CN112767396A - 缺陷的检测方法、装置和计算机可读存储介质 - Google Patents

缺陷的检测方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN112767396A
CN112767396A CN202110369727.7A CN202110369727A CN112767396A CN 112767396 A CN112767396 A CN 112767396A CN 202110369727 A CN202110369727 A CN 202110369727A CN 112767396 A CN112767396 A CN 112767396A
Authority
CN
China
Prior art keywords
gray
reference image
value
image
average value
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
CN202110369727.7A
Other languages
English (en)
Other versions
CN112767396B (zh
Inventor
陈鲁
佟异
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.)
Skyverse Ltd
Shenzhen Zhongke Feice Technology Co Ltd
Original Assignee
Shenzhen Zhongke Feice 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 Feice Technology Co Ltd filed Critical Shenzhen Zhongke Feice Technology Co Ltd
Priority to CN202110369727.7A priority Critical patent/CN112767396B/zh
Publication of CN112767396A publication Critical patent/CN112767396A/zh
Application granted granted Critical
Publication of CN112767396B publication Critical patent/CN112767396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种缺陷的检测方法、装置和计算机可读存储介质。缺陷的检测方法，包括步骤：1）获取参考图像和待测样品的图像；2）获取所述待测样品的图像的一个测量单元的第一灰度均值；3）根据所述第一灰度均值补偿所述参考图像的灰度均值；4）将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷。上述缺陷的检测方法中，针对待测样品的图像的多个测量单元，用同一个参考图像进行检测时，可实时对参考图像进行灰度补偿，在检测速度几乎没有影响的情况下，可以检出对比度低的缺陷，同时降低误检漏检的机率。

Description

缺陷的检测方法、装置和计算机可读存储介质
技术领域
本发明涉及样品缺陷技术领域，特别涉及一种缺陷的检测方法、装置和计算机可读存储介质。
背景技术
在相关技术中，为了检测晶圆（Wafer）表面的缺陷(比如外来物，划痕等)，通常的方案是先选取一个合格的Wafer或者其部分作为参考模板。在检测时，把待检测Wafer上的每一个Die与这个参考模板中对应的部分做比对，如果比对后，两者之间的灰阶差异超过预先设定的阈值，则认为是缺陷。然而，在实际工业生产中，由于生产工艺的不同，晶圆之间的灰度差异很大，势必造成不同的参考模板之间，以及参考模板与待测晶圆之间的灰度差异很大。因此在检测待测晶圆的时候，由于灰度差异的存在，有的缺陷会漏检，而有的会将合格的部分判定为缺陷，不利于精确检测。
发明内容
本发明的实施方式提供了一种缺陷的检测方法、装置和计算机可读存储介质。
本发明实施方式提供的一种缺陷的检测方法，包括步骤：
1）获取参考图像和待测样品的图像；
2）获取所述待测样品的图像的一个测量单元的第一灰度均值；
3）根据所述第一灰度均值补偿所述参考图像的灰度均值；
4）将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷。
在某些实施方式中，所述参考图像的尺寸基本等于所述待测样品的图像的一个测量单元的尺寸。
在某些实施方式中，所述根据所述第一灰度均值补偿所述参考图像的灰度均值，包括：
在所述第一灰度均值大于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求和，得到补偿后的参考图像。
在某些实施方式中，所述根据所述第一灰度均值补偿参考图像的灰度均值，包括：
在所述第一灰度均值小于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求差，得到补偿后的参考图像。
在某些实施方式中，根据所述第一灰度均值补偿参考图像的灰度均值，包括：
使补偿后的所述参考图像的灰度均值为第二灰度均值，其中所述第二灰度均值和所述第一灰度均值的差异在第一阈值范围之内。
在某些实施方式中，所述将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷，包括：
比较所述参考图像的像素点的灰度值，与所述测量单元的对应像素点的灰度值，得到灰度差异；
在所述灰度差异大于第二阈值时，确定所述测量单元的像素点为所述测量单元的缺陷。
在某些实施方式中，所述检测方法包括：
在所述参考图像的灰度均值与所述第一灰度均值的差异在所述第一阈值范围之内时，保持所述参考图像的灰度均值不变。
在某些实施方式中，在将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷后，循环执行步骤2）、3）、4），直至确定整个所述待测样品的缺陷。
在某些实施方式中，所述待测样品为待检的晶圆，所述参考图像为参考晶圆图像。
本发明实施方式提供的一种缺陷的检测装置，包括：
第一获取模块，用于获取参考图像和待测样品的图像；
第二获取模块，用于获取所述待测样品的图像的一个测量单元的第一灰度均值；
补偿模块，用于根据所述第一灰度均值补偿所述参考图像的灰度均值；
比较模块，将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷。
在某些实施方式中，所述参考图像的尺寸基本等于所述待测样品的图像的一个测量单元的尺寸。
在某些实施方式中，所述补偿模块，包括：
第一补偿子模块，用于在所述第一灰度均值大于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求和，得到补偿后的参考图像。
在某些实施方式中，所述补偿模块，包括：
第二补偿子模块，用于在所述第一灰度均值小于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求差，得到补偿后的参考图像。
在某些实施方式中，所述补偿模块，用于：
使补偿后的所述参考图像的灰度均值为第二灰度均值，其中所述第二灰度均值和所述第一灰度均值的差异在第一阈值范围之内。
在某些实施方式中，所述比较模块，包括：
比较子模块，用于比较所述参考图像的像素点的灰度值，与所述测量单元的对应像素点的灰度值，得到灰度差异；
确定子模块，用于在所述灰度差异大于第二阈值时，确定所述测量单元的像素点为所述测量单元的缺陷。
本发明实施方式提供的一种缺陷的检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施方式的缺陷的检测方法的步骤。
本发明实施方式提供的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程序，所述计算机程序被处理器执行时实现上述任一实施方式的缺陷的检测方法的步骤。
上述缺陷的检测方法、装置和计算机可读存储介质中，针对待测样品的图像的多个测量单元，用同一个参考图像进行检测时，可实时对参考图像进行灰度补偿，在检测速度几乎没有影响的情况下，可以检出对比度低的缺陷，同时降低误检漏检的机率。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本发明实施方式的缺陷的检测方法的流程示意图；
图2是本发明实施方式的参考图像的示意图；
图3是本发明实施方式的待测样品的图像的示意图；
图4-图9是本发明实施方式的缺陷的检测装置的模块示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
请参考图1，本发明实施方式提供的一种缺陷的检测方法，包括步骤：
1）获取参考图像和待测样品的图像。
具体地，待测样品的图像为当前需要进行缺陷检测的图像。待测样品可以是能够通过图像来进行缺陷检测的任意样品，待测样品的测量单元为待测样品的待检测区域。例如样品的表面划分有网格状的区域，在检测时逐一检测每一格网格的区域内是否存在缺陷，则每一格网格可看做一个质量单元。再例如，待测样品为晶圆（Wafer），晶圆包括多个晶片晶圆体（Die），在检测时逐一检测每个晶片晶圆体是否存在缺陷，则每个晶片晶圆体可看做一个测量单元。质量单元的划分方式不仅限于上述例举的方式，可根据用户的需求任意划分，在此不做限制。通过参考图像与测量单元进行比较以检测每个测量单元缺陷，能够确定缺陷出现在哪个测量单元，以便于掌握待测样品上缺陷的位置信息。
在本发明的示例中，待测样品为晶圆，一个晶圆可以分成很多个晶片晶圆体，待测样品的图像为待检的晶圆图像，一个测量单元可包括一个或多个die的图像，参考图像是一个测量单元对应的参考图像。参考图像可以选用一般检测环境下所拍摄的图像，如图2所示的一种参考图像，包括两个Die的图像。待测样品的图像，可以包括一个或多个待测Die的图像，图3所示为本发明的一种待测样品的图像。可以理解，待测样品还可以是其它样品，例如为金属样品、合金样品、非金属样品等，例如样品可以是铜制、铁制、铝制、钢制、铜合金制、铝合金制、半导体制样品（例如晶圆）等。
请参图4，待测样品的图像、参考图像可以利用检测装置300来采集。具体地，检测装置300包括图像采集装置310、处理器330、可移动的承载装置350和光源370。承载装置350用于承载待测样品。在一个实施例中，图像采集装置310的位置固定，承载装置350能够相对图像采集装置310移动，以将待测样品的测量单元对准图像采集装置310的采集视场。在另一个实施例中，承载装置350的位置固定，图像采集装置310能够相对承载装置350移动，以将图像采集装置310的采集视场对准待测样品的测量单元。在再一个实施例中，承载装置350和图像采集装置310均能移动，且二者彼此相对，以使图像采集装置310的采集视场与待测样品的测量单元的对准过程可以灵活调节。图像采集装置310可包括面阵相机和/或线阵相机进行采集。面阵相机采集时，通过面阵相机和待测样品之间相对的水平和垂直移动来拍摄图像。线阵相机采集时，通过线阵相机和待测样品之间进行相对旋转来拍摄图像。另外，缺陷的检测方法也可由检测装置300来实现。具体地，处理器可用于实现上述步骤1）及以下的步骤2）、3）、4）。
进一步地，检测装置300还可包括光源370，当检测装置300对样品缺陷的检测为暗场检测时，光源370用于在图像采集装置310采集样品的图像时照明样品。
参考图像来自对参考样品拍摄所得，参考样品是与待测样品同类型的样品，参考样品可以是没有缺陷或缺陷在能够接受的范围内的样品，也可以是指参考样品为某一类特定样品的代表，在此不作限制。
待测样品可以是同一批次的待测样品，也可以是不同批次的待测样品。为了对待测样品进行更为精确的缺陷检测，可以将一个待测样品的图像划分为至少一个测量单元，该测量单元可为待测对象（如一个或若干个Die）的图像。这样的好处是，可以用参考图像的灰度均值与当前进行检测的测量单元的灰度均值直接进行比较，并根据比较结果实时对参考图像的灰度均值进行补偿，在检测速度几乎没有影响的情况下，可以检出对比度低的缺陷，同时降低误检漏检的机率。
请参图3，在一个例子中，待测样品的图像里有4*5个待测对象10（如待测Die）的图像，可将包含2个待测对象10的图像作为一个测量单元12，进而使得待测样品的图像划分为10个测量单元。请参图2，参考图像所包含的参考对象20（如参考Die）的图像个数与测量单元所包含的待测对象的图像个数相同。
需要指出的是，在图3中，以横向相邻排列的两个待测对象的图像构成一个测量单元。可以理解，在其它示例中，还可以以竖向相邻排列的两个待测对象的图像构成一个测单元，或斜向45度相邻排列的两个待测对象的图像构成一个测量单元。另外，每个测量单元所包含的待测对象的图像个数也不限于2个，还可以1个、3个、4个或多于4个，对应地，参考图像所包含的参考对象的图像个数也相应匹配，在此不作具体限定。另外，参考图像的尺寸基本等于待测样品的图像的一个测量单元的尺寸，以实现更为准确的缺陷检测。
2）获取待测样品的图像的一个测量单元的第一灰度均值。
第一灰度均值是一个测量单元的所有待测对象的图像像素点的灰度值的平均值。在图3的示例中，测量单元包含两个待测对象的图像，第一灰度均值为两个待测对象的图像的所有像素点的灰度值的平均值。
3）根据第一灰度均值补偿参考图像的灰度均值。
其中，在一个实施方式中，根据第一灰度均值补偿参考图像的灰度均值，包括：
在第一灰度均值大于参考图像的灰度均值且第一灰度均值和参考图像的灰度均值的差异超出第一阈值范围时，将参考图像的灰度均值与预设补偿值求和，得到补偿后的参考图像。
也就是说，新的参考图像的灰度均值=原参考图像的灰度均值+预设补偿值。可以通过增大参考图像的灰度均值来得到补偿后的参考图像。预设补偿值可以通过大量仿真或测试所确定的值，也可以是经验值，在此不作具体限定。
在一个实施方式中，根据第一灰度均值补偿参考图像的灰度均值，包括：
在第一灰度均值小于参考图像的灰度均值且第一灰度均值和参考图像的灰度均值的差异超出第一阈值范围时，将参考图像的灰度均值与预设补偿值求差，得到补偿后的参考图像。
也就是说，新的参考图像的灰度均值=原参考图像的灰度均值-预设补偿值。可以通过减少参考图像的灰度均值来得到补偿后的参考图像。预设补偿值可以通过大量仿真或测试所确定的值，也可以是经验值，在此不作具体限定。另外，求和所用的预设补偿值与求差所用的预设补偿值，可以相等，也可以不相等，根据具体的标定来确定。
在一个实施方式中，根据第一灰度均值补偿参考图像的灰度均值，包括：
使补偿后的参考图像的灰度均值为第二灰度均值，其中第二灰度均值和第一灰度均值的差异在第一阈值范围之内。
具体地，上述对参考图像的灰度均值与预设补偿值进行求和或求差后，得到参考图像的灰度均值为第二灰度均值，第二灰度均值和第一灰度均值的差异在第一阈值范围之内。在第一阈值范围确定后，可以对预设补偿值进行标定，或在预设补偿值确定后，对第一阈值范围进行标定，使得补偿后的参考图像的第二灰度均值和第一灰度均值的差异在第一阈值范围之内。
可以理解的是，在一个实施方式中，检测方法包括：在参考图像的灰度均值与第一灰度均值的差异在第一阈值范围之内时，保持参考图像的灰度均值不变。也就是说，当述参考图像的灰度均值与第一灰度均值的差异较小时，可以不对参考图像的灰度均值进行补偿。
4）将补偿后的参考图像与待测图像的一个测量单元进行比较，确定测量单元的缺陷。
在灰度补偿后，将参考图像与待测样品的图像的一个测量单元进行比较，由于参考图像与测量单元的灰度较为接近，因而可以实现低对比度的缺陷检测，从而使得图像缺陷的检测更为准确。
其中，将补偿后的参考图像与待测图像的一个测量单元进行比较，确定测量单元的缺陷，包括：
比较参考图像的像素点的灰度值，与测量单元的对应像素点的灰度值，得到灰度差异；
在灰度差异大于第二阈值时，确定测量单元的像素点为测量单元的缺陷。
具体地，第二阈值可以通过仿真或测试进行标定。具体的数值可根据需要来设定。
进一步地，在将补偿后的参考图像与待测图像的一个测量单元进行比较，确定测量单元的缺陷后，循环执行步骤2）、3）、4），直至确定整个待测样品的缺陷。通过重复步骤2）、3）、4），可以检测出整个待测样品的全部缺陷。
上述缺陷的检测方法中，针对待测样品的图像的多个测量单元，用同一个参考图像进行检测时，可实时对参考图像进行灰度补偿，在检测速度几乎没有影响的情况下，可以检出对比度低的缺陷，同时降低误检漏检的机率。
具体地，在一个实施方式中，多个测量单元可包括第一测量单元和第二测量单元，在对第一测量单元进行检测时，根据第一测量单元的第一灰度均值补偿参考图像的灰度均值，将补偿后的参考图像与第一测量单元进行比较，确定第一测量单元的缺陷。之后，再对第一测量单元进行检测，根据第二测量单元的第一灰度均值补偿参考图像的灰度均值，将补偿后的参考图像与第二测量单元进行比较，确定第二测量单元的缺陷。以此类推，以完成整个待测样品的检测。在整个待测样品的检索过程中，针对不同的测量单元，可根据当前的测量单元的第一灰度均值实时补偿参考图像的灰度均值，在检测速度几乎没有影响的情况下，可以检出每个测量单元对比度低的缺陷，同时降低误检漏检的机率。
请参图5，本发明实施方式提供的一种缺陷的检测装置100，包括：
第一获取模块101，用于获取参考图像和待测样品的图像；
第二获取模块103，用于获取待测样品的图像的一个测量单元的第一灰度均值；
补偿模块105，用于根据第一灰度均值补偿参考图像的灰度均值；
比较模块107，将补偿后的参考图像与待测图像的一个测量单元进行比较，确定测量单元的缺陷。
在某些实施方式中，参考图像的尺寸基本等于待测样品的图像的一个测量单元的尺寸。
在某些实施方式中，请参图6，补偿模块105，包括：
第一补偿子模块1051，用于在第一灰度均值大于参考图像的灰度均值且第一灰度均值和参考图像的灰度均值的差异超出第一阈值范围时，将参考图像的灰度均值与预设补偿值求和，得到补偿后的参考图像。
在某些实施方式中，请参图7，补偿模块105，包括：
第二补偿子模块1053，用于在第一灰度均值小于参考图像的灰度均值且第一灰度均值和参考图像的灰度均值的差异超出第一阈值范围时，将参考图像的灰度均值与预设补偿值求差，得到补偿后的参考图像。
在某些实施方式中，补偿模块105，用于：
使补偿后的参考图像的灰度均值为第二灰度均值，其中第二灰度均值和第一灰度均值的差异在第一阈值范围之内。
在某些实施方式中，请参图8，比较模块107，包括：
比较子模块1071，用于比较参考图像的像素点的灰度值，与测量单元的对应像素点的灰度值，得到灰度差异；
确定子模块1073，用于在灰度差异大于第二阈值时，确定测量单元的像素点为测量单元的缺陷。
请参图9，本发明实施方式的一种缺陷的检测装置200，包括存储器201、处理器203以及存储在存储器201中并可在处理器203上运行的计算机程序205，处理器203执行计算机程序205时实现上述任一实施方式的缺陷的检测方法的步骤。
在一个实施方式中，处理器203执行计算机程序205时实现步骤1）、2）、3）和4）。
处理器203包括但不限于中央处理器（CPU）、图形处理器(GPU)。另外，缺陷的检测装置200还可包括连接处理器203的输入装置207和输出装置209，输入装置207可供用户输入指令及相关设置，输入装置207包括但不限于鼠标、键盘、触摸屏、麦克风等。输出装置209可用于输出相应的结果，例如显示图像，播放声音等。输出装置209包括但不限于显示屏、扬声器、指示灯、蜂鸣器、振动马达等。
本发明实施方式的一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任一实施方式的缺陷的检测方法的步骤。
在一个实施方式中，计算机程序被处理器执行时实现步骤1）、2）、3）和4）。
需要指出的是，上述对缺陷的检测方法的实施方式和有益效果的解释说明，也适应用于本发明实施方式的缺陷的检测装置100、200和计算机可读存储介质，为避免冗余，在此不再详细解释。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、“实施例”、或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(控制方法)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明的各个实施例中的各功能单元可以集成在一个处理器中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (17)

1.一种缺陷的检测方法，其特征在于，包括步骤：
1）获取参考图像和待测样品的图像；
2）获取所述待测样品的图像的一个测量单元的第一灰度均值；
3）根据所述第一灰度均值补偿所述参考图像的灰度均值；
4）将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷。
2.根据权利要求1所述的缺陷的检测方法，其特征在于，所述参考图像的尺寸基本等于所述待测样品的图像的一个测量单元的尺寸。
3.根据权利要求1所述的缺陷的检测方法，其特征在于，所述根据所述第一灰度均值补偿所述参考图像的灰度均值，包括：
在所述第一灰度均值大于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求和，得到补偿后的参考图像。
4.根据权利要求1所述的缺陷的检测方法，其特征在于，所述根据所述第一灰度均值补偿参考图像的灰度均值，包括：
在所述第一灰度均值小于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求差，得到补偿后的参考图像。
5.根据权利要求1所述的缺陷的检测方法，其特征在于，根据所述第一灰度均值补偿参考图像的灰度均值，包括：
使补偿后的所述参考图像的灰度均值为第二灰度均值，其中所述第二灰度均值和所述第一灰度均值的差异在第一阈值范围之内。
6.根据权利要求1所述的缺陷的检测方法，其特征在于，所述将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷，包括：
比较所述参考图像的像素点的灰度值，与所述测量单元的对应像素点的灰度值，得到灰度差异；
在所述灰度差异大于第二阈值时，确定所述测量单元的像素点为所述测量单元的缺陷。
7.根据权利要求3或4所述的缺陷的检测方法，其特征在于，所述检测方法包括：
在所述参考图像的灰度均值与所述第一灰度均值的差异在所述第一阈值范围之内时，保持所述参考图像的灰度均值不变。
8.根据权利要求1-6任一项所述的缺陷的检测方法，其特征在于，在将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷后，循环执行步骤2）、3）、4），直至确定整个所述待测样品的缺陷。
9.根据权利要求1-6任一项所述的缺陷的检测方法，其特征在于，所述待测样品为待测的晶圆，所述参考图像为参考晶圆图像。
10.一种缺陷的检测装置，其特征在于，包括：
第一获取模块，用于获取参考图像和待测样品的图像；
第二获取模块，用于获取所述待测样品的图像的一个测量单元的第一灰度均值；
补偿模块，用于根据所述第一灰度均值补偿所述参考图像的灰度均值；
比较模块，将补偿后的所述参考图像与所述待测图像的一个所述测量单元进行比较，确定所述测量单元的缺陷。
11.根据权利要求10所述的缺陷的检测装置，其特征在于，所述参考图像的尺寸基本等于所述待测样品的图像的一个测量单元的尺寸。
12.根据权利要求10所述的缺陷的检测装置，其特征在于，所述补偿模块，包括：
第一补偿子模块，用于在所述第一灰度均值大于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求和，得到补偿后的参考图像。
13.根据权利要求10所述的缺陷的检测装置，其特征在于，所述补偿模块，包括：
第二补偿子模块，用于在所述第一灰度均值小于所述参考图像的灰度均值且所述第一灰度均值和所述参考图像的灰度均值的差异超出第一阈值范围时，将所述参考图像的灰度均值与预设补偿值求差，得到补偿后的参考图像。
14.根据权利要求10所述的缺陷的检测装置，其特征在于，所述补偿模块，用于：
使补偿后的所述参考图像的灰度均值为第二灰度均值，其中所述第二灰度均值和所述第一灰度均值的差异在第一阈值范围之内。
15.根据权利要求10所述的缺陷的检测装置，其特征在于，所述比较模块，包括：
比较子模块，用于比较所述参考图像的像素点的灰度值，与所述测量单元的对应像素点的灰度值，得到灰度差异；
确定子模块，用于在所述灰度差异大于第二阈值时，确定所述测量单元的像素点为所述测量单元的缺陷。
16.一种缺陷的检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的缺陷的检测方法的步骤。
17.一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程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9任一项所述的缺陷的检测方法的步骤。
CN202110369727.7A 2021-04-07 2021-04-07 缺陷的检测方法、装置和计算机可读存储介质 Active CN112767396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110369727.7A CN112767396B (zh) 2021-04-07 2021-04-07 缺陷的检测方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110369727.7A CN112767396B (zh) 2021-04-07 2021-04-07 缺陷的检测方法、装置和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112767396A true CN112767396A (zh) 2021-05-07
CN112767396B CN112767396B (zh) 2021-07-20

Family

ID=75691112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110369727.7A Active CN112767396B (zh) 2021-04-07 2021-04-07 缺陷的检测方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112767396B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298769A (zh) * 2021-05-20 2021-08-24 佛山职业技术学院 Fpc软排线外观缺陷检测方法、系统和介质
CN114820601A (zh) * 2022-06-27 2022-07-29 合肥新晶集成电路有限公司 目标图像的更新方法及系统、晶圆检测方法和计算机设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030050761A1 (en) * 2001-09-13 2003-03-13 Takafumi Okabe Inspection method and its apparatus, inspection system
CN102854191A (zh) * 2012-07-18 2013-01-02 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法
CN106204602A (zh) * 2016-07-13 2016-12-07 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN109856164A (zh) * 2019-02-02 2019-06-07 上海福赛特机器人有限公司 一种机器视觉采集大范围图像的优化装置及其检测方法
WO2019117802A1 (en) * 2017-12-13 2019-06-20 Mit Semiconductor Pte Ltd A system for obtaining 3d images of objects and a process thereof
CN110687119A (zh) * 2018-07-04 2020-01-14 东腾投资集团有限公司 一种缺陷检测方法、系统与装置、计算机可读存储介质
CN111667448A (zh) * 2019-03-06 2020-09-15 深圳中科飞测科技有限公司 一种图像处理方法、装置及设备
CN111724335A (zh) * 2019-03-21 2020-09-29 深圳中科飞测科技有限公司 检测方法及检测系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030050761A1 (en) * 2001-09-13 2003-03-13 Takafumi Okabe Inspection method and its apparatus, inspection system
US20050033538A1 (en) * 2001-09-13 2005-02-10 Hitachi, Ltd. Inspection method and its apparatus, inspection system
CN102854191A (zh) * 2012-07-18 2013-01-02 湖南大学 高速铁轨表面缺陷的实时视觉检测与识别方法
CN106204602A (zh) * 2016-07-13 2016-12-07 广州视源电子科技股份有限公司 元件反件检测方法和系统
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
WO2019117802A1 (en) * 2017-12-13 2019-06-20 Mit Semiconductor Pte Ltd A system for obtaining 3d images of objects and a process thereof
CN110687119A (zh) * 2018-07-04 2020-01-14 东腾投资集团有限公司 一种缺陷检测方法、系统与装置、计算机可读存储介质
CN109856164A (zh) * 2019-02-02 2019-06-07 上海福赛特机器人有限公司 一种机器视觉采集大范围图像的优化装置及其检测方法
CN111667448A (zh) * 2019-03-06 2020-09-15 深圳中科飞测科技有限公司 一种图像处理方法、装置及设备
CN111724335A (zh) * 2019-03-21 2020-09-29 深圳中科飞测科技有限公司 检测方法及检测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298769A (zh) * 2021-05-20 2021-08-24 佛山职业技术学院 Fpc软排线外观缺陷检测方法、系统和介质
CN114820601A (zh) * 2022-06-27 2022-07-29 合肥新晶集成电路有限公司 目标图像的更新方法及系统、晶圆检测方法和计算机设备
CN114820601B (zh) * 2022-06-27 2022-09-16 合肥新晶集成电路有限公司 目标图像的更新方法及系统、晶圆检测方法和计算机设备

Also Published As

Publication number Publication date
CN112767396B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
KR100855100B1 (ko) 외관 검사 장치 및 외관 검사 방법
CN112767396B (zh) 缺陷的检测方法、装置和计算机可读存储介质
US9335277B2 (en) Region-of-interest determination apparatus, observation tool or inspection tool, region-of-interest determination method, and observation method or inspection method using region-of-interest determination method
JP2004177397A (ja) 画像欠陥検査方法、画像欠陥検査装置及び外観検査装置
US20080175466A1 (en) Inspection apparatus and inspection method
CN108445010B (zh) 自动光学检测方法及装置
JP2010164487A (ja) 欠陥検査装置及び欠陥検査方法
JP5292846B2 (ja) 観察装置と、観察方法
KR101146081B1 (ko) 마이크로-검사 입력을 이용한 매크로 결함 검출 방법 및시스템
CN109932369A (zh) 一种异形显示面板检测方法及装置
CN112858351A (zh) 一种基于机器视觉的x射线无损探伤方法
CN113554645B (zh) 基于wgan的工业异常检测方法和装置
JP2009097959A (ja) 欠陥検出装置及び欠陥検出方法
CN112767397B (zh) 工件的检测方法、工件检测设备及存储介质
CN115546140A (zh) 一种显示面板检测方法、系统及电子装置
US20230138331A1 (en) Motion in images used in a visual inspection process
JP2006242681A (ja) 外観検査装置
CN111504608B (zh) 辉度均匀检测系统及辉度均匀检测方法
JP5494303B2 (ja) Ｔｆｔアレイ検査装置および欠陥強度算出方法
KR20140000559A (ko) 영상인식 방법 및 그 시스템
TW201514474A (zh) 一種檢測具週期性結構光學薄膜的瑕疵檢測方法及其檢測裝置
CN114324168B (zh) 一种表面缺陷检测方法及系统
KR102705809B1 (ko) 셀-대-셀 비교 방법
CN115171043A (zh) 仪表异常监测方法及装置、可读存储介质
JP4849822B2 (ja) 外観検査装置及び外観検査方法

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