表面缺陷检测仪及缺陷分类方法，该方法利用的是硅片表面缺陷的散射光来进行分析的，在其检测系统的硅片表面法线方向和接近平行硅片表面的方向由两个口径不同的抛物面镜收集圆形窄通道和环形宽通道，通过两个光电探测器收集到的光电信号强度的比值与设定的阈值进行比对，从而区分颗粒缺陷和划痕缺陷。但是，该方法只能区分圆形和条形缺陷，也就是颗粒和划痕两种缺陷，而且，不能得到具体大小的信息。如专利CN103674965 B所设计的一种晶圆外观缺陷的分类以及检测方法，该方法是首先采用线扫描相机采集晶圆图像，并对多个行图像进行拼接，其次对晶圆图像进行边缘检测，提取计算边宽，然后基于灰度阈值分割出晶圆感兴趣区域，并对感兴趣区域进行外观检测，最后是对晶圆外观缺陷进行归类。但是，缺陷与衬底衬底本身颜色的对比度较小，灰度值相差不大，基于灰度阈值分割在衬底缺陷检测时可能会造成误判，不能精准地提取出缺陷区域。
发明内容
本发明所要解决的主要技术问题是提供一种衬底表面宏观缺陷检测及分类系统。
为了解决上述的技术问题，本发明提供了一种衬底表面宏观缺陷检测及分类系统，包括：缺陷检测模块、图像处理模块和缺陷分类模块；
所述缺陷检测模块包括光源、相机、载物台，所述光源发出的光照射在被测衬底样品表面；所述相机收集经被测样品反射回来的光并成像；
所述图像处理模块，其特征在于包括：图像采集卡、计算机、图像处理程序，由所述图像采集卡采集的图像传输至所述计算机，再由所述图像处理程序对所述计算机中的图像进行处理并提取被测衬底样品表面缺陷的特征参数；
所述缺陷分类模块，其特征在于包括对所述图像处理模块提取的衬底表面缺陷的特征参数进行归纳和分析，基于所提取的衬底表面宏观缺陷的特征参数对衬底表面宏观缺陷进行分类。
在一较佳的方案中：所述缺陷检测模块利用光学原理，检测范围是衬底表面全场。
在一较佳的方案中：所述图像处理模块中所述图像采集卡用于采集图像，所述计算机用于对图像的读取和显示，所述图像处理程序在所述计算机中，用于对图像进行处理。
在一较佳的方案中：所述的图像处理模块中的图像处理程序还包括：
预处理程序，用于对采集的图像进行预处理；
边缘检测程序，用于将预处理值后的图像进行边缘检测，提取衬底以及缺陷的边缘；
提取缺陷区域程序，用于边缘检测后的图像，将缺陷区域与背景区域分开，从而提取缺陷区域；
特征值提取程序，用于对缺陷区域进行分析，提取衬底表面缺陷的特征参数。
在一较佳的方案中：所述的衬底表面宏观缺陷的特征参数包括：缺陷坐标、缺陷周长、缺陷面积、长宽比、裂纹长度、矩形度和圆形度。
在一较佳的方案中：所述的特征参数中的缺陷坐标是基于衬底中心的相对坐标。
在一较佳的方案中：所述的缺陷分类模块主要区分的缺陷类型为崩边、凹坑和裂纹缺陷。
在一较佳的方案中：所述的崩边缺陷所在的位置分布在衬底边缘且面积较小，依据缺陷坐标和缺陷面积将崩边缺陷和凹坑、裂纹进行区分。
在一较佳的方案中：将所述的崩边缺陷分类后，进一步，利用缺陷面积和缺陷周长信息，再根据不同规格的衬底衬底设定相应的阈值，细分为直接废除的衬底和崩边可修复衬底。
在一较佳的方案中：所述的凹坑缺陷和所述的裂纹缺陷分类依据为长宽比、圆形度和矩形度。
在一较佳的方案中：将所述的凹坑缺陷分类后，进一步，利用缺陷面积和缺陷周长信息，再根据不同规格的衬底衬底设定相应的阈值，细分为直接废除的衬底和凹坑可修复衬底。
在一较佳的方案中：将所述的裂纹缺陷分类后，进一步，利用裂纹的长度信息，再根据不同规格的碳化硅衬底设定相应的阈值，细分为直接废除的衬底和裂纹可修复衬底；利用裂纹区域的长宽比、圆形度和矩形度，将所述裂纹缺陷分类为垂线型裂纹、折线型裂纹和分叉型裂纹。
本发明具有的优点和积极效果是：一种衬底表面宏观缺陷检测及分类系统，首先，通过缺陷检测系统对衬底表面缺陷进行全场快速检测，其次，采用图像处理模块得到缺陷区域以及缺陷的特征参数，最后，基于特征参数对衬底表面缺陷进行分类，这些特征参数有助于加工参数的选取，缺陷的分类大大降低人工成本并且提高了检测的精度。而且，本发明的缺陷检测和分类系统，不局限于碳化硅衬底衬底，可适用于所有衬底材料的检测和分类，只需对缺陷检测模块以及图像处理模块相关参数进行调整。
附图说明
图1a-图1b为本发明衬底表面宏观缺陷检测及分类系统的示意图；
