CN112881419A - 芯片检测方法、电子设备及存储介质 - Google Patents
芯片检测方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112881419A CN112881419A CN202110489480.2A CN202110489480A CN112881419A CN 112881419 A CN112881419 A CN 112881419A CN 202110489480 A CN202110489480 A CN 202110489480A CN 112881419 A CN112881419 A CN 112881419A
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- chip
- detected
- objective lens
- 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 47
- 230000007547 defect Effects 0.000 claims abstract description 227
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000007689 inspection Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 16
- 238000003384 imaging method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012552 review Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—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
- 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
Abstract
本申请是关于一种芯片检测方法、电子设备及存储介质。该方法包括：使用黑白高分辨率相机在低倍率物镜下拍摄待测芯片的粗检图像；基于粗检图像进行初步缺陷类型分析;使用彩色高分辨率相机在高倍率物镜下拍摄待测芯片上的上表面图像和下表面图像；利用图像融合算法将上表面图像和下表面图像融合为一幅图像，得到具有叠加景深信息的复检图像；利用缺陷分析算法对复检图像进行缺陷分析，识别出目标缺陷图像对应的缺陷类型。本申请提供的方案，能够使用黑白高分辨率相机在低倍率物镜下完成粗检，使用彩色高分辨率相机在高倍率物镜下完成复检，减少了前期获取待分析图像的数据采集成本，提高了整个缺陷分析处理过程的效率。
Description
技术领域
本申请涉及芯片检测技术领域，尤其涉及一种芯片检测方法、电子设备及存储介质。
背景技术
随着各种智能设备的飞速发展，智能设备中的器件小型化发展也成为一大趋势。其中，屏幕所使用的LED芯片与屏幕的分辨率息息相关：在其他条件不变的情况下，LED芯片越小，屏幕的分辨率越高。在此基础上，微米LED芯片应运而生。微米LED尺寸极小，一般只有20-30微米（传统LED芯片：＞1000微米，迷你LED芯片：100-200微米）。
微米LED芯片作为新一代芯片，其对应的检测设备较少，现在通常使用的设备是对迷你LED芯片的检测设备进行改造，通过更换物镜等方式简单提高芯片的放大倍率。其工作原理为：在高倍率物镜下移动样品，通过自动对焦系统完成对样品的对焦，再通过相机扫描完成对样品图像的采集，最后对图像进行算法分析、处理。由于微米LED芯片的尺寸小，制作工艺复杂，因此，其观察难度更高，缺陷种类也更复杂多样，使用该类检测设备具有一定的局限性，主要体现在：
1、对芯片仅进行一次放大检测，相当于对芯片上的所有缺陷进行无差别放大，考虑到不同类型缺陷的特征需要在不同的放大倍数下才有可能被准确识别，这种检测方式会造成部分缺陷的特征显示不明显，导致识别错误或无法识别，从而影响设备过漏检率；
2、对芯片进行高倍率放大，使得拍摄图像的视野存在很大局限，在芯片面积等同的情况下，要得到缺陷图像则需要拍摄更多照片，处理过程复杂，获取分析图像的采集成本提高，也增加了传输和储存数据的负担，导致缺陷分析处理过程效率低下，尤其在缺陷种类繁多且复杂的情况下，进一步降低了缺陷分析处理的效率。
发明内容
为克服相关技术中存在的问题，本申请提供一种芯片检测方法、电子设备及存储介质，该芯片检测方法、电子设备及存储介质能够降低获取分析图像的采集成本，提高缺陷分析处理过程的效率并降低过漏检率。
本申请第一方面提供一种芯片检测方法，包括：
将待测芯片固定在样品放置盘上；
使用黑白高分辨率相机在低倍率物镜下拍摄所述待测芯片的粗检图像；
基于所述粗检图像进行初步缺陷类型分析，得到所述粗检图像中目标缺陷图像的位置信息，所述目标缺陷图像为经过所述初步缺陷类型分析后被分类为不可识别缺陷类型图像的缺陷图像；
利用所述位置信息确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像；
