CN111640085A - 图像处理方法和设备、检测方法和装置、存储介质 - Google Patents
图像处理方法和设备、检测方法和装置、存储介质 Download PDFInfo
- Publication number
- CN111640085A CN111640085A CN201910115504.0A CN201910115504A CN111640085A CN 111640085 A CN111640085 A CN 111640085A CN 201910115504 A CN201910115504 A CN 201910115504A CN 111640085 A CN111640085 A CN 111640085A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- data
- detected
- correction
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 257
- 238000003672 processing method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 182
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000010354 integration Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 57
- 230000008569 process Effects 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 230000007547 defect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 19
- 238000009826 distribution Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 239000002131 composite material Substances 0.000 description 12
- 238000000149 argon plasma sintering Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 239000000523 sample Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 238000010894 electron beam technology Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012634 optical imaging Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 229920006395 saturated elastomer Polymers 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 239000004793 Polystyrene Substances 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 229940095676 wafer product Drugs 0.000 description 1
Images
Classifications
-
- 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
-
- G06T5/70—
-
- 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
Abstract
本公开涉及一种图像处理方法和设备、检测方法和装置、存储介质。该图像处理方法包括：提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息；对待处理图像进行数据修正，其中，所述对待处理图像进行数据修正包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差；根据数据修正后的待处理图像确定待测物上检测目标的目标图像。本公开通过对待测物检测实时采集数据进行修正，由此大大消除了实时采集的数据存在的噪声，从而大大提高了器件检测的检测精度和检测效率。
Description
技术领域
本公开涉及器件检测领域，特别涉及一种图像处理方法和设备、检测方法和装置、存储介质。
背景技术
晶圆缺陷检测是指检测晶圆中是否存在凹槽、颗粒、划痕等缺陷以及缺陷位置。
晶圆缺陷检测应用十分广泛：一方面，作为芯片基底，晶圆上存在缺陷将可能导致上面制作的昂贵工艺失效，因此晶圆生产方常进行缺陷检测，确保晶圆产品的表面瑕疵率满足芯片制造的相关指标要求；晶圆使用方也需要在使用前确定晶圆的干净程度能保证产品合格率；另一方面，由于半导体加工对加工过程中附加污染控制十分严格，而直接监测加工过程中附加污染难度较大，人们常插入专门用于监测污染的控片(为晶圆裸片)共同进入流片工序，再通过检测各工序前后的控片缺陷情况，通过晶圆裸片加工前后缺陷对比，来反映各工序的污染情况，以便及时发现设备硬件或设备工艺中的各种污染因素，确保所产半导体设备的污染率满足芯片制造的相关指标要求。
发明内容
申请人发现：相关技术检测目标检测方法的主要包括电子束扫描检测和光学检测两大类，其中电子束检测是基于电子波与被测样品散射作用的一种成像测量方式，得益于电子波的极端波长，电子束检测在测量精度方面具有巨大的优势，分辨率可达到1-2纳米，然而电子束检测所需的时间较长，且检测过程需要高真空环境，通常只能用来对少数关键电路环节抽样检查，无法用于全面质量监控。光学检测是利用光与芯片相互作用实现检测的方法的总称，包括光散射法、光学成像法、光干涉检测等。与电子束检测相比，光学检测方法的测量精度较低，但具有检测速度快、无附加污染的特点，可实现在线检测，这也就决定了光学检测方法在芯片生产过程质量监控领域具有巨大优势。
鉴于以上技术问题，本公开提供了一种图像处理方法和设备、检测方法和装置、存储介质，通过对待测物实时采集数据进行修正，由此大大消除了实时采集的数据存在的噪声。
根据本公开的一个方面，提供一种图像处理方法，包括：
提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息；
对待处理图像进行数据修正，其中，所述对待处理图像进行数据修正包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差；
根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
在本公开的一些实施例中，所述对待处理图像的强度信息进行积分时间修正包括：
根据待测物表面各点处的线速度获取积分修正函数；
将待处理图像的强度信息乘以积分修正函数。
在本公开的一些实施例中，所述根据待测物表面各点处的线速度获取积分修正函数包括：
针对根据待测物表面的每一数据点，确定该数据点的积分距离，其中，所述积分距离为该数据点距离待测物中心的距离；
根据所述积分距离、待测物边缘至待测物中心的距离、待测物步进距离获取积分修正函数。
在本公开的一些实施例中，所述提供待处理图像包括：
指示检测设备对待测物进行检测，以获取待测物的待处理图像，其中，所述检测设备包括光源和探测器，所述光源用于向所述待测物发射探测光，所述探测光经待测物形成信号光；所述探测器用于探测所述信号光，形成待处理图像。
在本公开的一些实施例中，所述对待处理图像进行数据修正包括：
对待处理图像进行暗噪声修正、强度修正和待测物表面散射噪声修正中的至少一项。