图2为本发明衬底表面宏观缺陷检测及分类系统中图像处理模块工作流程图；
图3为衬底衬底宏观缺陷示意图；
图4为本发明衬底表面宏观缺陷检测及分类系统中缺陷分类模块工作流程图。
图中：
1、缺陷检测模块 2、图像处理模块 3、缺陷分类模块
11、线阵相机 12、线光源 13、环形光
14、被测衬底样品 15、载物台 21、图像采集卡
22、计算机 23、图像处理及特征提取
31、缺陷特征分析 32、缺陷分类
具体实施方式
为了能进一步解释本发明的目的、技术方案及特色，下面结合附图和具体实施例子对本发明衬底表面宏观缺陷检测及分类系统进一步详细说明。
本发明衬底表面宏观缺陷检测及分类系统如图1(a)所示，包括缺陷检测模块1、图像处理模块2和缺陷分类模块3，其中：
所述缺陷检测模块1主要是光学测量系统，如图1(b)所示，包括光源12(13)、相机11和载物台15，光源12(13)发出的光照射在被测衬底样品14表面，经由被测衬底样品14表面反射回去的光由相机11接收并成像；根据被测衬底样品14以及缺陷类型，可提供多种光源类型以及照射方式，如线光源12、环形光13等。
所述的图像处理模块2包括图像采集卡21、计算机22和图像处理程序23，所述计算机22接收所述图像采集卡21采集的图像信息，并交由图像处理程序23对图像进行处理，提取缺陷的特征参数，具体的流程如图2所示，首先是S1采集衬底表面缺陷的图像，然后S2对图像进行边缘检测，提取衬底以及缺陷边缘，其次，S3提取缺陷区域，最后是S4提取缺陷的特征参数；其中，提取的缺陷特征参数有缺陷坐标、缺陷周长、缺陷面积、裂纹长度、矩形度和圆形度。
所述的图像处理程序23中的边缘检测，是利用灰度渐变敏感的边缘检测算子，提取出衬底和缺陷的边缘均清晰的图像；所述的图像处理程序中的提取缺陷区域，是将缺陷区域从背景区域中分离开来，只保留缺陷区域，然后对其进行分析，提取特征参数。
所述的特征参数中，缺陷坐标是基于衬底中心的，如图3所示，由于软件默认图像的原点为左上角，而每次被测衬底摆放位置难以保证完全一致，所以进行坐标转换，将衬底中心O定为原点(0,0)，假设衬底半径为R1，定位边半径为R2，衬底外接矩形的宽度为Wi，高度为Hi，则
则原坐标系中衬底外接矩形顶点A(Xa，Ya),衬底中心O的坐标为(X。,Y。),则
在原坐标系下，缺陷的坐标为(X'b，Y’b)新的坐标系下，缺陷的坐标为(Xb,Yb),则
所述的裂纹长度是针对裂纹缺陷的长度进行提取，根据不同类型的裂纹，提取长度可采用曲线拟合等方法；所述的圆形度描述的是缺陷区域形状与圆的相似度，其计算公式为：
式中，S为缺陷区域面积；L为缺陷区域的周长。缺陷区域形状越接近于圆，C越大，最大值为1；所述的矩形度是体现缺陷区域对其外接矩形的充满程度，计算公式为：
式中，S为缺陷区域面积；SMER是其最小外接矩形的面积。对于矩形缺陷，R取得最大值1，对于纤细、弯曲的物体，R取值变小。
所述的缺陷分类模块，基于特征值的分析来设定阈值，如图4所示，由于崩边的位置大多是存在于衬底衬底的边缘，所以根据缺陷的坐标，可将崩边缺陷与凹坑以及裂纹缺陷区分开；区分之后的崩边缺陷，再根据其面积和周长信息与所设定的阈值进行比较，大于所设定阈值的为直接废除的衬底，小于所设定阈值的为崩边可修复的衬底。凹坑的形状近似于圆，而裂纹的形状是长条形的，所以可以利用缺陷区域外接矩形的长宽比、圆形度和矩形度来区分凹坑和裂纹，凹坑的外接矩形的长宽比、圆形度和矩形度更接近于1；区分之后的凹坑，再利用面积和周长的信息与所设定的阈值进行比较，大于所设定阈值的为直接废除的衬底，小于所设定阈值的为凹坑可修复的衬底；区分之后的裂纹，根据拟合出来的长度值与所设定的阈值进行比对来分档为直接废除衬底和裂纹可修复的衬底，而裂纹的形态又有垂线型、折线型和分叉型，垂线型的垂直度很好，根据裂纹区域外接矩形的长宽比可与所设定的阈值相比，可将垂线型的裂纹区分出来，而折线型和分叉型的裂纹可根据裂纹区域的圆形度和矩形度区分。
以上所述，仅为本发明较佳的具体实施方式，但本发明的设计构思并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，利用此构思对本发明进行非实质性的改动，均属于侵犯本发明保护范围的行为。

Claims (14)

1.一种衬底表面宏观缺陷检测及分类系统，其特征在于包括：缺陷检测模块、图像处理模块和缺陷分类模块；
所述缺陷检测模块包括光源、相机、载物台，所述光源发出的光照射在被测衬底样品表面；所述相机收集经被测样品反射回来的光并成像；
所述图像处理模块，其特征在于包括：图像采集卡、计算机、图像处理程序，由所述图像采集卡采集的图像传输至所述计算机，再由所述图像处理程序对所述计算机中的图像进行处理并提取被测衬底样品表面缺陷的特征参数；
所述缺陷分类模块，其特征在于包括对所述图像处理模块提取的衬底表面缺陷的特征参数进行归纳和分析，基于所提取的衬底表面缺陷的特征参数对衬底表面缺陷进行分类。
2.根据权利要求1所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述缺陷检测模块利用光学原理，检测范围是衬底表面全场。
3.根据权利要求1所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述图像处理模块中所述图像采集卡用于采集图像，所述计算机用于对图像的读取和显示，所述图像处理程序在所述计算机中，用于对图像进行处理。
4.根据权利要求3所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述的图像处理模块中的图像处理程序还包括：
预处理程序，用于对采集的图像进行预处理；
边缘检测程序，用于将预处理值后的图像进行边缘检测，提取衬底以及缺陷的边缘；
提取缺陷区域程序，用于边缘检测后的图像，将缺陷区域与背景区域分开，从而提取缺陷区域；
特征值提取程序，用于对缺陷区域进行分析，提取衬底表面缺陷的特征参数。
5.根据权利要求4所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述的衬底表面缺陷的特征参数包括：缺陷坐标、缺陷周长、缺陷面积、长宽比、裂纹长度、矩形度和圆形度。
6.根据权利要求5所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述的特征参数中的缺陷坐标是基于衬底中心的相对坐标。
7.根据权利要求1所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述的缺陷分类模块主要区分的缺陷类型为崩边、凹坑和裂纹缺陷。
8.根据权利要求7所述的一种衬底表面宏观缺陷检测及分类系统，其特征在于：所述的崩边缺陷所在的位置分布在衬底边缘且面积较小，依据缺陷坐标和缺陷面积将崩边缺陷和凹坑、裂纹进行区分。
9.根据权利要求8所述的一种衬底表面缺陷检测及分类系统，其特征在于：将所述的崩边缺陷分类后，进一步，利用缺陷面积和缺陷周长信息，根据不同规格的衬底衬底设定相应的阈值，分为直接报废的衬底和崩边可修复的衬底。
10.根据权利要求7所述的一种衬底表面缺陷检测及分类系统，其特征在于：所述的凹坑缺陷和所述的裂纹缺陷分类依据为长宽比、圆形度和矩形度。
11.根据权利要求10所述的一种衬底表面缺陷检测及分类系统，其特征在于：将所述的凹坑缺陷分类后，进一步，利用缺陷面积和缺陷周长信息，根据不同规格的衬底衬底设定相应的阈值，分为直接报废的衬底和凹坑可修复的衬底。
12.根据权利要求10所述的一种衬底表面缺陷检测及分类系统，其特征在于：将所述的裂纹缺陷分类后，进一步，利用裂纹的长度信息，根据不同规格的衬底衬底设定相应的阈值，分为直接报废的衬底和裂纹可修复的衬底；利用裂纹区域的长宽比、圆形度和矩形度，将所述裂纹缺陷分类为垂线型裂纹、折线型裂纹和分叉型裂纹。
13.根据权利要求1所述的一种衬底表面缺陷检测及分类系统，其特征在于：所述的缺陷类型为肉眼可见的宏观缺陷，尺度在0.5mm以上。
14.根据权利要求1所述的一种衬底表面缺陷检测及分类系统，其特征在于：所述的宏观缺陷检测及分类系统不局限于某一种衬底衬底，适用于多种衬底衬底，如碳化硅、蓝宝石衬底等。
CN201811517416.5A 2018-12-12 2018-12-12 一种衬底表面宏观缺陷检测及分类系统 Pending CN109540904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811517416.5A CN109540904A (zh) 2018-12-12 2018-12-12 一种衬底表面宏观缺陷检测及分类系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811517416.5A CN109540904A (zh) 2018-12-12 2018-12-12 一种衬底表面宏观缺陷检测及分类系统

Publications (1)

Publication Number Publication Date
CN109540904A true CN109540904A (zh) 2019-03-29

Family

ID=65854671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811517416.5A Pending CN109540904A (zh) 2018-12-12 2018-12-12 一种衬底表面宏观缺陷检测及分类系统

Country Status (1)

Country Link
CN (1) CN109540904A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110108716A (zh) * 2019-05-06 2019-08-09 华侨大学 一种自动化衬底晶片缺陷及厚度检测系统
CN110132981A (zh) * 2019-05-21 2019-08-16 东莞市瑞图新智科技有限公司 一种滤光片中片外观和尺寸一体化检测设备及检测方法
CN110288584A (zh) * 2019-06-27 2019-09-27 常州固高智能装备技术研究院有限公司 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置
CN111584385A (zh) * 2020-05-20 2020-08-25 西安奕斯伟硅片技术有限公司 一种硅片缺陷记录方法及装置
CN112461838A (zh) * 2019-09-09 2021-03-09 芯恩（青岛）集成电路有限公司 晶圆缺陷检测装置及方法
CN113092500A (zh) * 2021-03-30 2021-07-09 福建晶安光电有限公司 一种用于检测衬底的装置及其使用方法
CN113874163A (zh) * 2019-05-27 2021-12-31 施塔克卤德有限公司及两合公司 用于协调识别和处理工件缺陷的方法及执行该方法的装置
CN116091505A (zh) * 2023-04-11 2023-05-09 青岛芯康半导体科技有限公司 一种蓝宝石衬底自动缺陷检测分类的方法和系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001135559A (ja) * 1999-11-02 2001-05-18 Nikon Corp 位置計測方法及び露光方法
TW556299B (en) * 2001-04-05 2003-10-01 Applied Materials Inc Defect inspection efficiency improvement with in-situ statistical analysis of defect data during inspection
JP2004134513A (ja) * 2002-10-09 2004-04-30 Ushio Inc ノッチ付ウエハの周辺露光装置
JP2006266766A (ja) * 2005-03-23 2006-10-05 Olympus Corp マクロ画像表示システム及びマクロ画像表示方法
CN101399216A (zh) * 2007-09-26 2009-04-01 中芯国际集成电路制造(上海)有限公司 缺陷分析方法和系统
CN101672801A (zh) * 2009-09-23 2010-03-17 中国科学院上海光学精密机械研究所 具有缺陷分类能力的硅片表面缺陷检测仪及缺陷分类方法
CN102136061A (zh) * 2011-03-09 2011-07-27 中国人民解放军海军航空工程学院 一种矩形石英晶片缺陷自动检测分类识别方法
CN103278511A (zh) * 2013-05-17 2013-09-04 南京大学 基于多尺度角点特征提取的晶片缺陷检测方法
CN103674965A (zh) * 2013-12-06 2014-03-26 深圳市大族激光科技股份有限公司 一种晶圆外观缺陷的分类以及检测方法
CN103831253A (zh) * 2014-02-17 2014-06-04 南京航空航天大学 基于dsp机器视觉的太阳能硅片表面检测装置及方法
CN106158715A (zh) * 2015-04-24 2016-11-23 上海微电子装备有限公司 用于晶圆的预对准装置及方法
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN206022316U (zh) * 2016-09-12 2017-03-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷自动检测设备
JPWO2016121628A1 (ja) * 2015-01-28 2017-11-02 東レエンジニアリング株式会社 ワイドギャップ半導体基板の欠陥検査方法及び欠陥検査装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001135559A (ja) * 1999-11-02 2001-05-18 Nikon Corp 位置計測方法及び露光方法
TW556299B (en) * 2001-04-05 2003-10-01 Applied Materials Inc Defect inspection efficiency improvement with in-situ statistical analysis of defect data during inspection
JP2004134513A (ja) * 2002-10-09 2004-04-30 Ushio Inc ノッチ付ウエハの周辺露光装置
JP2006266766A (ja) * 2005-03-23 2006-10-05 Olympus Corp マクロ画像表示システム及びマクロ画像表示方法
CN101399216A (zh) * 2007-09-26 2009-04-01 中芯国际集成电路制造(上海)有限公司 缺陷分析方法和系统
CN101672801A (zh) * 2009-09-23 2010-03-17 中国科学院上海光学精密机械研究所 具有缺陷分类能力的硅片表面缺陷检测仪及缺陷分类方法
CN102136061A (zh) * 2011-03-09 2011-07-27 中国人民解放军海军航空工程学院 一种矩形石英晶片缺陷自动检测分类识别方法
CN103278511A (zh) * 2013-05-17 2013-09-04 南京大学 基于多尺度角点特征提取的晶片缺陷检测方法
CN103674965A (zh) * 2013-12-06 2014-03-26 深圳市大族激光科技股份有限公司 一种晶圆外观缺陷的分类以及检测方法
CN103831253A (zh) * 2014-02-17 2014-06-04 南京航空航天大学 基于dsp机器视觉的太阳能硅片表面检测装置及方法
JPWO2016121628A1 (ja) * 2015-01-28 2017-11-02 東レエンジニアリング株式会社 ワイドギャップ半導体基板の欠陥検査方法及び欠陥検査装置
CN106158715A (zh) * 2015-04-24 2016-11-23 上海微电子装备有限公司 用于晶圆的预对准装置及方法
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN206022316U (zh) * 2016-09-12 2017-03-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷自动检测设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘磊;王冲;赵树旺;李海滨;: "基于机器视觉的太阳能电池片缺陷检测技术的研究", no. 10 *
王俊平,郝跃: "IC真实缺陷的边界提取和缺陷尺寸与形状的表征", no. 07 *
邡鑫;史峥;: "基于卷积神经网络的晶圆缺陷检测与分类算法", no. 08 *
郭振铎;刘洲峰;徐庆伟;朱永胜;: "玻璃缺陷特征提取", no. 02 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110108716A (zh) * 2019-05-06 2019-08-09 华侨大学 一种自动化衬底晶片缺陷及厚度检测系统
CN110132981A (zh) * 2019-05-21 2019-08-16 东莞市瑞图新智科技有限公司 一种滤光片中片外观和尺寸一体化检测设备及检测方法
CN113874163A (zh) * 2019-05-27 2021-12-31 施塔克卤德有限公司及两合公司 用于协调识别和处理工件缺陷的方法及执行该方法的装置
CN110288584A (zh) * 2019-06-27 2019-09-27 常州固高智能装备技术研究院有限公司 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置
CN110288584B (zh) * 2019-06-27 2023-06-23 常州固高智能装备技术研究院有限公司 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置
CN112461838A (zh) * 2019-09-09 2021-03-09 芯恩（青岛）集成电路有限公司 晶圆缺陷检测装置及方法
CN112461838B (zh) * 2019-09-09 2023-03-10 芯恩（青岛）集成电路有限公司 晶圆缺陷检测装置及方法
CN111584385A (zh) * 2020-05-20 2020-08-25 西安奕斯伟硅片技术有限公司 一种硅片缺陷记录方法及装置
CN113092500A (zh) * 2021-03-30 2021-07-09 福建晶安光电有限公司 一种用于检测衬底的装置及其使用方法
CN116091505A (zh) * 2023-04-11 2023-05-09 青岛芯康半导体科技有限公司 一种蓝宝石衬底自动缺陷检测分类的方法和系统

Similar Documents

Publication Publication Date Title
CN109540904A (zh) 一种衬底表面宏观缺陷检测及分类系统
US11915407B2 (en) Automated system and method for clarity measurements and clarity grading
US4449818A (en) Method of inspecting microscopic surface defects
US20090196489A1 (en) High resolution edge inspection
US7410737B2 (en) System and method for process variation monitor
US20130202188A1 (en) Defect inspection method, defect inspection apparatus, program product and output unit
CN108230324B (zh) 磁瓦表面微缺陷视觉检测方法
CN107036531B (zh) 确定空洞型缺陷的尺寸的方法和检测空洞型缺陷的装置
US20130294677A1 (en) Defect inspection method and defect inspection device
CN109900719B (zh) 一种叶片表面刀纹的视觉检测方法
KR101477665B1 (ko) 불균일한 텍스쳐 표면의 불량 검출방법
CN107525768B (zh) 一种dna倍体分析设备的质量控制方法
CN111812103A (zh) 一种图像采集装置、视觉检测系统及检测点提取方法
US20070116350A1 (en) Method for detecting the alignment of films for automated defect detection
CN111307819B (zh) 晶圆边缘缺陷检测系统及方法
CN109816627B (zh) 平面玻璃元件油墨区弱小缺陷目标检测方法
Fu et al. Medicine glass bottle defect detection based on machine vision
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置
JP4038210B2 (ja) 自動流動顕微鏡のための粒子抽出
CN204666534U (zh) 光学镜片检测系统
Lin et al. Defect detection system for optical element surface based on machine vision
Chang et al. Fast and high-resolution optical inspection system for in-line detection and labeling of surface defects
JP2023536597A (ja) ノイズのあるパターン化フィーチャの検査
CN113628155A (zh) 一种圆盘造球机的生球粒径检测方法及系统
CN117269197B (zh) 多晶硅原料表面质量检测方法及检测装置

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