CN111239152A - 晶圆检测方法、装置和设备 - Google Patents

晶圆检测方法、装置和设备 Download PDF

Info

Publication number
CN111239152A
CN111239152A CN202010002880.1A CN202010002880A CN111239152A CN 111239152 A CN111239152 A CN 111239152A CN 202010002880 A CN202010002880 A CN 202010002880A CN 111239152 A CN111239152 A CN 111239152A
Authority
CN
China
Prior art keywords
wafer
detected
signal component
area
standard
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
Application number
CN202010002880.1A
Other languages
English (en)
Other versions
CN111239152B (zh
Inventor
谢真良
郑先意
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.)
Yangtze Memory Technologies Co Ltd
Original Assignee
Yangtze Memory Technologies 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 Yangtze Memory Technologies Co Ltd filed Critical Yangtze Memory Technologies Co Ltd
Priority to CN202010002880.1A priority Critical patent/CN111239152B/zh
Publication of CN111239152A publication Critical patent/CN111239152A/zh
Application granted granted Critical
Publication of CN111239152B publication Critical patent/CN111239152B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01N21/9503—Wafer edge inspection
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种晶圆检测方法、装置和设备，方法包括通过获取待检测晶圆的图像，将每个待检测区域与标准晶圆中的对应区域进行比较，标准晶圆包括N个区域，标准晶圆的每个区域与每个待检测区域一一对应，待检测区域在待检测晶圆中的位置与对应区域在标准晶圆中的位置相同，若每个待检测区域与标准晶圆的对应区域的差异在预设范围内，则确定待检测晶圆为合格晶圆；由于晶圆中不同区域对缺陷的判断标准不同，对每个待检测区域进行缺陷检测，使得晶圆的缺陷检测更加灵活，检测准确性更高。解决了现有技术中对晶圆的缺陷检测时，由于对晶圆是否存在缺陷的检测标准不灵活造成的晶圆是否存在缺陷检测结果不准确的问题，从而减少了生产成本。

Description

晶圆检测方法、装置和设备
技术领域
本发明实施例涉及半导体制造技术领域，尤其涉及一种晶圆检测方法、装置和设备。
背景技术
晶圆(Wafer)是指硅半导体集成电路制作所用的硅芯片，是生产集成电路(integrated circuit，IC)所用的载体，因此，晶圆的质量直接影响芯片的良品率及制造成本。在制作晶圆的过程中，不可避免的会使部分晶圆存在缺陷，例如，在光刻过程中由于晶圆表面不平整，会造成聚焦光斑，色差等缺陷。因此，需要对晶圆进行检测，得到符合标准的晶圆。
现有技术中，采用晶圆检测系统(wafer inspect system，WIS)拍摄晶圆光刻前和光刻后的图片，根据WIS自带的图像检测方法和检测标准对晶圆光刻前的图片和光刻后的图片分别进行缺陷检测，确定不符合标准的晶圆。
但是，通过WIS自带的图像检测方法和检测标准对晶圆光刻前的图片和光刻后的图片分别进行缺陷检测用以确定存在缺陷的晶圆时，由于WIS自带的图像检测方法和检测标准非常不灵活，在一些场景下，有可能将一些存在可忽略的小缺陷的晶圆确定为不合格晶圆，或者将有缺陷的晶圆确定为合格晶圆，那么根据该晶圆获得的芯片存在质量问题，提高了生产成本。
发明内容
本发明实施例提供一种晶圆检测方法、装置和设备，使晶圆缺陷的检测标准更加灵活，从而提高晶圆检测的准确性。
第一方面，本发明实施例提供一种晶圆检测方法，包括：
获取待检测晶圆的图像；
将所述待检测晶圆的图像划分为N个不同的待检测区域，所述N为大于等于2的整数；
将每个待检测区域与标准晶圆的图像中的对应区域进行比较，所述标准晶圆的图像包括N个区域，所述标准晶圆的图像中的每个区域与每个待检测区域一一对应，所述待检测区域在所述待检测晶圆中的位置与对应区域在所述标准晶圆中的位置相同；其中，所述标准晶圆为与所述待检测晶圆通过同一生产线制造的合格晶圆；
若所述每个待检测区域与所述标准晶圆的图像中的对应区域的差异在预设范围内，则确定所述待检测晶圆为合格晶圆。
在一些可能的实施例中，所述将所述待检测晶圆的图像划分为N个不同的区域，包括：
将所述待检测晶圆划分为一个圆形待检测区域和至少一个圆环待检测区域，其中，所述圆形待检测区域与所述至少一个圆环待检测区域共圆心，所述圆心为所述待检测晶圆的圆心。
在一些可能的实施例中，所述圆形待检测区域的半径大于所述圆环待检测区域的环宽。
在一些可能的实施例中，所述将每个待检测区域与标准晶圆的图像中的对应区域进行比较，包括：
获取所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
将所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量分别与所述标准晶圆的图像中的对应区域的红色信号分量标准范围、绿色信号分量标准范围、蓝色信号分量标准范围以及混合灰度分量标准范围进行对比；
若待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量全部落入对应的标准范围，则确定所述待检测区域与所述标准晶圆的对应区域的差异在预设范围内。
在一些可能的实施例中，所述获取所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量，包括：
获取待检测区域中每个像素的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
获取待检测区域中所有像素的红色信号分量的平均值为所述待检测区域的红色信号分量；
获取待检测区域中所有像素的绿色信号分量的平均值为所述待检测区域的绿色信号分量；
获取待检测区域中所有像素的蓝色信号分量的平均值为所述待检测区域的蓝色信号分量；
根据所述待检测区域的红色信号分量、绿色信号分量以及蓝色信号分量，获取所述待检测区域的混合灰度信号分量。
在一些可能的实施例中，所述晶圆检测方法还包括：
获取所述标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取所述标准晶圆中每个区域的绿色信号分量和绿色信号分量对应的标准差，并根据每个区域的绿色信号分量和绿色信号分量对应的标准差，获得每个区域的绿色信号分量标准范围；
获取所述标准晶圆中每个区域的蓝色信号分量和蓝色信号分量对应的标准差，并根据每个区域的蓝色信号分量和蓝色信号分量对应的标准差，获得每个区域的蓝色信号分量标准范围；
获取所述标准晶圆中每个区域的混合灰度信号分量和混合灰度信号分量对应的标准差，并根据每个区域的混合灰度信号分量和混合灰度信号分量对应的标准差，获得每个区域的混合灰度信号分量标准范围。
在一些可能的实施例中，所述晶圆检测方法还包括：
若至少一个待检测区域与所述标准晶圆的对应区域的差异不在预设范围内，则确定所述待检测晶圆为不合格晶圆；输出报警信息。
第二方面，本发明实施例提供一种晶圆检测装置，包括：
获取模块，用于获取待检测晶圆的图像；
比较模块，用于将所述待检测晶圆的图像中的每个待检测区域与标准晶圆的图像中的对应区域进行比较，所述标准晶圆的图像包括N个区域，所述N为大于等于2的整数，所述标准晶圆的图像中每个区域与每个待检测区域一一对应，所述待检测区域在所述待检测晶圆中的位置与对应区域在所述标准晶圆中的位置相同；还用于若所述每个待检测区域与所述标准晶圆的对应区域的差异在预设范围内，则确定所述待检测晶圆为合格晶圆；其中，所述标准晶圆为与所述待检测晶圆通过同一生产线制造的合格晶圆。
在一些可能的实施例中，所述装置还包括：划分模块；
所述划分模块，用于在比较模块将所述待检测晶圆的图像中的每个待检测区域与标准晶圆的图像中的对应区域进行比较之前，将所述待检测晶圆的图像划分为N个不同的待检测区域。
在一些可能的实施例中，所述划分模块在将所述待检测晶圆的图像划分为N个不同的区域时，具体用于：
将所述待检测晶圆划分为一个圆形待检测区域和至少一个圆环待检测区域，其中，所述圆形待检测区域与所述至少一个圆环待检测区域共圆心，所述圆心为所述待检测晶圆的圆心。
在一些可能的实施例中，所述圆形待检测区域的半径大于所述圆环待检测区域的环宽。
在一些可能的实施例中，所述获取模块还用于：获取所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
则所述比较模块将每个待检测区域与标准晶圆的图像中的对应区域进行比较时，具体用于：
将所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量分别与所述标准晶圆的图像中的对应区域的红色信号分量标准范围、绿色信号分量标准范围、蓝色信号分量标准范围以及混合灰度分量标准范围进行对比；
若待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量全部落入对应的标准范围，则确定所述待检测区域与所述标准晶圆的对应区域的差异在预设范围内。
在一些可能的实施例中，所述获取模块在获取所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量时，具体用于：
获取待检测区域中每个像素的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
获取待检测区域中所有像素的红色信号分量的平均值为所述待检测区域的红色信号分量；
获取待检测区域中所有像素的绿色信号分量的平均值为所述待检测区域的绿色信号分量；
获取待检测区域中所有像素的蓝色信号分量的平均值为所述待检测区域的蓝色信号分量；
根据所述待检测区域的红色信号分量、绿色信号分量以及蓝色信号分量，获取所述待检测区域的混合灰度信号分量。
在一些可能的实施例中，所述获取模块，还用于：
获取所述标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取所述标准晶圆中每个区域的绿色信号分量和绿色信号分量对应的标准差，并根据每个区域的绿色信号分量和绿色信号分量对应的标准差，获得每个区域的绿色信号分量标准范围；
获取所述标准晶圆中每个区域的蓝色信号分量和蓝色信号分量对应的标准差，并根据每个区域的蓝色信号分量和蓝色信号分量对应的标准差，获得每个区域的蓝色信号分量标准范围；
获取所述标准晶圆中每个区域的混合灰度信号分量和混合灰度信号分量对应的标准差，并根据每个区域的混合灰度信号分量和混合灰度信号分量对应的标准差，获得每个区域的混合灰度信号分量标准范围。
在一些可能的实施例中，所述晶圆检测装置还包括：报警模块；
所述比较模块，还用于若至少一个待检测区域与所述标准晶圆的对应区域的差异不在预设范围内，则确定所述待检测晶圆为不合格晶圆；
所述报警模块，用于输出报警信息。
第三方面，本发明实施例提供一种电子设备，该电子设备包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，以执行本发明实施例第一方面任一项所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有程序指令，所述程序指令被处理器执行时实现发明实施例第一方面任一项所述的方法。
第五方面，本申请实施例提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备实施本申请发明实施例第一方面任一项所述的方法。
本发明实施例提供一种晶圆检测方法、装置和设备，通过获取待检测晶圆的图像；由于晶圆中不同区域对缺陷的判断标准不同，因此，将所述待检测晶圆的图像划分为N个不同的待检测区域，所述N为大于等于2的整数，以对每个待检测区域进行缺陷检测，使得晶圆的缺陷检测更加灵活，检测准确性更高。并且，将每个待检测区域与标准晶圆中的对应区域进行比较，所述标准晶圆包括N个区域，所述标准晶圆的每个区域与每个待检测区域一一对应，所述待检测区域在所述待检测晶圆中的位置与对应区域在所述标准晶圆中的位置相同，若所述每个待检测区域与所述标准晶圆的对应区域的差异在预设范围内，则确定所述待检测晶圆为合格晶圆，进一步提高了对晶圆缺陷检测的准确性。解决了现有技术中对晶圆的缺陷检测时，由于对晶圆是否存在缺陷的检测标准不灵活造成的晶圆是否存在缺陷检测结果不准确的问题，从而减少了生产成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的晶圆检测方法的流程图；
图2为本发明一实施例提供的待检测晶圆的图像划分区域示意图；
图3为本发明另一实施例提供的待检测晶圆的图像划分区域示意图；
图4为本发明一实施例提供的标准晶圆的图像划分区域示意图；
图5为本发明另一实施例提供的晶圆检测方法的流程图；
图6为本发明另一实施例提供的待检测晶圆的图像划分区域示意图；
图7为本发明另一实施例提供的待检测晶圆的图像划分区域示意图；
图8为本发明一实施例提供的晶圆检测装置的结构示意图；
图9为本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明一实施例提供的晶圆检测方法的流程图，如图1所示，本实施例的方法可以包括：
S101、获取待检测晶圆的图像。
本实施例中，晶圆在经过一道工序后，有可能在该工序中造成缺陷，例如晶圆进行光刻工序时，光刻晶圆通过晶圆光刻设备光刻后，由于晶圆在光刻时由于晶圆表面不平整等因素，容易造成聚焦光斑，色差等缺陷，需要对光刻后的晶圆进行检测。
对于其中一个晶圆来说，该晶圆经过每一道工序后(即成为待检测晶圆)，通过拍摄装置(例如，WIS自带的摄像头，或者手机等带有拍摄功能的设备)拍摄待检测晶圆，获得待检测晶圆的图像。其中，本发明实施例中以光刻后的晶圆为待检测晶圆为例进行说明。
S102、将待检测晶圆的图像划分为N个不同的待检测区域。
其中，N为大于等于2的整数。
本实施例中，由于晶圆的工艺设计，生产设计以及同一晶圆中的不同区域的良率不同(即，相同的缺陷位于良率要求高的区域时，该晶圆为不合格晶圆的概率大，当其位于良率要求低的区域，该晶圆很可能为合格晶圆)，因此，将待检测晶圆的图像划分为3多个区域。其中，划分后的区域的形状例如可以如图2所示，待检测晶圆A的图像被划分为3个区域：待检测区域A11，待检测区域A12，待检测区域A13，其中，待检测区域A11，待检测区域A12，待检测区域A13均为扇形。需要说明的是，待检测区域A11，待检测区域A12，待检测区域A13的面积可以相同，也可以不同。划分后的区域的形状例如还可以如图3所示，待检测晶圆A的图像被划分为5个区域：待检测区域A21，待检测区域A22，待检测区域A23，待检测区域A24，待检测区域A25。其中，待检测区域A21，待检测区域A22，待检测区域A23，待检测区域A24，待检测区域A25为具有同心圆的环形区域。
需要说明的是，将待检测晶圆的图像划分后，获得的多个待检测区域之间的交集为空。
需要说明的是，对于划分待检测晶圆的图像的执行主体，本发明实施例对此不进行限制，例如，划分待检测晶圆的图像的执行主体可以与S101和S103的执行主体一致，也可以有其他执行主体实施，例如具有图像处理功能设备，然后将划分待检测晶圆的图像后获得的每个待检测区域与标准晶圆的图像中的对应区域进行比较。
S103、将每个待检测区域与标准晶圆的图像中的对应区域进行比较。
其中，标准晶圆的图像包括N个区域，标准晶圆的图像中的每个区域与每个待检测区域一一对应，待检测区域在待检测晶圆的图像中的位置与对应区域在标准晶圆中的位置相同。
本实施例中，标准晶圆例如是一个没有缺陷的晶圆，则通过拍摄待检测晶圆的拍摄设备拍摄该标准晶圆，获得该标准晶圆的图像，标准晶圆例如是多个没有缺陷晶圆，则根据该多个没有缺陷的晶圆的图像，通过图像处理技术获得标准晶圆的图像。其中，标准晶圆为与待检测晶圆经过相同工序的合格晶圆，例如，待检测晶圆是经过工序A、工序B、工序C、工序A后的晶圆，则标准晶圆是一个没有缺陷的晶圆时，该标准晶圆也是经过工序A、工序B、工序C、工序A后的晶圆，标准晶圆是多个没有缺陷晶圆时，该多个标准晶圆均是经过工序A、工序B、工序C、工序A后的晶圆。
图4为本发明一实施例示出的标准晶圆的图像划分区域示意图，如图4所示，根据图3中示出的待检测晶圆A的图像的待检测区域，划分标准晶圆的图像，使得标准晶圆的图像中每个区域与每个待检测区域一一对应，并且，一一对应的区域在标准经验图像和待检测晶圆图像中位置相同，即图3中的待检测区域A21-A25分别与图4中的区域S1-S5对应。将待检测区域与标准晶圆的图像中的对应的区域进行比较，即将图3中的待检测区域A21与图4中的区域S1比较，将图3中的待检测区域A22与图4中的区域S2比较，将图3中的待检测区域A23与图4中的区域S3比较，将图3中的待检测区域A24与图4中的区域S4比较，将图3中的待检测区域A25与图4中的区域S5比较，确定待检测区域与标准晶圆的图像中的对应的区域的差异，从而确定在该区域上是否存在缺陷。其中，标准晶圆为与待检测晶圆通过同一生产线制造的合格晶圆。对于不同生产标准、生产工艺以及不同设计的晶圆，其生产线不同，因此，如果将待检测晶圆与对应其他生产线的标准晶圆进行比较，将检测出大量的不合格晶圆，并且，对晶圆的检测没有意义。因此，用于检测待检测晶圆是否存在缺陷的标准晶圆需要是与待检测晶圆通过同一生产线制造的合格晶圆。
S104、若每个待检测区域与标准晶圆的图像中的对应区域的差异在预设范围内，则确定待检测晶圆为合格晶圆。
本实施例中，例如，待检测晶圆的每个待检测区域与标准晶圆中与其对应的区域的差值的预设范围与每个待检测区域对应，待检测晶圆中待检测区域与标准晶圆中与其对应的区域的差值在与其对应的差异的预设范围内时，说明该区域不存在缺陷，否则，该待检测区域存在缺陷，可以直接确定该待检测晶圆为不合格晶圆，只有当所有待检测区域与标准晶圆中对应的区域的差异在与该待检测区域对应的差值预设范围内时，确定该晶圆为合格晶圆。
本实施例，通过获取待检测晶圆的图像；由于晶圆中不同区域对缺陷的判断标准不同，因此，将所述待检测晶圆的图像划分为N个不同的待检测区域，所述N为大于等于2的整数，以对每个待检测区域进行缺陷检测，使得晶圆的缺陷检测更加灵活，检测准确性更高。并且，将每个待检测区域与标准晶圆中的对应区域进行比较，所述标准晶圆包括N个区域，所述标准晶圆的每个区域与每个待检测区域一一对应，所述待检测区域在所述待检测晶圆中的位置与对应区域在所述标准晶圆中的位置相同，若所述每个待检测区域与所述标准晶圆的对应区域的差异在预设范围内，则确定所述待检测晶圆为合格晶圆，进一步提高了对晶圆缺陷检测的准确性。解决了现有技术中对晶圆的缺陷检测时，由于对晶圆是否存在缺陷的检测标准不灵活造成的晶圆是否存在缺陷检测结果不准确的问题，从而减少了生产成本。
图5为本发明另一实施例提供的晶圆检测方法的流程图，如图5所示，本实施例的方法可以包括：
S201、获取待检测晶圆的图像。
本实施例中，S201的具体实现方式可参考S101，此处不再赘述。
S202、将待检测晶圆划分为一个圆形待检测区域和至少一个圆环待检测区域。
其中，圆形待检测区域与至少一个圆环待检测区域共圆心，圆心为待检测晶圆的圆心。
本实施例中，根据晶圆的设计工艺不同，越靠近晶圆的圆心，良率越高，越不希望存在缺陷，以及生产晶圆时的机台加工顺序和工艺人员对晶圆上通常存在缺陷的区域以及不同区域上的缺陷带来的后果的经验，将待检测晶圆的图像划分为一个圆形待检测区域和至少一个圆环待检测区域。其中，圆环待检测区域由不同半径的同心圆组成，而同心圆的圆心与圆形待检测区域的圆心为一个圆心，该圆心也是待检测晶圆的圆心。
在一些实施例中，圆形待检测区域的半径大于圆环待检测区域的环宽。本实施例中在对待检测晶圆的图像划分为圆形待检测区域以及至少一个圆环待检测区域时，圆形待检测区域的半径以及每个圆环待检测区域的环宽的值也可以根据晶圆的设计工艺、晶圆加工生产顺序以及工艺人员的经验进行选择。其中，如图3和图6、图7所示，例如可以将待检测晶圆划分为2-6个待检测区域，其中，当划分后获得多个圆环待检测区域时，各圆环待检测区域的环宽之间可以相等也可以不相等。其中，由于晶圆中越靠近圆心，良率越高，因此，通常使圆形待检测区域的半径大于每个圆环待检测区域的环宽，可以使靠近圆心的缺陷尽可能被检测出来，提高待检测晶圆的缺陷检测的准确性。
S2031、获取待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量。
本实施例中，对于每个待检测区域，根据图像处理算法获得待检测区域内的像素点的像素值的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量。其中，在一些实施例中，获取待检测区域中所有像素的红色信号分量的平均值为待检测区域的红色信号分量；获取待检测区域中所有像素的绿色信号分量的平均值为待检测区域的绿色信号分量；获取待检测区域中所有像素的蓝色信号分量的平均值为待检测区域的蓝色信号分量；根据待检测区域的红色信号分量、绿色信号分量以及蓝色信号分量，获取待检测区域的混合灰度信号分量。
根据图像处理算法对待检测区域中每个像素点的像素值进行分析，获得每个像素点中红色信号分量，然后根据每个像素点的红色信号分量，获得待检测区域中所有像素点的平均红色信号分量，作为该待检测区域的红色信号分量。
根据图像处理算法对待检测区域中每个像素点的像素值进行分析，获得每个像素点中绿色信号分量，然后根据每个像素点的绿色信号分量，获得待检测区域中所有像素点的平均绿色信号分量，作为该待检测区域的绿色信号分量。
根据图像处理算法对待检测区域中每个像素点的像素值进行分析，获得每个像素点中蓝色信号分量，然后根据每个像素点的蓝色信号分量，获得待检测区域中所有像素点的平均蓝色信号分量，作为该待检测区域的蓝色信号分量。
获得待检测区域的红色信号(R)分量、绿色信号(G)分量和蓝色(B)信号分量后，根据待检测区域的R信号分量、G信号分量和B信号分量计算出待检测区域的混合灰度(C)信号分量。其中，例如可以根据每个像素点的R信号分量、G信号分量和B信号分量计算出每个像素点的C信号分量，然后计算所有像素点的C信号分量的平均值作为C信号分量，或者根据平均R信号分量、平均G信号分量和平均B信号分量，计算出C信号分量。其中，其计算公式为公式1所示：
C＝0.299R+0.587G+0.114B 公式1
S2032、将待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量分别与标准晶圆的图像中的对应区域的红色信号分量标准范围、绿色信号分量标准范围、蓝色信号分量标准范围以及混合灰度分量标准范围进行对比。
本实施例中，获取标准晶圆的图像中的对应区域的红色信号分量标准范围、绿色信号分量标准范围、蓝色信号分量标准范围以及混合灰度分量标准范围的一种可能的实现方式为：获取标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围。
具体的，当标准晶圆的图像为一个合格晶圆的图像，或者标准晶圆的图像是根据多个合格晶圆通过图像处理算法合成时，对于标准晶圆图像，将其划分为与待检测晶圆得图像中每个待检测区域对应的区域，对于每个划分后的区域，根据图像处理算法获得像素点的R信号分量的平均值作为R信号分量，然后根据每个像素点的R信号分量以及R信号分量，获得R信号分量对应的标准差，根据R信号分量以及标准差获得R信号分量标准范围。例如，R信号分量为ER，标准差为σR，则R信号分量标准范围rR为公式2：
rR＝ER±CR·σR 公式2
其中，CR为常数，可根据需要取值。
同理，图像处理算法获得像素点的G信号分量的平均值作为R信号分量，然后根据每个像素点的G信号分量以及G信号分量，获得G信号分量对应的标准差，根据G信号分量以及标准差获得G信号分量标准范围。例如，G信号分量为EG，标准差为σG，则G信号分量标准范围rG为公式3：
rG＝EG±CG·σG 公式3
其中，CG为常数，可根据需要取值。
图像处理算法获得像素点的B信号分量的平均值作为B信号分量，然后根据每个像素点的B信号分量以及B信号分量，获得B信号分量对应的标准差，根据B信号分量以及标准差获得B信号分量标准范围。例如，B信号分量为EB，标准差为σB，则B信号分量标准范围rB为公式4：
rB＝EB±CB·σB 公式4
其中，CB为常数，可根据需要取值。
根据R信号分量、G信号分量和B信号分量以及与每个信号分量对应的标准差，计算获得C信号分量以及C信号分量对应的标准差，或者根据每个像素点的R信号分量、G信号分量和B信号分量，获得每个像素点的C信号分量，然后根据每个像素点的C信号分量获得C信号分量EC以及C信号分量对应的标准差σC，从而根据公式5确定C信号分量标准范围rC：
rC＝EC±CC·σC 公式5
其中，CC为常数，可根据需要取值。
需要说明的是，对于标准晶圆中的各区域中，常数CR、CG、CB和CC可以相等也可以不相等，本发明对此不进行限制。其中，由于晶圆的不同的区域，其良率不同，因此，可以通过调整每个区域的常数CR、CG、CB和CC的大小调整不同区域的检测标准，例如，良率越高，常数CR、CG、CB和CC越小，以使得信号分量范围越小，检测出缺陷的概率就越大。
对于任一待检测区域，分别判断该待检测区域中的R信号分量、G信号分量、B信号分量以及C信号分量是否位于标准晶圆的图像中对应的区域的R信号分量方位、G信号分量方位、B信号分量方位以及C信号分量的标准范围内。
S2033、若待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量全部落入对应的标准范围，则确定待检测区域与标准晶圆的对应区域的差异在预设范围内。
本实施例中，对于待检测晶圆，只要在任一待检测区域中，有至少一个信号分量没有位于与其对应的信号分量的标准范围内，则确定该待检测晶圆为不合格晶圆。也就是说，只有待检测晶圆的所有待检测区域中，所有的信号分量均位于其对应的信号分量的标准范围内，则确定该待检测晶圆为合格晶圆。
S204、若每个待检测区域与标准晶圆的图像中的对应区域的差异在预设范围内，则确定待检测晶圆为合格晶圆。
本实施例中，在判断任一待检测区域的R信号分量、G信号分量、B信号分量以及C信号分量是否分别位于R信号分量范围、G信号分量范围、B信号分量范围以及C信号分量范围内时，若有一个信号分量没有位于与其对应的信号分量标准范围时，说明该待检测区域与标准晶圆的图像中的对应区域的差异不在预设范围内，则说明该待检测区域中存在缺陷，该待检测晶圆为不合格晶圆，
本实施例，当晶圆存在缺陷时，缺陷所在的位置的像素值中R信号分量、G信号分量、B信号分量以及C信号分量与合格晶圆中相应位置的像素值中R信号分量、G信号分量、B信号分量以及C信号分量不同，因此，根据标准晶圆的每个区域中的R信号分量、G信号分量、B信号分量以及C信号分量以及对应的信号分量标准差，确定该区域中像素值中R信号分量标准范围、G信号分量标准范围、B信号分量标准范围以及C信号分量标准范围，判断待检测晶圆中每个区域中的R信号分量、G信号分量、B信号分量以及C信号分量是否分别位于R信号分量标准范围、G信号分量标准范围、B信号分量标准范围以及C信号分量标准范围内，即是否在误差容许范围内，可以更准确地确定每个待检测区域内是否存在导致该待检测晶圆不合格的缺陷。并且，根据不同区域中良率的要求，设置区域的R信号分量标准范围、G信号分量标准范围、B信号分量标准范围以及C信号分量标准范围，使得检测待检测晶圆是否合格的检测标准更加灵活，尽可能少的出现将存在不影响晶圆质量的缺陷的晶圆确定为不合格晶圆，或者将存在严重缺陷的晶圆确定为合格晶圆的问题。
在一些实施例中，本发明提供的晶圆检测方法还包括：若至少一个待检测区域与所述标准晶圆的对应区域的差异不在预设范围内，则确定所述待检测晶圆为不合格晶圆；输出报警信息。
本实施例中，如果待检测晶圆对应的待检测区域中，有至少一个待检测区域与标准晶圆的图像中的对应区域的差异不在预设范围内，例如，在判断任一待检测区域的R信号分量、G信号分量、B信号分量以及C信号分量是否分别位于R信号分量范围、G信号分量范围、B信号分量范围以及C信号分量范围内时，若有一个信号分量没有位于与其对应的信号分量标准范围时，说明该待检测区域与标准晶圆的图像中的对应区域的差异不在预设范围内，在说明该待检测晶圆为不合格晶圆，此时，输出报警信息，例如，可以发出声音信号，以提醒工艺人员当前检测的待检测晶圆为不合格晶圆。
图8为本发明一实施例提供的晶圆检测装置的结构示意图，如图8所示，本实施例的装置可以包括：获取模块81和比较模块82。其中，在一些可能的实施例中，晶圆检测装置还包括：划分模块83。在一些可能的实施例中，晶圆检测装置还包括：报警模块84。
获取模块81，用于获取待检测晶圆的图像；
比较模块82，用于将待检测晶圆的图像中的每个待检测区域与标准晶圆的图像中的对应区域进行比较，标准晶圆的图像包括N个区域，N为大于等于2的整数，标准晶圆的图像中每个区域与每个待检测区域一一对应，待检测区域在待检测晶圆中的位置与对应区域在标准晶圆中的位置相同；还用于若每个待检测区域与标准晶圆的对应区域的差异在预设范围内，则确定待检测晶圆为合格晶圆；其中，标准晶圆为与待检测晶圆通过同一生产线制造的合格晶圆。
在一些可能的实施例中，划分模块83，用于在比较模块将待检测晶圆的图像中的每个待检测区域与标准晶圆的图像中的对应区域进行比较之前，将待检测晶圆的图像划分为N个不同的待检测区域。
在一些可能的实施例中，划分模块83在将待检测晶圆的图像划分为N个不同的区域时，具体用于：
将待检测晶圆划分为一个圆形待检测区域和至少一个圆环待检测区域，其中，圆形待检测区域与至少一个圆环待检测区域共圆心，圆心为待检测晶圆的圆心。
在一些可能的实施例中，圆形待检测区域的半径大于圆环待检测区域的环宽。
在一些可能的实施例中，获取模块81还用于：获取待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
则比较模块82将每个待检测区域与标准晶圆的图像中的对应区域进行比较时，具体用于：
将待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量分别与标准晶圆的图像中的对应区域的红色信号分量标准范围、绿色信号分量标准范围、蓝色信号分量标准范围以及混合灰度分量标准范围进行对比；
若待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量全部落入对应的标准范围，则确定待检测区域与标准晶圆的对应区域的差异在预设范围内。
在一些可能的实施例中，获取模块81在获取待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量时，具体用于：
获取待检测区域中每个像素的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
获取待检测区域中所有像素的红色信号分量的平均值为待检测区域的红色信号分量；
获取待检测区域中所有像素的绿色信号分量的平均值为待检测区域的绿色信号分量；
获取待检测区域中所有像素的蓝色信号分量的平均值为待检测区域的蓝色信号分量；
根据待检测区域的红色信号分量、绿色信号分量以及蓝色信号分量，获取待检测区域的混合灰度信号分量。
在一些可能的实施例中，获取模块81，还用于：
获取标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取标准晶圆中每个区域的绿色信号分量和绿色信号分量对应的标准差，并根据每个区域的绿色信号分量和绿色信号分量对应的标准差，获得每个区域的绿色信号分量标准范围；
获取标准晶圆中每个区域的蓝色信号分量和蓝色信号分量对应的标准差，并根据每个区域的蓝色信号分量和蓝色信号分量对应的标准差，获得每个区域的蓝色信号分量标准范围；
获取标准晶圆中每个区域的混合灰度信号分量和混合灰度信号分量对应的标准差，并根据每个区域的混合灰度信号分量和混合灰度信号分量对应的标准差，获得每个区域的混合灰度信号分量标准范围。
在一些可能的实施例中，比较模块82，还用于若至少一个待检测区域与标准晶圆的对应区域的差异不在预设范围内，则确定待检测晶圆为不合格晶圆；
报警模块84，用于输出报警信息。
本实施例的晶圆检测装置，可以用于执行上述各方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
图9为本发明一实施例提供的电子设备的结构示意图，如图9所示，本实施例的电子设备可以包括：至少一个处理器91和存储器92。图9示出的是以一个处理器为例的电子设备，其中，
存储器92，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器92可能包含高速随机存取存储器(random access memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
处理器91，用于执行所述存储器92存储的计算机执行指令，以实现上述任一实施例中示出的晶圆检测方法。
其中，处理器91可能是一个中央处理器(Central Processing Unit，CPU)，或者是特定集成电路(Application Specific Integrated Circuit，ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
可选的，在具体实现上，如果存储器92和处理器91独立实现，则存储器92和处理器91可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器92和处理器91集成在一块芯片上实现，则存储器92和处理器91可以通过内部接口完成相同间的通信。
本实施例以上所述的电子设备，可以用于执行上述各方法实施例中所述的技术方案，其实现原理和技术效果类似，此处不再赘述。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (11)

1.一种晶圆检测方法，其特征在于，包括：
获取待检测晶圆的图像；
将所述待检测晶圆的图像划分为N个不同的待检测区域，所述N为大于等于2的整数；
将每个待检测区域与标准晶圆的图像中的对应区域进行比较，所述标准晶圆的图像包括N个区域，所述标准晶圆的图像中每个区域与每个待检测区域一一对应，所述待检测区域在所述待检测晶圆中的位置与对应区域在所述标准晶圆中的位置相同；其中，所述标准晶圆为与所述待检测晶圆通过同一生产线制造的合格晶圆；
若所述每个待检测区域与所述标准晶圆的图像中的对应区域的差异在预设范围内，则确定所述待检测晶圆为合格晶圆。
2.根据权利要求1所述的方法，其特征在于，所述将所述待检测晶圆的图像划分为N个不同的区域，包括：
将所述待检测晶圆划分为一个圆形待检测区域和至少一个圆环待检测区域，其中，所述圆形待检测区域与所述至少一个圆环待检测区域共圆心，所述圆心为所述待检测晶圆的圆心。
3.根据权利要求2所述的方法，其特征在于，所述圆形待检测区域的半径大于所述圆环待检测区域的环宽。
4.根据权利要求1所述的方法，其特征在于，所述将每个待检测区域与标准晶圆的图像中的对应区域进行比较，包括：
获取所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量；
将所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量分别与所述标准晶圆的图像中的对应区域的红色信号分量标准范围、绿色信号分量标准范围、蓝色信号分量标准范围以及混合灰度分量标准范围进行对比；
若待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量全部落入对应的标准范围，则确定所述待检测区域与所述标准晶圆的对应区域的差异在预设范围内。
5.根据权利要求4所述的方法，其特征在于，所述获取所述待检测区域的红色信号分量、绿色信号分量、蓝色信号分量以及混合灰度信号分量，包括：
获取待检测区域中所有像素的红色信号分量的平均值为所述待检测区域的红色信号分量；
获取待检测区域中所有像素的绿色信号分量的平均值为所述待检测区域的绿色信号分量；
获取待检测区域中所有像素的蓝色信号分量的平均值为所述待检测区域的蓝色信号分量；
根据所述待检测区域的红色信号分量、绿色信号分量以及蓝色信号分量，获取所述待检测区域的混合灰度信号分量。
6.根据权利要求4或5所述的方法，其特征在于，还包括：
获取所述标准晶圆中每个区域的红色信号分量和红色信号分量对应的标准差，并根据每个区域的红色信号分量和红色信号分量对应的标准差，获得每个区域的红色信号分量标准范围；
获取所述标准晶圆中每个区域的绿色信号分量和绿色信号分量对应的标准差，并根据每个区域的绿色信号分量和绿色信号分量对应的标准差，获得每个区域的绿色信号分量标准范围；
获取所述标准晶圆中每个区域的蓝色信号分量和蓝色信号分量对应的标准差，并根据每个区域的蓝色信号分量和蓝色信号分量对应的标准差，获得每个区域的蓝色信号分量标准范围；
获取所述标准晶圆中每个区域的混合灰度信号分量和混合灰度色信号分量对应的标准差，并根据每个区域的混合灰度色信号分量和混合灰度色信号分量对应的标准差，获得每个区域的混合灰度色信号分量标准范围。
7.根据权利要求1所述的方法，其特征在于，还包括：
若至少一个待检测区域与所述标准晶圆的对应区域的差异不在预设范围内，则确定所述待检测晶圆为不合格晶圆；
输出报警信息。
8.一种晶圆检测装置，其特征在于，包括：
获取模块，用于获取待检测晶圆的图像；
比较模块，用于将所述待检测晶圆的图像中的每个待检测区域与标准晶圆的图像中的对应区域进行比较，若所述每个待检测区域与所述标准晶圆的图像中的对应区域的差异在预设范围内，则确定所述待检测晶圆为合格晶圆，所述标准晶圆的图像包括N个区域，所述N为大于等于2的整数，所述标准晶圆的图像中的每个区域与每个待检测区域一一对应，所述待检测区域在所述待检测晶圆中的位置与对应区域在所述标准晶圆中的位置相同；其中，所述标准晶圆为与所述待检测晶圆通过同一生产线制造的合格晶圆。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：划分模块；
所述划分模块，用于在比较模块将所述待检测晶圆的图像中的每个待检测区域与标准晶圆的图像中的对应区域进行比较之前，将所述待检测晶圆的图像划分为N个不同的待检测区域。
10.一种电子设备，其特征在于，包括：存储器和至少一个处理器；
存储器，用于存储程序指令；
处理器，用于调用存储器中的程序指令执行如权利要求1-7任一项所述的晶圆检测方法。
11.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序；所述计算机程序被执行时，实现如权利要求1-7任一项所述的晶圆检测方法。
CN202010002880.1A 2020-01-02 2020-01-02 晶圆检测方法、装置和设备 Active CN111239152B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010002880.1A CN111239152B (zh) 2020-01-02 2020-01-02 晶圆检测方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010002880.1A CN111239152B (zh) 2020-01-02 2020-01-02 晶圆检测方法、装置和设备

Publications (2)

Publication Number Publication Date
CN111239152A true CN111239152A (zh) 2020-06-05
CN111239152B CN111239152B (zh) 2023-11-17

Family

ID=70866582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010002880.1A Active CN111239152B (zh) 2020-01-02 2020-01-02 晶圆检测方法、装置和设备

Country Status (1)

Country Link
CN (1) CN111239152B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111863653A (zh) * 2020-07-31 2020-10-30 长江存储科技有限责任公司 晶圆缺陷的检测方法、检测系统和计算机可读存储介质
CN113256612A (zh) * 2021-06-18 2021-08-13 长江存储科技有限责任公司 晶圆图识别方法、装置及可读介质
CN113421246A (zh) * 2021-06-24 2021-09-21 长江存储科技有限责任公司 形成轨道检测模型的方法、检测轨道磨损的方法
CN113533356A (zh) * 2021-09-16 2021-10-22 武汉精创电子技术有限公司 晶粒阵列缺陷检测方法、装置、设备及可读存储介质
CN113554626A (zh) * 2021-07-26 2021-10-26 朗华全能自控设备（上海）股份有限公司 一种软性电路板瑕疵检测方法及装置
CN113781451A (zh) * 2021-09-13 2021-12-10 长江存储科技有限责任公司 晶圆检测方法、装置、电子设备及计算机可读存储介质
CN113916903A (zh) * 2021-09-29 2022-01-11 芯盟科技有限公司 缺陷检测方法及系统
CN114192440A (zh) * 2020-09-18 2022-03-18 中国科学院微电子研究所 一种不合格晶圆的检出装置及检出方法、晶圆制造设备
WO2022057389A1 (zh) * 2020-09-18 2022-03-24 长鑫存储技术有限公司 一种晶圆的对准方法和装置
CN115711900A (zh) * 2022-11-30 2023-02-24 安测半导体技术(江苏)有限公司 一种基于神经网络的晶圆测试检测方法
TWI825721B (zh) * 2021-06-04 2023-12-11 日商Ｓｕｍｃｏ股份有限公司 晶圓之外觀檢測裝置以及晶圓之外觀檢測方法

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0682377A (ja) * 1990-12-04 1994-03-22 Toshiba Corp 半導体の外観検査装置
JP2001308157A (ja) * 2000-04-12 2001-11-02 Promos Technol Inc 不良モードを有するウェハーの自動分類方法
US6324298B1 (en) * 1998-07-15 2001-11-27 August Technology Corp. Automated wafer defect inspection system and a process of performing such inspection
JP2003139718A (ja) * 2001-10-30 2003-05-14 Nikon Corp 表面検査装置および表面検査方法
CN101090083A (zh) * 2006-06-12 2007-12-19 中芯国际集成电路制造(上海)有限公司 晶片检测方法
JP2008004863A (ja) * 2006-06-26 2008-01-10 Hitachi High-Technologies Corp 外観検査方法及びその装置
US20080205746A1 (en) * 2007-02-27 2008-08-28 Samsung Electronics Co., Ltd. Method of inspecting an identification mark, method of inspecting a wafer using the same, and apparatus for performing the method
US20080249728A1 (en) * 2007-04-05 2008-10-09 Vistec Semiconductor Systems Gmbh Method for detecting defects on the back side of a semiconductor wafer
US20110161014A1 (en) * 2009-12-28 2011-06-30 Samsung Electronics Co., Ltd. Non-pattern wafer inspection device
US20120114220A1 (en) * 2010-11-05 2012-05-10 Hseb Dresden Gmbh Inspection method
US20120147363A1 (en) * 2009-09-30 2012-06-14 Katsuya Suzuki Surface-defect inspection device
CN102735688A (zh) * 2012-06-20 2012-10-17 上海华力微电子有限公司 一种缺陷检测方法
CN102967607A (zh) * 2012-11-28 2013-03-13 上海华力微电子有限公司 通过在不同芯片区域采集光信号的缺陷检测方法
TW201405120A (zh) * 2012-06-04 2014-02-01 Toray Eng Co Ltd 外觀檢查裝置及外觀檢查方法
CN106898564A (zh) * 2015-12-18 2017-06-27 超科技公司 具有可选择像素密度的全晶片检测方法
CN106971955A (zh) * 2017-05-18 2017-07-21 上海华力微电子有限公司 晶圆缺陷的检测方法
CN107611047A (zh) * 2017-08-28 2018-01-19 上海华力微电子有限公司 一种晶圆检测方法
CN108878307A (zh) * 2017-05-11 2018-11-23 北京北方华创微电子装备有限公司 晶片检测系统和晶片检测方法
CN109459417A (zh) * 2018-11-01 2019-03-12 福建晶安光电有限公司 一种用于检测图形衬底的方法和装置
CN109978839A (zh) * 2019-03-08 2019-07-05 浙江大学 晶圆低纹理缺陷的检测方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0682377A (ja) * 1990-12-04 1994-03-22 Toshiba Corp 半導体の外観検査装置
US6324298B1 (en) * 1998-07-15 2001-11-27 August Technology Corp. Automated wafer defect inspection system and a process of performing such inspection
JP2001308157A (ja) * 2000-04-12 2001-11-02 Promos Technol Inc 不良モードを有するウェハーの自動分類方法
JP2003139718A (ja) * 2001-10-30 2003-05-14 Nikon Corp 表面検査装置および表面検査方法
CN101090083A (zh) * 2006-06-12 2007-12-19 中芯国际集成电路制造(上海)有限公司 晶片检测方法
JP2008004863A (ja) * 2006-06-26 2008-01-10 Hitachi High-Technologies Corp 外観検査方法及びその装置
US20080205746A1 (en) * 2007-02-27 2008-08-28 Samsung Electronics Co., Ltd. Method of inspecting an identification mark, method of inspecting a wafer using the same, and apparatus for performing the method
US20080249728A1 (en) * 2007-04-05 2008-10-09 Vistec Semiconductor Systems Gmbh Method for detecting defects on the back side of a semiconductor wafer
US20120147363A1 (en) * 2009-09-30 2012-06-14 Katsuya Suzuki Surface-defect inspection device
US20110161014A1 (en) * 2009-12-28 2011-06-30 Samsung Electronics Co., Ltd. Non-pattern wafer inspection device
US20120114220A1 (en) * 2010-11-05 2012-05-10 Hseb Dresden Gmbh Inspection method
TW201405120A (zh) * 2012-06-04 2014-02-01 Toray Eng Co Ltd 外觀檢查裝置及外觀檢查方法
CN102735688A (zh) * 2012-06-20 2012-10-17 上海华力微电子有限公司 一种缺陷检测方法
CN102967607A (zh) * 2012-11-28 2013-03-13 上海华力微电子有限公司 通过在不同芯片区域采集光信号的缺陷检测方法
CN106898564A (zh) * 2015-12-18 2017-06-27 超科技公司 具有可选择像素密度的全晶片检测方法
CN108878307A (zh) * 2017-05-11 2018-11-23 北京北方华创微电子装备有限公司 晶片检测系统和晶片检测方法
CN106971955A (zh) * 2017-05-18 2017-07-21 上海华力微电子有限公司 晶圆缺陷的检测方法
CN107611047A (zh) * 2017-08-28 2018-01-19 上海华力微电子有限公司 一种晶圆检测方法
CN109459417A (zh) * 2018-11-01 2019-03-12 福建晶安光电有限公司 一种用于检测图形衬底的方法和装置
CN109978839A (zh) * 2019-03-08 2019-07-05 浙江大学 晶圆低纹理缺陷的检测方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111863653A (zh) * 2020-07-31 2020-10-30 长江存储科技有限责任公司 晶圆缺陷的检测方法、检测系统和计算机可读存储介质
CN114192440A (zh) * 2020-09-18 2022-03-18 中国科学院微电子研究所 一种不合格晶圆的检出装置及检出方法、晶圆制造设备
WO2022057389A1 (zh) * 2020-09-18 2022-03-24 长鑫存储技术有限公司 一种晶圆的对准方法和装置
CN114192440B (zh) * 2020-09-18 2024-05-03 中国科学院微电子研究所 一种不合格晶圆的检出装置及检出方法、晶圆制造设备
TWI825721B (zh) * 2021-06-04 2023-12-11 日商Ｓｕｍｃｏ股份有限公司 晶圓之外觀檢測裝置以及晶圓之外觀檢測方法
CN113256612A (zh) * 2021-06-18 2021-08-13 长江存储科技有限责任公司 晶圆图识别方法、装置及可读介质
CN113421246A (zh) * 2021-06-24 2021-09-21 长江存储科技有限责任公司 形成轨道检测模型的方法、检测轨道磨损的方法
CN113554626A (zh) * 2021-07-26 2021-10-26 朗华全能自控设备（上海）股份有限公司 一种软性电路板瑕疵检测方法及装置
CN113781451A (zh) * 2021-09-13 2021-12-10 长江存储科技有限责任公司 晶圆检测方法、装置、电子设备及计算机可读存储介质
CN113781451B (zh) * 2021-09-13 2023-10-17 长江存储科技有限责任公司 晶圆检测方法、装置、电子设备及计算机可读存储介质
CN113533356A (zh) * 2021-09-16 2021-10-22 武汉精创电子技术有限公司 晶粒阵列缺陷检测方法、装置、设备及可读存储介质
CN113916903A (zh) * 2021-09-29 2022-01-11 芯盟科技有限公司 缺陷检测方法及系统
CN115711900A (zh) * 2022-11-30 2023-02-24 安测半导体技术(江苏)有限公司 一种基于神经网络的晶圆测试检测方法

Also Published As

Publication number Publication date
CN111239152B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
CN111239152A (zh) 晶圆检测方法、装置和设备
US9406117B2 (en) Inspection system and method for inspecting line width and/or positional errors of a pattern
JP2003057019A (ja) パターン検査装置および方法
CN108537846B (zh) 相机标定方法及设备
CN111667448A (zh) 一种图像处理方法、装置及设备
JP2007201530A (ja) 画素欠陥補正装置
US8897592B2 (en) Method for correcting a defect pixel
US20170366747A1 (en) Generating high resolution images
CN109727182B (zh) 图像处理系统、在图像处理系统中处理像素值的方法
CN113034447B (zh) 一种边缘缺陷检测方法和装置
TWI226196B (en) Circuit for correction of white pixel defects and an image sensor using circuit for the correction of white pixel defects
CN102246509B (zh) 使用五个最近邻的故障像素替换
CN113781414A (zh) 一种镜头解像力测试方法、装置和电子设备
CN117576108A (zh) 晶圆缺陷检测的可视化优化方法、装置和计算机设备
JP4111613B2 (ja) 半導体検査方法及び装置
WO2021207879A1 (zh) 图像处理方法、装置、电子设备和存储介质
JP2005181218A (ja) 基板検査装置
JP2001266126A (ja) 欠陥検出方法及びその装置並びにマスクの製造方法
CN110708537B (zh) 图像传感器性能测试方法及装置、存储介质
CN114387249A (zh) 检测方法及检测装置、设备和存储介质
CN114241048B (zh) 特征尺寸一致性分析方法及装置、计算机可读存储介质
CN113377592A (zh) 芯片的检测方法及装置、计算机可读存储介质及电子设备
CN113450299A (zh) 图像匹配方法、计算机装置及可读存储介质
EP3516683B1 (en) Method for defocus detection
US20240046449A1 (en) Inspection apparatus, inspection method, and storage medium

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