利用缺陷分析算法对所述复检图像进行缺陷分析，识别出所述目标缺陷图像对应的缺陷类型。
在一种实施方式中，所述将待测芯片固定在样品放置盘上之后，包括：
调节角度使所述待测芯片的长短边分别与相机XY轴平行，所述相机包括所述黑白高分辨率相机和所述彩色高分辨率相机。
在一种实施方式中，所述使用黑白高分辨率相机在低倍率物镜下拍摄所述待测芯片的粗检图像，包括：
使用所述黑白高分辨率相机在所述低倍率物镜下对移动中的所述待测芯片进行拍摄，得到所述粗检图像。
在一种实施方式中，所述基于所述粗检图像进行初步缺陷类型分析，得到所述粗检图像中目标缺陷图像的位置信息，包括：
采用深度卷积神经网络算法将所述粗检图像中的缺陷图像分类为可识别缺陷类型图像和不可识别缺陷类型图像；
对所述可识别缺陷类型图像进行缺陷分析算法处理，识别出所述可识别缺陷类型图像对应的缺陷类型；
记录所述不可识别缺陷类型图像的XY轴坐标，所述不可识别缺陷类型图像的XY轴坐标为所述目标缺陷图像的位置信息。
在一种实施方式中，所述利用所述位置信息确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像，包括：
利用所述不可识别缺陷类型图像的XY轴坐标确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像。
在一种实施方式中，所述利用缺陷分析算法对所述复检图像进行缺陷分析，识别出所述目标缺陷图像对应的缺陷类型，包括：
利用所述缺陷分析算法分析所述复检图像中存在的所述目标缺陷图像的缺陷特征，根据所述缺陷特征识别出所述目标缺陷图像对应的缺陷类型。
在一种实施方式中，所述利用所述位置信息确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像，还包括：
使用所述彩色高分辨率相机在所述高倍率物镜下分别拍摄所述待测芯片上所述目标缺陷图像对应的位置的上表面和下表面，得到上表面图像和下表面图像；
利用图像融合算法将所述上面图像和所述下表面图像融合为一幅图像，得到具有所述上表面图像和所述下表面图像叠加景深信息的复检图像。
在一种实施方式中，所述使用黑白高分辨率相机在低倍率物镜下拍摄所述待测芯片的粗检图像之后，包括：
利用鼻轮组将低倍率物镜自动切换为高倍率物镜。
本申请第二方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第三方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
通过使用黑白高分辨率相机在低倍率物镜下拍摄待测芯片的粗检图像，对粗检图像进行初步缺陷类型分析，并记录被分类为不可识别缺陷类型图像的缺陷图像（目标缺陷图像）的位置信息，利用该位置信息确定待测芯片上目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄待测芯片上该目标缺陷图像对应位置的复检图像，再利用缺陷分析算法对该复检图像进行缺陷分析，根据缺陷特征识别出目标缺陷图像对应的缺陷类型。本申请利用粗检完成一次初步缺陷识别，使得一些不需要高精度图像处理的缺陷类型能够被迅速的识别处理，而对于一些需要高精度图像处理的图像（即，目标缺陷图像），在粗检过程中完成对这些缺陷图像的定位，后续使用彩色高分辨率相机进行拍摄时，能够快速且有针对性的对目标缺陷图像进行拍摄，提高了处理的效率。并且，现有技术中，若是都使用彩色高分辨率相机在高倍率物镜的条件下进行拍摄，则拍摄的视野有很大的局限，在待测芯片面积等同的情况下，要得到目标缺陷图像则需要拍摄更多照片，处理过程复杂，而本申请实施例能够使用黑白高分辨率相机在低倍率物镜的条件下完成粗检，大大减少了前期获取待分析图像的数据采集成本，提高了整个缺陷分析处理过程的处理效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的芯片检测方法实施例一的流程示意图；
图2是本申请实施例示出的芯片检测方法实施例二的流程示意图；
图3是本申请实施例示出的芯片检测方法实施例三的流程示意图；
图4是本申请实施例示出的芯片检测方法实施例四的流程示意图；
图5是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。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该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
微米LED芯片作为新一代芯片，其对应的检测设备较少，现在通常使用的设备是对迷你LED芯片的检测设备进行改造，通过更换物镜等方式简单提高芯片的放大倍率。其工作原理为：在高倍率物镜下移动样品，通过自动对焦系统完成对样品的对焦，再通过相机扫描完成对样品图像的采集，最后对图像进行算法分析、处理。由于微米LED芯片的尺寸小，制作工艺复杂，因此，其观察难度更高，缺陷种类也更复杂多样，使用该类检测设备具有一定的局限性，主要体现在：
1、对芯片仅进行一次放大检测，相当于对芯片上的所有缺陷进行无差别放大，考虑到不同类型缺陷的特征需要在不同的放大倍数下才有可能被准确识别，这种检测方式会造成部分缺陷的特征显示不明显，导致识别错误或无法识别，从而影响设备过漏检率；
2、对芯片进行高倍率放大，使得拍摄图像的视野存在很大局限，在芯片面积等同的情况下，要得到缺陷图像则需要拍摄更多照片，处理过程复杂，获取分析图像的采集成本提高，也增加了传输和储存数据的负担，导致缺陷分析处理过程效率低下，尤其在缺陷种类繁多且复杂的情况下，进一步降低了缺陷分析处理的效率。
针对上述问题，本申请实施例提供一种芯片检测方法，能够降低获取分析图像的采集成本，提高缺陷分析处理过程的效率并降低过漏检率。
以下结合附图详细描述本申请实施例的技术方案。
实施例一
图1是本申请实施例示出的芯片检测方法实施例一的流程示意图。
参见图1，本申请实施例中芯片检测方法的实施例一包括：
101、将待测芯片固定在样品放置盘上；
该待测芯片为LED芯片，可以为传统LED芯片、迷你LED芯片或者微米LED芯片，尤其适用于微米LED芯片。
该样品放置盘用于固定待测LED芯片，并能够带动待测LED芯片快速移动，并防止该待测芯片在移动过程中发生移位，即，防止该待测芯片与该样品放置盘发生相对位置变化；该样品放置盘的表面可以用黑色磨砂处理，防止反光影响成像。
在本实施例中，待测芯片的固定方式，可以采用在样品放置盘设置吸盘，磁铁，抓手等形式。
可以理解的是，本申请实施例对芯片固定方式并不限定，可以为任意能够固定待测芯片并方便替换待测芯片的固定方式。
102、使用黑白高分辨率相机在低倍率物镜下拍摄待测芯片的粗检图像；
该黑白高分辨率相机为黑白高分辨率的工业相机，工业相机是机器视觉系统中的一个关键组件，其最本质的功能就是将光信号转变成有序的电信号，具有高图像稳定性、高传输能力和高抗干扰能力。
物镜是由若干个透镜组合而成的一个透镜组，组合使用的目的是为了克服单个透镜的成像缺陷，提高物镜的光学质量，本实施例中，低倍率物镜可放大倍数包括两倍，五倍，十倍以及二十倍，可以根据实际操作中缺陷过漏检率确定具体放大倍数，以更好地满足检出要求，进一步提高检出率和检测效率。
拍摄待测芯片的方式为飞拍，飞拍即为不间断不停留的拍摄移动中的待测物，本实施例中，不同的待测芯片可以相继被放置固定在样品放置盘上，流水线式地跟随样品放置盘移动，并接受飞拍。
工业相机一般具有扫描功能，本实施例中，由于待测芯片处在移动过程中，在相机前停留时间短，因此需要对待测芯片进行高速扫描才能拍摄到相对清晰的芯片图像。而相机可支持的扫描速度与相机帧率有关，帧率越高，可支持的扫描速度越高，黑白高分辨率工业相机通常帧率比较高，因此可支持的扫描速度也更高，飞拍时使用能够拍到相对清晰的图像。
本实施例中，粗检图像为初步拍摄的待测芯片的黑白图像，该图像中包含可以初步识别出缺陷类型的图像和不能初步识别出缺陷类型的图像。
103、基于粗检图像进行初步缺陷类型分析，得到粗检图像中目标缺陷图像的位置信息；
初步缺陷类型分析是利用计算机算法将粗检图像显示的缺陷图像进行分类，识别出计算机算法能够识别出缺陷类型的图像对应的缺陷类型，并标记还不能识别出缺陷类型的图像（即，目标缺陷图像）对应的位置信息（即，XY坐标）。
该缺陷类型包括划痕，污迹，破损，缺角，氧化等。
104、使用彩色高分辨率相机在高倍率物镜下拍摄待测芯片上目标缺陷图像对应的位置的复检图像；
通过目标缺陷图像的XY坐标确定目标缺陷图像对应的位置。
彩色高分辨率相机为彩色高分辨率工业相机，拍摄图像中的色彩因为具有较黑白图像更高的对比度，因此有助于更好地识别缺陷的特征，在计算机算法下更容易识别出缺陷的类型，也更有利于人工对缺陷类型进行复查判断。
本实施例中，高倍率物镜可放大倍数包括五十倍以及一百倍，可以根据实际操作中缺陷过漏检率确定具体放大倍数，以更好地满足检出要求，进一步提高检出率和检测效率。
复检图像为经过初步分析后确认为不可识别缺陷类型图像的彩色图像，在缺陷类型识别时能够从颜色的维度进行分析识别。
105、利用缺陷分析算法对复检图像进行缺陷分析，识别出目标缺陷图像对应的缺陷类型；
该缺陷分析算法可以为图像变换算法，图像增强算法，纹理分析算法，图像分割算法，特征分析算法，表面缺陷目标识别算法等。
可以理解的是，本申请实施例对缺陷分析算法并不限定，可以为任意有助于缺陷类型分析识别的算法。
此处的缺陷类型也同样包括划痕，污迹，破损，缺角，氧化等，但有可能因为大小、形态、颜色等各方面因素造成部分该类缺陷类型的图像在粗检图像中的特征显示不完全或不清楚，导致在初步分析中无法识别出缺陷类型或识别错误，因此需要在复检图像中进一步确认和识别。
从上述实施例一可以得到以下有益效果：
通过使用黑白高分辨率相机在低倍率物镜下拍摄待测芯片的粗检图像，对粗检图像进行初步缺陷类型分析，并记录被分类为不可识别缺陷类型图像的缺陷图像（目标缺陷图像）的位置信息，利用该位置信息确定待测芯片上目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄待测芯片上该目标缺陷图像对应的位置的复检图像，再利用缺陷分析算法对该复检图像进行缺陷分析，根据缺陷特征识别出目标缺陷图像对应的缺陷类型。本实施例利用粗检完成一次初步缺陷识别，使得一些不需要高精度图像处理的缺陷类型能够被迅速的识别处理，而对于一些需要高精度图像处理的图像（即，目标缺陷图像），在粗检过程中完成对这些缺陷图像的定位，后续使用彩色高分辨率相机进行拍摄时，能够快速且有针对性的对目标缺陷图像进行拍摄，提高了处理的效率。并且，现有技术中，若是都使用彩色高分辨率相机在高倍率物镜的条件下进行拍摄，则拍摄的视野有很大的局限，在待测芯片面积等同的情况下，要得到目标缺陷图像则需要拍摄更多照片，处理过程复杂，而本申请实施例能够使用黑白高分辨率相机在低倍率物镜的条件下完成粗检，大大减少了前期获取待分析图像的数据采集成本，提高了整个缺陷分析处理过程的处理效率。
实施例二
为了便于理解，以下提供了芯片检测方法的一个实施例进行说明，在上述实施例一中，将待测芯片固定在样品放置盘上之后，还需要对待测芯片放置角度进行调整并完成对焦操作，以保证后续拍摄图像的效果。
图2是本申请实施例示出的芯片检测方法实施例二的流程示意图。
参见图2，本申请实施例中芯片检测方法的实施例二包括：
201、调整待测芯片的放置角度；
调节角度使待测芯片的长短边分别与相机XY轴平行，可以是待测芯片的长边与相机X轴平行，短边与相机Y轴平行，也可以是待测芯片的短边与相机X轴平行，长边与相机Y轴平行。该X轴为平面直角坐标中的横轴，Y轴为平面直角坐标系中的纵轴。
可使用XY方向水平移动模组进行角度调节，XY方向即为该X轴、Y轴方向。本实施例中，XY方向水平移动模组可以为直线电机，行程为250毫米至350毫米，可以为300毫米，精度为15微米至25微米，可以为20微米。
可以理解的是，XY方向水平移动模组仅为调节待测芯片水平角度的一种方式，亦可使用其他行进方向的模组，其他行程范围的模组，其他精度范围的模组，其他模组组合方式或其他装置对待测芯片进行角度调节，此处不做限定。
在调节待测芯片角度时，由于待测芯片已经固定在样品放置盘上，因此，待测芯片与样品放置盘并不会发生相对位置的移动，本实施例中，样品放置盘设置在XY方向水平移动模组上，通过XY方向水平移动模组在水平方向上的移动带动样品放置盘在水平方向上移动，进而带动样品放置盘上的待测芯片在水平方向上移动，以完成角度调节。
相机包括黑白高分辨率相机和彩色高分辨率相机，即在拍摄粗检图像和复检图像前都需要进行待测芯片的角度调节，以满足待测芯片的长短边分别与相机XY轴平行。
202、对待测芯片进行对焦操作；
本实施例中，对焦操作可通过Z向小行程精密微调模组和Z向大行程粗调模组进行，对Z向小行程精密微调模组和Z向大行程粗调模组进行初始化，在本实施例中，初始化为先通过Z向大行程粗调模组将对焦装置移动到预设位置对待测芯片进行初步对焦，再通过设置在对焦装置上的Z向小行程精密微调模组对待测芯片进行精确对焦，保证待测芯片的对焦清晰位置在Z向小行程精密微调模组的中间位置，Z向为Z轴的方向，该Z轴为空间直角坐标系中垂直于X轴和Y轴形成的平面的轴。
其中，以上精确对焦是通过对焦装置投射出红外激光，该红外激光到达待测芯片后返回该对焦装置，该对焦装置处理激光信息后判断对焦情况，并发出信号控制Z向小行程精密微调模组完成对焦。
以上Z向小行程精密微调模组可以为五相步进电机，行程为5毫米至15毫米，可以为10毫米，精度为0.2微米至0.5微米，可以为0.3微米。
以上Z向大行程粗调模组可以为直线电机，行程为90毫米至110毫米，可以为100毫米，精度为15微米至25微米，可以为20微米。
可以理解的是，对待测芯片进行对焦操作可以有多种方式，本实施例仅为其中一种示例，事实上，还可以采用其他行进方向的模组，其他行程范围的模组，其他精度范围的模组，其他模组组合方式或其他装置对待测芯片进行对焦，也可以采用反差对焦或相位对焦等方式对待测芯片进行对焦，此处不做限定。
从上述实施例二可以得到以下有益效果：
将待测芯片固定在样品放置盘上之后，通过XY方向水平移动模组带动样品放置盘在水平方向上移动，该样品放置盘带动待测芯片在水平方向上移动，调节角度使待测芯片的长短边分别与相机XY轴平行，以便后续进行粗检和复检图像拍摄时，能够拍摄到规整方正的图像，相比那些没有进行角度调节就拍摄的图像，实施本实施例后再拍摄的图像能够避免拍摄图像缺角导致遗漏缺陷图像的问题，也能避免拍摄的粗检图像与复检图像歪斜角度不一致造成后续缺陷识别对比的不便，有助于后续缺陷类型的识别，提高检测效率和检出率。
同时，通过Z向大行程粗调模组带动对焦装置移动到预设位置进行初步对焦，再通过对焦装置投射出红外激光，该红外激光到达待测芯片后返回该对焦装置，该对焦装置处理激光信息后判断对焦情况，并发出信号控制Z向小行程精密微调模组完成对焦。由于对焦操作能够调整待测芯片在相机中成像的清晰度，相比未进行对焦操作所形成的成像，对焦操作能够形成更多种清晰度下的成像以供拍摄，在未进行对焦操作所形成的成像的参照下，对焦操作时能够排除比未对焦成像清晰度更低的图像，保留相对清晰度较高的成像进行相机拍摄，有助于后续对拍摄图像中的缺陷图像进行分析识别。
实施例三
为了便于理解，以下提供了芯片检测方法的一个实施例进行说明，在上述实施例一中，基于粗检图像进行初步缺陷类型分析，需要将粗检图像中的缺陷图像进行分类，并对不同类别的图像做不同的处理。
图3是本申请实施例示出的芯片检测方法实施例三的流程示意图。
参见图3，本申请实施例中芯片检测方法的实施例三包括：
301、对粗检图像中的缺陷图像进行分类；
采用深度卷积神经网络算法对粗检图像中的缺陷图像进行分类，分类为可识别缺陷类型图像和不可识别缺陷类型图像。
深度卷积神经网络算法是一类包含卷积计算且具有深度结构的前馈神经网络算法，能够按其阶层结构对输入信息进行平移不变分类，能够以较小的计算量对格点化特征，例如像素和音频进行学习，且有稳定的学习效果。
可以理解的是，深度卷积神经网络算法包含众多算法模型，本实施例中，可采用任意一种算法模型，此处不做限定。
可识别缺陷类型图像为深度卷积神经网络算法对粗检图像中的缺陷图像进行特征识别后可以确认缺陷类型的图像。
不可识别缺陷类型图像为深度卷积神经网络算法对粗检图像中的缺陷图像进行特征识别后不能确认缺陷类型的图像。
特征识别的依据包括形态、大小、颜色、灰度值等。
302、对可识别缺陷类型图像进行缺陷分析算法处理，识别出可识别缺陷类型图像对应的缺陷类型；
利用缺陷分析算法对可识别缺陷类型图像的缺陷特征进行分析，确认可识别缺陷类型图像对应的缺陷类型。
303、记录不可识别缺陷类型图像的XY轴坐标，确认目标缺陷图像的位置信息；
将不可识别缺陷类型图像确认为目标缺陷图像，则不可识别缺陷类型图像的XY轴坐标即为目标缺陷图像的位置信息。
从上述实施例三可以得到以下有益效果：
通过采用深度卷积神经网络算法将粗检图像中的缺陷图像分类，将可识别缺陷类型图像优先检出，并将不可识别缺陷类型图像确认为目标缺陷，同时记录该不可识别缺陷类型图像（目标缺陷图像）的位置信息。本实施例一方面利用粗检完成一次初步缺陷识别，使得后续需要处理的缺陷图像数量减少，减轻后续处理的压力，另一方面，在粗检过程中完成对目标缺陷图像的定位，有助于后续有针对性的对特定缺陷（目标缺陷）图像进行拍摄检测，节约了后续采集图像的时间成本，提高了缺陷处理的效率。
实施例四
为了便于理解，以下提供了芯片检测方法的一个实施例进行说明，在上述实施例一，由于使用彩色高分辨率相机在高倍率物镜下拍摄目标缺陷图像的复检图像时，在高倍率物镜下会造成拍摄图像景深变小的情况，需要采用图像融合的方式加以改善。
图4是本申请实施例示出的芯片检测方法实施例四的流程示意图。
参见图4，本申请实施例中芯片检测方法的实施例四包括：
401、使用彩色高分辨率相机在高倍率物镜下分别拍摄待测芯片上目标缺陷图像对应的位置的上表面和下表面，得到上表面图像和下表面图像；
上表面图像和下表面图像拍摄所使用的高倍率物镜放大倍数需要保持一致。
402、利用图像融合算法将上表面图像和下表面图像融合为一幅图像，得到具有上表面图像和下表面图像叠加景深信息的复检图像；
图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性。
图像融合算法可以为逻辑滤波法，灰度加权平均法，金字塔分解融合法，小波变换法等，可以理解的是，本申请实施例对图像融合算法并不限定，可以为任意能够将两幅图像融合为一幅图像的算法。
景深是指在镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。在聚焦完成后，焦点前后的范围内所呈现的清晰图像的距离，这一前一后的范围，便叫做景深。
当拍摄待测芯片上目标缺陷图像对应位置的复检图像时，由于放大倍数高，图像的景深会变小，如果该景深小于待测芯片上下表面之间的距离，则待测芯片上目标缺陷图像对应位置的上表面和下表面就无法在同一幅图像上清晰成像。因此，需要分别拍摄待测芯片上目标缺陷图像对应位置的上表面图像和下表面图像，将两者融合处理形成复检图像。
在本实施例中，当将待测芯片上目标缺陷图像对应位置的上表面图像和下表面图像进行融合时，能够相互弥补对方在景深的缺失，使得融合后的复检图像具有比单一上表面图像或下表面图像更大的景深。
从上述实施例四可以得到以下有益效果：
通过拍摄待测芯片上目标缺陷图像对应位置的上表面图像和下表面图像，并利用图像融合算法将两张图像融合为一幅图像，得到具有更大景深的复检图像。由于在高倍率物镜下拍摄的图像景深变小，当该景深小于待测芯片上下表面之间的距离时，待测芯片的上表面和下表面就无法在同一幅图像上清晰成像，可能造成复检图像中的目标缺陷图像缺失。本实施例中待测芯片上目标缺陷图像对应位置的上表面图像和下表面图像互为对方的缺失景深图像，因此将两者融合后，能够弥补对方缺失的景深信息，得到具有更大景深的复检图像，避免了可能的缺陷缺失，提高了复检图像中目标缺陷的检出率。
实施例五
与前述应用功能实现方法实施例相对应，本申请还提供了一种芯片检测方法的电子设备及相应的实施例。
图5是本申请实施例示出的电子设备的结构示意图。
参见图5，电子设备1000包括存储器1010和处理器1020。
处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM），和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等等）、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和系统并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种非暂时性机器可读存储介质（或计算机可读存储介质、或机器可读存储介质），其上存储有可执行代码（或计算机程序、或计算机指令代码），当所述可执行代码（或计算机程序、或计算机指令代码）被电子设备（或电子设备、服务器等）的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，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包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (9)
1.一种芯片检测方法，其特征在于：
将待测芯片固定在样品放置盘上；
使用黑白高分辨率相机在低倍率物镜下拍摄所述待测芯片的粗检图像；
基于所述粗检图像进行初步缺陷类型分析，得到所述粗检图像中目标缺陷图像的位置信息，所述目标缺陷图像为经过所述初步缺陷类型分析后被分类为不可识别缺陷类型图像的缺陷图像；
利用所述位置信息确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像；
所述利用所述位置信息确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像，还包括：
使用所述彩色高分辨率相机在所述高倍率物镜下分别拍摄所述待测芯片上所述目标缺陷图像对应的位置的上表面和下表面，得到上表面图像和下表面图像；
利用图像融合算法将所述上表面图像和所述下表面图像融合为一幅图像，得到具有所述上表面图像和所述下表面图像叠加景深信息的复检图像；
利用缺陷分析算法对所述复检图像进行缺陷分析，识别出所述目标缺陷图像对应的缺陷类型。
2.根据权利要求1所述的一种芯片检测方法，其特征在于：所述将待测芯片固定在样品放置盘上之后，包括：
调节角度使所述待测芯片的长短边分别与相机XY轴平行，所述相机包括所述黑白高分辨率相机和所述彩色高分辨率相机。
3.根据权利要求1所述的一种芯片检测方法，其特征在于：所述使用黑白高分辨率相机在低倍率物镜下拍摄所述待测芯片的粗检图像，包括：
使用所述黑白高分辨率相机在所述低倍率物镜下对移动中的所述待测芯片进行拍摄，得到所述粗检图像。
4.根据权利要求1所述的一种芯片检测方法，其特征在于：所述基于所述粗检图像进行初步缺陷类型分析，得到所述粗检图像中目标缺陷图像的位置信息，包括：
采用深度卷积神经网络算法将所述粗检图像中的缺陷图像分类为可识别缺陷类型图像和不可识别缺陷类型图像；
对所述可识别缺陷类型图像进行缺陷分析算法处理，识别出所述可识别缺陷类型图像对应的缺陷类型；
记录所述不可识别缺陷类型图像的XY轴坐标，所述不可识别缺陷类型图像的XY轴坐标为所述目标缺陷图像的位置信息。
5.根据权利要求4所述的一种芯片检测方法，其特征在于：所述利用所述位置信息确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像，包括：
利用所述不可识别缺陷类型图像的XY轴坐标确定所述待测芯片上所述目标缺陷图像对应的位置，使用彩色高分辨率相机在高倍率物镜下拍摄所述待测芯片上所述目标缺陷图像对应的位置的复检图像。
6.根据权利要求1所述的一种芯片检测方法，其特征在于：所述利用缺陷分析算法对所述复检图像进行缺陷分析，识别出所述目标缺陷图像对应的缺陷类型，包括：
利用所述缺陷分析算法分析所述复检图像中存在的所述目标缺陷图像的缺陷特征，根据所述缺陷特征识别出所述目标缺陷图像对应的缺陷类型。
7.根据权利要求1所述的一种芯片检测方法，其特征在于：
所述使用黑白高分辨率相机在低倍率物镜下拍摄所述待测芯片的粗检图像之后，包括：
利用鼻轮组将低倍率物镜自动切换为高倍率物镜。
8.一种电子设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。
9.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110489480.2A CN112881419B (zh) | 2021-05-06 | 2021-05-06 | 芯片检测方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110489480.2A CN112881419B (zh) | 2021-05-06 | 2021-05-06 | 芯片检测方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112881419A true CN112881419A (zh) | 2021-06-01 |
| CN112881419B CN112881419B (zh) | 2024-01-30 |
Family
ID=76040127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110489480.2A Active CN112881419B (zh) | 2021-05-06 | 2021-05-06 | 芯片检测方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112881419B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113884497A (zh) * | 2021-09-09 | 2022-01-04 | 上海深视信息科技有限公司 | 一种基于复合光源的fpca飞拍检测方法 |
| CN116183614A (zh) * | 2023-03-27 | 2023-05-30 | 广东荣旭智能技术有限公司 | 一种壳体外观检测方法 |
| CN116698860A (zh) * | 2023-08-08 | 2023-09-05 | 山东鲁地源天然药物有限公司 | 基于图像处理实现批量实心根类中药切片质量分析的方法 |
| CN117129029A (zh) * | 2023-10-26 | 2023-11-28 | 昂坤视觉(北京)科技有限公司 | 一种芯片检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010079474A1 (en) * | 2009-01-11 | 2010-07-15 | Brightview Systems Ltd | A system and method for thin film quality assurance |
| CN107209125A (zh) * | 2015-01-21 | 2017-09-26 | 科磊股份有限公司 | 以聚焦体积方法的晶片检验 |
| CN109765242A (zh) * | 2019-01-15 | 2019-05-17 | 南京信息工程大学 | 一种高检测效率高分辨率的光滑表面质量测量装置及方法 |
| CN109856156A (zh) * | 2019-01-22 | 2019-06-07 | 武汉精立电子技术有限公司 | 一种基于aoi的显示面板微小缺陷判定方法与装置 |
| CN111213045A (zh) * | 2017-06-14 | 2020-05-29 | 康特科技公司 | 自动缺陷分类 |
-
2021
- 2021-05-06 CN CN202110489480.2A patent/CN112881419B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010079474A1 (en) * | 2009-01-11 | 2010-07-15 | Brightview Systems Ltd | A system and method for thin film quality assurance |
| CN107209125A (zh) * | 2015-01-21 | 2017-09-26 | 科磊股份有限公司 | 以聚焦体积方法的晶片检验 |
| CN111213045A (zh) * | 2017-06-14 | 2020-05-29 | 康特科技公司 | 自动缺陷分类 |
| CN109765242A (zh) * | 2019-01-15 | 2019-05-17 | 南京信息工程大学 | 一种高检测效率高分辨率的光滑表面质量测量装置及方法 |
| CN109856156A (zh) * | 2019-01-22 | 2019-06-07 | 武汉精立电子技术有限公司 | 一种基于aoi的显示面板微小缺陷判定方法与装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113884497A (zh) * | 2021-09-09 | 2022-01-04 | 上海深视信息科技有限公司 | 一种基于复合光源的fpca飞拍检测方法 |
| CN113884497B (zh) * | 2021-09-09 | 2023-03-14 | 上海深视信息科技有限公司 | 一种基于复合光源的fpca飞拍检测方法 |
| CN116183614A (zh) * | 2023-03-27 | 2023-05-30 | 广东荣旭智能技术有限公司 | 一种壳体外观检测方法 |
| CN116183614B (zh) * | 2023-03-27 | 2024-02-09 | 广东荣旭智能技术有限公司 | 一种壳体外观检测方法 |
| CN116698860A (zh) * | 2023-08-08 | 2023-09-05 | 山东鲁地源天然药物有限公司 | 基于图像处理实现批量实心根类中药切片质量分析的方法 |
| CN116698860B (zh) * | 2023-08-08 | 2023-10-27 | 山东鲁地源天然药物有限公司 | 基于图像处理实现批量实心根类中药切片质量分析的方法 |
| CN117129029A (zh) * | 2023-10-26 | 2023-11-28 | 昂坤视觉(北京)科技有限公司 | 一种芯片检测方法及系统 |
| CN117129029B (zh) * | 2023-10-26 | 2024-01-05 | 昂坤视觉(北京)科技有限公司 | 一种芯片检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112881419B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112881419B (zh) | 芯片检测方法、电子设备及存储介质 | |
| US5943551A (en) | Apparatus and method for detecting defects on silicon dies on a silicon wafer | |
| JP4061289B2 (ja) | 画像検査方法及び装置 | |
| JP3522280B2 (ja) | ボールボンド検査システム用の方法および装置 | |
| US20120120221A1 (en) | Body Fluid Analyzing System and an Imaging Processing Device and Method for Analyzing Body Fluids | |
| JPH02170279A (ja) | 被検査対象パターンの欠陥検出方法及びその装置 | |
| US20120249770A1 (en) | Method for automatically focusing a microscope on a predetermined object and microscope for automatic focusing | |
| CN111474179A (zh) | 镜片表面清洁度检测装置及方法 | |
| CN116223519A (zh) | 晶圆检测设备、检测方法、系统及可读存储介质 | |
| JP2004354250A (ja) | 欠陥検査装置 | |
| CN113112396B (zh) | 导电粒子的检测方法 | |
| CN112833821B (zh) | 高密度ic焊点的微分几何立体微视觉检测系统及方法 | |
| CN112834528A (zh) | 3d缺陷检测系统及方法 | |
| JP2000283929A (ja) | 配線パターン検査方法及びその装置 | |
| WO2014088605A1 (en) | Sub-pixel imaging for enhanced pixel resolution | |
| US7684610B2 (en) | Rotating prism component inspection system | |
| JP2005315792A (ja) | 欠陥検査分類装置 | |
| CN114071133A (zh) | 半导体芯片检测图像成像方法 | |
| CN208623750U (zh) | 智能工业相机 | |
| CN113204107A (zh) | 一种具有双物镜的三维扫描显微镜及三维扫描方法 | |
| JP3488762B2 (ja) | 画像処理装置及び画像処理方法 | |
| CN112649444A (zh) | 半导体元件内部影像信息检测方法 | |
| JPH06308040A (ja) | 異物検査装置 | |
| CN116046791B (zh) | 点胶缺陷检测方法及检测装置 | |
| CN117890380B (zh) | 一种芯片外观缺陷检测方法及检测装置 |
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 |
Address after: 215163 rooms 101, 102, 901 and 902, floor 1, building 11, 198 Jialingjiang Road, high tech Zone, Suzhou City, Jiangsu Province Applicant after: Gaoshi Technology (Suzhou) Co.,Ltd. Address before: 516000 west side of the fourth floor, building CD, science and technology entrepreneurship center, No.2, South Huatai Road, Huinan hi tech Industrial Park, huiao Avenue, Huicheng District, Huizhou City, Guangdong Province Applicant before: HUIZHOU GOVION TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 215129 Rooms 101, 102, 901, 902, Floor 9, Building 11, No. 198, Jialing River Road, High tech Zone, Suzhou City, Jiangsu Province Applicant after: Gaoshi Technology (Suzhou) Co.,Ltd. Address before: 215163 rooms 101, 102, 901 and 902, floor 1, building 11, 198 Jialingjiang Road, high tech Zone, Suzhou City, Jiangsu Province Applicant before: Gaoshi Technology (Suzhou) Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |