CN111724335A - 检测方法及检测系统 - Google Patents

检测方法及检测系统 Download PDF

Info

Publication number
CN111724335A
CN111724335A CN201910215621.4A CN201910215621A CN111724335A CN 111724335 A CN111724335 A CN 111724335A CN 201910215621 A CN201910215621 A CN 201910215621A CN 111724335 A CN111724335 A CN 111724335A
Authority
CN
China
Prior art keywords
image
images
unit
average gray
average
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
CN201910215621.4A
Other languages
English (en)
Inventor
陈鲁
刘腾飞
张鹏斌
张嵩
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.)
Shenzhen Zhongke Flying Test Technology Co ltd
Original Assignee
Shenzhen Zhongke Flying Test Technology 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 Shenzhen Zhongke Flying Test Technology Co ltd filed Critical Shenzhen Zhongke Flying Test Technology Co ltd
Priority to CN201910215621.4A priority Critical patent/CN111724335A/zh
Priority to KR1020217033990A priority patent/KR20210154164A/ko
Priority to SG11202110410UA priority patent/SG11202110410UA/en
Priority to PCT/CN2020/080419 priority patent/WO2020187319A1/zh
Priority to US17/441,411 priority patent/US11881186B2/en
Publication of CN111724335A publication Critical patent/CN111724335A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
    • G09G3/34—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source
    • G09G3/36—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source using liquid crystals
    • G09G3/3607—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source using liquid crystals for displaying colours or for displaying grey scales with a specific pixel layout, e.g. using sub-pixels
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • 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
    • G06T2207/30168—Image quality inspection

Abstract

本公开内容公开了检测方法及检测系统，所述检测方法包括：基于参考物创建多个模板图像，其中，参考物包括多个单元，并且多个模板图像分别是具有不同的平均灰度值的单元图像；计算待测单元图像的第一平均灰度值；基于第一平均灰度值，在多个模板图像中选择第一模板图像，其中，第一模板图像的平均灰度值与第一平均灰度值之间的差异最小；基于第一模板图像，对待测单元图像进行色差检测。本公开内容能够选用与待测单元图像的灰度值相近的模板图像来检测该单元，使得待测单元图像与模板图像之间的差异最小，从而降低了误检漏检的频率，最终提高色差检测的检测效果。

Description

检测方法及检测系统
技术领域
本公开内容属于色差检测技术领域，尤其涉及一种检测方法以及一种检测系统。
背景技术
在半导体晶圆的制作工艺完成后，需要对半导体晶圆(也称wafer)进行检测，例如，检测晶圆(也称wafer)上的晶粒(也称Die)表面是否存在不良(比如外来物，划痕等)，以确认该产品是否合格。通常做法是先选取一个合格的晶圆，在这个晶圆上选取一些合格的晶粒，再用这些晶粒生成一个标准参考晶粒图像。在检测时，把每个待检测晶粒的晶粒图像与这个标准参考晶粒图像做比对，如果待检测的晶粒图像与标准参考晶粒图像之间的灰度值差异超过预先设定的阈值，则认为该待检测晶粒存在缺陷，将其标识待后续处理。
现有的检测方法能够满足绝大部分常规晶圆的检测需求，但是由于工业生产过程中的现有工艺问题，经常会出现同一块晶圆上不同晶粒图像的平均灰度值差异很大。例如，图1a、图1b所示的两张晶粒图像，二者的平均灰度值差异较大，如果继续使用传统的标准参考晶粒图像进行检测，则在不同平均灰度的晶粒图像和标准晶粒图像进行匹配处理的情况下，当两者之间的灰度差距较大时，容易出现匹配出错或者错位等问题，进而影响后续检测。
发明内容
由于目前市场上的针对晶圆进行的色差检测技术仅仅是对同一类晶圆生成一个标准参考晶粒图像，使得所有待检测晶粒都需要与该标准参考晶粒图像进行比对，为了弥补现有技术中同一个晶圆上不同晶粒图像之间的灰度值差异，必须将参考阈值设定的范围扩大，由此当在晶粒图像中缺陷与其周围相邻正常像素点的灰度值差距不大时，导致晶粒图像与标准参考晶粒图像的灰度值差异也很小，从而容易出现漏检对比度较小的缺陷，或者在匹配对位时出现匹配不准确的情况。
针对上述问题，本公开内容的第一方面提出了一种检测方法，包括：
基于参考物，创建多个模板图像，其中，所述参考物包括多个单元，并且所述多个模板图像分别是具有不同的平均灰度值的单元图像；
计算待测单元图像的第一平均灰度值；
基于所述第一平均灰度值，在所述多个模板图像中选择第一模板图像，其中，所述第一模板图像的平均灰度值与所述第一平均灰度值之间的差异最小；以及
基于所述第一模板图像，对所述待测单元图像进行色差检测。
在根据本公开内容的第一方面的实施例中，基于参考物创建多个模板图像包括：
扫描所述参考物以生成参考物图像，其中，所述参考物图像包括多个单元图像；
在所述多个单元图像中选择一个或若干晶粒图像，形成第一单元图像集；
基于第一平均灰度值间隔对所述第一晶粒图像集进行分类以形成一个或多个灰度类，其中，每个灰度类包括一个或多个单元图像；
基于每个灰度类中的所有单元图像，生成相应的平均灰度图；以及
根据各灰度类的平均灰度图形成所述模板图像。
在根据本公开内容的第一方面的实施例中，根据各灰度类的平均灰度图形成模板图像包括：
根据各灰度类的平均灰度图形成模板图像的步骤包括：
判断针对所述参考物生成的相应平均灰度图中是否存在任意多个平均灰度图之间的平均灰度值差值小于第二灰度值间隔；
在存在所述平均灰度值差值小于所述第二灰度值间隔的第二平均灰度值时，保留所述多个第二平均灰度图中的任一平均灰度图作为模板图像；或者
根据各灰度类的平均灰度图形成模板图像的步骤包括：
将各个平均灰度图均作为模板图像。
在根据本公开内容的第一方面的实施例中，基于参考物创建多个模板图像包括：
基于单个所述参考物，创建所述多个模板图像；或者
基于至少两个所述参考物，创建所述多个模板图像，其中，所述至少两个参考物具有至少部分不重合的灰度值范围。
在根据本公开内容的第一方面的实施例中，基于第一平均灰度值间隔对所述第一单元图像集进行分类以形成一个或多个灰度类进一步包括：
计算所述第一单元图像集中的每一个单元图像的平均灰度值；
基于所计算的每一个单元图像的平均灰度值，对所述第一单元图像集进行排序，以生成与所述第一单元图像集相关联的图像序列；以及
在所述图像序列中，基于所述第一平均灰度值间隔对所述第一单元图像集进行分类，使得每一个灰度类中所有单元图像的平均灰度值之间的差异在所述第一平均灰度值间隔内。
在根据本公开内容的第一方面的实施例中，基于所述第一模板图像对所述待测单元图像进行色差检测包括：
确定所述第一模板图像与所述待测单元图像中相应的像素点之间的平均灰度值差异是否超过设定阈值；以及
在所述平均灰度值差异超过所述设定阈值的情况下，确定所述待测单元图像存在缺陷。
针对上述问题，本公开内容的第二方面提出了一种检测系统，包括：
创建模块，其被配置为基于参考物创建多个模板图像，其中，所述参考物包括多个单元，并且所述多个模板图像分别是具有不同的平均灰度值的单元图像；
计算模块，其被配置为计算待测单元图像的第一平均灰度值；
选择模块，其被配置为基于所述第一平均灰度值在所述多个模板图像中选择第一模板图像，其中，所述第一模板图像的平均灰度值与所述第一平均灰度值之间的差异最小；以及
检测模块，其被配置为基于所述第一模板图像对所述待测单元图像进行色差检测。
在根据本公开内容的第二方面的实施例中，所述创建单元包括：
扫描单元，其被配置为扫描所述晶圆以生成参考物图像，其中，所述参考物图像包括多个单元图像；
形成单元，其被配置为在所述多个单元图像中一个或多个单元图像，形成选择第一单元图像集；
分类单元，其被配置为基于第一平均灰度值间隔对所述第一单元图像集进行分类以形成一个或多个灰度类，其中，每个灰度类包括一个或多个单元图像；
生成单元，其被配置为基于每个灰度类中的所有单元图像，生成相应的平均灰度图；以及
保存单元，其被配置为根据各灰度类的平均灰度图形成所述模板图像。
在根据本公开内容的第二方面的实施例中，
所述保存单元具体被配置为：
判断针对所有参考物生成的相应平均灰度图中是否存在任意多个平均灰度图之间的平均灰度值差值小于第二灰度值间隔；
在存在所述平均灰度值差值小于所述第二灰度值间隔的第二平均灰度值时，保留所述多个第二平均灰度图中的任一平均灰度图作为模板图像；或者
所述保存单元具体被配置为：
将各个平均灰度图均作为模板图像。
在根据本公开内容的第二方面的实施例中，所述创建单元具体被配置为：
基于单个所述参考物，创建所述多个模板图像；或者
基于至少两个所述参考物，创建所述多个模板图像，其中，所述至少两个参考物具有至少部分不重合的灰度值范围。
在根据本公开内容的第二方面的实施例中，所述分类单元包括：
计算子单元，其被配置为计算所述第一单元图像集中的每一个单元图像的平均灰度值；
排序子单元，其被配置为基于所计算的每一个单元图像的平均灰度值，对所述第一单元图像集进行排序，以生成与所述第一单元图像集相关联的图像序列；以及
分类子单元，其被配置为在所述图像序列中，基于所述第一平均灰度值间隔对所述第一单元图像集进行分类，使得每一个灰度类中所有单元图像的平均灰度值之间的差异在所述第一平均灰度值间隔内。
在根据本公开内容的第二方面的实施例中，所述检测模块包括：
第一检测单元，其被配置为确定所述第一模板图像与所述待测单元图像中相应的像素点之间的平均灰度值差异是否超过设定阈值；以及
第二检测单元，其被配置为在所述平均灰度值差异超过所述设定阈值的情况下，确定所述待测单元图像存在缺陷。
本文所公开的检测方法及检测系统能够实现通过对同一个晶圆上不同灰度值的晶粒图像创建多个灰度值不同的模板图像，从而在检测过程中，通过计算当前晶粒图像的灰度值来选择与当前晶粒图像的平均灰度值接近的模板图像，以将该模板图像与待测晶粒图像进行匹配来完成后续检测。
附图说明
结合附图并参考以下详细说明，本公开的各实施例的特征、优点及其他方面将变得更加明显，在此以示例性而非限制性的方式示出了本公开的若干实施例，在附图中：
图1a为依据本公开内容的检测方法及检测系统的现有技术的晶粒图像之一；
图1b为依据本公开内容的检测方法及检测系统的现有技术的晶粒图像之二；
图2为依据本公开内容的检测方法的流程图；
图3为依据本公开内容的检测方法的实施例流程图；
图4a-4d为依据本公开内容的检测方法的示例性模板图像；以及
图5为依据本公开内容的检测系统500的示意图。
具体实施方式
以下参考附图详细描述本公开的各个示例性实施例。附图中的流程图和框图示出了根据本公开的各种实施例的方法和设备的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的设备来实现，或者可以使用专用硬件与计算机指令的组合来实现。
本文所使用的术语“包括”、“包含”及类似术语应该被理解为是开放性的术语，即“包括/包含但不限于”，表示还可以包括其他内容。术语“基于”是“至少部分地基于"。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”，等等。
本公开内容的实施例主要关注以下技术问题：现有针对待测对象(例如，晶圆)的色差检测技术，一般选取一个合格的晶圆，并在该晶圆上选取某些合格晶粒的晶粒图像以生成标准参考晶粒图像，在实际检测过程中，容易出现由于待检测晶粒图像与标准参考晶粒图像之间的灰度值差异超过了预设阈值，则导致测晶粒图像误认为存在缺陷或者漏掉对比度较小的缺陷等检测准确度问题出现。
为了解决上述问题，本公开内容所公开的检测方法及检测系统通过对同一类晶圆图像上的具有不同灰度值的晶粒图像创建相应的模板图像，使得在实际检测过程中，利用与待测晶粒图像的平均灰度值最接近的模板图像进行匹配检测，由此大大提高了色差检测的检测结果。
图2、图3示出了检测方法的示例性流程图。在本实施例中，具体包括如下步骤：
步骤210：基于参考物，创建多个模板图像。具体地，在本实施例中，基于单个参考物(例如，单个晶圆)或至少两个参考物(例如，至少两个晶圆)，创建多个模板图像；其中，所述晶圆包括多个晶粒，并且所述多个模板图像分别是具有不同的平均灰度值的单元图像(也即，在本实施例中是晶粒图像)。
在本实施例中，步骤210的具体操作如图3所示，具体如下：
步骤211a：扫描整块参考物以生成参考物图像。在本实施例中，所述参考物图像是晶圆图像，其包括多个晶粒图像。
步骤212a：在所述多个单元图像中选择一个或若干单元图像，形成第一单元图像集。在本实施例中，第一单元图像集，也即第一晶粒图像集，其包括从所述多个晶粒图像选出的一个或若干晶粒图像。
例如，在整张晶圆图像中，随机选取或间隔选取100-300张晶粒图像作为第一晶粒图像集。
为了便于说明，在本实施例中，可以选取其中的12张晶粒图像。
步骤213a：基于第一平均灰度值间隔对所述第一单元图像集进行分类以形成一个或多个灰度类，其中，每个灰度类包括一个或多个晶粒图像。在本实施例中，第一单元图像集也即第一晶粒图像集，步骤213a的具体操作如下：
首先，计算所述第一晶粒图像集中的每一个晶粒图像的平均灰度值。
在本实施例中，该12张晶粒图像的平均灰度值如表1所示：
Figure BDA0002001965320000071
Figure BDA0002001965320000081
表1
其次，基于所计算的每一个晶粒图像的平均灰度值，对所述第一晶粒图像集进行排序，以生成与所述第一晶粒图像集相关联的图像序列。
在本实施例中，所述图像序列中的第一列表示根据平均灰度值的由小到大的顺序排列的图像名称，第二列是与其相应的平均灰度值。
第三，在所述图像序列中，基于所述第一平均灰度值间隔对所述第一晶粒图像集进行分类，使得每一个灰度类中所有晶粒图像的平均灰度值之间的差异在所述第一平均灰度值间隔内。
在本公开内容中，所述第一平均灰度值间隔的值是5～20中的任一值，在实际应用中，根据所选择的第一晶粒图像集的灰度值范围来确定第一平均灰度值间隔的值。例如，当所选择的第一晶粒图像集的灰度值范围是20～150、10～130时，可以设定第一平均灰度值间隔＝10；当所选择的第一晶粒图像集的灰度值范围是10～160时，可以设定第一平均灰度值间隔＝20。在本实施例中，可以将第一平均灰度值间隔设定为10，则可以将表1中的12张晶粒图像划分成如表2a-2d的四个灰度类：
Figure BDA0002001965320000082
表2a
Figure BDA0002001965320000091
表2b
Figure BDA0002001965320000092
表2c
Figure BDA0002001965320000093
表2d
步骤214a：基于每个灰度类中的所有单元图像，生成相应的平均灰度图。
如图4a-4d所示，分别是根据表2a-2d所生成的相应平均灰度图。具体地，例如，利用表2a所公开的第一灰度类中两张图像中每一个像素点的平均灰度值生成相应的平均灰度图(如图4a)，以此类推分别生成与第二灰度类、第三灰度类以及第四灰度类相对应的平均灰度图(例如，图4b、图4c以及图4d)。
计算每一个灰度类的平均灰度图的平均灰度值(例如，可以采用均值法或中值法计算)，在本实施例中，采用均值法计算获得每一个灰度类的平均灰度图的平均灰度值，具体如下：
平均灰度值图4a所示的第一灰度类的平均灰度图＝50.6；
平均灰度值图4b所示的第二灰度类的平均灰度图＝61.1；
平均灰度值图4c所示的第三灰度类的平均灰度图＝71.0；
平均灰度值图4d所示的第四灰度类的平均灰度图＝82.3。
步骤215a：根据各灰度类的平均灰度图形成所述模板图像。
在本实施例中，模板图像的平均灰度值集合＝{50.6,61.1,71.0,82.3}。
当基于单个晶圆创建多个模板图像时，可以将各个平均灰度图作为模板图像进行存储，也可以在确定所有平均灰度图中的任意多个平均灰度图之间的平均灰度值差值小于第二灰度值间隔的情况下保留所述任意多个第二平均灰度图中的任一平均灰度图作为模板图像。
另外，在本实施例中，基于多个晶圆(具有至少部分不重合的灰度值范围)，创建多个模板图像。例如，第一晶圆的灰度值范围是30-80，第二晶圆的灰度值范围是50-120，则所创建的多个模板图像的灰度值范围可以达到30-120，由此能够扩大色差检测的范围。
在执行步骤211a-214a之后，步骤215a具体包括：
首先，确定针对所有晶圆生成的相应平均灰度图中是否存在任意多个平均灰度图之间的平均灰度值差值小于第二灰度值间隔。
其次，在存在所述平均灰度值差值小于所述第二灰度值间隔的情况下，仅保留所述多个平均灰度图中的任一平均灰度图。
在本实施例中，将第一晶圆、第二晶圆所生成的所有平均灰度图相应的平均灰度值进行排序，例如，第一晶圆所创建的平均灰度图的平均灰度值集合为golden1{golden1_1,golden1_2,…,golden1_n1}，第二晶圆所创建的平均灰度图的平均灰度值集合为golden2{golden2_1,golden2_2,…,golden2_n2}，则合并后的平均灰度图的平均灰度值集合包括了n1+n2张平均灰度图。
确定在n1+n2张平均灰度图中是否存在任意两个或更多个平均灰度值的差值小于第二灰度值间隔，如果存在，则仅保留其中任一张平均灰度图。
上述将所有保留的平均灰度图作为模板图像进行保存，既能够降低存储空间的消耗，又能够扩大色差检测范围，提高了色差检测效率及适用范围。
此外，当基于多个晶圆创建多个模板图像时，还可以将所有平均灰度图作为模板图像进行保存。
步骤210能够实现对同一晶圆或不同晶圆中的不同灰度值的晶粒图像形成相应的模板图像，以提高后续的检测准确度。
步骤220：计算待测晶粒图像的第一平均灰度值。
步骤230：基于所述第一平均灰度值，在所述多个模板图像中选择第一模板图像，其中，所述第一模板图像的平均灰度值与所述第一平均灰度值之间的差异最小。
例如，当待测晶粒图像的第一平均灰度值＝63时，则从模板图像的平均灰度值集合中选择平均灰度值＝61.1的第二灰度类所对应的模板图像(例如，图4b)作为第一模板图像。
步骤240：基于所述第一模板图像，对所述待测晶粒图像进行色差检测。
在本实施例中，步骤240的具体操作如下：
第一，确定所述第一模板图像与所述待测晶粒图像中相应的像素点之间的平均灰度值差异是否超过设定阈值。
第二，在所述平均灰度值差异超过所述设定阈值的情况下，确定所述待测晶粒图像存在缺陷。
本实施例所实现的检测方法，虽然在检测过程中需要待测晶粒图像的平均灰度值，并且需要在模板图像的平均灰度值集合中查找最接近的模板图像进行匹配对比，但是算法简单、检测耗时甚至可以忽略不计。另外，利用与待测晶粒图像的平均灰度值最接近模板图像进行匹配检测，能够大大降低待测晶粒图像与模板图像之间的差异，进而减少误检漏检现象，最终能够提高色差检测效果。
图5示出了用于实现图2、图3所示的方法的检测系统500的示意性框图，其中，检测系统500包括创建模块510、计算模块520、选择模块530以及检测模块540。
在本公开内容中，创建模块510用于基于参考物创建多个模板图像，其中，所述参考物包括多个单元，并且所述多个模板图像分别是具有不同的平均灰度值的单元图像；计算模块520用于计算待测单元图像的第一平均灰度值；选择模块530用于基于所述第一平均灰度值在所述多个模板图像中选择第一模板图像，其中，所述第一模板图像的平均灰度值与所述第一平均灰度值之间的差异最小；检测模块540用于基于所述第一模板图像对所述待测单元图像进行色差检测。
具体地，创建模块510包括扫描单元、形成单元、分类单元、生成单元以及保存单元，这些单元能够相应地实现图3中的步骤211a-215a。另外，分类单元包括计算子单元、排序子单元以及分类子单元，其中，计算子单元被配置为计算所述第一单元图像集中的每一个单元图像的平均灰度值；排序子单元被配置为基于所计算的每一个单元图像的平均灰度值，对所述第一单元图像集进行排序，以生成与所述第一单元图像集相关联的图像序列；分类子单元被配置为在所述图像序列中基于所述第一平均灰度值间隔对所述第一单元图像集进行分类，使得每一个灰度类中所有单元图像的平均灰度值之间的差异在所述第一平均灰度值间隔内。
此外，检测模块540包括第一检测单元、第二检测单元，其中，第一检测单元被配置为确定所述第一模板图像与所述待测单元图像中相应的像素点之间的平均灰度值差异是否超过设定阈值；第二检测单元被配置为在所述平均灰度值差异超过所述设定阈值的情况下，确定所述待测单元图像存在缺陷。
本文所公开的检测系统，一方面能够选用与待测单元图像的平均灰度值最接近的模板图像对该待测单元图像进行匹配检测，防止误检漏检现象的出现，提高了色差检测结果的精确性；另一方面，本文所公开的检测算法简单，检测速度快，与现有的色差检测技术相比，提高了检测效率。
以上所述仅为本公开的实施例可选实施例，并不用于限制本公开的实施例，对于本领域的技术人员来说，本公开的实施例可以有各种更改和变化。凡在本公开的实施例的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的实施例的保护范围之内。
虽然已经参考若干具体实施例描述了本公开的实施例，但是应该理解，本公开实施例并不限于所公开的具体实施例。本公开的实施例旨在涵盖在所附权利要求的精神和范围内所包括的各种修改和等同布置。所附权利要求的范围符合最宽泛的解释，从而包含所有这样的修改及等同结构和功能。

Claims (12)

1.一种检测方法，其特征在于，包括：
基于参考物，创建多个模板图像，其中，所述参考物包括多个单元，并且所述多个模板图像分别是具有不同的平均灰度值的单元图像；
计算待测单元图像的第一平均灰度值；
基于所述第一平均灰度值，在所述多个模板图像中选择第一模板图像，其中，所述第一模板图像的平均灰度值与所述第一平均灰度值之间的差异最小；以及
基于所述第一模板图像，对所述待测单元图像进行色差检测。
2.根据权利要求1所述的检测方法，其特征在于，基于参考物创建多个模板图像包括：
扫描所述参考物以生成参考物图像，其中，所述参考物图像包括多个单元图像；
在所述多个单元图像中选择一个或若干单元图像，形成第一单元图像集；
基于第一平均灰度值间隔对所述第一单元图像集进行分类以形成一个或多个灰度类，其中，每个灰度类包括一个或多个单元图像；
基于每个灰度类中的所有单元图像，生成相应的平均灰度图；以及
根据各灰度类的平均灰度图形成所述模板图像。
3.根据权利要求2所述的检测方法，其特征在于，
根据各灰度类的平均灰度图形成模板图像的步骤包括：
判断针对所述参考物生成的相应平均灰度图中是否存在任意多个平均灰度图之间的平均灰度值差值小于第二灰度值间隔；
在存在所述平均灰度值差值小于所述第二灰度值间隔的第二平均灰度值时，保留所述多个第二平均灰度图中的任一平均灰度图作为模板图像；或者
根据各灰度类的平均灰度图形成模板图像的步骤包括：
将各个平均灰度图均作为模板图像。
4.根据权利要求3所述的检测方法，其特征在于，基于参考物创建多个模板图像包括：
基于单个所述参考物，创建所述多个模板图像；或者
基于至少两个所述参考物，创建所述多个模板图像，其中，所述至少两个参考物具有至少部分不重合的灰度值范围。
5.根据权利要求2所述的检测方法，其特征在于，基于第一平均灰度值间隔对所述第一单元图像集进行分类以形成一个或多个灰度类包括：
计算所述第一单元图像集中的每一个单元图像的平均灰度值；
基于所计算的每一个单元图像的平均灰度值，对所述第一单元图像集进行排序，以生成与所述第一单元图像集相关联的图像序列；以及
在所述图像序列中，基于所述第一平均灰度值间隔对所述第一单元图像集进行分类，使得每一个灰度类中所有单元图像的平均灰度值之间的差异在所述第一平均灰度值间隔内。
6.根据权利要求1所述的检测方法，其特征在于，基于所述第一模板图像对所述待测单元图像进行色差检测包括：
确定所述第一模板图像与所述待测单元图像中相应的像素点之间的平均灰度值差异是否超过设定阈值；以及
在所述平均灰度值差异超过所述设定阈值的情况下，确定所述待测单元图像存在缺陷。
7.一种检测系统，其特征在于，包括：
创建模块，其被配置为基于参考物创建多个模板图像，其中，所述参考物包括多个单元，并且所述多个模板图像分别是具有不同的平均灰度值的单元图像；
计算模块，其被配置为计算待测单元图像的第一平均灰度值；
选择模块，其被配置为基于所述第一平均灰度值在所述多个模板图像中选择第一模板图像，其中，所述第一模板图像的平均灰度值与所述第一平均灰度值之间的差异最小；以及
检测模块，其被配置为基于所述第一模板图像对所述待测单元图像进行色差检测。
8.根据权利要求7所述的检测系统，其特征在于，所述创建模块包括：
扫描单元，其被配置为扫描所述参考物以生成参考物图像，其中，所述参考物图像包括多个单元图像；
形成单元，其被配置为在所述多个单元图像中选择一个或若干单元图像，形成第一单元图像集；
分类单元，其被配置为基于第一平均灰度值间隔对所述第一单元图像集进行分类以形成一个或多个灰度类，其中，每个灰度类包括一个或多个单元图像；
生成单元，其被配置为基于每个灰度类中的所有单元图像，生成相应的平均灰度图；以及
保存单元，其被配置为根据各灰度类的平均灰度图形成所述模板图像。
9.根据权利要求8所述的检测系统，其特征在于，
所述保存单元具体被配置为：
判断针对所述参考物生成的相应平均灰度图中是否存在任意多个平均灰度图之间的平均灰度值差值小于第二灰度值间隔；
在存在所述平均灰度值差值小于所述第二灰度值间隔的第二平均灰度值时，保留所述多个第二平均灰度图中的任一平均灰度图作为模板图像；或者
所述保存单元具体被配置为：
将各个平均灰度图均作为模板图像。
10.根据权利要求9所述的检测系统，其特征在于，所述创建模块具体被配置为：
基于单个所述参考物，创建所述多个模板图像；或者
基于至少两个所述参考物，创建所述多个模板图像，其中，所述至少两个参考物具有至少部分不重合的灰度值范围。
11.根据权利要求8所述的检测系统，其特征在于，所述分类单元包括：
计算子单元，其被配置为计算所述第一单元图像集中的每一个单元图像的平均灰度值；
排序子单元，其被配置为基于所计算的每一个单元图像的平均灰度值，对所述第一单元图像集进行排序，以生成与所述第一单元图像集相关联的图像序列；以及
分类子单元，其被配置为在所述图像序列中基于所述第一平均灰度值间隔对所述第一单元图像集进行分类，使得每一个灰度类中所有单元图像的平均灰度值之间的差异在所述第一平均灰度值间隔内。
12.根据权利要求7所述的检测系统，其特征在于，所述检测模块包括：
第一检测单元，其被配置为确定所述第一模板图像与所述待测单元图像中相应的像素点之间的平均灰度值差异是否超过设定阈值；以及
第二检测单元，其被配置为在所述平均灰度值差异超过所述设定阈值的情况下，确定所述待测单元图像存在缺陷。
CN201910215621.4A 2019-03-21 2019-03-21 检测方法及检测系统 Pending CN111724335A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910215621.4A CN111724335A (zh) 2019-03-21 2019-03-21 检测方法及检测系统
KR1020217033990A KR20210154164A (ko) 2019-03-21 2020-03-20 검출 방법 및 검출 시스템
SG11202110410UA SG11202110410UA (en) 2019-03-21 2020-03-20 Detection method and detection system
PCT/CN2020/080419 WO2020187319A1 (zh) 2019-03-21 2020-03-20 检测方法及检测系统
US17/441,411 US11881186B2 (en) 2019-03-21 2020-03-20 Detection method and detection system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910215621.4A CN111724335A (zh) 2019-03-21 2019-03-21 检测方法及检测系统

Publications (1)

Publication Number Publication Date
CN111724335A true CN111724335A (zh) 2020-09-29

Family

ID=72518997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910215621.4A Pending CN111724335A (zh) 2019-03-21 2019-03-21 检测方法及检测系统

Country Status (5)

Country Link
US (1) US11881186B2 (zh)
KR (1) KR20210154164A (zh)
CN (1) CN111724335A (zh)
SG (1) SG11202110410UA (zh)
WO (1) WO2020187319A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730251A (zh) * 2020-12-30 2021-04-30 凌云光技术股份有限公司 一种用于屏幕颜色缺陷检测的装置及方法
CN112767396A (zh) * 2021-04-07 2021-05-07 深圳中科飞测科技股份有限公司 缺陷的检测方法、装置和计算机可读存储介质
CN112767397A (zh) * 2021-04-07 2021-05-07 深圳中科飞测科技股份有限公司 工件的检测方法、工件检测设备及存储介质
CN113570604A (zh) * 2021-09-28 2021-10-29 武汉精创电子技术有限公司 晶粒检测样本自动生成方法和装置
CN113744274A (zh) * 2021-11-08 2021-12-03 深圳市巨力方视觉技术有限公司 产品外观缺陷检测方法、装置及存储介质
CN114420619A (zh) * 2022-03-30 2022-04-29 晶芯成(北京)科技有限公司 晶圆对准装置及方法、晶圆测试方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703741B (zh) * 2022-09-27 2024-03-15 荣耀终端有限公司 一种图像对比度的生成方法、装置和电子设备
CN116168039B (zh) * 2023-04-26 2023-07-14 济宁市新华电力特种材料有限公司 一种环保节能硅酸铝板质量检测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040057611A1 (en) * 2002-09-23 2004-03-25 Byoung-Ho Lee Method for selecting reference images, method and apparatus for inspecting patterns on wafers, and method for dividing a wafer into application regions
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
US20130278748A1 (en) * 2012-04-24 2013-10-24 Hitachi High-Technologies Corporation Pattern matching method and apparatus
US20140193065A1 (en) * 2013-01-09 2014-07-10 Kla-Tencor Corporation Detecting Defects on a Wafer Using Template Image Matching
CN104900553A (zh) * 2014-03-07 2015-09-09 中芯国际集成电路制造(上海)有限公司 晶圆缺陷检测方法
CN105548208A (zh) * 2016-02-05 2016-05-04 湖北工业大学 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法
WO2016091536A1 (en) * 2014-12-09 2016-06-16 Asml Netherlands B.V. Method and apparatus for image analysis
CN105960702A (zh) * 2014-02-06 2016-09-21 科磊股份有限公司 基于从标准参考图像确定的属性的缺陷检测及分类
JP2017053674A (ja) * 2015-09-08 2017-03-16 株式会社ニューフレアテクノロジー パターン幅寸法のずれ量測定方法及びパターン検査装置
CN106600600A (zh) * 2016-12-26 2017-04-26 华南理工大学 基于特征匹配的晶圆缺陷检测方法
CN107730493A (zh) * 2017-10-24 2018-02-23 广东天机工业智能系统有限公司 产品颜色差异检测方法、装置、介质以及计算机设备
CN108182383A (zh) * 2017-12-07 2018-06-19 浙江大华技术股份有限公司 一种车窗检测的方法及设备
US20190066291A1 (en) * 2017-08-22 2019-02-28 Applied Materials Israel Ltd. Method of defect detection and system thereof

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060160608A1 (en) * 2005-01-14 2006-07-20 Hill Otho D Card game system with automatic bet recognition
US7706606B1 (en) * 2006-05-31 2010-04-27 Adobe Systems Incorporated Fast, adaptive color to grayscale conversion
JP2008139201A (ja) 2006-12-04 2008-06-19 Tokyo Electron Ltd 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム
CN101329281B (zh) 2007-06-20 2011-08-10 佛山普立华科技有限公司 影像感测晶片污点检测系统及其检测方法
KR20090100615A (ko) 2008-03-20 2009-09-24 삼성전자주식회사 결함 검출 방법
US8660342B2 (en) * 2012-01-24 2014-02-25 Telefonica, S.A. Method to assess aesthetic quality of photographs
CN107615066B (zh) * 2015-05-07 2020-06-30 技术创新动力基金（以色列）有限合伙公司 用于包括精子的生物细胞和生物有机体的干涉系统和方法
US10129450B2 (en) * 2015-10-02 2018-11-13 Tareq Issam Nabhan System and method for ophthalmological imaging adapted to a mobile processing device
CN105957238B (zh) * 2016-05-20 2019-02-19 聚龙股份有限公司 一种纸币管理方法及其系统
US10051905B2 (en) * 2016-08-19 2018-08-21 Levi Strauss & Co. Laser finishing of apparel
WO2018049598A1 (zh) * 2016-09-14 2018-03-22 深圳大学 一种眼底图像增强方法及系统
CN108269394B (zh) * 2016-12-30 2022-12-23 富泰华工业（深圳）有限公司 安全管控方法、交通警示系统、用户终端及监控装置
US10522322B2 (en) * 2017-04-13 2019-12-31 Fractilia, Llc System and method for generating and analyzing roughness measurements
US11081139B2 (en) * 2018-10-12 2021-08-03 Adobe Inc. Video inpainting via confidence-weighted motion estimation

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040057611A1 (en) * 2002-09-23 2004-03-25 Byoung-Ho Lee Method for selecting reference images, method and apparatus for inspecting patterns on wafers, and method for dividing a wafer into application regions
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
US20130278748A1 (en) * 2012-04-24 2013-10-24 Hitachi High-Technologies Corporation Pattern matching method and apparatus
US20140193065A1 (en) * 2013-01-09 2014-07-10 Kla-Tencor Corporation Detecting Defects on a Wafer Using Template Image Matching
CN105960702A (zh) * 2014-02-06 2016-09-21 科磊股份有限公司 基于从标准参考图像确定的属性的缺陷检测及分类
CN104900553A (zh) * 2014-03-07 2015-09-09 中芯国际集成电路制造(上海)有限公司 晶圆缺陷检测方法
WO2016091536A1 (en) * 2014-12-09 2016-06-16 Asml Netherlands B.V. Method and apparatus for image analysis
JP2017053674A (ja) * 2015-09-08 2017-03-16 株式会社ニューフレアテクノロジー パターン幅寸法のずれ量測定方法及びパターン検査装置
CN105548208A (zh) * 2016-02-05 2016-05-04 湖北工业大学 一种基于机器视觉的陶瓷阀芯表面缺陷检测方法
CN106600600A (zh) * 2016-12-26 2017-04-26 华南理工大学 基于特征匹配的晶圆缺陷检测方法
US20190066291A1 (en) * 2017-08-22 2019-02-28 Applied Materials Israel Ltd. Method of defect detection and system thereof
CN107730493A (zh) * 2017-10-24 2018-02-23 广东天机工业智能系统有限公司 产品颜色差异检测方法、装置、介质以及计算机设备
CN108182383A (zh) * 2017-12-07 2018-06-19 浙江大华技术股份有限公司 一种车窗检测的方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
翟伟良等: "基于机器视觉的金属表面缺陷检测方法研究", 《科技传播》 *
翟伟良等: "基于机器视觉的金属表面缺陷检测方法研究", 《科技传播》, no. 09, 8 May 2017 (2017-05-08) *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730251A (zh) * 2020-12-30 2021-04-30 凌云光技术股份有限公司 一种用于屏幕颜色缺陷检测的装置及方法
CN112730251B (zh) * 2020-12-30 2023-09-26 凌云光技术股份有限公司 一种用于屏幕颜色缺陷检测的装置及方法
CN112767396A (zh) * 2021-04-07 2021-05-07 深圳中科飞测科技股份有限公司 缺陷的检测方法、装置和计算机可读存储介质
CN112767397A (zh) * 2021-04-07 2021-05-07 深圳中科飞测科技股份有限公司 工件的检测方法、工件检测设备及存储介质
CN112767397B (zh) * 2021-04-07 2021-07-20 深圳中科飞测科技股份有限公司 工件的检测方法、工件检测设备及存储介质
CN113570604A (zh) * 2021-09-28 2021-10-29 武汉精创电子技术有限公司 晶粒检测样本自动生成方法和装置
CN113744274A (zh) * 2021-11-08 2021-12-03 深圳市巨力方视觉技术有限公司 产品外观缺陷检测方法、装置及存储介质
CN113744274B (zh) * 2021-11-08 2022-02-08 深圳市巨力方视觉技术有限公司 产品外观缺陷检测方法、装置及存储介质
CN114420619A (zh) * 2022-03-30 2022-04-29 晶芯成(北京)科技有限公司 晶圆对准装置及方法、晶圆测试方法
CN114420619B (zh) * 2022-03-30 2022-07-01 晶芯成(北京)科技有限公司 晶圆对准装置及方法、晶圆测试方法

Also Published As

Publication number Publication date
WO2020187319A1 (zh) 2020-09-24
US20220189426A1 (en) 2022-06-16
US11881186B2 (en) 2024-01-23
KR20210154164A (ko) 2021-12-20
SG11202110410UA (en) 2021-10-28

Similar Documents

Publication Publication Date Title
CN111724335A (zh) 检测方法及检测系统
US20230419472A1 (en) Defect detection method, device and system
US8582864B2 (en) Fault inspection method
US7346207B2 (en) Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus
US20170069075A1 (en) Classifier generation apparatus, defective/non-defective determination method, and program
US8611638B2 (en) Pattern inspection method and pattern inspection apparatus
US10803575B2 (en) System, method and computer program product for generating a training set for a classifier
JP2018005640A (ja) 分類器生成装置、画像検査装置、及び、プログラム
JP2017049974A (ja) 識別器生成装置、良否判定方法、およびプログラム
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
JP6584250B2 (ja) 画像分類方法、分類器の構成方法および画像分類装置
CN109671078B (zh) 一种产品表面图像异常检测方法及装置
JP2006098155A (ja) 検査方法及びその装置
JP2008175549A (ja) 欠陥検出装置および欠陥検出方法
CN110766095A (zh) 基于图像灰度特征的缺陷检测方法
JP2003057019A (ja) パターン検査装置および方法
CN114910480A (zh) 一种基于机器视觉的晶圆表面缺陷检测方法
CN117132844B (zh) 一种基于图像处理的光伏板裂纹与划痕的分类方法
KR100960543B1 (ko) 미지 품질의 패턴을 사용하여 기준 이미지를 생성하기 위한시스템 및 방법
JP2001188906A (ja) 画像自動分類方法及び画像自動分類装置
CN114972152A (zh) 自动光学检测方法、自动光学检测系统及记录媒体
JP2018205860A (ja) 分類器構築方法、分類器および分類器構築装置
CN112767397B (zh) 工件的检测方法、工件检测设备及存储介质
CN110874837B (zh) 一种基于局部特征分布的缺陷自动检测方法
CN110672631A (zh) 面板缺陷拍照方法和面板缺陷拍照装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
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: Shenzhen Zhongke Flying Test Technology Co.,Ltd.