在本公开的一些实施例中，所述对待处理图像进行暗噪声修正包括：
将待处理图像中各数据点的强度信息减去暗噪声修正系数，以完成暗噪声修正。
在本公开的一些实施例中，所述图像处理方法还包括：预先采用检测设备进行检测，将全黑环境的强度信息作为暗噪声修正系数。
在本公开的一些实施例中，所述对待处理图像进行强度修正包括：
将待处理图像中各数据点的强度信息乘以对应位置的强度修正系数。
在本公开的一些实施例中，所述图像处理方法还包括：
预先采用检测设备对标准待测物进行检测，取有效照明位置内强度最强点的强度修正系数为1，其中所述标准待测物为不包含检测目标的待测物；
将强度最强点的强度除以其他位置强度获得其他位置的强度修正系数。
在本公开的一些实施例中，所述对待处理图像进行待测物表面散射噪声修正包括：
将待处理图像的原始数据中超过预定基准值的数据修改为预定基准值；
对修改后的数据进行滤波处理，得到基准数据；
将原始数据与基准数据求差，获得待测物表面散射噪声修正后的数据。
根据本公开的另一方面，提供一种检测方法，包括：
检测设备对待测物进行检测，获取待测物的待处理图像；
图像处理设备根据如上述任一实施例所述的图像处理方法对所述待处理图像进行处理
根据本公开的另一方面，提供一种图像处理设备，包括：
待处理图像提供模块，用于提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息；
数据修正模块，用于对待处理图像进行数据修正，其中，所述对待处理图像进行数据修正包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差；
目标图像确定模块，用于根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
在本公开的一些实施例中，所述图像处理设备用于执行实现如上述任一实施例所述的图像处理方法的操作。
根据本公开的另一方面，提供一种图像处理设备，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述图像处理设备执行实现如上述任一实施例所述的图像处理方法的操作。
根据本公开的另一方面，提供一种图像处理设备，包括：
图像处理设备，用于对待测物的待处理图像进行数据修正；
目标确定设备，用于根据修正后的数据确定待测物上的检测目标。
在本公开的一些实施例中，所述图像处理设备为如上述任一实施例所述的图像处理设备。
根据本公开的另一方面，提供一种检测装置，包括检测设备和图像处理设备，其中：
检测设备，用于对待测物进行检测，获取待测物的待处理图像；
图像处理设备，为如上述任一实施例所述的图像处理设备。
在本公开的一些实施例中，所述检测设备包括光源和探测器，其中：
所述光源，用于向所述待测物发射探测光，所述探测光经待测物形成信号光；
所述探测器，用于探测所述信号光，形成待处理图像。
根据本公开的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的图像处理方法。
本公开通过对待测物实时采集数据进行修正，由此大大消除了实时采集的数据存在的噪声，从而大大提高了待测物上焊点、缺陷等检测目标的检测精度和检测效率。
附图说明
为了更清楚地说明本公开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简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本公开检测方法一些实施例的示意图。
图2为本公开一些实施例中采用线阵相机对待测物进行扫描的示意图。
图3为本公开图像处理方法一些实施例的示意图。
图4和图5为本公开一些实施例中强度修正前后的对比示意图。
图6为本公开一些实施例中线阵相机扫描拍摄的示意图。
图7为本公开图像处理方法又一些实施例的示意图。
图8为本公开图像处理方法另一些实施例的示意图。
图9为本公开图像处理设备一些实施例的示意图。
图10为本公开图像处理设备又一些实施例的示意图。
图11为本公开检测装置一些实施例的示意图。
图12为本公开检测装置另一些实施例的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，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，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
申请人发现：光散射技术的基本原理是收集缺陷的散射光并通过光强判断照明位置目标尺寸，并利用扫描的方式完成对整个待测物或者待测物指定区域检测。与基于光学成像进行缺陷检测比较，光散射技术在检测灵敏度上具有较大优势：由于衍射极限限制，基于光学成像的缺陷检测，只能对目标尺寸大于成像光波长一半的物体清楚成像，远远达不到颗粒检测需求。然而，光散射技术能探测到尺寸较小缺陷发出的散射光，并通过接收散射光强度判断目标尺寸，实现尺寸小于衍射极限目标的检测。
利用光散射实现器件检测具有不同的实现方式。根据单一时刻检测区域分布，光散射技术可以分为点扫描及线扫描两类。点扫描技术采用点光照明，单一时刻仅测量待测物上一个点上的检测目标，而线扫描技术采用大光斑(如线光斑)照明，单一时刻测量待测物上线区域内检测目标。与点扫描相比，线扫描对照明光路及信号光收集光路要求较高，但是检测速度较快。
线扫描采集数据处理是实现难点，实时采集的数据存在噪声，主要表现在：1、光电探测器暗噪声等影响着采集数据精度；2、光强分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据存在误差；3、不同待测物表面对相同外部条件下的信号响应程度不同。
为此，本公开提供了一种图像处理方法和设备、检测方法和装置、存储介质，通过对待测物实时采集数据进行修正，由此大大消除了实时采集的数据存在的噪声，从而大大提高了待测物上焊点、缺陷等检测目标的检测精度和检测效率。
图1为本公开检测方法一些实施例的示意图。优选的，本实施例可由本公开检测装置执行。本公开检测装置可以包括检测设备和图像处理设备。该检测方法包括以下步骤1-步骤2，其中：
步骤1，检测设备对待测物进行检测，获取待测物的待处理图像；并将所述待测物的待处理图像发送给图像处理设备，其中，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息。
在本公开的一些实施例中，待测物可以为晶圆、显示屏等待测物。
在本公开的一些实施例中，所述检测设备包括光源和探测器，其中：
所述光源，用于向所述待测物发射探测光，所述探测光经待测物形成信号光。
所述探测器，用于探测所述信号光，形成待处理图像。
在本公开的一些实施例中，所述探测器可以为相机，例如：可以为线阵相机。
在本公开的一些实施例中，所述待处理图像可以为包括光学图像的多个数据点。
在本公开的一些实施例中，所述待处理图像可以为不包括光学图像的多个数据点。
在本公开的一些实施例中，所述强度信息可以包括：待处理图像中各数据点的灰度值，或者待测物返回的用于形成待处理图像的光的强度值。
在本公开的一些实施例中，步骤1中，所述检测设备对待测物进行检测，获取待测物的待处理图像的步骤可以包括采用光散射法、光学成像法、光干涉检测等光学测试方法对待测物进行检测，以获取待测物的待处理图像。
在本公开的一些实施例中，步骤1中，所述检测设备对待测物进行检测，获取待测物的待处理图像的步骤可以包括：光源向所述待测物发射探测光，所述探测光经待测物形成信号光；所述探测器探测所述信号光，形成待处理图像。
在本公开的一些实施例中，所述信号光可以为探测光经待测物反射形成的反射光。
在本公开的一些实施例中，利用光散射实现器件检测具有不同的实现方式。根据单一时刻检测区域分布，光散射技术可以分为点扫描及线扫描两类。点扫描技术采用点光照明，单一时刻仅测量晶圆等待测物上一个点上的缺陷等检测目标，而线扫描技术采用大光斑(如线光斑)照明，单一时刻测量待测物上线区域内缺陷等检测目标。与点扫描相比，线扫描对照明光路及信号光收集光路要求较高，但是检测速度较快。
在本公开的一些实施例中，所述探测器可以包括至少一个信号光采集通道。
在本公开的一些实施例中，多个信号光采集通道可以分别用于从不同角度对待测物进行检测。
在本公开的一些实施例中，根据信号光(散射光)收集角度范围，光散射技术可以分为小角度收集(收集角度为81度到89度之间)及大角度收集(收集角度为10度到60度之间)两类，其中，所述收集角度为探测器安装角度，所述探测器安装角度为探测器和待测物中心的连线与水平面之间的夹角。
由于不同类型散射光具有不同的分布特点：对于凹坑类检测目标，小角度采集通道具有更好的检测灵敏度；对于凸起类检测目标，大角度采集通道则具有更好的检测灵敏度。
在本公开的一些实施例中，可以将根据检测目标特点设置合理的信号光采集通道，甚至同时采用两个或两个以上(大角度采集通道设置不同的采集范围)采集通道，以对所有类型均获得较高的精度。
本发明后续一些实施例以晶圆上的缺陷检测为例进行具体描述，对于其他待测物上的其他检测目标的测试可以采用类似或相同方法进行。
图2为本公开一些实施例中采用线阵相机对待测物进行扫描的示意图。所述待测物可以为晶圆。所述光源可以包括线阵相机，即，系统选用线阵相机进行扫描，相机的位置固定，且成像角度与待测物行进方向同轴。图中线阵相机的成像线宽为W。扫描开始后，待测物以恒定线速度V旋转，待测物步进距离为W，这样待测物每次步进(Step Forward)，将得到线阵相机扫描的一圈宽度为W的环状数据。同时为保证线速度恒定，每次步进将提高待测物的旋转角速度，即待测物会越转越快，直至最内圈达到一次扫描流程的最大角速度。一次完整的扫描过程，步进的总距离等于待测物的半径，扫描结束后，得到覆盖完整待测物表面的多圈环状数据。
本公开上述实施例采用恒定线速度，可以尽量使相机的单个像元在单位时间内扫过相等的面积，以保证光强密度的均匀性。
步骤2，图像处理设备对所述待处理图像进行图像处理，确定检测目标的目标图像，并对所述检测目标进行分类。
在本公开的一些实施例中，步骤2可以包括：图像处理设备对待测物的待处理图像进行数据修正；根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
基于本公开上述实施例提供的检测方法，检测设备对待测物进行检测，获取待测物的待处理图像；图像处理设备对待测物的待处理图像进行数据修正；图像处理设备根据数据修正后的待处理图像确定待测物上检测目标的目标图像。本公开通过对待测物实时采集数据进行修正，由此大大消除了实时采集的数据存在的噪声，从而大大提高了待测物上焊点、缺陷等检测目标的检测精度和检测效率。
图3为本公开图像处理方法一些实施例的示意图。优选的，本实施例可由本公开图像处理设备执行。如图3所示，所述图像处理方法可以包括步骤31-步骤33，其中：
步骤31，提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息。
在本公开的一些实施例中，步骤31可以包括：指示检测设备对待测物进行检测，以获取待测物的待处理图像，其中，所述检测设备包括光源和探测器，所述光源用于向所述待测物发射探测光，所述探测光经待测物形成信号光；所述探测器用于探测所述信号光，形成待处理图像。
步骤32，对待处理图像进行数据修正。
本公开考虑到线光斑实时测量时会受到线光斑强度沿轴向不均匀、探测器积分时间不同等因素的影响，需要进行原始数据修正。
在本公开的一些实施例中，步骤32可以包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差。
在本公开的一些实施例中，步骤32可以包括：对待处理图像进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正中的至少一项。
在本公开的一些实施例中，步骤32可以包括步骤321-步骤324，其中：
步骤321，对探测诸如散射光信号得到的待处理图像进行暗噪声修正。
在本公开的一些实施例中，步骤321之前，所述图像处理方法还可以包括：预先采用检测设备进行检测，将全黑环境的强度信息作为暗噪声修正系数。
在本公开的一些实施例中，所述图像处理方法还可以包括：预先在全黑环境下，多次采用检测设备进行检测，将全黑环境的强度信息作为暗噪声修正系数。
在本公开的一些实施例中，预先采用检测装置进行测量获得暗噪声修正系数，其中，每个检测装置都有各自的修正系数，且修正系数一旦确定，在一段时间内不会改变。
在本公开的一些实施例中，步骤321可以包括：将待处理图像中各数据点的强度信息减去暗噪声修正系数，以完成暗噪声修正。
本公开上述实施例主要针对相机的固有噪声信号，以及检测装置内部的杂光信号进行暗噪声修正。
本公开上述实施例通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。
步骤322，对待处理图像进行强度修正。
在本公开的一些实施例中，步骤322可以包括：将待处理图像中各数据点的强度信息乘以对应位置的强度修正系数。
在本公开的一些实施例中，步骤322之前，所述图像处理方法还可以包括：预先采用检测装置对待测物进行测量获得强度修正系数，其中，每个检测装置的检测装置修正系数不同，且修正系数一旦确定，在一段时间内不会改变。
在本公开的一些实施例中，所述预先采用检测装置对待测物进行测量获得强度修正系数的步骤可以包括：预先采用检测设备对标准待测物进行检测，取有效照明位置内强度最强点的强度修正系数为1，其中所述标准待测物为不包含检测目标的待测物；将该位置强度除以其他位置强度得到其他位置的强度修正系数。
在本公开的一些具体实施例中，所述预先采用检测装置对标准待测物进行测量获得强度修正系数的步骤可以包括：检测线光斑强度分布，首先进行暗噪声修正以去除暗噪声的影响，在修正后的强度分布数据上，取有效照明位置内强度最强点A(强度值为200)的强度修正系数为1；另一数据点B的强度值为100，则该数据点B的强度修正系数为2。
而步骤31的实际测量过程中，强度最强点A的当前强度值为205，数据点B的当前强度值为104，则步骤322可以包括：将强度最强点A的当前强度值205乘以A点的强度修正系数1，则A点强度修正后的强度值为205；B点的当前强度值104乘以B点的强度修正系数2，则B点强度修正后的强度值为208。
在本公开的一些实施例中，所述预先采用检测装置对待测物进行测量获得强度修正系数的步骤可以包括：预先多次测量，采用多次测量平均值获取强度修正系数。
图4和图5为本公开一些实施例中强度修正前后的对比示意图。其中，图4为强度修正前的示意图，图5为强度修正后的示意图。如图4和图5所示，修正前强度有明显的分布不均匀性，经过修正后，均匀性得到改善。图4或图5实施例中的强度信息可以为待处理图像中各数据点的灰度值，或者待测物返回的用于形成待处理图像的光的强度值。
本公开上述实施例的强度修正方法通过对各数据点的强度值乘以对应的修正系数，使得全部数据点的强度值维持在同等水平。
步骤323，对待处理图像进行积分时间修正。
在本公开的一些实施例中，步骤323可以包括：根据积分修正函数对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差。
积分时间修正主要针对一圈环状数据因外边缘和内边缘的旋转线速度不一致导致的单个像元积分时间不一致的情况进行修正。
在本公开的一些实施例中，步骤323可以包括：根据待测物表面各点处的线速度获取积分修正函数；将待处理图像的强度信息乘以积分修正函数。
图6为本公开一些实施例中线阵相机扫描拍摄的示意图。如图6所示，明确表示出线阵相机扫描标示出的7行，扇形区域代表扫描的路径区域，因为相机的线频计算是按照环形外沿设计的，这样就会导致环形内沿出现拍摄重叠区域，并且越靠近内沿，重叠区域越大，这样就相当于内沿像元的积分时间变大了。
在本公开的一些实施例中，步骤323可以包括：
针对根据待测物表面的每一数据点，确定该数据点的积分距离，其中，所述积分距离为该数据点距离待测物中心的距离；
根据所述积分距离、待测物边缘至待测物中心的距离、待测物步进距离获取积分修正函数。
在本公开的一些实施例中，步骤323可以包括：
步骤3231，针对根据待测物表面的每一数据点，确定该数据点的积分距离测量半径r，其中测量半径积分距离r为该数据点距离待测物中心的距离。
步骤3232，根据所述积分距离r、待测物边缘至待测物中心的距离R、待测物步进距离W获取积分修正函数f(r)。
在本公开的一些实施例中，对于待测物为晶圆的情况，所述待测物边缘至待测物中心的距离R为晶圆半径。
在本公开的一些实施例中，步骤3232可以包括：根据所述积分距离r、待测物边缘至待测物中心的距离R、测量圈号n和待测物步进距离W确定积分修正函数f(r)。
在本公开的一些实施例中，步骤3232可以包括：根据公式(1)确定积分修正函数f(r)。
其中，扫描方向由待测物边缘向待测物中心移动，从最外面一圈的起始圈号为1。对于第n圈测量，积分距离r范围为R-n*W至R-(n-1)*W。
步骤3233，将待处理图像的强度分布乘以积分修正函数f(r)。
本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。
步骤324，对待处理图像进行待测物表面散射噪声修正(Haze修正)。
Haze修正主要针对不同待测物表面对相同外部条件下(强度、空间分辨率等)的信号响应程度不同的情况进行修正。Haze修正的修正系数称为Haze，是从原始数据中提取得到。
在本公开的一些实施例中，步骤324可以包括：
步骤3241，将待处理图像的原始数据中超过预定基准值(ExpectedHaze)的数据修改为预定基准值，其中，所述预定基准值为首先针对不同的待测物，根据经验值设定一个理论的Haze值。
步骤3242，对修改后的数据采用均值滤波、中值滤波、高斯滤波等滤波方法进行滤波处理，得到基准数据(Haze数据)。
在本公开的一些实施例中，步骤3242可以包括：采用中值滤波进行滤波处理，消除因检测目标导致的脉冲噪声，得到相对平稳的Haze数据。
步骤3243最终达成的效果是得到一个待测物表面强度分布的基准面。
步骤3244，将原始数据与基准数据求差，获得待测物表面散射噪声修正后的数据。
步骤33，根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
本公开待测物表面散射噪声修正后的数据，检测目标的数据信号更加纯粹，更能反映真实的目标强度。
本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
基于本公开上述实施例提供的图像处理方法，通过对待测物待处理图像的实时采集数据进行修正，可以大大消除实时采集的数据存在的噪声，从而大大提高了待测物上检测目标的检测精度和检测效率。
本公开上述实施例可以对待处理图像进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正，由此可以消除实时数据采集中存在的噪声。
本公开上述实施例通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
图7为本公开图像处理方法又一些实施例的示意图。优选的，本实施例可由本公开图像处理设备执行。该方法包括以下步骤71-步骤72，其中：
步骤71，对待测物的待处理图像进行数据修正。
在本公开的一些实施例中，步骤71中，所述对信号光收集光路采集的待处理图像进行数据修正的步骤可以包括：根据如上述任一实施例(例如图3-图6任一实施例)所述的图像处理方法对待测物的待处理图像进行数据修正。
步骤72，根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
在本公开的一些实施例中，步骤72可以包括：
步骤721，对修正后的数据进行阈值提取，确定目标数据点。
在本公开的一些实施例中，步骤721可以包括：判断数据点的强度信息是否满足阈值条件；将满足所述阈值条件的数据点，确定为目标数据点。
在本公开的一些实施例中，在目标图像中数据点的强度信息小于待处理图像背景的强度信息的情况下，所述阈值条件为数据点的强度信息小于或小于等于预定提取阈值。
在本公开的一些实施例中，在所述信号光为探测光经待测物反射形成的反射光的情况下，所述阈值条件为数据点的强度信息小于或小于等于预定提取阈值。
在本公开的一些实施例中，在目标图像中数据点的强度信息大于待处理图像背景的强度信息的情况下，所述阈值条件为数据点的强度信息大于或大于等于预定提取阈值。
在本公开的一些实施例中，在所述信号光为探测光经待测物散射形成的散射光的情况下，所述阈值条件为数据点的强度信息大于或大于等于预定提取阈值。
本公开上述实施例在所述信号光为探测光经待测物散射形成的散射光的情况下，经过数据修正后，理想情况下，存在缺陷等检测目标的位置上的强度数值会比较大，而没有缺陷等检测目标的位置上的强度数值会处于0附近，当设定了预定提取阈值后，会把超出预定提取阈值的数据点筛选出来。
在本公开的一些实施例中，预定提取阈值的具体数值可由同一检测装置对聚苯乙烯标准颗粒晶圆片测量得到。
申请人认为在这些筛选出来的点的周边数据点，同样包含有一定的检测目标点强度信息，因此周边数据点同样会被筛选出来并缓存，用于对目标强度进行计算。
本公开上述实施例通过阈值提取可以提取出所有可能的检测目标点。由此本公开上述实施例大大提高了待测物中检测目标的检测精度和检测效率。
步骤722，对所述目标数据点进行聚类分析，确定至少一个聚类集合，其中每个聚类集合对应一个检测目标。
经过本公开上述实施例阈值提取筛选出来的数据点，每个数据点都可以根据采集数据时的运动平台坐标信息计算得到相应的待测物坐标。给定一个搜索半径R，如果两个数据点之间的坐标距离小于等于R，则认为这两个数据点属于同一个检测目标。判断不同数据点是否源于同一检测目标的分析过程可以采用聚类分析。
在本公开的一些实施例中，可以采用常用的聚类分析方法，如K均值聚类(K-Means)、均值漂移聚类(Mean Shift)、密度聚类(DBSCAN)、层次聚类(hierarchicalclustering)、网格聚类(STING)进行聚类分析。
在本公开的一些实施例中，步骤722可以包括：采用聚类分析方法将属于同一检测目标的目标数据点聚类到一个聚类集合中，其中，若两个目标数据点之间的坐标距离小于等于预定搜索半径，则认定该两个目标数据点属于同一检测目标。
在本公开的一些实施例中，步骤722可以包括：采用密度聚类方法将属于同一检测目标的目标数据点聚类到一个聚类集合中。
步骤723，根据所述目标图像中数据点的个数及强度信息，对所述检测目标进行分类。
本公开上述实施例中已经得到各聚类结果中，每一个聚类结果就是一个检测目标的目标图像。
在本公开的一些实施例中，从大类上来说检测目标主要分为两种：小尺寸目标(LPD)和大尺寸目标(AREA)。分类的依据包括检测目标的强度以及检测目标中包含颗粒点的数量，其中目标强度的计算包括聚类集合中全部点的强度值和各点周边点的强度值之和。
在本公开的一些实施例中，步骤723可以包括步骤a1-步骤a3：
步骤a1，获取目标图像中(该检测目标对应聚类集合)所包含的目标数据点数量。
步骤a2，根据目标图像中全部目标数据点的强度信息和所有周边数据点的强度信息确定目标强度。
在本公开的一些实施例中，步骤a2可以包括：根据目标图像中全部目标数据点的光强度值和所有周边数据点的光强度值确定目标强度。
步骤a3，根据目标强度和检测目标所包含的目标数据点数量确定每一检测目标的类型。
在本公开的一些实施例中，步骤a3可以包括步骤a31-步骤a36，其中：
步骤a31，设定预定分类数量阈值N和预定强度阈值I。
步骤a32，判断检测目标所包含的目标数据点数量是否大于预定分类数量阈值N。
步骤a33，在检测目标所包含的目标数据点数量大于预定分类数量阈值N的情况下，确定该检测目标的类型为大尺寸目标。
步骤a34，在检测目标所包含的目标数据点数量不大于预定分类数量阈值N的情况下，判断目标强度是否大于预定强度阈值I。
步骤a35，在检测目标所包含的目标数据点数量不大于预定分类数量阈值N、且目标强度大于预定强度阈值I的情况下，确定该检测目标的类型为大尺寸目标。
步骤a36，在检测目标所包含的目标数据点数量不大于预定分类数量阈值N、且目标强度不大于预定强度阈值I的情况下，确定该检测目标的类型为小尺寸目标。
步骤724，对于不同类型的检测目标，采取不同的方式确定所述检测目标的目标尺寸。
在本公开的一些实施例中，步骤724可以包括：
步骤b1，对于大尺寸目标，将该大尺寸目标的最小外接矩形面积作为大尺寸目标的尺寸。
步骤b2，对于小尺寸目标，根据该小尺寸目标的目标强度，查询目标强度与目标尺寸的预定对应表，确定小尺寸目标的尺寸。
基于本公开上述实施例提供的图像处理方法，采用线阵相机进行扫描，待测物以恒定线速度V旋转，使得相机的单个像元在单位时间内扫过相等的面积，以保证强度密度的均匀性，由此本公开上述实施例可以提高器件检测的检测精度和检测效率。
本公开上述实施例通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
本公开上述实施例可以对待测物检测的实时采集数据进行修正。本公开上述实施例对散射光信号进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正，由此可以消除实时数据采集中存在的噪声。
本公开上述实施例通过阈值提取可以提取出所有可能的检测目标点。本公开上述实施例采用聚类分析的办法将两个数据点之间的坐标距离小于等于预定值的两个数据点认定为同一个检测目标。由此本公开上述实施例大大提高了器件检测的检测精度和检测效率。
本公开上述实施例对于不同类型的检测目标，采取不同的方式确定所述检测目标的目标尺寸。由此本公开上述实施例可以更加精准地确定检测目标的类型和目标尺寸。
图8为本公开图像处理方法另一些实施例的示意图。优选的，本实施例可由本公开图像处理设备执行。该方法包括以下步骤21-步骤23，其中：
步骤21，在信号光收集光路包括多个信号光采集通道的情况下，针对每个信号光采集通道，分别执行如上述任一实施例(例如图3-图7任一实施例)所述的图像处理方法，确定对应检测目标的类型和尺寸。
在本公开的一些实施例中，信号光收集光路可以包括小角度采集通道和大角度采集通道。
在本公开的一些实施例中，小角度采集通道和大角度采集通道的线状扫描光斑要尽量重合，两个通道线阵相机的成像位置要尽量重合，由此能保证数据的同步。
针对小角度采集通道和大角度采集通道，分别独立执行如上述任一实施例(例如图3-图7任一实施例)所述的图像处理方法的步骤，分别获得完整的图像数据；分别进行聚类分析得到各自的聚类结果；分别独立的进行检测目标分类及尺寸计算过程，得到各自的检测目标分类及尺寸计算结果。
步骤22，将多个信号光采集通道确定的检测目标进行整合，确定复合通道的检测目标结果。
例如：针对信号光收集光路可以包括小角度采集通道和大角度采集通道的情况，通过步骤21得到了小角度采集通道和大角度采集通道两个通道各自的检测目标结果，考虑到两种通道对不同类型检测目标的响应程度不同，本公开上述实施例需要对两个通道的结果进行合并，得到复合通道结果，并作为最终检测目标结果输出。
在本公开的一些实施例中，步骤22可以包括：
步骤221，在多个信号光采集通道中的任意两个信号光采集通道中，确定一个信号光采集通道为基准通道，另一个信号光采集通道为比较通道。
步骤222，将基准通道中的每一基准检测目标所包含的基准数据点，与比较通道中任意一个或任意多个比较检测目标所包含的比较数据点进行比较，确定复合通道的检测目标结果。
在本公开的一些实施例中，步骤222中检测目标合并的依据为：该基准通道里一个检测目标中包含的数据点，与另一个比较通道中某一个或某几个检测目标中包含的数据点，点与点之间的欧氏距离满足预定距离阈值d，且满足该条件的点的数量满足预定合并数量阈值K，则认为这些检测目标是同一个检测目标。如果不符合上述条件，则表明是只存在于小角度通道或大角度通道的检测目标，那么直接加入复合通道。
在本公开的一些实施例中，步骤222可以包括：
步骤2221，设定预定距离阈值d和预定合并数量阈值K。
步骤2222，判断是否存在基准数据点与比较数据点之间的距离不大于预定距离阈值d的基准数据点。
步骤2223，在存在基准数据点与比较数据点之间的距离不大于预定距离阈值d的基准数据点的情况下，判断基准数据点与比较数据点之间的距离不大于预定距离阈值d的基准数据点数量是否大于预定合并数量阈值K。
步骤2224，在基准数据点与比较数据点之间的距离不大于预定距离阈值d的基准数据点数量大于预定合并数量阈值K的情况下，将所述基准检测目标与比较检测目标合并为合并检测目标。
步骤2225，在基准数据点与比较数据点之间的距离不大于预定距离阈值d的基准数据点数量不大于预定合并数量阈值K、或者不存在基准数据点与比较数据点之间的距离不大于预定距离阈值d的基准数据点的情况下，所述基准检测目标与比较检测目标不能合并。
步骤23，对复合通道的检测目标结果进行检测目标重新分类以及分类细化。
在本公开的一些实施例中，步骤23可以包括：
步骤231，判断合并为合并检测目标的两个不同信号光采集通道的检测目标的类型是否一致。
步骤232，在类型一致的情况下，合并检测目标的类型为合并前检测目标的类型。
步骤233，在类型不一致的情况下，根据两个不同信号光采集通道的通道类型和合并前检测目标的类型，确定合并检测目标的类型。
在本公开的一些实施例中，对于复合通道中，由小角度通道中的检测目标A和大角度通道中的检测目标B合并而来的检测目标C，如果A和B的类型一致，则C的类型可以直接确定。
在本公开的一些实施例中，对于复合通道中，由小角度通道中的检测目标A和大角度通道中的检测目标B合并而来的检测目标C。如果存在A和B的类型不一致的情况，那么C该如何分类，需要进一步根据如下相关算法判定：
步骤2331，A如果是大尺寸目标，那么无论B是大尺寸目标还是小尺寸目标，C都是大尺寸目标，且C与A保持一致。
步骤2332，A如果是小尺寸目标，B如果是大尺寸目标，那么会将B直接修改为小尺寸目标，并进入步骤2333。
步骤2333，A和B都是小尺寸目标，如果A或B其中只有一个是强度信息饱和的小尺寸目标，那么C与非饱和的检测目标一致，即合并检测目标C的类型为强度信息非饱和的小尺寸目标，其中，所述强度信息饱和为某一数据点的强度值达到设定最大值，例如某一数据点的强度值达到255。
步骤2334，A和B都是小尺寸目标，如果A和B都是强度信息饱和的小尺寸目标，那么C与A保持一致，即合并检测目标C的类型为强度信息饱和的小尺寸目标。
步骤2335，A和B都是小尺寸目标，如果A和B都是强度信息非饱和的小尺寸目标，那么C与A保持一致，合并检测目标C的类型为强度信息非饱和的小尺寸目标。
本公开上述实施例可以进行多通道数据处理，可以对小角度通道和大角度通道两个通道各自的检测目标结果进行合并，并对复合通道结果进行目标重新分类以及分类细化。由此本公开上述实施例大大提高了多通道采集情况下，检测目标检测的精度和效率。
图9为本公开图像处理设备一些实施例的示意图。如图9所示，所述图像处理设备可以包括待处理图像提供模块151、数据修正模块152和目标图像确定模块153，其中：
待处理图像提供模块151，用于提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息。
数据修正模块152，用于对待处理图像进行数据修正，其中，所述对待处理图像进行数据修正包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差。
在本公开的一些实施例中，数据修正模块152可以用于对待处理图像进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正中的至少一项。
目标图像确定模块153，用于根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
在本公开的一些实施例中，目标确定设备172可以用于对修正后的数据进行阈值提取，确定目标数据点；对所述目标数据点进行聚类分析，确定至少一个聚类集合，其中每个聚类集合对应一个检测目标的目标图像；确定所述检测目标的类型和尺寸。
在本公开的一些实施例中，目标确定设备172还可以用于在信号光收集光路包括多个信号光采集通道的情况下，针对每个信号光采集通道，确定对应检测目标的类型和尺寸；将多个信号光采集通道确定的检测目标进行整合，确定复合通道的检测目标结果；对复合通道的检测目标结果进行检测目标重新分类以及分类细化。
在本公开的一些实施例中，所述图像处理设备用于执行实现如上述任一实施例(例如图3-图8任一实施例)所述的图像处理方法的操作。
基于本公开上述实施例提供的图像处理设备，通过对待测物待处理图像的实时采集数据进行修正，可以大大消除实时采集的数据存在的噪声，从而大大提高了待测物上检测目标的检测精度和检测效率。
本公开上述实施例可以对待处理图像进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正，由此可以消除实时数据采集中存在的噪声。
图10为本公开图像处理设备又一些实施例的示意图。如图10所示，所述图像处理设备可以包括存储器161和处理器162，其中：
存储器161，用于存储指令。
处理器162，用于执行所述指令，使得所述图像处理设备执行实现如上述任一实施例(例如图3-图8任一实施例)所述的图像处理方法的操作。
本公开上述实施例通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
基于本公开上述实施例提供的图像处理设备，通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
本公开上述实施例对于不同类型的检测目标，采取不同的方式确定所述检测目标的目标尺寸。由此本公开上述实施例可以更加精准地确定检测目标的类型和目标尺寸。
本公开上述实施例可以进行多通道数据处理，可以对小角度通道和大角度通道两个通道各自的检测目标结果进行合并，并对复合通道结果进检测目标陷重新分类以及分类细化。由此本公开上述实施例大大提高了多通道采集情况下，检测目标检测的精度和效率。
本公开上述实施例可以对待测物检测的实时采集数据进行修正。本公开上述实施例对散射光信号进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正，由此可以消除实时数据采集中存在的噪声。
本公开上述实施例通过阈值提取可以提取出所有可能的检测目标点。本公开上述实施例采用聚类分析的办法将两个数据点之间的坐标距离小于等于预定值的两个数据点认定为同一个检测目标。由此本公开上述实施例大大提高了器件检测的检测精度和检测效率。
图11为本公开检测装置一些实施例的示意图。如图11所示，所述检测装置可以包括检测设备181和图像处理设备182，其中：
检测设备181，用于对待测物进行检测，获取待测物的待处理图像；并将所述待测物的待处理图像发送给图像处理设备，其中，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息。
在本公开的一些实施例中，所述检测设备包括光源和探测器，其中：
所述光源，用于向所述待测物发射探测光，所述探测光经待测物形成信号光。
在本公开的一些实施例中，所述光源可以包括照明光路。
所述探测器，用于探测所述信号光，形成待处理图像。
在本公开的一些实施例中，所述探测器可以为相机，例如：可以为线阵相机。
在本公开的一些实施例中，所述信号光可以为探测光经待测物反射形成的反射光。
在本公开的另一些实施例中，所述信号光可以为探测光经待测物散射形成的散射光。
在本公开的一些实施例中，所述探测器可以包括至少一个信号光采集通道。
在本公开的一些实施例中，所述信号光收集光路可以小角度采集通道和大角度采集通道。
图像处理设备182，用于对所述待处理图像进行图像处理。
在本公开的一些实施例中，图像处理设备172可以用于在所述待处理图像中获取检测目标的目标图像；并根据所述目标图像中数据点的个数及强度信息，对所述检测目标进行分类。
图像处理设备182，为如上述任一实施例(例如图9或图10实施例)所述的图像处理设备。
图12为本公开检测装置另一些实施例的示意图。与图11所示实施例相比，在图12所示实施例中，所述检测装置还可以包括驱动装置184，其中：
驱动装置184，用于驱动待测物运动。
在本公开的一些实施例中，所述运动可以为转动、平移运动和升降运动等运动中的至少一项。
在本公开的一些实施例中，所述探测器可以实现为线阵相机，其中，线阵相机的成像线宽等于待测物的步进距离。
图2为本公开一些实施例中采用线阵相机对待测物进行扫描的示意图。所述待测物可以为晶圆。所述光源可以包括线阵相机，即，系统选用线阵相机进行扫描，相机的位置固定，且成像角度与待测物行进方向同轴。图中线阵相机的成像线宽为W。扫描开始后，待测物以恒定线速度V旋转，待测物步进距离为W，这样待测物每次步进(Step Forward)，将得到线阵相机扫描的一圈宽度为W的环状数据。同时为保证线速度恒定，每次步进将提高待测物的旋转角速度，即待测物会越转越快，直至最内圈达到一次扫描流程的最大角速度。一次完整的扫描过程，步进的总距离等于待测物的半径，扫描结束后，得到覆盖完整待测物表面的多圈环状数据。
本公开上述实施例采用恒定线速度，可以尽量使相机的单个像元在单位时间内扫过相等的面积，以保证光强密度的均匀性。
基于本公开上述实施例提供的检测装置，采用线阵相机进行扫描，待测物以恒定线速度V旋转，使得相机的单个像元在单位时间内扫过相等的面积，以保证光强密度的均匀性，由此本公开上述实施例可以提高器件检测的检测精度和检测效率。
本公开上述实施例通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
本公开上述实施例可以对待测物检测的实时采集数据进行修正。本公开上述实施例对散射光信号进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正，由此可以消除实时数据采集中存在的噪声。
本公开上述实施例通过阈值提取可以提取出所有可能的检测目标点。本公开上述实施例采用聚类分析的办法将两个数据点之间的坐标距离小于等于预定值的两个数据点认定为同一个检测目标。由此本公开上述实施例大大提高了器件检测的检测精度和检测效率。
本公开上述实施例对于不同类型的检测目标，采取不同的方式确定所述检测目标的目标尺寸。由此本公开上述实施例可以更加精准地确定检测目标的类型和目标尺寸。
本公开上述实施例可以进行多通道数据处理，可以对小角度通道和大角度通道两个通道各自的检测目标结果进行合并，并对复合通道结果进行目标重新分类以及分类细化。由此本公开上述实施例大大提高了多通道采集情况下，检测目标检测的精度和效率。
根据本公开的另一方面，提供一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例(例如图3-图8任一实施例)所述的图像处理方法。
基于本公开上述实施例提供的计算机可读存储介质，通过暗噪声修正消除了光电探测器暗噪声，大大提高了数据采集精度。本公开上述实施例通过强度修正和积分时间修正可以消除强度分布不均匀、不同采集位置探测器积分时间不同等因素使线光斑不同位置探测数据产生的误差。本公开上述实施例通过待测物表面散射噪声修正使得待测物表面对相同外部条件下的信号响应程度相同。
本公开上述实施例可以对待测物检测的实时采集数据进行修正。本公开上述实施例对散射光信号进行暗噪声修正、强度修正、积分时间修正和待测物表面散射噪声修正等数据修正，由此可以消除实时数据采集中存在的噪声。
在上面所描述的图像处理设备可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (12)
1.一种图像处理方法，其特征在于，包括：
提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息；
对待处理图像进行数据修正，其中，所述对待处理图像进行数据修正包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差；
根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对待处理图像的强度信息进行积分时间修正包括：
根据待测物表面各点处的线速度获取积分修正函数；
将待处理图像的强度信息乘以积分修正函数。
3.根据权利要求2所述的图像处理方法，其特征在于，所述根据待测物表面各点处的线速度获取积分修正函数包括：
针对根据待测物表面的每一数据点，确定该数据点的积分距离，其中，所述积分距离为该数据点距离待测物中心的距离；
根据所述积分距离、待测物边缘至待测物中心的距离、待测物步进距离获取积分修正函数。
4.根据权利要求1所述的图像处理方法，其特征在于，所述提供待处理图像包括：
指示检测设备对待测物进行检测，以获取待测物的待处理图像，其中，所述检测设备包括光源和探测器，所述光源用于向所述待测物发射探测光，所述探测光经待测物形成信号光；所述探测器用于探测所述信号光，形成待处理图像。
5.根据权利要求1-4中任一项所述的图像处理方法，其特征在于，所述对待处理图像进行数据修正还包括：
对待处理图像进行暗噪声修正、强度修正和待测物表面散射噪声修正中的至少一项。
6.根据权利要求5所述的图像处理方法，其特征在于，还包括：预先采用检测设备进行检测，将全黑环境的强度信息作为暗噪声修正系数；
所述对待处理图像进行暗噪声修正包括：
将待处理图像中各数据点的强度信息减去暗噪声修正系数，以完成暗噪声修正。
7.根据权利要求5所述的图像处理方法，其特征在于，还包括：
预先采用检测设备对标准待测物进行检测，取有效照明位置内强度最强点的强度修正系数为1，其中所述标准待测物为不包含检测目标的待测物；
将强度最强点的强度除以其他位置强度获得其他位置的强度修正系数；
所述对待处理图像进行强度修正包括：
将待处理图像中各数据点的强度信息乘以对应位置的强度修正系数。
8.根据权利要求5所述的图像处理方法，其特征在于，所述对待处理图像进行待测物表面散射噪声修正包括：
将待处理图像的原始数据中超过预定基准值的数据修改为预定基准值；
对修改后的数据进行滤波处理，得到基准数据；
将原始数据与基准数据求差，获得待测物表面散射噪声修正后的数据。
9.一种检测方法，其特征在于，包括：
检测设备对待测物进行检测，获取待测物的待处理图像；
图像处理设备根据如权利要求1-8中任一项所述的图像处理方法对所述待处理图像进行处理。
10.一种图像处理设备，其特征在于，包括：
待处理图像提供模块，用于提供待处理图像，所述待处理图像包括多个数据点，各数据点分别包括待测物表面各点的位置信息及强度信息；
数据修正模块，用于对待处理图像进行数据修正，其中，所述对待处理图像进行数据修正包括：对待处理图像的强度信息进行积分时间修正，减小由于待测物表面不同点因为积分时间不同引起的强度信息之差；
目标图像确定模块，用于根据数据修正后的待处理图像确定待测物上检测目标的目标图像。
11.一种检测装置，其特征在于，包括检测设备和图像处理设备，其中：
检测设备，用于对待测物进行检测，获取待测物的待处理图像；
图像处理设备，被配置为执行权利要求1-8中任一项的图像处理方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如权利要求1-8中任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910115504.0A CN111640085B (zh) | 2019-02-14 | 2019-02-14 | 图像处理方法和设备、检测方法和装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910115504.0A CN111640085B (zh) | 2019-02-14 | 2019-02-14 | 图像处理方法和设备、检测方法和装置、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111640085A true CN111640085A (zh) | 2020-09-08 |
| CN111640085B CN111640085B (zh) | 2023-08-29 |
Family
ID=72330420
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910115504.0A Active CN111640085B (zh) | 2019-02-14 | 2019-02-14 | 图像处理方法和设备、检测方法和装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111640085B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022218210A1 (zh) * | 2021-04-12 | 2022-10-20 | 深圳中科飞测科技股份有限公司 | 图像处理方法、装置、光学系统和计算机可读存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050030412A1 (en) * | 2003-08-07 | 2005-02-10 | Canon Kabushiki Kaisha | Image correction processing method and image capture system using the same |
| US20120207379A1 (en) * | 2011-02-10 | 2012-08-16 | Keyence Corporation | Image Inspection Apparatus, Image Inspection Method, And Computer Program |
| US20130044316A1 (en) * | 2010-05-06 | 2013-02-21 | Alatech Semiconductor | Device and method for inspecting moving semicondutor wafers |
| JP2013057848A (ja) * | 2011-09-09 | 2013-03-28 | Fujitsu Semiconductor Ltd | マスクパターン補正装置、マスクパターン補正方法及びマスクパターン補正プログラム |
| CN104580944A (zh) * | 2013-10-10 | 2015-04-29 | 中国科学院光电研究院 | 对ccd图像进行相对辐射校正的方法 |
| US20150168303A1 (en) * | 2012-07-06 | 2015-06-18 | Bt Imaging Pty Ltd. | Methods for inspecting semiconductor wafers |
| US20160097727A1 (en) * | 2014-10-03 | 2016-04-07 | Kla-Tencor Corporation | TDI Sensor in a Darkfield System |
| CN107976617A (zh) * | 2017-11-20 | 2018-05-01 | 扬州乾照光电有限公司 | 一种稳定光谱能量分布的led晶圆测试方法 |
-
2019
- 2019-02-14 CN CN201910115504.0A patent/CN111640085B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050030412A1 (en) * | 2003-08-07 | 2005-02-10 | Canon Kabushiki Kaisha | Image correction processing method and image capture system using the same |
| US20130044316A1 (en) * | 2010-05-06 | 2013-02-21 | Alatech Semiconductor | Device and method for inspecting moving semicondutor wafers |
| US20120207379A1 (en) * | 2011-02-10 | 2012-08-16 | Keyence Corporation | Image Inspection Apparatus, Image Inspection Method, And Computer Program |
| JP2013057848A (ja) * | 2011-09-09 | 2013-03-28 | Fujitsu Semiconductor Ltd | マスクパターン補正装置、マスクパターン補正方法及びマスクパターン補正プログラム |
| US20150168303A1 (en) * | 2012-07-06 | 2015-06-18 | Bt Imaging Pty Ltd. | Methods for inspecting semiconductor wafers |
| CN104580944A (zh) * | 2013-10-10 | 2015-04-29 | 中国科学院光电研究院 | 对ccd图像进行相对辐射校正的方法 |
| US20160097727A1 (en) * | 2014-10-03 | 2016-04-07 | Kla-Tencor Corporation | TDI Sensor in a Darkfield System |
| CN107110792A (zh) * | 2014-10-03 | 2017-08-29 | 科磊股份有限公司 | 暗场系统中的时间延迟积分传感器 |
| CN107976617A (zh) * | 2017-11-20 | 2018-05-01 | 扬州乾照光电有限公司 | 一种稳定光谱能量分布的led晶圆测试方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022218210A1 (zh) * | 2021-04-12 | 2022-10-20 | 深圳中科飞测科技股份有限公司 | 图像处理方法、装置、光学系统和计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111640085B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4426313B2 (ja) | 多検出器欠陥検出システム及び欠陥検出方法 | |
| US9778206B2 (en) | Defect inspection device and defect inspection method | |
| TWI672636B (zh) | 對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體 | |
| US9811897B2 (en) | Defect observation method and defect observation device | |
| JP3990981B2 (ja) | 基板を検査するための方法及び装置 | |
| JP5572293B2 (ja) | 欠陥検査方法及び欠陥検査装置 | |
| US10157457B2 (en) | Optical measurement of opening dimensions in a wafer | |
| US20120026316A1 (en) | Pattern inspection method and pattern inspection apparatus | |
| JP2013108950A (ja) | 欠陥検査方法およびその装置 | |
| US8761488B2 (en) | Image data processing method and image creating method | |
| US20150051860A1 (en) | Automatic optical appearance inspection by line scan apparatus | |
| JP2008216054A (ja) | 被検査物の検査装置及び被検査物の検査方法 | |
| CN109075094B (zh) | 用于具有噪声边界阈值的晶片检验的系统及方法 | |
| TW202129262A (zh) | 用於多模式檢測之基於統計學習模式選擇 | |
| WO2020079567A1 (en) | Automated inspection for sheet parts of arbitrary shape from manufactured film | |
| US8873031B2 (en) | Method and apparatus for inspecting surface of a disk | |
| CN113177925B (zh) | 一种无损检测水果表面缺陷的方法 | |
| US20140071442A1 (en) | Optical surface defect inspection apparatus and optical surface defect inspection method | |
| CN111640085B (zh) | 图像处理方法和设备、检测方法和装置、存储介质 | |
| US10359613B2 (en) | Optical measurement of step size and plated metal thickness | |
| JP2014228496A (ja) | 表面欠陥検査装置、および表面欠陥検査方法 | |
| JP4504612B2 (ja) | 異物検査方法及び異物検査装置 | |
| CN117252861A (zh) | 一种晶圆表面缺陷的检测方法、装置及系统 | |
| CN111563870B (zh) | 图像处理方法和设备、检测方法和装置、存储介质 | |
| US8699783B2 (en) | Mask defect inspection method and defect inspection apparatus |
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 | ||
| CB02 | Change of applicant information |
Address after: 518110 101, 201, 301, No.2, Shanghenglang fourth industrial zone, Tongsheng community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Zhongke feice Technology Co.,Ltd. Address before: 518110 101, 201, 301, No.2, Shanghenglang fourth industrial zone, Tongsheng community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Applicant before: SKYVERSE Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |