CN111037455B - 晶圆研磨方法 - Google Patents

晶圆研磨方法 Download PDF

Info

Publication number
CN111037455B
CN111037455B CN201911338861.XA CN201911338861A CN111037455B CN 111037455 B CN111037455 B CN 111037455B CN 201911338861 A CN201911338861 A CN 201911338861A CN 111037455 B CN111037455 B CN 111037455B
Authority
CN
China
Prior art keywords
wafer
grinding
training
camera device
convolution
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.)
Active
Application number
CN201911338861.XA
Other languages
English (en)
Other versions
CN111037455A (zh
Inventor
陈兴伟
曾斌
王海升
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.)
Qingdao Goertek Microelectronic Research Institute Co ltd
Original Assignee
Qingdao Goertek Microelectronic Research Institute 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 Qingdao Goertek Microelectronic Research Institute Co ltd filed Critical Qingdao Goertek Microelectronic Research Institute Co ltd
Priority to CN201911338861.XA priority Critical patent/CN111037455B/zh
Publication of CN111037455A publication Critical patent/CN111037455A/zh
Priority to PCT/CN2020/135042 priority patent/WO2021129398A1/zh
Application granted granted Critical
Publication of CN111037455B publication Critical patent/CN111037455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • 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
    • 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
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)

Abstract

本发明涉及电子机械技术领域，具体涉及一种晶圆研磨设备和方法。本发明主要解决现有晶圆研磨设备无法识别晶圆是否装反的技术问题。为此目的，本发明提供了一种晶圆研磨设备，晶圆研磨设备包括：研磨台，研磨台用于放置晶圆；摄像装置，摄像装置设置于研磨台的上方，用于拍摄研磨台上的晶圆图像；控制器，控制器与摄像装置电连接，用于接收摄像装置拍摄的晶圆图像；报警器，控制器与报警器电连接，控制器根据晶圆图像通过报警器发出提示信息。本发明的晶圆研磨设备能够通过摄像装置拍摄的晶圆图像识别晶圆的状态，并根据晶圆图像判断晶圆是否装反，当晶圆装反时，晶圆研磨设备能够通过报警器发出提示信息。

