CN110085529A - 检测方法、检测设备和计算机可读存储介质 - Google Patents

检测方法、检测设备和计算机可读存储介质 Download PDF

Info

Publication number
CN110085529A
CN110085529A CN201811310661.9A CN201811310661A CN110085529A CN 110085529 A CN110085529 A CN 110085529A CN 201811310661 A CN201811310661 A CN 201811310661A CN 110085529 A CN110085529 A CN 110085529A
Authority
CN
China
Prior art keywords
image
shape
bianry image
input picture
bianry
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
CN201811310661.9A
Other languages
English (en)
Inventor
秋贤镐
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN110085529A publication Critical patent/CN110085529A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]

Abstract

公开一种检测方法、检测设备及计算机可读存储介质。一种检测设备包括：图像处理器，被配置为通过对半导体芯片的输入图像进行图像处理，来检测半导体芯片中的裂纹；结果输出单元，被配置为输出由图像处理器检测的结果。图像处理器被配置为：对输入图像执行图像梯度分析，基于执行图像梯度分析获得的结果，通过图像二值化将输入图像转换为二值图像，以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域，从二值图像中提取具有预定性质的形状，通过去除连接到输入图像的边缘部分的形状来检测裂纹。结果输出单元被配置为输出表示输入图像中的裂纹位置的结果图像。

Description

检测方法、检测设备和计算机可读存储介质
本申请要求于2018年1月25日提交到韩国知识产权局的第10-2018-0009160号韩国专利申请的优先权权益，所述韩国专利申请的公开通过引用完整地包含于此。
技术领域
根据本发明构思的示例实施例涉及一种检测方法、检测设备以及计算机可读存储介质，更具体地讲，涉及一种用于检测在半导体工艺期间可能产生的半导体芯片中的裂纹的检测方法、检测设备以及计算机可读存储介质。
背景技术
在半导体制造工艺中，由于在切割、装配或加热期间存在压力，因此在半导体芯片中可能产生裂纹。此外，外物也可能附着在半导体芯片上。
需要检测这种在半导体芯片中的裂纹或半导体芯片上的外物。
发明内容
本发明构思的一个方面提供一种能够检测在半导体制造工艺中在半导体芯片中产生的裂纹或者附着在半导体芯片上的外物的检测方法、检测设备和计算机可读存储介质。
根据本发明构思的一个方面，一种检测设备包括：图像处理器，被配置为通过对半导体芯片的输入图像进行图像处理，来检测半导体芯片中的裂纹；结果输出单元，被配置为输出由图像处理器检测的结果，其中，图像处理器被配置为：对输入图像执行图像梯度分析，基于通过执行图像梯度获得的结果，通过图像二值化将输入图像转换为二值图像，以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域，从二值图像中提取具有预定性质的形状，通过去除连接到输入图像的边缘部分的形状来检测裂纹。
根据本发明构思的一个方面，一种由图像处理器执行的用于检测半导体芯片中的裂纹的检测方法包括：对半导体芯片的输入图像执行图像梯度分析；基于图像梯度的结果，通过图像二值化将输入图像转换为二值图像；以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域；从二值图像中提取具有预定性质的形状；去除连接到输入图像的边缘部分的形状。
根据本发明构思的一个方面，公开一种记录有指令的非暂时性计算机可读存储介质，所述指令能够由处理器执行以执行用于检测半导体芯片中的裂纹的检测方法。所述检测方法包括：对半导体芯片的输入图像执行图像梯度分析；基于图像梯度的结果，通过图像二值化将输入图像转换为二值图像；以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域；从二值图像中提取具有预定性质的形状；去除连接到输入图像的边缘部分的形状。
附图说明
通过以下结合附图进行的详细描述，将会更清楚地理解本公开的上述和其他方面、特征及优点，其中：
图1是根据本发明构思的示例实施例的检测方法的流程图；
图2是图1中所示的操作S160的详细流程图；
图3A至图3E提供示出根据本发明构思的示例实施例的检测裂纹的处理的示例的示图；
图4是根据本发明构思的示例实施例的检测设备的框图。
具体实施方式
在下文中，将参照附图描述本发明构思的示例实施例。
图1是根据示例实施例的检测方法的流程图。
参照图1，在步骤S110中，可对将被检测的半导体芯片的捕获的图像执行图像梯度分析，以用于确定存在或不存在裂纹。
根据示例性实施例，图像梯度是指图像中的颜色变化程度(可以是灰度颜色变化)的量化。
例如，图像的整个区域上的颜色变化程度可以被数字化地表示，并且图像的颜色逐渐变化的部分可具有相对低的数值，而图像的颜色迅速变化的部分可具有相对高的数值。用于确定比较渐变度的图像处理技术是已知的，并且可以用于执行这个步骤。
此后，在S120中，可基于对图像执行图像梯度分析的结果，执行图像二值化。
例如，可将通过对图像中的颜色变化程度进行量化而获得的数值与预定值进行比较，并且可通过比较结果将图像转换为二值图像。
例如，当量化的数值等于或大于预定值时，可将图像转换为由白色表示的二值图像，否则，可将图像转换为由黑色表示的二值图像。
在上述的转换的二值图像中，半导体芯片上的对象(例如，焊球)的轮廓、裂纹、外物等可以以白色表示。
此后，在S130中，可填充二值图像中的封闭区域。
例如，在出现在二值图像中的形状形成封闭区域的情况下，封闭区域的内部可用与表示形状的轮廓的颜色相同的颜色(例如，白色)来填充。用于检测封闭形状和填充封闭形状的各种图像处理技术是已知的，并且可用于执行这些步骤。
其结果是，半导体芯片上的对象、裂纹或外物等可被相对更清楚地表示为白色。
此后，在S140中，可从二值图像去除噪声。
例如，可去除二值图像中的具有比预定面积小的面积的形状。例如，已知的图像检测算法可检测具有比特定值小的尺寸(例如，面积)的对象，并且可将这些检测到的对象去除。
随后，在S150中，可从已去除了噪声的二值图像中提取预定的形状(例如，长而窄的形状)。
根据示例实施例，可获得在从二值图像中去除噪声之后剩余的每个形状的长度和宽度。例如，长度表示在形状的最长的方向上的距离，而宽度表示在垂直于形状的最长的方向上的平均距离。
然后，通过仅提取长度/宽度比等于或大于预定值的形状，可提取长度大于宽度的形状。另外，通过仅提取宽度包括在所提取的形状的预定范围之内的形状，可提取需要的形状(例如，长而窄的形状)。
此后，在S160中，可去除连接到图像的边缘部分的形状。
图2是图1中示出的操作S160的详细流程图。参照图2，根据示例实施例，在S161中，可使用与连接到图像的边缘部分的形状的轮廓的颜色相同的颜色(例如，白色)，将边缘线添加到连接到图像的边缘部分的形状；可以以与上面的操作S130和操作S150相同的方式，在S162中，填充封闭区域；在S163中，可提取长而窄的形状，以去除连接到图像的边缘部分的形状。
在上述操作之后的最终图像中，将被提取的对象可用白色表示，因此，可检测半导体芯片上的裂纹、外物等。
根据示例实施例，在上述操作中作为比较基础的设置值可通过用户输入来分别确定。
根据另一示例实施例，可根据输入图像的条件或将被检测的对象的类型，来使用预设值，其中，输入图像的条件包括输入图像的类型、分辨率、亮度等。
例如，当将要通过上述参照图1的检测方法来检测裂纹时，由于裂纹通常具有长而窄的形状，因此，通过在上述的操作S150中根据裂纹的性质调节设置值和设置范围，可更精确地检测裂纹。
稍后将参照图4详细描述这种设置值。
上述参照图1的检测方法可通过例如能够进行图像处理的图像处理器、图像处理工具等实现。
另一方面，根据示例实施例，可提供一种非暂时性计算机可读存储介质，其中，可通过处理器执行指令，以执行如图1所示的检测方法的各个操作。在任一情况下，在一些实施例中，尽管某些参数可由用户设置，但是图1的一些或全部的处理步骤和算法仅能通过计算机或自动技术来执行，并且这些处理在理论上不能被人执行，这是因为，这些处理需要计算机图像处理技术以及使用大功率照相机和/或显微镜。
图3A至图3E提供示出根据示例实施例的检测裂纹的处理的示例的示图，其中，通过根据示例实施例的检测方法，检测到在焊球的外围部分产生的裂纹。
图3A示出通过对将被检测的半导体芯片进行成像而提供的输入图像。
在图3A中，可以看出，在位于顶部的右侧的第三个位置的焊球的外围部分中产生了裂纹。
图3B示出了对输入图像执行如图1中所示的图像梯度分析S110和图像二值化S120的结果(例如，二值图像)。
在图3B中，可以看出，半导体芯片的焊球的轮廓、裂纹、外物等以白色显示。
图3C示出了对二值图像执行如图1中所示的填充封闭区域(S130)和去除噪声(S140)的结果。
在图3C中，可以看出，焊球、裂纹、外物等以白色清楚地表示。然而，在焊球连接到图像的边缘部分的情况下，由于没有形成封闭区域，所以可确认焊球的内部没有被填充。
图3D示出了针对已去除噪声的二值图像执行图1中的提取长而窄的形状(S150)的结果。
在图3D中，可以看出，在焊球的外围部分产生的裂纹以白色表示，并且在这种情况下，如图3C中所示的内部没有被填充的焊球也可一起被提取。
图3E示出了执行图1的S160中所示的从提取的长而窄的形状的结果中去除连接到图像的边缘部分的形状的结果。
在图3E中，可以看出，通过去除连接到边缘部分的形状的方式，仅在焊球的外围部分产生的裂纹以白色表示。
尽管图3A至图3E示出了根据示例实施例的检测在焊球的外围部分产生的裂纹的示例，但是本发明构思的应用范围不必限制于此。
例如，根据示例实施例的检测方法可应用于在半导体制造工艺中可能产生裂纹的所有工艺的结果。
此外，根据示例实施例的检测方法不仅可应用于检测在半导体芯片中产生的裂纹，也可应用于检测附着到半导体芯片的外物。
图4是根据示例实施例的检测设备的框图。
参照图4，根据示例实施例的检测设备400可包括输入接口410、图像处理器420和结果输出单元430。
输入接口410可接收稍后将描述的在图像处理器420中进行图像处理所需的设置值。
例如，可通过输入接口410输入用于图像二值化的设置值、用于去除噪声的面积、用于提取长而窄的形状的设置值和设置范围等。
根据示例实施例，输入接口410可包括至少一个输入装置，诸如键盘、触摸屏等。图像处理器420可执行各种计算功能(诸如，执行用于执行与裂纹检测相关联的特定计算或特定任务的特定软件)。例如，图像处理器420可以是微处理器、中央处理器(CPU)、数字信号处理器等。在一些实施例中，图像处理器420可包括单核或多核。例如，图像处理器420可以是诸如双核处理器、四核处理器、六核处理器等的多核处理器。尽管图4示出检测设备400包括一个图像处理器420，但是在一些实施例中，检测设备400可包括多个处理器。根据示例实施例，图像处理器420可包括内部或外部高速缓冲存储器。
基于通过对图像中的颜色变化程度进行量化得到的数值，用于图像二值化的设置值可具有例如0和1之间的值作为用于将图像转换为二值图像的阈值。随着设置值接近于1，仅图像的颜色迅速变化的部分可在二值图像上被表示。另一方面，随着设置值接近于0，图像的颜色逐渐变化的部分也可在二值图像上表示。根据示例实施例，用于图像二值化的设置值可默认设置为0.1，并且可根据通过输入接口410的输入而调节。
此外，用于噪声去除的面积值是用于去除在二值图像上表示的无意义的部分(例如，小的形状)的值，并且面积值也可指示构成任意形状的像素的数量。在这种情况下，在像素的数量小于设置的像素的数量的情况下，由在二值图像上表示的形状占有的区域(例如，形状)可被认为是噪声，因此可被去除。
此外，用于提取长而窄的形状的设置值是用于通过使用二值图像中的剩余形状的长/宽比来提取与宽度相比具有相对长的长度的形状的值。随着该值进一步增大，可仅提取与宽度相比具有相对长的长度的形状。此外，设置范围表示二值图像中的剩余形状的宽度的上限值和下限值，并且上限值和下限值可以以像素为单位来设置。
可以考虑图像中的裂纹或外物的尺寸，适当地设置上述设置值之中的具有像素单位的用于去除噪声的面积值和用于提取长而窄的形状的设置范围(例如，宽度范围)。例如，对于对象增大的图像，可将面积值和设置范围设置为相对大，而对于对象减小的图像，可将面积值和设置范围设置为相对小。
图像处理器420可通过对存储在图像数据库(DB)440中的至少一幅图像进行图像处理，来检测半导体芯片上的裂纹、外物等。
通过图像处理器420来检测半导体芯片上的裂纹等的方法与以上参照图1描述的方法相同，因此将省略详细描述。
尽管图4示出图像处理器420接收存储在图像数据库440中的图像，但是本发明构思不限于此。
例如，图像处理器420可从用于对将被检测的半导体芯片成像的图像获取单元(未显示)接收实时获得的图像，并且还可通过图像处理来检测半导体芯片上的裂纹和外物等。
根据本发明构思的示例实施例，上述方法通过减少检测时间并提高精度，改善传统的裂纹检测方法。例如，通过测量导电率来检测半导体芯片中的裂纹的传统技术可能会耗时，并且可能难以实现自动化。此外，通过图像处理来检测裂纹的传统技术可能需要多达十三(13)个步骤的处理，并且可能需要用于裂纹读取的神经网络，因此，由于需要设置许多输入值来获得检测结果，可能会耗时并且可能难以获得精确的结果。
与传统的裂纹检测技术相反，根据如上所述的本发明构思的示例实施例，可仅执行九(9)个或更少的图像处理步骤来检测半导体芯片中存在或不存在裂纹，并且用户仅需设置最多五个输入变量。可不需要用于裂纹读取的诸如神经网络的分类器。例如，如图1和图2所示，根据示例性实施例的本发明构思包括以下步骤：执行图像梯度分析(S110)、执行图像二值化(S120)、填充封闭区域(S130)、去除噪声(S140)、提取长而窄的形状(S150)以及去除连接到图像的边缘部分的形状(S160)。根据本发明构思的示例性实施例的去除连接到图像的边缘部分的形状的步骤(S160)包括以下步骤：将边缘线添加到连接到图像的边缘部分的对象(S161)、填充封闭区域(S162)和提取长而窄的形状(S163)。因此，与需要多达13个步骤的传统技术相比，通过利用根据示例性实施例的本发明构思的图像处理步骤的裂纹检测处理使用简单的计算处理(9个步骤)。此外，在以上关于本发明构思的示例性实施例公开的方法中，用于图像二值化的设置值可具有0和1之间的值(例如，不多于5个输入值)。因此，根据以上公开的本发明构思的示例性实施例，根据传统技术需要设置许多输入值(例如，多于5个输入值)来获得检测结果是不必要的。因此，与传统的裂纹检测方法相比，根据本发明构思的示例性实施例的裂纹检测方法可减少用户输入对检测结果的精度的影响。
结果输出单元430被配置为输出由图像处理器420检测的结果，例如，通过显示装置输出检测结果。
根据示例实施例，结果输出单元430可输出由图像处理器420处理的结果图像，例如，仅裂纹部分以白色表示的结果图像。
根据另一示例实施例，结果输出单元430可针对每个输入图像输出检测结果(例如，存在或不存在裂纹)，或者当检测到裂纹时，将检测结果和裂纹的检测位置一起输出。当结果输出单元430输出指示在半导体芯片中不存在裂纹的检测结果时，可将半导体芯片实施/安装到诸如移动电话、智能电话、个人数字助理(PDA)、便携式多媒体播放器(PMP)、数码相机、便携式摄像机、个人计算机(PC)、服务器计算机、工作站、膝上型计算机、数字电视、机顶盒、便携式游戏机、导航系统等的系统中。当结果输出单元430输出指示在半导体芯片中存在裂纹的检测结果时，可不将半导体芯片实施/安装到诸如移动电话、智能电话、个人数字助理(PDA)、便携式多媒体播放器(PMP)、数码相机、便携式摄像机、个人计算机(PC)、服务器计算机、工作站、膝上型计算机、数字电视、机顶盒、便携式游戏机、导航系统等的系统中。当结果输出单元430输出指示半导体芯片中的裂纹位置的检测结果时，通过仅对半导体芯片的裂纹位置进行电气隔离，仍可利用半导体芯片。
如在本发明构思的领域中的传统，按照功能块、单元和/或模块描述并且在附图中示出实施例。本领域技术人员将理解，这些块、单元和/或模块由可使用基于半导体的制造技术或其他制造技术形成的电子(或光学)电路(诸如逻辑电路、分立元件、微处理器、硬连线电路、存储元件、布线连接等)物理实现的。在这些块、单元和/或模块由微处理器等实现的情况下，可使用软件(例如，微码)对它们进行编程，来执行在这里讨论的各种功能，并且可通过固件和/或软件来可选择地驱动它们。可选地，每个块、单元和/或模块可由专用的硬件实现，或者作为执行一些功能的专用硬件和执行其他功能的处理器(例如，一个或多个编程的微处理器和相关电路)的组合。此外，在不脱离本发明构思的范围的情况下，可将实施例的每个块、单元和/或模块在物理上分为两个或多个相互作用和分立的块、单元和/或模块。另外，在不脱离本发明构思的范围的情况下，可将实施例的块、单元和/或模块在物理上组合为更复杂的块、单元和/或模块。
如上所述，根据示例实施例，可提供一种能够检测在半导体制造工艺中在半导体芯片中产生的裂纹或附着在半导体芯片上的外物的检测方法、检测设备和非暂时性计算机可读存储介质。
尽管上面示出和描述了示例实施例，但是本领域技术人员将清楚：在不脱离由所附权利要求限定的本发明构思的范围的情况下，可以做出修改和变化。

Claims (20)

1.一种检测设备，包括：
图像处理器，被配置为：通过对半导体芯片的输入图像进行图像处理，来检测半导体芯片中的裂纹；
结果输出单元，被配置为输出由图像处理器检测的结果；
其中，图像处理器被配置为：对输入图像执行图像梯度分析，基于通过执行图像梯度分析获得的结果，通过图像二值化将输入图像转换为二值图像，以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域，从二值图像中提取具有预定性质的形状，通过去除连接到二值图像的边缘部分的形状来检测裂纹。
2.根据权利要求1所述的检测设备，其中，图像处理器被配置为：还执行从二值图像中去除噪声的操作。
3.根据权利要求2所述的检测设备，其中，图像处理器被配置为：根据输入图像的条件或者将被检测的对象的类型，使用预定值执行图像处理。
4.根据权利要求2所述的检测设备，还包括：输入接口，被配置为接收用于图像处理的设置值。
5.根据权利要求4所述的检测设备，其中，所述检测设备被配置为通过输入接口接收以下值中的至少一个：用于图像二值化的设置值、用于噪声去除的面积值、用于提取具有所述预定性质的形状的设置值以及用于提取具有所述预定性质的形状的设置范围。
6.根据权利要求1所述的检测设备，其中，图像处理器被配置为：从被配置为存储半导体芯片的图像的图像数据库或从被配置为对半导体芯片进行成像的图像获取单元接收输入图像。
7.根据权利要求1所述的检测设备，其中，结果输出单元被配置为：将仅表示输入图像中的裂纹部分的结果图像输出到显示装置。
8.根据权利要求1所述的检测设备，其中，结果输出单元被配置为将输入图像中存在或者不存在裂纹和输入图像中裂纹的位置中的至少一个输出到显示装置。
9.根据权利要求1所述的检测设备，其中，所述预定形状具有大于形状的宽度的长度。
10.一种由图像处理器执行的用于检测半导体芯片中的裂纹的检测方法，所述检测方法包括：
对半导体芯片的输入图像执行图像梯度分析；
基于图像梯度分析的结果，通过图像二值化将输入图像转换为二值图像；
以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域；
从二值图像中提取具有预定性质的形状；
去除连接到二值图像的边缘部分的形状，以检测裂纹。
11.根据权利要求10所述的检测方法，其中，执行图像梯度分析的步骤包括：通过对输入图像的颜色变化程度进行量化，来获得量化的数值。
12.根据权利要求11所述的检测方法，其中，通过将量化的数值与预定值进行比较的结果，执行将输入图像转换为二值图像的步骤，以将输入图像转换为二值图像。
13.根据权利要求12所述的检测方法，其中，执行将输入图像转换为二值图像的步骤，从而当量化的数值等于或大于所述预定值时，将二值图像表示为白色，当量化的数值小于所述预定值时，将二值图像表示为黑色。
14.根据权利要求12所述的检测方法，其中，所述预定值被设置为0和1之间的值。
15.根据权利要求10所述的检测方法，还包括：从二值图像中去除噪声。
16.根据权利要求15所述的检测方法，其中，执行去除噪声的步骤，以去除二值图像中的具有比预定面积小的面积的形状。
17.根据权利要求10所述的检测方法，其中，通过提取形状的长度大于宽度的形状，执行从二值图像中提取具有预定性质的形状的步骤。
18.根据权利要求17所述的检测方法，其中，通过获得出现在二值图像上的每个形状的长度和宽度，并且通过提取长/宽比等于或大于预定值且宽度包括在预定范围内的形状，来执行从二值图像中提取具有预定性质的形状的步骤。
19.根据权利要求10所述的检测方法，其中，去除连接到二值图像的边缘部分的形状的步骤包括：
将边缘线添加到连接到图像的边缘部分的形状；
填充二值图像中的封闭区域；
从二值图像中提取具有所述预定性质的形状，以去除连接到二值图像的边缘部分的形状。
20.一种记录有指令的非暂时性计算机可读存储介质，所述指令能够被处理器执行以执行用于检测半导体芯片中的裂纹的检测方法，所述检测方法包括：
对半导体芯片的输入图像执行图像梯度分析；
基于图像梯度分析的结果，通过图像二值化将输入图像转换为二值图像；
以与表示出现在二值图像中的形成封闭区域的形状的轮廓的颜色相同的颜色，填充二值图像中的所述封闭区域；
从二值图像中提取具有预定性质的形状；
去除连接到二值图像的边缘部分的形状，以检测裂纹。
CN201811310661.9A 2018-01-25 2018-11-06 检测方法、检测设备和计算机可读存储介质 Pending CN110085529A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0009160 2018-01-25
KR1020180009160A KR102300562B1 (ko) 2018-01-25 2018-01-25 검출 방법, 검출 장치 및 컴퓨터 판독 가능한 저장매체

Publications (1)

Publication Number Publication Date
CN110085529A true CN110085529A (zh) 2019-08-02

Family

ID=67300056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811310661.9A Pending CN110085529A (zh) 2018-01-25 2018-11-06 检测方法、检测设备和计算机可读存储介质

Country Status (3)

Country Link
US (1) US10679336B2 (zh)
KR (1) KR102300562B1 (zh)
CN (1) CN110085529A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111842183A (zh) * 2020-07-27 2020-10-30 深圳市维图视技术有限公司 瓶体检测装置及瓶体检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030149947A1 (en) * 2002-02-07 2003-08-07 Applied Materials, Inc. Method and system for detecting defects
JP2012002531A (ja) * 2010-06-14 2012-01-05 Taisei Corp ひび割れ検出方法
CN102680480A (zh) * 2012-05-03 2012-09-19 中南大学 一种混凝土结构裂缝智能化检测方法
CN103971361A (zh) * 2013-02-06 2014-08-06 富士通株式会社 图像处理装置和方法
US20150115266A1 (en) * 2013-10-28 2015-04-30 Freescale Semiconductor, Inc. Die crack detector with integrated one-time programmable element
JP2016156822A (ja) * 2015-02-25 2016-09-01 株式会社昭和電気研究所 ウェハ欠陥検査装置
CN106097368A (zh) * 2016-06-22 2016-11-09 国家林业局北京林业机械研究所 一种单板裂缝的识别方法
JP2017053819A (ja) * 2015-09-11 2017-03-16 国立大学法人富山大学 コンクリートのひび割れ検出方法及び検出プログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4972493A (en) * 1988-01-04 1990-11-20 Motorola, Inc. Method for inspection of surfaces
JP2001284422A (ja) 2000-03-28 2001-10-12 Toshiba Corp コンタクト不良欠陥検出方法およびコンピュータ読み取り可能な記録媒体
JP2003130808A (ja) 2001-10-29 2003-05-08 Hitachi Ltd 欠陥検査方法及びその装置
JP2008209134A (ja) 2007-02-23 2008-09-11 Sharp Corp 欠陥の検出装置、検出方法およびコンピュータを当該検出装置として機能させるためのプログラム
JP2009145285A (ja) 2007-12-18 2009-07-02 Dainippon Screen Mfg Co Ltd 欠陥検出方法および欠陥検出装置
JP5088165B2 (ja) 2008-02-21 2012-12-05 セイコーエプソン株式会社 欠陥検出方法および欠陥検出装置
US8596541B2 (en) 2008-02-22 2013-12-03 Qualcomm Incorporated Image capture device with integrated barcode scanning
US9401313B2 (en) 2014-11-19 2016-07-26 Deca Technologies, Inc. Automated optical inspection of unit specific patterning
KR20160081423A (ko) 2014-12-31 2016-07-08 삼성전자주식회사 결함 검출 방법 및 결함 검출 시스템
KR101717768B1 (ko) 2015-06-17 2017-03-27 주식회사 쓰리디산업영상 부품 결함 검사 방법 및 그 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030149947A1 (en) * 2002-02-07 2003-08-07 Applied Materials, Inc. Method and system for detecting defects
JP2012002531A (ja) * 2010-06-14 2012-01-05 Taisei Corp ひび割れ検出方法
CN102680480A (zh) * 2012-05-03 2012-09-19 中南大学 一种混凝土结构裂缝智能化检测方法
CN103971361A (zh) * 2013-02-06 2014-08-06 富士通株式会社 图像处理装置和方法
US20150115266A1 (en) * 2013-10-28 2015-04-30 Freescale Semiconductor, Inc. Die crack detector with integrated one-time programmable element
JP2016156822A (ja) * 2015-02-25 2016-09-01 株式会社昭和電気研究所 ウェハ欠陥検査装置
JP2017053819A (ja) * 2015-09-11 2017-03-16 国立大学法人富山大学 コンクリートのひび割れ検出方法及び検出プログラム
CN106097368A (zh) * 2016-06-22 2016-11-09 国家林业局北京林业机械研究所 一种单板裂缝的识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111842183A (zh) * 2020-07-27 2020-10-30 深圳市维图视技术有限公司 瓶体检测装置及瓶体检测方法
CN111842183B (zh) * 2020-07-27 2021-09-28 深圳市维图视技术有限公司 瓶体检测装置及瓶体检测方法

Also Published As

Publication number Publication date
KR20190090459A (ko) 2019-08-02
US20190228523A1 (en) 2019-07-25
US10679336B2 (en) 2020-06-09
KR102300562B1 (ko) 2021-09-13

Similar Documents

Publication Publication Date Title
US20200184733A1 (en) Generating an Augmented Reality Image Using a Blending Factor
US10650523B2 (en) Image segmentation method, image segmentation system and storage medium and apparatus including the same
CN110516577B (zh) 图像处理方法、装置、电子设备及存储介质
JP6868119B2 (ja) ホログラフィック偽造防止コードの検査方法及び装置
CN108830780B (zh) 图像处理方法及装置、电子设备、存储介质
US11530915B2 (en) Dimension measuring device, dimension measuring method, and semiconductor manufacturing system
CN112200187A (zh) 一种目标检测方法、装置、机器可读介质及设备
JP5956814B2 (ja) 外観検査装置、外観検査方法及びコンピュータプログラム
KR100868884B1 (ko) 유리 기판 유리 불량 정보 시스템 및 분류 방법
CN115294332B (zh) 一种图像处理方法、装置、设备和存储介质
CN111912846A (zh) 一种基于机器视觉的表面缺陷与边缘毛刺检测方法
KR20220014805A (ko) 반도체 시편의 검사에 사용가능한 훈련 데이터의 생성
US10395090B2 (en) Symbol detection for desired image reconstruction
CN111062854A (zh) 检测水印的方法、装置、终端及存储介质
US20200279359A1 (en) Inspection apparatus, inspection method, and non-volatile storage medium
CN115471476A (zh) 一种部件缺陷检测方法、装置、设备及介质
CN110085529A (zh) 检测方法、检测设备和计算机可读存储介质
WO2015031350A1 (en) Systems and methods for memory utilization for object detection
CN116205918B (zh) 基于图卷积的多模态融合半导体检测方法、装置及介质
KR20220026439A (ko) 인쇄회로기판의 부품 미실장 검출 방법 및 그 장치
CN117314863A (zh) 缺陷输出方法、装置、设备及存储介质
CN115222653B (zh) 测试方法和装置
CN113469087B (zh) 建筑图纸中的图框检测方法、装置、设备及介质
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN110929767B (zh) 一种字形处理方法、系统、设备和介质

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