CN112689852B - 至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析 - Google Patents

至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析 Download PDF

Info

Publication number
CN112689852B
CN112689852B CN201980059319.2A CN201980059319A CN112689852B CN 112689852 B CN112689852 B CN 112689852B CN 201980059319 A CN201980059319 A CN 201980059319A CN 112689852 B CN112689852 B CN 112689852B
Authority
CN
China
Prior art keywords
image
mini
map
defects
sample
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
CN201980059319.2A
Other languages
English (en)
Other versions
CN112689852A (zh
Inventor
帕特里克-杰里米·达昂
维尔弗里德·法夫雷
雷诺·瓦拉奇
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.)
Commissariat a lEnergie Atomique et aux Energies Alternatives CEA
Original Assignee
Commissariat a lEnergie Atomique et aux Energies Alternatives CEA
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 Commissariat a lEnergie Atomique et aux Energies Alternatives CEA filed Critical Commissariat a lEnergie Atomique et aux Energies Alternatives CEA
Publication of CN112689852A publication Critical patent/CN112689852A/zh
Application granted granted Critical
Publication of CN112689852B publication Critical patent/CN112689852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6489—Photoluminescence of semiconductors
    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20212—Image combination
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (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)
  • Electroluminescent Light Sources (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明的一个方面涉及一种基于以多种类型的缺陷之中的至少一种类型的缺陷为特性的每个样本的图像来分析至少两个样本之间的所述多种类型的缺陷之中的至少一种类型的缺陷的方法，包括：针对每个样本，创建至少一个小型地图的步骤(E1)，该小型地图包括多个仓并表示多种类型的缺陷之中的至少一种类型的缺陷，并且其分辨率小于样本的图像，小型地图的每个仓与样本的图像的多个像素相关联，并且具有取决于所述像素并表示至少一种类型的缺陷的数量的分数；确定表示多种类型的缺陷之中的一种或多种相同类型的缺陷的每个小型地图之间的距离的步骤，通过考虑以下变换来将两个小型地图之间的距离定义为两个小型地图之间的最小距离：旋转和/或对称，以使得两个小型地图之间的每个距离都与变换相关联。此外，通过考虑与表示多种类型的缺陷之中的至少一种类型的缺陷的每个小型地图之间的距离相关联的变换，来执行对至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析。

Description

至少两个样本之间的多种类型的缺陷之中的至少一种类型的 缺陷的分析
技术领域
本发明的技术领域是设备的部件例如光伏电池中的缺陷的分析的领域。本发明涉及一种至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析方法。本发明还涉及一种允许实施该方法的设备。
背景技术
在零件或设备的批量生产期间，重要的是能够分析所述零件或所述设备的缺陷，并比较在生产线上采集或在生产过程中测量的不同样本之间的缺陷的位置和类型。例如，在光伏电池的情况下，许多因素可能会影响电池表面的均质性：对半导体晶片的操纵所留下的污染物，制造方法中的不均匀性等。例如，在其制造过程中，光伏电池受到操纵，这可能导致电池表面的退化，从而引起性能劣化。这种劣化尤其可以使用光致发光或电致发光图像来识别。
专利申请WO2015/091895提出了一种方法，其中提出了这种特征。为此，第一步骤包括获取待检查样本的光致发光图像。该图像然后经历清洁步骤，在此期间去除金属图案，然后经历分割步骤。在分割步骤的末尾，创建了两个图像：第一图像包含与起始图像的缓慢变化相对应的低频，而第二图像包含高频(并对应于在制造过程中可能引入的缺陷)。然后，这两个图像被用来产生缺陷的度量。因此，该方法使得可以在制造过程中执行对缺陷的监视，但是具有缺点。这些缺点中的第一个来自所获得的度量。尽管后者使得可以表征样本的缺陷水平，但是在图像处理期间没有保留关于所述缺陷的空间信息。因此，不可能使用这种方法来提取有关缺陷位置的信息。另外，如果希望将样本彼此比较，则必须使用两个图像中的至少一个来执行该比较。但是，由于组成两个图像的像素数量很大，因此两个图像之间的比较可能会很复杂。另外，这样的比较是逐像素进行的，这使得不可能考虑从一个样本到另一个样本的缺陷位置的微小差异。另一方面，当要比较的图像数量很大时，该比较需要大量的计算能力。此外，所有样本并非都被相同地进行操纵，这可能导致存在被定义为最接近旋转和/或对称的缺陷。
因此，需要一种克服上述缺点的方法。特别地，需要一种方法，该方法允许在若干样本之间比较缺陷，同时仍然保留关于所述缺陷的空间信息，并且该比较不受所述样本的伪随机操作的影响。
发明内容
通过不仅使得可以考虑缺陷的空间方面，而且可以考虑在样本的制造过程中样本可以经受的不同操纵，本发明提供了解决上述问题的方案。
本发明的第一方面涉及一种基于以多种类型的缺陷之中的至少一种类型的缺陷为特性的每个样本的图像来分析至少两个样本之间的所述多种类型的缺陷之中的至少一种类型的缺陷的方法。根据本发明的第一方面的方法包括：
-针对每个样本，创建至少一个被称为小型地图的矩阵的步骤，该小型地图包括多个仓并且表示多种类型的缺陷之中的至少一种类型的缺陷，并且其分辨率小于样本的图像，小型地图的每个仓与样本的图像的多个像素相关联，并且具有取决于所述像素并表示至少一种类型的缺陷的数量的分数；
-确定表示多种类型的缺陷之中的一种或多种相同类型的缺陷的每个小型地图之间的距离的步骤，通过考虑以下变换来将两个小型地图之间的距离定义为两个小型地图之间的最小距离：旋转和/或对称，以使得两个小型地图之间的每个距离都与变换相关联。
另外，通过考虑与表示多种类型缺陷之中的至少一种类型缺陷的每个小型地图之间的距离相关联的变换，来执行对至少两个样本之间的多种类型缺陷之中的至少一种类型缺陷的分析。
由于本发明，有可能在若干样本之间比较缺陷，同时仍保留关于所述缺陷的空间信息，并且该比较不受以伪随机方式影响所讨论的样本的操纵的影响。另外，小型地图的分辨率小于图像的分辨率，因此分析仅需要很短的计算时间。在下文中，术语“缺陷”意指出现在图像上的样本的缺陷。因此，提及缺陷或缺陷类型不是指缺陷或缺陷类型本身，而是指其在图像中的显现。例如，在通过光致发光或电致发光的图像的情况下，缺陷可以被定义为图像中强度小于图像最大强度的给定百分比或图像的局部最大强度的区域。该阈值百分比可以例如被设置为20％，并且与区域相关联的局部最大值例如可以在边长是围绕所述区域的图像的宽度的十分之一的方格上取。
除了在前面的段落中刚刚提及的特征之外，根据本发明的第一方面的方法可以具有以下中的一个或多个附加特征，其可以单独地或根据任何技术上允许的组合来进行采用。
在一个实施例中，创建小型地图的步骤包括：
-创建网格的第一子步骤，该网格具有NxN个方格的分辨率，其中NxN是要被确定的小型地图的分辨率，网格的中心被对准在与图像的中心上，并且网格完全覆盖所述图像；
-针对网格的每个方格计算分数的子步骤，该分数取决于由所述方格覆盖的图像的像素，网格的每个方格的分数被归因于对应的小型地图的仓。
可替代地，创建小型地图的步骤包括：
-创建第一中间网格的第一子步骤，第一中间网格具有NxN个方格的分辨率，其中NxN是小型地图的分辨率，第一中间网格的中心被对准在图像的中心上，并且第一中间网格完全覆盖所述图像；
-创建第二中间网格的第二子步骤，第二中间网格具有(N-1)x(N-1)个方格的分辨率，第二中间网格的方格的尺寸等于第一中间网格的方格的尺寸，第二网格的中心被对准在图像的中心上；
-针对第一中间网格和第二中间网格的每个方格计算分数的第三子步骤，该分数取决于由所述方格覆盖的图像的像素；
-计算小型地图的每个仓的分数的第四子步骤，仓的分数等于与所述仓相关联的第一中间网格的方格的分数以及覆盖所考虑的第一中间网格的方格的第二中间网格的一个或多个方格的分数的加权和。
因此，可以考虑缺陷在不同样本之间的轻微旋转。当分数由非线性度量确定时，此创建方法特别适用。
在一个实施例中，根据本发明的第一方面的方法包括确定最大缺陷数量的步骤，所述数量与被称为高参考值的分数的值相关联。
因此，可以建立两种可视化：一个绝对可视化，其中大于高参考值的分数值被减小到高参考值(饱和度)；以及相对可视化，其中小型地图被显示为其最小分数减少为零，最大分数为100(分)。
在一个实施例中，在针对每个样本创建至少一个小型地图的步骤之前，根据本发明的第一方面的方法包括在样本的图像上施加掩模的步骤，通过考虑掩模的存在来执行创建至少一个小型地图的步骤。
因此，在小型地图的创建期间，可以排除图像的某些部分，这些部分涉及不对应于样本的区域和/或涉及不希望考虑的样本区域，诸如样本的边缘。
在一个实施例中，在创建至少一个小型地图的步骤之前，根据本发明的第一方面的方法包括对样本的图像进行过滤的步骤。
该过滤步骤使得可以创建仅涉及多种类型的缺陷中的一部分类型的缺陷的小型地图，甚至仅涉及多种类型的缺陷之中的单一类型的缺陷的小型地图。
在一个实施例中，根据本发明的第一方面的方法包括叠加表示多种类型的缺陷之中的一种或多种相同类型的缺陷的小型地图的步骤，所述叠加是根据分开所述小型地图的距离并通过考虑与所述距离相关联的变换来执行的，以获得至少一个结果小型地图。
术语“结果小型地图”意指通过叠加至少两个小型地图而获得的小型地图。因此，允许比较来自不同样本的小型地图，包括当所讨论的样本已经经受了不同的操作步骤时。
在一个实施例中，根据本发明的第一方面的方法包括叠加图像的步骤，所述叠加是根据将表示多种类型的缺陷之中的一种或多种相同类型的缺陷并与每个图像相关联的小型地图分开的距离并通过考虑与所述距离相关联的变换来执行的，以获得至少一个结果图像。
术语“结果图像”意指通过将至少两个图像叠加而获得的图像。因此，允许比较来自不同样本的图像，包括当所讨论的样本已经经受了不同的操作步骤时，这要归功于小型地图提供的信息和将它们分开的距离。
本发明的第二方面涉及一种用于制造光伏电池的方法，该方法包括至少一个步骤：使用根据本发明的第一方面的方法，基于通过包括多种类型的缺陷之中的至少一种类型的缺陷的每个样本的光致发光或电致发光的图像(IM)，来分析至少两个样本。
本发明的第三方面涉及一种设备，该设备包括用于实施根据本发明的第一方面或第二方面的方法的装置。
本发明的第四方面涉及一种包括指令的计算机程序，当该程序由计算机执行时，使计算机实施根据本发明的第一方面或第二方面的方法。
本发明的第五方面涉及一种计算机可读数据介质，其上记录了根据本发明的第四方面的计算机程序。
当阅读以下描述并检查附图时，将更好地理解本发明及其各种应用。
附图说明
附图被示出是为了提供信息，绝不限制本发明。
-图1示出了根据本发明的第一方面的方法的流程图。
-图2示意性地示出了根据本发明的第一方面的方法的实施例中的小型地图的构造。
-图3示意性地示出了根据本发明的第一方面的方法的实施例中的两个中间网格。
-图4示意性地示出了根据本发明的第一方面的方法的实施例中的掩模的使用。
具体实施方式
除非另有说明，否则出现在不同图中的相同元素将具有单一附图标记。
图1中所示的本发明的第一方面的实施例涉及一种基于以多种类型的缺陷之中的至少一种类型的缺陷为特性的每个样本EC的图像IM来分析至少两个样本EC之间的所述多种类型的缺陷之中的至少一种类型的缺陷的方法。回想一下，“缺陷”意指出现在图像IM上的样本EC的缺陷。因此，提及缺陷不是指缺陷本身，而是指其在图像IM中的显现。例如，在通过光致发光或电致发光的图像IM的情况下，缺陷可以被定义为图像IM的一个区域，该区域的强度小于图像的最大强度的给定百分比或图像的局部最大强度。该阈值百分比可以例如被设置为20％，并且与区域相关联的局部最大值可以例如在边长是围绕所述区域的图像宽度的十分之一的方格上取。优选地，不同样本EC的几何形状是相当的。术语“相当”意指其直径(或宽度)相同并且其外部形状相似(最大偏差小于直径或宽度的20％)的样本EC。优选地，在相当的条件下拍摄不同样本EC的图像IM。优选地，当样本EC具有不同的几何形状时，图像IM涉及所有样本EC共同的最大区域。通常，光学系统与样本EC之间的距离、照度、图像传感器的灵敏度、光路的畸变的差异可以被校正，以便在等效的有效采集条件下减小图像IM。样本EC可以是半导体晶片，并且图像IM可以是通过电致发光或光致发光获得的图像IM。例如，可以使用诸如已经提及的专利申请WO2015/091895中描述的方法来采集这种图像IM。因此，对于每个样本，图像IM表示多种类型的缺陷(例如，污染物痕迹、划痕等)。根据本发明的分析可以覆盖全部或部分这些类型的缺陷。例如，在半导体晶片的情况下，可以关心所有缺陷或关注给定类型的缺陷，例如以识别生产线上的处理问题。在使用光致发光技术对光伏电池成像(其上的缺陷以黑色可见)的情况下，在图2A中示出这样的图像IM。如将在下文中详述的，可以通过对图像应用过滤器来完成对仅仅一部分缺陷的选择，所述过滤器取决于感兴趣的缺陷的一种或多种类型。
如图2B至图2D中所示，根据本发明的第一方面的方法包括：对于每个样本EC创建至少一个小型地图MC的步骤E1，该小型地图MC包括多个仓并表示多种类型的缺陷之中的至少一种类型的缺陷，并且其分辨率小于样本EC的图像IM。另外，小型地图MC的每个仓与样本EC的图像IM的多个像素相关联，并且具有取决于所述像素的分数，所述分数表示至少一种类型的缺陷的数量。
可以通过若干方式来基于图像IM确定小型地图MC。在一个实施例中，确定小型地图包括创建网格GR的第一子步骤E11。该网格GR由方格组成，并且具有N×N个方格的分辨率，其中N×N是期望被确定的小型地图MC的分辨率。换句话说，网格GR的每个方格与小型地图MC的仓相关联并且小型地图MC的每个仓与网格GR的方格相关联(换句话说，在小型地图MC的仓与网格GR的方格之间存在双射关系)。另外，将网格GR的中心对准在图像IM的中心上，并且网格GR完全覆盖所述图像IM。因此，图像IM的每个像素被方格覆盖，并且每个方格覆盖图像IM的多个像素。然后，该方法包括针对网格GR的每个方格计算取决于由所述方格覆盖的图像IM的像素的分数的第二子步骤E12。例如，如已经提及的，如果图像IM是光致发光图像IM，则与方格相关联的分数可以通过包含在所述方格中的像素的发光平均值来给出。当然，为了获得小型地图MC，网格GR的每个方格的分数被归因于对应的小型地图MC的仓。因此，在该实施例中，网格GR与小型地图MC相同。构建小型地图MC的这种方式具有易于实施的优点。但是，如果一种类型的缺陷在第一样本EC上采取了水平或垂直线的形式，而在第二样本EC上采取了略微倾斜的线的形式，则这种处理方式在倾斜线的一部分从网格GR中的第一行(或列)方格移到第二行(或列)方格时会加剧这种微小的差异。
为了限制该现象，可以不使用一个网格GR，而是使用两个中间网格GR1、GR2。更特别地，在图3中所示的实施例中，创建小型地图MC的步骤包括创建第一中间网格GR1的第一子步骤E11'，第一中间网格GR1(如图3中的实线所示)具有NxN个方格的分辨率，其中NxN是小型地图MC的分辨率，第一中间网格GR1的中心被对准在图像IM的中心上，并且第一中间网格GR1完全覆盖所述图像IM。因此，图像IM的每个像素被第一中间网格GR1的方格覆盖，并且第一中间网格GR1的每个方格覆盖图像IM的多个像素。与前述情况中一样，第一中间网格GR1的每个方格与小型地图MC的仓相关联，并且小型地图MC的每个仓与第一中间网格GR1的方格相关联(换句话说，在小型地图MC的仓与第一中间网格GR1的方格之间存在双射关系)。然后，该方法包括创建分辨率为(N-1)x(N-1)个方格的第二中间网格GR2(如图3中的虚线所示)的第二子步骤E12'，第二中间网格GR2的方格的尺寸等于第一中间网格GR1的方格的尺寸，第二中间网格GR2的中心被对准在图像IM的中心上(并且因此在第一中间网格GR1的中心上)。因此，第二中间网格GR2的每个方格覆盖图像IM的多个像素，另一方面，图像IM的所有像素未被第二中间网格GR2的方格覆盖。通过构造，第二中间网格GR2的每个方格部分地覆盖第一中间网格GR1的四个方格。然后，该方法包括针对第一中间网格GR1和第二中间网格GR2的每个方格计算取决于由所述方格覆盖的图像IM的像素的分数的步骤E13'。例如，如已经提及的，如果图像IM是光致发光图像，则与方格相关联的分数将由包含在所述方格中的像素的发光平均值来给出。最后，该方法包括计算小型地图MC的每个仓的分数的步骤E14'，仓的分数等于与所述仓相关联的第一中间网格GR1的方格的分数以及与覆盖所考虑的第一中间网格GR1的方格的第二中间网格GR2的一个或多个方格的分数的加权和。换句话说，归因于与第一中间网格GR1的方格相关联的小型地图MC的仓的分数不仅考虑了该方格的分数，而且还考虑了覆盖所考虑的第一中间网格GR1的方格的第二中间网格GR2的一个或多个方格的一个或多个分数。在一个实施例中，使用以下加权和S＝α(K)s1+ΣK i＝1β(K)si 2来完成这一考虑，其中S是所考虑的仓的分数，K是覆盖与计算分数的小型地图MC的仓相关联的第一中间网格GR1的方格的第二中间网格GR2的方格数目，α是取决于K的加权系数，s1是与计算分数的仓相关联的第一中间网格GR1的方格的分数，β是取决于K的加权系数，并且si 2是覆盖与所考虑的仓相关联的第一中间网格GR1的方格的第二中间网格GR2的第i个方格的分数。在图3中所示的实施例中，加权系数取决于覆盖小型地图MC的仓的每个方格的表面，即α(K)＝4/(4+K)并且
通常，在分数归因函数的构造中，需要初始校准。通常，将绝对最小分数选择为等于零并且不对应于缺陷，并且根据所考虑的缺陷的类型，将绝对最大分数定义为被判定为极度缺陷的图像IM的区域的分数。但是，绝对最大分数的这种实验定义会导致在随后测量的样本EC的分析过程中超过该分数的情形。另外，该绝对最大分数不能总是与缺陷的物理性质相关，这使得对其进行验证变得困难(回想一下，单词“缺陷”是指后者在样本EC的图像IM中的显现，因此不需要知道缺陷的物理来源)。为了克服该困难，优选的是，归因于小型地图MC的每个仓的分数是没有任何绝对上限的分数。但是，出自校准图像IM的被判定为非常有缺陷的区域的非常高的分数将被用作可视化的高参考值，例如被设置为100。然后可以建立两个可视化：一个绝对可视化，其中大于高参考值的分数的值被减小为高参考值(饱和度)；以及一个相对可视化，其中小型地图MC被显示为其最小分数减小为零，其最大分数为100。换言之，在一个实施例中，根据本发明的第一方面的方法包括确定最大缺陷数量的步骤，所述数量与被称为高参考值的分数的值相关联。
样本EC的图像IM没有系统地采用样本EC的格式，因此该图像IM的一部分不表示样本EC。这种情形例如在图4A中示出，其中位于图像IM的角中的像素不表示样本EC。同样，不考虑图像IM的某些部分(诸如例如形成特定区域的样本EC的边缘)可能是有利的。而且，在一个实施例中，该方法包括在针对每个样本EC创建至少一个小型地图MC的步骤E1之前，在样本EC的图像IM上施加掩模MS的步骤E0。与图4A的样本EC相对应的掩模MS在图4B中示出，并且包括四个区域，每个区域对应于样本EC的一个角。一旦所述掩模MS被施加到样本EC的图像IM上，就可以通过考虑掩模MS的存在来执行创建至少一个小型地图MC的步骤E1。在一个实施例中，小型地图MC的仓的分数取决于它所覆盖的并且未被掩模MS覆盖的图像IM的像素来建立，然后将由此获得的分数乘以未被掩模MS覆盖的小型地图MC的仓的表面百分比。例如，在图4C和图4D中，右上仓被掩模MS覆盖50％，由所述掩模MS覆盖的区域对应于不包含与样本EC有关的图像IM的任何像素的区域。与小型地图MC的这个仓相关联的分数将通过仅考虑未被覆盖的区域NR中的图像IM的像素来计算，然后将由此获得的分数除以未覆盖部分NP表示的小型地图MC的仓的面积百分比：这里为50％。例如，如果图像IM是光致发光图像IM，则将基于与未被覆盖的样本EC的部分相对应的图像IM的像素NR(即，不考虑被掩模MS覆盖的图像IM的像素R)来计算平均发光，然后，将由此获得的平均值乘以2(即除以50％)。可以理解的是，由此描述的掩模MS还可以覆盖图像IM中与在确定一个或多个小型地图MC时不希望考虑在内的样本EC有关的区域。
在一个实施例中，小型地图MC的分辨率被包括在3×3和48×48之间，优选地等于16×16。当然，分辨率可以适合于样本EC的大小并且适合于被用来生成小型地图MC的图像IM的分辨率。更一般地，小型地图MC的分辨率是由缺陷本身设置，更具体地，是由缺陷的大小以及在两个样本EC之间的这些缺陷的可能平移来设置。例如，小型地图MC的分辨率被选择为使得小型地图MC的仓的大小等于感兴趣缺陷的大小加上所述缺陷从一个样本EC到另一样本EC的可能平移。例如，在至少两个样本(优选地，多个样本)上计算出的这两个性质的平均值被用来定义小型地图MC的分辨率。
当期望获得表示所有缺陷的小型地图MC时，可以直接使用表示所述缺陷类型的图像。另一方面，如果图像IM以多个缺陷为特性，并且期望获得仅对单一类型的缺陷或仅对部分类型的缺陷感兴趣的小型地图MC，则有用的是，在执行创建至少一个小型地图MC的步骤E1之前，对图像应用过滤器。为此，在一个实施例中，该方法包括在创建至少一个小型地图MC的步骤E1之前，对样本的图像IM进行过滤的步骤E0'，所述过滤器取决于感兴趣缺陷的一种或多种类型来进行适配。
与专利申请WO2015/091895中描述的方法相反，已经详细呈现的第一步骤E1使得能够通过保留关于所述缺陷的空间信息来执行对缺陷的分析。这也使得可以将不同的样本EC彼此比较，这对于与所述样本EC相对应的图像IM是不可能的。实际上，在图像IM的框架中，逐像素比较将不会提供任何结论性的结果，尤其是由于缺陷的位置，即使从一个样本EC到另一个样本EC的重复出现，也可能会根据样本EC而变化几个像素。有趣的是，下面要注意，可以将小型地图MC视为图像IM，其中每个仓与图像IM的像素相关联，或者可以将其视为矩阵，其中每个仓与矩阵元素相关联，矩阵的尺寸取决于小型地图MC的分辨率。在下文中，样本i的小型地图MC的矩阵表示将被标示为MCi。
根据本发明的第一方面的方法还包括确定表示多种类型的缺陷之中的一种或多种相同类型的缺陷的每个小型地图MC之间的距离的步骤E2。重要的是要注意，只有当两个小型地图MC产生有相同分数归因函数时，两个小型地图MC之间的距离才有意义。而且，如所指定的，仅在表示多种类型的缺陷之中的一种或多种相同类型的缺陷的小型地图MC之间执行距离计算的该步骤E2。如已经公开的，缺陷的位置可以从一个样本EC到另一个样本EC有所变化。除了平移的微小变化之外，由于例如操纵样本EC的一个或多个步骤，该变化还可能对应于旋转或对称。此外，这些操纵步骤在生产链上可能从一个样本EC到另一个样本EC有所变化。为了能够在样本EC之间执行有效的比较，因此还必须考虑这一方面。在根据本发明的方法中，通过定义两个小型地图MC之间的距离来完成这一考虑。更具体地，通过考虑以下变换来将两个小型地图MC之间的距离定义为两个小型地图MC之间的最小距离：旋转和/或对称。因此，两个小型地图MC之间的每个距离都与变换相关联。两个小型地图MC之间的距离可以例如是欧几里得距离。在一个实施例中，所考虑的变换包括旋转(n是整数)和/或镜像变换(在实践中，可以选择n∈[0,3])。因此，为了测量两个小型地图MC之间的距离，通过对两个小型地图MC之一应用变换来计算两个小型地图MC之间的距离，并且这是对于上面列出的每个变换，然后由此确定的距离之中的最短距离被保留为分开两个小型地图MC的距离。因此，可以将变换与每个距离相关联，这使得可以获得所述距离。
一旦计算出小型地图之间的距离，就通过考虑与表示多种类型的缺陷之中的至少一种类型的缺陷的每个小型地图MC之间的距离相关联的变换来执行至少两个样本EC之间的多种类型的缺陷之中的至少一种类型的缺陷的分析。
在某些情况下，相关于多种类型的缺陷中的全部或部分而在视觉上比较不同的样本EC可能是有利的。这样的比较可以借助于与每个样本EC相关联的一个或多个小型地图MC或者借助于与每个样本EC相关联的图像IM来完成。为了使用小型地图MC来执行该比较，在一个实施例中，根据本发明的第一方面的方法包括叠加表示多种类型的缺陷之中的一种或多种相同类型的缺陷的小型地图MC的步骤，所述叠加是根据分开所述小型地图MC的距离并通过考虑与所述距离相关联的变换来执行的，以便获得至少一个结果小型地图MC。术语“结果小型地图MC”是指通过叠加至少两个小型地图MC而获得的小型地图MC。
该叠加可以例如通过层次分组算法来获得，例如通过使用所谓的具有算术均值的加权对分组方法(或WPGMA)来获得。在该算法中，构成表示分开所考虑的小型地图MC的距离的矩阵Δ0。例如，如果我们假设五个小型地图MC，每个小型地图MC与样本EC相关联，并且表示多种类型的缺陷之中的与其他小型地图MC相同的一种或多种类型的缺陷，则可以将分开所述小型地图MC的距离放入以下矩阵形式Δ0中：
然后，将两个最接近的小型地图MC(其距离在矩阵中以粗体示出)叠加，由此获得的叠加构成了替换由此叠加的两个小型地图MC的结果小型地图MC。在上面的示例中，两个小型地图MC之间的最可靠距离为5，并且将两个对应的小型地图MC叠加以给出结果小型地图MC。从矩阵的角度来看，将第一小型地图MC1叠加在第二小型地图MC2上可以被写成的形式，其中MCres是由此叠加而产生的小型地图MC。然后以如下方式计算将该结果小型地图MC与其他小型地图MC分开的距离，以便获得新的距离矩阵Δ1(重新计算的距离以粗体示出，并且对应于分开刚刚从其他小型地图MC获得的结果小型地图MC的距离)：
在一个实施例中，重复该过程，直到获得单个小型地图MC。在一个实施例中，重复该过程，直到获得预定数目的小型地图MC。在一个实施例中，重复该过程，直到将两个最接近的小型地图MC分开的距离大于预定阈值为止。当然，通过考虑与将要被叠加的两个小型地图MC分开的距离相关联的变换来执行每个叠加。换句话说，如果第一小型地图MC和第二小型地图MC之间的距离与第二小型地图MC的的旋转相关联，则第二小型地图MC在被叠加到第一小型地图MC上之前将经历/>的旋转。另外，对于基于两个双个或多个小型地图MC的叠加而获得的每个结果小型地图MC与为了获得所述结果小型地图MC而被叠加的小型地图MC的数目相对应的数字相关联。因此，在通过叠加多个其他小型地图而获得的结果小型地图MC和不是通过任何叠加产生的小型地图MC的叠加期间，可以使用适配系数。例如，如果将通过叠加三个其他小型地图MC所获得的第一小型地图MCres1叠加在不是通过任何叠加产生的第二小型地图MC2上，则与第一小型地图MCres相关联的权重将为3/4，而与第二小型地图MC2相关联的权重将为1/4，并且通过所述叠加获得的新的小型地图MCres2将由给出。更一般地，通过叠加与i个小型地图MC的叠加相对应的第一小型地图MCpart1和与j个小型地图MC的叠加相对应的第二小型地图MCpart2而获得的小型地图MCtot由/> 给出。此外，小型地图MCtot将与数目等于i+j的被叠加小型地图MC相关联。在该方法的最后，由此获得一个或多个结果小型地图MC，后者允许对不同类型的缺陷进行比较。当获得若干结果小型地图MC(换句话说，已经执行了样本EC的“聚类”)时，特别有可能检查将这些不同的结果小型地图MC分开的距离。该距离尤其可以使得能够评估不同样本EC之间的异质性。更具体地，如果第一小型地图MC和第二小型地图MC之间的距离较大，则异质性在使得能够获得第一小型地图MC的样本EC与使得能够获得第二小型地图MC的样本EC之间也很重要。因此，创建小型地图MC使得能够取决于影响样本的缺陷的均质性将不同样本EC分组在一起。
如已经提及的，还可以使用与这些样本EC中的每一个样本EC相关联的图像IM对样本EC之间的缺陷执行比较。为此，在一个实施例中，根据本发明的第一方面的方法包括叠加与每个样本相关联的图像IM的步骤，所述叠加是根据将与所述图像IM相关联的表示多种类型的缺陷之中的一种或多种相同类型的缺陷的小型地图MC分开的距离并通过考虑与所述距离相关联的变换来执行的，以便获得至少一个结果图像IM。术语“结果图像IM”是指通过叠加至少两个图像IM而获得的图像。重要的是要注意，第一图像IM和第二图像IM之间的叠加是基于关于与第一图像相关联的第一小型地图MC和与第二图像IM相关联的第二小型地图MC的信息而完成的，第一和第二小型地图MC相关于一种或多种相同类型的缺陷。另外，当叠加两个图像IM时，必须考虑被叠加的图像IM的数目以便获得所述图像IM，从而应用适配的加权系数，如在小型地图MC的情况下已经详述的那样。为此，与小型地图的情况一样，通过叠加其他图像而获得的任何图像与表示获得该图像所需的图像IM的数目的数字相关联。换句话说，通过叠加与i个图像IM的叠加相对应的第一图像IMpart1和与j个图像IM的叠加相对应的第二图像IMpart2而获得的图像IMtot由给出(此处图像以其矩阵形式考虑，所述图像的每个像素与矩阵的元素相关联)。此外，小型地图IMtot将与数目等于i+j的被叠加图像IM相关联。与变换相关联的距离的概念对根据本发明的方法赋予了图像的直接比较将不具有的性质(如果后者在技术上是可能的)。特别地，取决于小型地图MC上表示的一种或多种类型的缺陷，图像IM的叠加可以变化。例如，两个图像IM可以各自对应于与第一类型的缺陷相关联的第一小型地图MC和与第二类型的缺陷相关联的第二小型地图MC。另外，与第一图像IM相关联的第一小型地图MC和与第二图像IM相关联的第一小型地图MC之间的距离可以与恒等变换相关联，而与第一图像IM相关联的第二小型地图MC和与第二图像IM相关联的第二小型地图MC之间的距离可以与和第二图像IM相关联的第二小型地图MC的/>的旋转相关联。在这种情况下，如果取决于第一小型地图MC来执行两个图像IM的叠加，则将执行所述叠加而无需任何变换。另一方面，如果取决于第二小型地图MC来执行两个图像IM的叠加，则所述叠加将在旋转/>之后进行。
本发明的第二方面涉及一种制造光伏电池的方法，该方法包括至少一个步骤：使用根据本发明的第一方面的方法，基于通过以多种类型的缺陷之中的至少一种类型的缺陷为特性的每个样本EC的光致发光或电致发光的图像IM，来分析至少两个样本EC之间的所述多种类型的缺陷之中的至少一种类型的缺陷。在一个实施例中，光伏电池具有硅基底，该硅基底具有同质结或异质结。样本EC可以是原切割晶片(即，进入生产线之前)、在生产过程中取样的晶片或制造方法终止时的晶片。
注意，可以在搜索的框架中实现根据本发明的第一或第二方面的方法，例如以了解一个或多个样本EC的实际物理缺陷。它也可以在样本EC的质量控制框架中、严格地说是生产的框架中或在新的制造方法或新的生产线(调试)启动期间的校准框架中实施。
为了实施刚刚提供了细节的两种方法，本发明的第三方面涉及一种设备，该设备包括用于实现根据本发明的第一方面或第二方面的方法的装置。在一个实施例中，该设备包括与存储器相关联的计算器(例如，处理器、FPGA或ASIC卡)。存储器可以包含执行所述方法的不同步骤所需的指令以及所述执行所需的数据，特别是图像IM以及从所述图像IM获得的小型地图MC。在一个实施例中，该设备还包括用于采集要被分析的样本的图像IM的装置。在一个实施例中，采集装置包括：用于激发的设备，例如激光器，其被配置为以使得样本通过发光发射光子的方式来激发样本；以及用于采集发光图像IM的装置，例如相机。

Claims (11)

1.一种基于以多种类型的缺陷之中的至少一种类型的缺陷为特性的每个样本(EC)的图像(IM)来分析至少两个样本(EC)之间的所述多种类型的缺陷之中的至少一种类型的缺陷的方法，包括：
针对每个样本(EC)，创建至少一个被称为小型地图(MC)的矩阵的步骤(E1)，该小型地图(MC)包括多个仓并表示所述多种类型的缺陷之中的至少一种类型的缺陷，并且其分辨率小于所述样本(EC)的所述图像(IM)，所述小型地图(MC)的每个仓与所述样本(EC)的所述图像(IM)的多个像素相关联，并且具有取决于所述像素并表示至少一种类型的缺陷的数量的分数；
确定表示所述多种类型的缺陷之中的一种或多种相同类型的缺陷的每个小型地图(MC)之间的距离的步骤(E2)，通过考虑以下变换来将两个小型地图(MC)之间的距离定义为两个小型地图(MC)之间的最小距离：旋转和/或对称，以使得两个小型地图(MC)之间的每个距离都与变换相关联；
通过考虑与表示所述多种类型的缺陷之中的至少一种类型的缺陷的每个小型地图(MC)之间的距离相关联的变换，来执行对至少两个样本(EC)之间的所述多种类型的缺陷之中的至少一种类型的缺陷的分析。
2.根据权利要求1所述的方法，其特征在于，创建小型地图的步骤(E1)包括：
创建网格(GR)的第一子步骤(E11)，所述网格(GR)具有N x N个方格的分辨率，其中NxN是要被确定的小型地图(MC)的分辨率，所述网格(GR)的中心被对准在所述图像(IM)的中心上，并且所述网格(GR)完全覆盖所述图像(IM)；
针对所述网格(GR)的每个方格计算分数的子步骤(E12)，该分数取决于由所述方格覆盖的所述图像(IM)的像素，所述网格(GR)的每个方格的分数被归因于对应的小型地图(MC)的仓。
3.根据权利要求1所述的方法，其特征在于，创建小型地图的步骤(E1)包括：
创建第一中间网格(GR1)的第一子步骤(E11')，所述第一中间网格(GR1)具有N xN个方格的分辨率，其中N xN是所述小型地图(MC)的分辨率，所述第一中间网格(GR1)的中心被对准在所述图像(IM)的中心上，并且所述第一中间网格(GR1)完全覆盖所述图像(IM)；
创建第二中间网格(GR2)的第二子步骤(E12')，所述第二中间网格(GR2)具有(N-1)x(N-1)个方格的分辨率，所述第二中间网格(GR2)的方格的尺寸等于所述第一中间网格(GR1)的方格的尺寸，所述第二中间网格(GR2)的中心被对准在所述图像(IM)的中心上；
针对所述第一中间网格(GR1)和所述第二中间网格(GR2)的每个方格计算分数的第三子步骤(E13')，该分数取决于由所述方格覆盖的所述图像(IM)的像素；
计算所述小型地图(MC)的每个仓的分数的第四子步骤(E14')，仓的分数等于与所述仓相关联的所述第一中间网格(GR1)的方格的分数以及覆盖所考虑的所述第一中间网格(GR1)的方格的所述第二中间网格(GR2)的一个或多个方格的分数的加权和。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法包括确定最大缺陷数量的步骤，所述数量与被称为高参考值的分数的值相关联。
5.根据权利要求1至3中任一项所述的方法，其特征在于，在针对每个样本(EC)创建至少一个小型地图(MC)的步骤(E1)之前，所述方法包括在所述样本(EC)的所述图像(IM)上施加掩模(MS)的步骤(E0)，通过考虑掩模(MS)的存在来执行创建至少一个小型地图(MC)的步骤(E1)。
6.根据权利要求1至3中任一项所述的方法，其特征在于，当每个样本(EC)的图像(IM)以多种类型的缺陷为特性时，并且在创建至少一个小型地图(MC)的步骤(E1)之前，所述方法包括对所述样本的所述图像(IM)进行过滤的步骤(E0')。
7.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法包括叠加表示所述多种类型的缺陷之中的一种或多种相同类型的缺陷的小型地图(MC)的步骤，所述叠加是根据分开所述小型地图(MC)的距离并通过考虑与所述距离相关联的变换来执行的，以获得至少一个结果小型地图(MC)。
8.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法包括叠加图像(IM)的步骤，所述叠加是根据将表示所述多种类型的缺陷之中的一种或多种相同类型的缺陷并与每个图像(IM)相关联的小型地图(MC)分开的距离并通过考虑与所述距离相关联的变换来执行的，以获得至少一个结果图像(IM)。
9.一种制造光伏电池的方法，该方法包括至少一个步骤：使用根据权利要求1至8中任一项所述的方法，基于通过包括多种类型的缺陷之中的至少一种类型的缺陷的每个样本(EC)的光致发光或电致发光的图像(IM)，来分析至少两个样本(EC)。
10.一种设备，包括用于实现根据权利要求1至9中任一项所述的方法的装置。
11.一种计算机可读数据介质，其上记录了包括指令的计算机程序，当所述程序由计算机执行时，使所述计算机实施根据权利要求1至9中任一项所述的方法。
CN201980059319.2A 2018-07-31 2019-07-30 至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析 Active CN112689852B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1857140A FR3084768B1 (fr) 2018-07-31 2018-07-31 Procede d'analyse d'au moins un type de defauts parmi une pluralite de types de defauts entre au moins deux echantillons et dispositif associe
FR1857140 2018-07-31
PCT/EP2019/070522 WO2020025625A1 (fr) 2018-07-31 2019-07-30 Analyse d'au moins un type de defauts parmi une pluralite de types de defauts entre au moins deux echantillons

Publications (2)

Publication Number Publication Date
CN112689852A CN112689852A (zh) 2021-04-20
CN112689852B true CN112689852B (zh) 2023-10-03

Family

ID=65200957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980059319.2A Active CN112689852B (zh) 2018-07-31 2019-07-30 至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析

Country Status (6)

Country Link
US (1) US11982623B2 (zh)
EP (1) EP3830789B1 (zh)
KR (1) KR20210037685A (zh)
CN (1) CN112689852B (zh)
FR (1) FR3084768B1 (zh)
WO (1) WO2020025625A1 (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009026661A1 (en) * 2007-08-30 2009-03-05 Bt Imaging Pty Ltd Photovoltaic cell manufacturing

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4230880B2 (ja) * 2003-10-17 2009-02-25 株式会社東芝 欠陥検査方法
FR3015770B1 (fr) * 2013-12-19 2016-01-22 Commissariat Energie Atomique Procede et systeme de controle de qualite de cellules photovoltaiques
US9864173B2 (en) * 2015-04-21 2018-01-09 Kla-Tencor Corporation Systems and methods for run-time alignment of a spot scanning wafer inspection system
JP6786035B2 (ja) * 2017-03-27 2020-11-18 三菱重工業株式会社 航空機用部品の欠陥検出システム及び航空機用部品の欠陥検出方法
US11650250B2 (en) * 2018-03-22 2023-05-16 Optimal Plus Ltd. Methods and systems for detecting defects on an electronic assembly

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009026661A1 (en) * 2007-08-30 2009-03-05 Bt Imaging Pty Ltd Photovoltaic cell manufacturing

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A survey of image registration techniques;Lisa Gottesfeld Brown;ACM Computing Surveys;第329-340页，图3 *
Quality control method based on photoluminescence imaging for the performance prediction of c-Si/a-Si:H heterojunction solar cells in industrial production lines;O. Nos 等;Solar Energy Materials & Solar Cells;第210-220页，图2 *

Also Published As

Publication number Publication date
CN112689852A (zh) 2021-04-20
EP3830789B1 (fr) 2022-06-08
FR3084768B1 (fr) 2020-10-16
KR20210037685A (ko) 2021-04-06
US20210310955A1 (en) 2021-10-07
WO2020025625A1 (fr) 2020-02-06
US11982623B2 (en) 2024-05-14
FR3084768A1 (fr) 2020-02-07
EP3830789A1 (fr) 2021-06-09

Similar Documents

Publication Publication Date Title
US11062458B2 (en) Appearance inspection device, transformation data generation device, and program
US11176650B2 (en) Data generation apparatus, data generation method, and data generation program
US9418199B2 (en) Method and apparatus for extracting systematic defects
JP4657869B2 (ja) 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体
JP3834041B2 (ja) 学習型分類装置及び学習型分類方法
CN110969598A (zh) 晶圆检查方法以及晶圆检查系统
TWI648766B (zh) 用於晶粒對資料庫光罩檢查之自動校準樣本選擇
CN112348831B (zh) 基于机器学习的页岩sem图像分割方法
CN111597941B (zh) 一种面向大坝缺陷图像的目标检测方法
JP2008051617A (ja) 画像検査装置、その方法、及びその記録媒体
CN117147561B (zh) 用于金属拉链的表面质量检测方法及系统
CN114365183A (zh) 晶片检验方法和系统
CN117751382A (zh) 基于异常的缺陷检查方法和系统
CN112689852B (zh) 至少两个样本之间的多种类型的缺陷之中的至少一种类型的缺陷的分析
JP3806125B2 (ja) 欠陥検査装置および欠陥検査方法
CN113256608A (zh) 工件缺陷检测方法和装置
JP5419555B2 (ja) 画像検査装置、画像検査方法および画像検査プログラム
US11574397B2 (en) Image processing device, image processing method, and computer readable recording medium
US8526708B2 (en) Measurement of critical dimensions of semiconductor wafers
CN116342623A (zh) 训练晶圆图像的多缺陷分割模型的方法和装置
JP2005321308A (ja) アレイ検査装置
JP2018004324A (ja) 欠陥検査装置
CN115953388A (zh) 芯片缺陷检测方法、装置、设备、存储介质和程序产品
JP5765713B2 (ja) 欠陥検査装置、欠陥検査方法、及び欠陥検査プログラム
JP2007072173A (ja) パターン検査装置、パターン検査方法、及びレチクル

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