Description

晶圆研磨方法
技术领域
本发明涉及电子机械技术领域，具体涉及一种晶圆研磨方法。
背景技术
本部分提供的仅仅是与本公开相关的背景信息，其并不必然是现有技术。
目前市面上的研磨机对晶圆的插重、插斜具有识别功能，但是对于产品放反现象并没有监控功能，如若上料出现上反现象，不仅对产品的影响是无法弥补的，对设备本身也有一定的损伤。目前为了解决上料上反问题，只能增加人工程序：上料前人工检查，双人核对并签字。此办法过于依赖人力、可靠性低、耗费人力。
对于晶圆研磨工序，上料时的问题点主要为：1、插重；2、插斜；3、上料上反。对于插重、插斜，容易导致机器撞击晶圆，导致机器及晶圆损坏，但是，对于此问题，晶圆研磨设备一般具有扫描功能，可有效解决上述问题，但是对上料上反现象，目前市场上并无有效的解决办法，上料上反的危险主要有：1、产品报废，晶圆放反以后，设备磨轮是直接研磨的芯片表面，会将芯片完全研磨掉，造成产品完全报废；2、磨轮报废，由于产品正面会贴胶膜，磨轮牙齿与胶膜在研磨过程中会对磨轮牙齿造成损坏，导致磨轮报废；3、研磨台损坏，当晶圆研磨到很薄程度时，由于正面的一层保护膜在放反的情况下会被磨掉，所以产品会严重裂片，裂片的硅渣会导致研磨台的划伤等。
发明内容
本发明的目的是至少解决上述现有技术中存在的问题之一，该目的是通过以下技术方案实现的：
本发明的第一方面提供了一种晶圆研磨设备，晶圆研磨设备包括：研磨台，研磨台用于放置晶圆；摄像装置，摄像装置设置于研磨台的上方，用于拍摄研磨台上的晶圆图像；控制器，控制器与摄像装置电连接，用于接收摄像装置拍摄的晶圆图像；报警器，控制器与报警器电连接，控制器根据晶圆图像通过报警器发出提示信息。
优选地，晶圆研磨设备还包括面向研磨台设置的研磨头，研磨头上设置有可旋转的研磨垫，控制器根据晶圆图像操作研磨垫研磨晶圆的表面。
优选地，晶圆研磨设备还包括设置于研磨台的底部并与研磨台连接的翻转装置，控制器根据晶圆图像通过翻转装置调整研磨台和晶圆的倾斜角度。
优选地，晶圆研磨设备还包括设置于研磨台上的安装槽，安装槽的内壁设置有卡紧晶圆的可伸缩卡块。
优选地，报警器包括声光报警器。
本发明的第二方面提供了一种晶圆研磨方法，晶圆研磨方法是根据本发明的第一方面的晶圆研磨设备来执行的，晶圆研磨方法包括：控制晶圆研磨设备内的引导程序模块在晶圆上料后启动，并通过引导程序模块引导晶圆研磨设备内的操作模块启动；控制操作模块启动晶圆研磨设备内的摄像装置，将摄像装置拍摄到的画面导入晶圆图像识别模型，通过晶圆图像识别模型判定画面内是否有晶圆；根据画面内有晶圆，则根据晶圆图像识别模型中的预存晶圆状态确定晶圆的当前状态；根据晶圆的当前状态控制报警器发出提示信息。
优选地，控制晶圆研磨设备内的引导程序模块在晶圆上料后启动，并通过引导程序模块引导晶圆研磨设备内的操作模块启动前包括：通过晶圆研磨设备内的摄像装置拍摄包含有预存晶圆状态的多个训练画面，通过卷积神经网络和多个训练画面训练出晶圆图像识别模型。
优选地，通过晶圆研磨设备内的摄像装置拍摄包含有预存晶圆状态的多个训练画面，通过卷积神经网络和多个训练画面训练出晶圆图像识别模型具体包括：提取多个训练画面内多个预存晶圆状态的多个特征值；通过卷积计算和池化计算将多个特征值转化为数值存放在卷积核内；将卷积核经过全连接层后生成预测值并储存；通过损失函数层利用梯度下降法测量预测值与真实值的误差，并对预测值进行优化并保存；重复拍摄多个训练画面，通过卷积神经网络和重复拍摄的多个训练画面训练出晶圆图像识别模型。
优选地，提取多个训练画面内多个预存晶圆状态的多个特征值具体包括：将训练画面中预存晶圆状态的上边沿、下边沿、左边沿、右边沿、左上角、右上角、左下角和右下角作为特征值并存放在卷积核内。
优选地，通过卷积计算和池化计算将多个特征值转化为数值存放在卷积核内具体包括：对多个特征值进行第一次卷积计算和第一次池化计算并存放在卷积核内；对卷积核内的经过第一次卷积计算和第一次池化计算的多个特征值进行第二次卷积计算和第二次池化计算。
本领域技术人员能够理解的是，通过在晶圆研磨设备内部的研磨台处增加一个摄像装置，通过摄像装置对正常上料的晶圆进行拍照，然后记录此时的包含有预存晶圆状态的多个训练画面，后续上料时，摄像装置会对晶圆进行拍照并生成晶圆图像，然后将晶圆图像与多个训练画面中的预存晶圆状态进行对比，若晶圆正常上料，晶圆图像与多个训练画面中的预存晶圆状态一致，晶圆研磨设备正常工作；若晶圆不正常上料(如晶圆位置装反)，则晶圆图像与多个训练画面中的预存晶圆状态误差值较大，当误差值超过预设误差范围时，晶圆研磨设备通过报警器发出提示信息，晶圆研磨设备停止工作直到将晶圆调整至正常状态。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明一个实施例的晶圆研磨设备的局部结构示意图。
图2为本发明一个实施例的晶圆研磨方法的流程示意图。
其中，附图标记如下：
10、晶圆；
20、工作台；
30、摄像装置。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”以及“具有”是包含性的，并且因此指明所陈述的特征、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、元件、部件、和/或它们的组合。
另外，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体式连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
为了便于描述，可以在文中使用空间相对关系术语来描述如图中示出的一个元件或者特征相对于另一元件或者特征的关系，这些相对关系术语例如为“上”、“面向”、“底部”、“内”、“下”等。这种空间相对关系术语意于包括除图中描绘的方位之外的在使用或者操作中机构的不同方位。例如，如果在图中的机构翻转，那么描述为“在其它元件或者特征下面”或者“在其它元件或者特征下方”的元件将随后定向为“在其它元件或者特征上面”或者“在其它元件或者特征上方”。因此，示例术语“在……下方”可以包括在上和在下的方位。机构可以另外定向(旋转90度或者在其它方向)并且文中使用的空间相对关系描述符相应地进行解释。
图1为本发明一个实施例的晶圆研磨设备的局部结构示意图。
如图1和图2所示，根据本发明的实施例，本发明的第一方面提供了一种晶圆研磨设备，晶圆研磨设备包括研磨台、摄像装置、控制器和报警器，研磨台用于放置晶圆，摄像装置设置于研磨台的上方，用于拍摄研磨台上的晶圆图像，控制器与摄像装置电连接，用于接收摄像装置拍摄的晶圆图像，控制器与报警器电连接，控制器根据晶圆图像通过报警器发出提示信息。
在本实施例中，通过在晶圆研磨设备内部的研磨台处增加一个摄像装置，通过摄像装置对正常上料的晶圆进行拍照，然后记录此时的包含有预存晶圆状态的多个训练画面，后续上料时，摄像装置会对晶圆进行拍照并生成晶圆图像，然后将晶圆图像与多个训练画面中的预存晶圆状态进行对比，若晶圆正常上料，晶圆图像与多个训练画面中的预存晶圆状态一致，晶圆研磨设备正常工作；若晶圆不正常上料(如晶圆位置装反)，则晶圆图像与多个训练画面中的预存晶圆状态误差值较大，当误差值超过预设误差范围时，晶圆研磨设备通过报警器发出提示信息，晶圆研磨设备停止工作直到将晶圆调整至正常状态。
继续参阅图1，根据本发明的第一实施例，晶圆研磨设备还包括面向研磨台设置的研磨头，研磨头上设置有可旋转的研磨垫，控制器根据晶圆图像操作研磨垫研磨晶圆的表面。进一步地，晶圆研磨设备还包括设置于研磨台的底部并与研磨台连接的翻转装置，控制器根据晶圆图像通过翻转装置调整研磨台和晶圆的倾斜角度。
在本实施例中，研磨垫根据晶圆图像可操作地接触晶圆的表面，同时，翻转装置根据晶圆图像调整研磨台和晶圆的倾斜角度，从而使研磨垫能够在合适的位置对晶圆进行合适角度的研磨，以此减少研磨垫在对晶圆进行研磨时出现误操作，提高了晶圆研磨设备对晶圆的研磨精度。
继续参阅图1，根据本发明的第一实施例，晶圆研磨设备还包括设置于研磨台上的安装槽，安装槽的内壁设置有卡紧晶圆的可伸缩卡块。
在本实施例中，晶圆安装于安装槽内并通过可伸缩卡块进行卡紧，以此减少工作台对晶圆的状态进行调整时晶圆出现移位现象。
继续参阅图1，根据本发明的第一实施例，报警器包括声光报警器。
在本实施例中，当需要通过翻转装置对晶圆的状态进行调整时，声光报警器在晶圆的翻转过程中发出闪烁灯以此提示晶圆处于翻转过程，当需要通过人工对晶圆的状态进行调整时，声光报警器发出闪烁灯的同时发出语音信息告知用户需要对晶圆的状态进行调整。
如图2所示，本发明的第二方面提供了一种晶圆研磨方法，晶圆研磨方法是根据本发明的第一方面的晶圆研磨设备来执行的，晶圆研磨方法包括：控制晶圆研磨设备内的引导程序模块在晶圆上料后启动，并通过引导程序模块引导晶圆研磨设备内的操作模块启动；控制操作模块启动晶圆研磨设备内的摄像装置，将摄像装置拍摄到的画面导入晶圆图像识别模型，通过晶圆图像识别模型判定画面内是否有晶圆；根据画面内有晶圆，则根据晶圆图像识别模型中的预存晶圆状态确定晶圆的当前状态；根据晶圆的当前状态控制报警器发出提示信息。
根据本发明的一个实施例，控制晶圆研磨设备内的引导程序模块在晶圆上料后启动，并通过引导程序模块引导晶圆研磨设备内的操作模块启动前包括：通过晶圆研磨设备内的摄像装置拍摄包含有预存晶圆状态的多个训练画面，通过卷积神经网络和多个训练画面训练出晶圆图像识别模型。
根据本发明的一个实施例，通过晶圆研磨设备内的摄像装置拍摄包含有预存晶圆状态的多个训练画面，通过卷积神经网络和多个训练画面训练出晶圆图像识别模型具体包括：提取多个训练画面内多个预存晶圆状态的多个特征值；通过卷积计算和池化计算将多个特征值转化为数值存放在卷积核内；将卷积核经过全连接层后生成预测值并储存；通过损失函数层利用梯度下降法测量预测值与真实值的误差，并对预测值进行优化并保存；重复拍摄多个训练画面，通过卷积神经网络和重复拍摄的多个训练画面训练出晶圆图像识别模型。
根据本发明的一个实施例，提取多个训练画面内多个预存晶圆状态的多个特征值具体包括：将训练画面中预存晶圆状态的上边沿、下边沿、左边沿、右边沿、左上角、右上角、左下角和右下角作为特征值并存放在卷积核内。
根据本发明的一个实施例，通过卷积计算和池化计算将多个特征值转化为数值存放在卷积核内具体包括：对多个特征值进行第一次卷积计算和第一次池化计算并存放在卷积核内；对卷积核内的经过第一次卷积计算和第一次池化计算的多个特征值进行第二次卷积计算和第二次池化计算。
本发明基于深度神经网络模型通过训练数据训练出的晶圆图像识别模型的原理如下：
步骤一：读取预存晶圆状态数据集，并且预定义数据；
读取使用1080p分辨率为1920*1080像素的黑白摄像头在正式安装位置拍摄的预存晶圆状态数据集，以确保训练出的晶圆图像识别模型与摄像头在安装后拍摄到的晶圆图像角度、位置一致，将模型中总像素定义为1920*1080＝2088960个；
步骤二：设置权重、偏置值函数；
产生随机变量：生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差值则丢弃重新选择；
从截断的正态分布中输出随机值，选取位于正态分布均值＝0.1附近的随机值；
步骤三：对卷积函数、池化函数定义
输入图片信息矩阵、卷积核的值、卷积核向右和向下移动的步长，卷积计算的向右和向下的步长都设置为1、池化计算向右和向下的步长设置为2。
将卷积核的大小设置为320*180个像素，将预存晶圆状态的图像特征转化为数值放在卷积核中。
步骤四：第一次卷积+池化
卷积层1网络结构定义
卷积核1：由于这里的卷积核大小是320*180的，输入的通道数是1，输出的通道数是32。
第一次卷积之后输出图片的尺寸为1920*1080*32
为了减少计算，将图片池化，第一次池化之后输出图片的尺寸是960*540，通过激活函数ReLU进行非线性处理。
线性整流函数(Rectified Linear Unit,ReLU)，又称修正线性单元，是一种人工神经网络中常用的激活函数(activation function)，通常指代以斜坡函数及其变种为代表的非线性函数。
通常意义下，线性整流函数指代数学中的斜坡函数，即f(x)＝max(0，x)，而在神经网络中，线性整流作为神经元的激活函数，定义了该神经元在线性变换wTx+b之后的非线性输出结果。对于进入神经元的来自上一层神经网络的输入向量x，使用线性整流激活函数的神经元会输出max(0，wTx+b)，至下一层神经元或作为整个神经网络的输出(取决现神经元在网络结构中所处位置)。
在矩阵2*2的区域中取平均值，池化步长是2。
卷积核的值这里就相当于权重值，用随机数列生成的方式得到
由于预存晶圆状态数据集图片大小都是1920*1080，且是黑白单色，所以准确的图片尺寸大小是1920*1080*1(1表示图片只有一个色层，彩色图片都是3个色层——RGB)，所以经过第一次卷积后，输出的通道数由1变成32，图片尺寸变为：1920*1080*32(相当于拉伸了高度)
再经过第一次池化(池化步长是2)及激活后，图片尺寸为960*540*32
步骤五：第二次卷积+池化
卷积层2网络结构定义
卷积核2：第二次卷积核大小也是320*180的，输入的通道数是32，输出的通道数是64。
第二次卷积之后输出图片的尺寸为960*540*64
为了进一步减少计算量，进行第二次池化激活(池化步长是2)，池化激活之后输出图片的尺寸为480*270*64。
步骤六：设置全连接层1、全连接层2
全连接层1
全连接层1的输入就是第二次池化后的输出，尺寸是480*270*64，全连接层1有1024个神经元。
根据已有的维度计算出数组的另外形状属性值，例如一个三维数组是[[[0]，[1]]，[[2]，[3]]，[[4]，[5]]]，则其形状是(3,2,1)。
为了减小过拟合现象。每次只让部分神经元参与工作使权重得到调整。
全连接层2
全连接层2有10个神经元，相当于生成的分类器。
经过全连接层1、2，将前面经过卷积池化后得到的预测值保存起来。
步骤七：损失函数层选择梯度下降法优化、求准确率
损失函数使用二次代价函数，测量预测值与真实值的误差。
由于数据集太庞大，使用梯度下降法学习，学习率是1e-4，这里采用的优化器是AdamOptimizer优化器。
将结果存放在一个布尔型列表中。
返回对于输入预测到的标签值。
为了计算分类的准确率，将返回的布尔数组转换为浮点数来代表对与错，然后取平均值。
步骤八：设置其它参数、保存参数
将图像原始数据包设置为来源于DangCheQiang数据集，一个批次包含50条数据
保存模型参数
将神经元参与率设置为0.5，只有一半的神经元参与工作。
步骤九：重复运行一万次，得到较精确的晶圆图像识别模型；
每运行一次，都会由损失函数评估运行的结果与实际图像之间的区别，运行一万次之后，晶圆图像识别模型识别图像的识别率能够达到95％以上。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (5)

1.一种晶圆研磨方法，其特征在于，所述晶圆研磨方法是根据晶圆研磨设备来执行的，所述晶圆研磨设备包括：
研磨台，所述研磨台用于放置晶圆；
摄像装置，所述摄像装置设置于所述研磨台的上方，用于拍摄所述研磨台上的晶圆图像；
控制器，所述控制器与所述摄像装置电连接，用于接收所述摄像装置拍摄的晶圆图像；
报警器，所述控制器与所述报警器电连接，所述控制器根据所述晶圆图像通过所述报警器发出提示信息，
所述晶圆研磨方法包括：
控制所述晶圆研磨设备内的引导程序模块在晶圆上料后启动，并通过所述引导程序模块引导所述晶圆研磨设备内的操作模块启动；
控制所述操作模块启动所述晶圆研磨设备内的摄像装置，将所述摄像装置拍摄到的画面导入晶圆图像识别模型，通过所述晶圆图像识别模型判定画面内是否有晶圆；
如果画面内有晶圆，则根据所述晶圆图像识别模型中的预存晶圆状态确定晶圆的当前状态；
根据晶圆的当前状态控制所述报警器发出提示信息。
2.根据权利要求1所述的晶圆研磨方法，其特征在于，所述控制晶圆研磨设备内的引导程序模块在晶圆上料后启动，并通过所述引导程序模块引导所述晶圆研磨设备内的操作模块启动前包括：
通过所述晶圆研磨设备内的所述摄像装置拍摄包含有预存晶圆状态的多个训练画面，通过卷积神经网络和多个训练画面训练出晶圆图像识别模型。
3.根据权利要求2所述的晶圆研磨方法，其特征在于，通过所述晶圆研磨设备内的所述摄像装置拍摄包含有预存晶圆状态的多个训练画面，通过卷积神经网络和多个训练画面训练出晶圆图像识别模型具体包括：
提取多个训练画面内多个预存晶圆状态的多个特征值；
通过卷积计算和池化计算将多个特征值转化为数值存放在卷积核内；
将卷积核经过全连接层后生成预测值并储存；
通过损失函数层利用梯度下降法测量预测值与真实值的误差，并对预测值进行优化并保存；
重复拍摄多个训练画面，通过卷积神经网络和重复拍摄的多个训练画面训练出所述晶圆图像识别模型。
4.根据权利要求3所述的晶圆研磨方法，其特征在于，所述提取多个训练画面内多个预存晶圆状态的多个特征值具体包括：
将训练画面中预存晶圆状态的上边沿、下边沿、左边沿、右边沿、左上角、右上角、左下角和右下角作为特征值并存放在卷积核内。
5.根据权利要求4所述的晶圆研磨方法，其特征在于，所述通过卷积计算和池化计算将多个特征值转化为数值存放在卷积核内具体包括：
对多个特征值进行第一次卷积计算和第一次池化计算并存放在卷积核内；
对卷积核内的经过第一次卷积计算和第一次池化计算的多个特征值进行第二次卷积计算和第二次池化计算。
CN201911338861.XA 2019-12-23 2019-12-23 晶圆研磨方法 Active CN111037455B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911338861.XA CN111037455B (zh) 2019-12-23 2019-12-23 晶圆研磨方法
PCT/CN2020/135042 WO2021129398A1 (zh) 2019-12-23 2020-12-09 晶圆研磨设备和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911338861.XA CN111037455B (zh) 2019-12-23 2019-12-23 晶圆研磨方法

Publications (2)

Publication Number Publication Date
CN111037455A CN111037455A (zh) 2020-04-21
CN111037455B true CN111037455B (zh) 2021-02-26

Family

ID=70237467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911338861.XA Active CN111037455B (zh) 2019-12-23 2019-12-23 晶圆研磨方法

Country Status (2)

Country Link
CN (1) CN111037455B (zh)
WO (1) WO2021129398A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111037455B (zh) * 2019-12-23 2021-02-26 青岛歌尔微电子研究院有限公司 晶圆研磨方法
CN111730431B (zh) * 2020-05-20 2021-10-15 清华大学 晶圆磨削方法及晶圆磨削系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05102113A (ja) * 1991-10-07 1993-04-23 Nippon Steel Corp Ｓｉウエハの鏡面加工方法
CN104416449A (zh) * 2013-08-19 2015-03-18 株式会社迪思科 加工装置
CN105390410A (zh) * 2014-08-29 2016-03-09 株式会社迪思科 晶片检查方法以及磨削研磨装置
CN105489523A (zh) * 2014-10-06 2016-04-13 株式会社迪思科 晶片检查方法和晶片检查装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI255485B (en) * 2001-12-31 2006-05-21 Calitech Co Ltd Wafer protection method and system
CN208368469U (zh) * 2018-03-28 2019-01-11 日月光封装测试(上海)有限公司 一种研磨机晶圆放反报警系统
CN108765389A (zh) * 2018-05-18 2018-11-06 浙江大学 一种微观晶圆表面缺陷图像检测方法
CN110459499B (zh) * 2019-08-16 2021-09-17 上海知昊电子科技有限公司 一种晶圆位置侦测系统
CN111037455B (zh) * 2019-12-23 2021-02-26 青岛歌尔微电子研究院有限公司 晶圆研磨方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05102113A (ja) * 1991-10-07 1993-04-23 Nippon Steel Corp Ｓｉウエハの鏡面加工方法
CN104416449A (zh) * 2013-08-19 2015-03-18 株式会社迪思科 加工装置
CN105390410A (zh) * 2014-08-29 2016-03-09 株式会社迪思科 晶片检查方法以及磨削研磨装置
CN105489523A (zh) * 2014-10-06 2016-04-13 株式会社迪思科 晶片检查方法和晶片检查装置

Also Published As

Publication number Publication date
CN111037455A (zh) 2020-04-21
WO2021129398A1 (zh) 2021-07-01

Similar Documents

Publication Publication Date Title
CN111037455B (zh) 晶圆研磨方法
CN109559458B (zh) 基于神经网络识别商品的收银方法以及自助收银台
US20170091706A1 (en) System for monitoring the condition of packages throughout transit
US6898486B2 (en) Position detecting device and takeout apparatus with position detecting device
US20080279460A1 (en) Scene Classification Apparatus and Scene Classification Method
CN103026384A (zh) 特征提取装置、特征提取方法、特征提取程序以及图像处理装置
US20220092757A1 (en) Grading cosmetic appearance of a test object
KR101556354B1 (ko) 휴대 단말기를 이용한 타이어 결함 상태 정보 제공 방법
KR20120041002A (ko) 객체 검출 장치 및 시스템
CN111915485B (zh) 一种特征点稀疏工件图像的快速拼接方法及系统
US20170313111A1 (en) Image processing apparatus, image processing method, and storage medium
TW202242390A (zh) 缺陷檢查裝置、缺陷檢查方法以及製造方法
CN102401636B (zh) 图像测量装置和图像测量方法
CN113059560B (zh) 机械臂控制方法、装置、电子设备以及烹饪系统
US20080279456A1 (en) Scene Classification Apparatus and Scene Classification Method
US8345965B2 (en) Method and apparatus for positioning edges of photograph
TW201445458A (zh) 一種攝像設備的檢測裝置及方法
CN114972825B (zh) 一种mmi按键图标矩阵自动检测的实现方法
US20220044382A1 (en) Electronic device and method for marking defects of products
US10931867B2 (en) Image processing apparatus, robot and robot system
CN113326894A (zh) 影像仪
TWI701610B (zh) 臉部辨識系統及方法
CN114067189A (zh) 一种工件识别方法、装置、设备和存储介质
KR20180108714A (ko) 불균일 평가 방법 및 불균일 평가 장치
CN114406807B (zh) 砂带磨削材料去除率预测方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant