CN113012120B - 灰度值有效性分析方法、装置、电子设备以及存储介质 - Google Patents
灰度值有效性分析方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113012120B CN113012120B CN202110254919.3A CN202110254919A CN113012120B CN 113012120 B CN113012120 B CN 113012120B CN 202110254919 A CN202110254919 A CN 202110254919A CN 113012120 B CN113012120 B CN 113012120B
- Authority
- CN
- China
- Prior art keywords
- gray scale
- gnd
- target
- gray
- reference blocks
- 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
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
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种灰度值有效性分析方法、装置、电子设备以及存储介质,其中的方法包括:获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;其中:灰度表征了裸片对应位置的测试点接受到电子束照射时的实际扫描结果;其中的至少部分参考区块为GND参考区块;所述实际扫描结果用于描述对应测试点实测的电连接状态;根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息;根据所述目标差异信息,确定所述目标测试点的电连接状态;本发明提高了测试结果的精确度。
Description
技术领域
本发明涉及集成电路技术领域,尤其涉及一种灰度值有效性分析方法、装置、电子设备以及存储介质。
背景技术
在集成电路产业链中,集成电路测试是贯穿集成电路生产与应用全过程的重要步骤。一片晶圆在生产周期中,大约要经过数十甚至上百道不同工序,在整个制造过程中任何一个工艺步骤上的偏差都将会对成品率造成影响,为保证裸芯片的良品率,可对裸芯片进行晶圆测试,并对测试结果进行分析,进而对生产工艺进行调整。
对晶圆进行测试的过程中,包括对晶圆上待测点的电学测量,用灰度值来表示对应待测点的电学测量结果,在现有技术中,通常有两种方法来分析晶圆上待测点的灰色值:
1)直接比较待测点的灰度值与给定规范,如果该灰度值大于给定规范,则待测点将被视为ON,如果该灰度值小于给定规范,则待测点将被视为OFF。
2)通过晶圆与晶圆之间的比较,即对比不同晶圆上同一个待测点的灰度值,以实现晶圆上待测点的灰度值进行分析。
但是,现有技术中,得到的灰度值易受到环境、设备等的影响,进而使得灰度值分析结果不够精确,同时效率过低。
发明内容
本发明提供一种灰度值有效性分析方法、装置、电子设备以及存储介质,以解决测试结果不够精确的问题。
根据本发明的第一方面,提供了一种灰度值有效性分析方法,包括:
获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;其中:所述参考区块的灰度表征了裸片对应位置的参考测试点接受到电子束照射时的实际扫描结果;所述目标区块的灰度表征了裸片对应位置的目标测试点接受到电子束照射时的实际扫描结果;其中的至少部分参考区块为GND参考区块,所述GND参考区块对应的参考测试点为GND点;所述实际扫描结果用于描述对应测试点实测的电连接状态;
根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;其中的N大于1;所述GND灰度模拟信息表征了GND模拟灰度与位置的量化关系;
根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息;
根据所述目标差异信息,确定所述目标测试点的电连接状态。
可选的,根据离散的N个参考区块的灰度,模拟参考区块的灰度随位置的连续变化,得到灰度模拟信息之前,还包括:
在所述多个参考区块中,筛除处于所述目标灰度图中边缘位置的参考区块,得到剩余的M个参考区块,其中的M大于或等于N;
在所述M个参考区块中,确定所述N个参考区块。
可选的,在所述M个参考区块中,确定所述N个参考区块,包括:
在所述M个参考区块中,去除灰度异常值的参考区块,得到所述N个参考区块。
可选的,在所述M个参考区块中,去除灰度异常值的参考区块,得到所述N个参考区块,包括:
采用局部离群因子法,去除灰度异常值的参考区块,得到所述N个参考区块。
可选的,所述GND灰度模拟信息是通过目标回归模型表征的;
根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息,包括:
根据离散的所述N个参考区块的灰度,确定所述目标回归模型的参数。
可选的,所述目标回归模型表征为:
G(x,y)=a0*x3+a1*y3+a2*x2*y+a3*y2*x+a4*x2+a5*y2+a6*x*y+a7*x+a8*y
其中,
自变量x,y表示了所述目标灰度图的图像坐标系下的位置;
因变量G(x,y)表示了对应位置的GND模拟灰度;
a0、a1、a2、a3、a4、a5、a6、a7、a8为所述参数。
可选的,部分参考测试点为FLT参考测试点;
根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息之后,还包括:
根据离散的FLT参考区块的灰度,模拟FLT参考区块的灰度随位置的连续变化,得到所述FLT灰度模拟信息;
根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息,具体包括:
根据所述目标区块的灰度、匹配位置的GND模拟灰度以及FLT模拟灰度,确定所述目标差异信息。
可选的,所述目标差异信息匹配于:
其中,
GFLT表示了匹配位置的FLT模拟灰度,
GGND表示了匹配位置的FLT模拟灰度;
GDUT表征了对应目标区块的灰度;
可选的,根据所述目标差异信息,确定所述目标测试点的电连接状态之后,还包括;
根据所述目标测试点的电连接状态与对应的预期电连接状态,确定所述裸片的测试分析结果。
根据本发明第二方面,提供了一种灰度值有效性分析装置,包括:
灰度获取模块,用于获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;其中:所述参考区块的灰度表征了裸片对应位置的参考测试点接受到电子束照射时的实际扫描结果;所述目标区块的灰度表征了裸片对应位置的目标测试点接受到电子束照射时的实际扫描结果;其中的至少部分参考区块为GND参考区块,所述GND参考区块对应的参考测试点为GND点;所述实际扫描结果用于描述对应测试点实测的电连接状态;
模拟信息确认模块,用于根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;其中的N大于1;所述GND灰度模拟信息表征了GND模拟灰度与位置的量化关系;
差异确定模块,用于根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息;
连接状态确定模块,用于根据所述目标差异信息,确定所述目标测试点的电连接状态。
根据本发明第三方面,提供了一种电子设备,包括,处理器与存储器,
所述存储器,用于存储代码和相关数据;
所述处理器,用于执行所述存储器中的代码用以实现本发明第一方面及其可选方案所述的方法。
根据本发明第四方面,提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面及其可选方案所述的方法。
本发明提供了一种灰度值有效性分析方法、装置、电子设备以及存储介质,采用参考区块的灰度来模拟裸片的灰度分布,即GND灰度模拟信息,并用GND灰度模拟信息所体现的GND模拟灰度作为验证目标测试点的电连接状态的标准,充分考虑了由于测试环境、测试设备等的差异,造成的目标测试点对应的目标区块的灰度的测量误差,提高了测试结果的精确度。
本发明的可选方案中,在模拟参考区块的灰度随位置的连续变化之前,筛除处于目标灰度图中边缘位置的参考区块,提高了分析结果的精确度。
本发明的可选方案中,在模拟参考区块的灰度随位置的连续变化之前,去除灰度异常值的参考区块,进一步提高了分析结果的精确度。
本发明的可选方案中,将目标差异信息进行了归一化的处理,使得分析结果更加直观,有利于后续与对应的预期电连接状态的比对。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中灰度值有效性分析方法的流程示意图一;
图2是本发明一实施例中灰度值有效性分析方法的流程示意图二;
图3是本发明一实施例中参考区块的灰度图一;
图4是本发明一实施例中步骤S106的流程示意图;
图5是本发明一实施例中步骤S1061的流程示意图;
图6是本发明一实施例中参考区块的灰度图二;
图7是本发明一实施例中步骤S102的流程示意图;
图8是本发明一实施例中GND灰度模拟信息形成的灰度图;
图9是本发明一实施例中GND灰度模拟信息形成的灰度等高线图;
图10是本发明一实施例中灰度值有效性分析方法的流程示意图三;
图11是本发明一实施例中灰度值有效性分析装置的程序模块示意图一;
图12是本发明一实施例中灰度值有效性分析装置的程序模块示意图二;
图13是本发明一实施例中灰度处理模块205的程序模块示意图;
图14是本发明一实施例中电子设备的构造示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明实施例所提供的灰度值有效性分析方法、装置可应用于任意对具有数据处理能力的终端或服务器,其电学测试设备的一部分,也可以是电学测试设备直接或间接通讯的终端或服务器。
请参考图1,灰度值有效性分析方法,包括:
S101:获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;
其中:所述参考区块的灰度表征了裸片对应位置的参考测试点接受到电子束照射时的实际扫描结果;所述目标区块的灰度表征了裸片对应位置的目标测试点接受到电子束照射时的实际扫描结果;其中的扫描,也可理解为成像,进而可得到原始灰度图,目标灰度图可以是原始灰度图,也可以是对原始灰度图进行各种处理(例如滤波、修正、裁剪等)后得到的,其中的至少部分参考区块为GND参考区块,所述GND参考区块对应的参考测试点为GND点;所述实际扫描结果用于描述对应测试点实测的电连接状态;
其中,在接受到电子束入射时,裸片至少部分位置可形成二次电子,进而,扫描结果得到的灰度图可形成对应的亮暗分布。对应扫描位置的电连接状态不同时,所产生的亮暗情况通常也是不同的,其中的电连接状态包括连通状态与断开状态,通常来说,若为连通状态,则其对应区块是亮的,若为断开状态,则其对应区块是暗的。对于GND点,其通常是连通的,故而,灰度图中对应位置通常是亮的。
此外,其中的测试点也可表征为pad,进而,GND点也可表征为GND pad。后文所提及的FLT点也可表征为FLT pad,目标测试点也可表征为目标pad。
S102:根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;
其中的N大于1;所述GND灰度模拟信息表征了GND模拟灰度与位置(具体可以指在目标灰度图的图像坐标系下的位置)的量化关系;
S103:根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息;
其中的匹配位置可以为目标区块的位置区域,也可以是目标区块的位置区域中的一个点(例如中心点,但也不限于此)。
匹配区域的GND模拟灰度可以指位置区域内所有GND模拟灰度的集合,也可以是匹配区域内所有GND模拟灰度的统计值(例如平均值、中位数),还可以是位置区域内任一点的GND模拟灰度。
目标区块的灰度可以为目标区块内灰度的统计值(例如平均值、中位数),也可以为目标区块中的任一个点的灰度。
S104:根据所述目标差异信息,确定所述目标测试点的电连接状态。
其中,目标灰度图可对应裸片部分区域的灰度,也可对应于裸片全部区域的灰度,可根据具体需求进行选择。
其中,GND点可以理解为裸片上接地的点,GND点的位置是已知的,进而可以根据GND点的在裸片上的位置,对应找出目标灰度图中参考区块的位置以及灰度值。
其中的GND灰度模拟信息可以根据离散的N个GND参考区块的灰度进行建立回归模型,例如多项式回归模型,进而模拟得到;也可以对数据进行网格化处理等,只要是能实现灰度随位置的连续变化的方式,均包含在本发明的保护范围之内。
其中的目标差异信息可以通过计算目标区块的灰度与同一位置GND灰度模拟信息的差值、比值、百分比变化率得到,也可以通过目标区块的灰度与同一位置GND灰度模拟信息的图像、建模等方式表征。
以上实施方式以及后文中,任意区块的灰度可以理解为区块中每个坐标点的灰度组成的灰度集合,也可以理解为区块中一个点(例如中心点)的灰度,还可以理解为区块的灰度的统计值(例如平均值、中位数),可见区块的灰度,可以表征为一个数据,还可以表征为多个数据。
步骤S102中,根据离散的GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,可以理解为,采用GND灰度模拟信息来描述目标灰度图中灰度的分布趋势,将得到的灰度分布趋势作为目标区块的灰度的基准;
对应的,步骤S103中,目标差异信息的计算过程,可以看作是,将目标区块中表征测试环境、测试设备等的灰度变化趋势去除,得到仅包括目标区块的灰度特征信息的目标差异信息,进而通过目标差异信息,确定目标测试点的电连接状态。
采用参考区块的灰度来模拟裸片的灰度分布,即GND灰度模拟信息,并用GND灰度模拟信息所体现的GND模拟灰度作为验证目标测试点的电连接状态的标准,充分考虑了由于测试环境、测试设备等的差异,造成的目标测试点对应的目标区块的灰度的测量误差,提高了测试结果的精确度。
请参考图2,一种实施方式中,步骤S102之前,还包括:
S105:在所述多个参考区块中,筛除处于所述目标灰度图中边缘位置的参考区块,得到剩余的M个参考区块,其中的M大于或等于N;
S106:在所述M个参考区块中,确定所述N个参考区块。
请参考图3,根据参考区块的灰度,生成了对应的离散灰度图像,图3中(和图6、8、9)中,位于图像下边缘和左边缘的数字,表示了参考区块的位置坐标,位于图像右边缘的数据表示了不同大小的灰度对应于不同的颜色,图像中的未完全表示出所有的颜色。
由图3可以看出:
当目标灰度图像对应于整个裸片的灰度时,处于所述目标灰度图中边缘位置的参考区块对应于裸片的边缘部分,裸片的边缘一般不包含关键的目标测试点,使得二次电子的扫描结果与中间区域差异过大,进而在目标灰度图中,处于边缘位置(可例如图3中的上、下、左、右边缘)的灰度值与中间区域的灰度值差异过大,影响灰度分析;
可见,在步骤S105中,筛除处于所述目标灰度图中边缘位置的参考区块,可以使得最终的分析结果更加精确。
请参考图4,一种实施方式中,步骤S106,包括:
S1061:在所述M个参考区块中,去除灰度异常值的参考区块,得到所述N个参考区块。
以上实施方式中,在M个参考区块中,去除了灰度异常值的参考区块,即明显的离群点,得到N个参考区块,可以使得参与后续分析的参考区块的灰度更加精确,进而使得得到的目标测试点的点连接状态更加精确。
请参考图5,一种实施方式中,步骤S1061,包括:
S10611:采用局部离群因子法,去除灰度异常值的参考区块,得到所述N个参考区块。
局部离群因子法是一种基于密度的方法,如果一个点的密度大于它的邻居的密度,它可能是一个离群点。以上实施方式中,使用局部离群因子法(Local OutlierFactor,LOF)去除灰度异常值的参考区块,可例如设置最近邻的数目为15。
图6为灰度异常值的检测结果,圆圈处的区块即为要去除的灰度异常的参考区块。
请参考图7,一种实施方式中,所述GND灰度模拟信息是通过目标回归模型表征的;
步骤S102,包括:
S1021:根据离散的所述N个GND参考区块的灰度,确定所述目标回归模型的参数。
一种实施方式中,所述目标回归模型表征为:
G(x,y)=a0*x3+a1*y3+a2*x2*y+a3*y2*x+a4*x2+a5*y2+a6*x*y+a7*x+a8*y;
其中,
自变量x,y表示了所述目标灰度图的图像坐标系下的位置;
因变量G(x,y)表示了对应位置的GND模拟灰度;
a0、a1、a2、a3、a4、a5、a6、a7、a8为所述参数。
请参考图8至9,图8为采用上述目标回归模型得到的较为密集的GND灰度模拟信息,相较于图3或图6中的GND参考区块的灰度,更加直观的反映出由于测试环境、测试设备等因素,导致的灰度值基准的变化,图9为采用上述目标回归模型得到的GND灰度模拟信息拟合出的三维曲面。
通过比较图9中不同目标区块的模拟灰度,可以解释不同测试点的灰度差异,可以看出图9中底部的灰色略低于目标区域的其他部分,这意味着如果该区域对应的目标测试点的灰色较低,则可以接受。
请参考图10,步骤S102之后,还包括:
S107:根据离散的FLT参考区块的灰度,模拟FLT参考区块的灰度随位置的连续变化,得到所述FLT灰度模拟信息;
步骤S103,具体包括:
根据所述目标区块的灰度、匹配位置GND模拟灰度以及FLT模拟灰度的差异,确定所述目标差异信息。
FLT灰度模拟信息的计算方式,可以采用与计算GND灰度模拟信息相同的方式,也可以采用目标灰度图像中边缘位置的灰度;
优选的,采用计算GND灰度模拟信息的方式计算FLT灰度模拟信息,得到的FLT灰度模拟信息更加精确。
一种实施方式中,所述目标差异信息匹配于:
其中,
GFLT表征了匹配位置的FLT模拟灰度,例如可以为对应区块的位置区域内FLT模拟灰度的统计值(例如平均值、中位数),或其中一个点的FLT模拟灰度;
GGND表征了匹配位置的GND模拟灰度;例如可以为对应区块的位置区域内GND模拟灰度的统计值(例如平均值、中位数),或其中一个点的GND模拟灰度;
GDUT表征了对应目标区块的灰度;例如可以为对应区块的灰度的统计值(例如平均值、中位数),或其中一个点的灰度。
由上式得到的目标差异信息介于0和1之间,0表示电连接状态为断开状态,1表示电连接状态为接地状态,若目标差异信息接近于0,则对应的目标测试点可以视为断开状态,若目标差异信息接近于1,则对应的目标测试点可以视为接地状态。
以上实施方式中,通过对目标差异信息进行归一化处理,可以减小灰度分布不均匀造成的影响,提高分析结果的准确性。
一种实施方式中,步骤S104之后,还包括;
S108:根据所述目标测试点的电连接状态与对应的预期电连接状态,确定所述裸片的测试分析结果。
请参考图11,灰度值有效性分析装置2,包括:
灰度获取模块201,用于获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;其中:所述参考区块的灰度表征了裸片对应位置的参考测试点接受到电子束照射时的实际扫描结果;所述目标区块的灰度表征了裸片对应位置的目标测试点接受到电子束照射时的实际扫描结果;其中的至少部分参考区块为GND参考区块,所述GND参考区块对应的参考测试点为GND点;所述实际扫描结果用于描述对应测试点实测的电连接状态;
模拟信息确认模块202,用于根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;其中的N大于1;所述GND灰度模拟信息表征了GND模拟灰度与位置的量化关系;
差异确定模块203,用于根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息;
连接状态确定模块2014,用于根据所述目标差异信息,确定所述目标测试点的电连接状态。
请参考图12和13,一种实施方式中,灰度值有效性分析装置2还包括:灰度处理模块205,所述灰度处理模块205包括:
边缘筛除单元2051,用于在所述多个参考区块中,筛除处于所述目标灰度图中边缘位置的参考区块,得到剩余的M个参考区块,其中的M大于或等于N;
异常值筛除单元2052,用于在所述M个参考区块中,确定所述N个参考区块。
一种实施方式中,异常值筛除单元2052,用于:
在所述M个参考区块中,去除灰度异常值的参考区块,得到所述N个参考区块。
一种实施方式中,异常值筛除单元2052具体用于:
采用局部离群因子法,去除灰度异常值的参考区块,得到所述N个参考区块。
一种实施方式中,所述GND灰度模拟信息是通过目标回归模型表征的;
模拟信息确认模块202具体用于:
根据离散的所述N个参考区块的灰度,确定所述目标回归模型的参数。
一种实施方式中,所述目标回归模型表征为:
G(x,y)=a0*x3+a1*y3+a2*x2*y+a3*y2*x+a4*x2+a5*y2+a6*x*y+a7*x+a8*y;
其中,
自变量x,y表示了所述目标灰度图的图像坐标系下的位置;
因变量G(x,y)表示了对应位置的GND模拟灰度;
a0、a1、a2、a3、a4、a5、a6、a7、a8为所述参数。
一种实施方式中,部分参考测试点为FLT参考测试点;
模拟信息确认模块202还可用于:
根据离散的FLT参考区块的灰度,模拟FLT参考区块的灰度随位置的连续变化,得到所述FLT灰度模拟信息;
差异确定模块203,具体用于:
根据所述目标区块的灰度匹配位置GND模拟灰度以及FLT模拟灰度,确定所述目标差异信息。
一种实施方式中,所述目标差异信息匹配于:
其中,
GFLT表示了匹配位置的FLT模拟灰度,
GGND表示了匹配位置的GND模拟灰度;
GDUT表征了对应目标区块的灰度;
请参考图12,一种实施方式中,灰度值有效性分析装置2,还包括;
数据对比模块206,用于根据所述目标测试点的电连接状态与对应的预期电连接状态,确定所述裸片的测试分析结果。
请参考图14,本发明还提供了一种电子设备30,包括
处理器31;以及,
存储器32,用于存储处理器的可执行指令;
其中,处理器31配置为经由执行可执行指令来执行以上所涉及的方法。
处理器31能够通过总线33与存储器32通讯。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以前所涉及的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.一种灰度值有效性分析方法,其特征在于,包括:
获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;其中:所述参考区块的灰度表征了裸片对应位置的参考测试点接受到电子束照射时的实际扫描结果;所述目标区块的灰度表征了裸片对应位置的目标测试点接受到电子束照射时的实际扫描结果;其中的至少部分参考区块为GND参考区块,所述GND参考区块对应的参考测试点为GND点;所述实际扫描结果用于描述对应测试点实测的电连接状态;
根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;其中的N大于1;所述GND灰度模拟信息表征了GND模拟灰度与位置的量化关系;
根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置的GND模拟灰度的差异,得到目标差异信息;
根据所述目标差异信息,确定所述目标测试点的电连接状态。
2.根据权利要求1所述的灰度值有效性分析方法,其特征在于,根据离散的N个参考区块的灰度,模拟参考区块的灰度随位置的连续变化,得到灰度模拟信息之前,还包括:
在所述多个参考区块中,筛除处于所述目标灰度图中边缘位置的参考区块,得到剩余的M个参考区块,其中的M大于或等于N;
在所述M个参考区块中,确定所述N个参考区块。
3.根据权利要求2所述的灰度值有效性分析方法,其特征在于,在所述M个参考区块中,确定所述N个参考区块,包括:
在所述M个参考区块中,去除灰度异常值的参考区块,得到所述N个参考区块。
4.根据权利要求3所述的灰度值有效性分析方法,其特征在于,在所述M个参考区块中,去除灰度异常值的参考区块,得到所述N个参考区块,包括:
采用局部离群因子法,去除灰度异常值的参考区块,得到所述N个参考区块。
5.根据权利要求1所述的灰度值有效性分析方法,其特征在于,所述GND灰度模拟信息是通过目标回归模型表征的;
根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息,包括:
根据离散的所述N个GND参考区块的灰度,确定所述目标回归模型的参数。
6.根据权利要求5所述的灰度值有效性分析方法,其特征在于,所述目标回归模型表征为:
G(x,y)=a0*x3+a1*y3+a2*x2*y+a3*y2*x+a4*x2+a5*y2+a6*x*y+a7*x+a8*y
其中,
自变量x,y表示了所述目标灰度图的图像坐标系下对应的位置;
因变量G(x,y)表示了对应位置的GND模拟灰度;
a0、a1、a2、a3、a4、a5、a6、a7、a8为所述参数。
7.根据权利要求1所述的灰度值有效性分析方法,其特征在于,部分参考测试点为FLT参考测试点;
根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息之后,还包括:
根据离散的FLT参考区块的灰度,模拟FLT参考区块的灰度随位置的连续变化,得到所述FLT灰度模拟信息;
根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息,具体包括:
根据所述目标区块的灰度、匹配位置的GND模拟灰度以及FLT模拟灰度,确定所述目标差异信息。
9.根据权利要求1至8任一项所述的灰度值有效性分析方法,其特征在于,根据所述目标差异信息,确定所述目标测试点的电连接状态之后,还包括;
根据所述目标测试点的电连接状态与对应的预期电连接状态,确定所述裸片的测试分析结果。
10.一种灰度值有效性分析装置,其特征在于,包括:
灰度获取模块,用于获取目标灰度图,所述目标灰度图中包括多个参考区块与多个目标区块;其中:所述参考区块的灰度表征了裸片对应位置的参考测试点接受到电子束照射时的实际扫描结果;所述目标区块的灰度表征了裸片对应位置的目标测试点接受到电子束照射时的实际扫描结果;其中的至少部分参考区块为GND参考区块,所述GND参考区块对应的参考测试点为GND点;所述实际扫描结果用于描述对应测试点实测的电连接状态;
模拟信息确认模块,用于根据离散的N个GND参考区块的灰度,模拟GND参考区块的灰度随位置的连续变化,得到GND灰度模拟信息;其中的N大于1;所述GND灰度模拟信息表征了GND模拟灰度与位置的量化关系;
差异确定模块,用于根据所述GND灰度模拟信息,确定所述目标区块的灰度相对于匹配位置GND模拟灰度的差异,得到目标差异信息;
连接状态确定模块,用于根据所述目标差异信息,确定所述目标测试点的电连接状态。
11.一种电子设备,其特征在于,包括,处理器与存储器,
所述存储器,用于存储代码和相关数据;
所述处理器,用于执行所述存储器中的代码用以实现权利要求1至9任一项所述的方法;
一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1至9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110254919.3A CN113012120B (zh) | 2021-03-09 | 2021-03-09 | 灰度值有效性分析方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110254919.3A CN113012120B (zh) | 2021-03-09 | 2021-03-09 | 灰度值有效性分析方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012120A CN113012120A (zh) | 2021-06-22 |
CN113012120B true CN113012120B (zh) | 2022-11-15 |
Family
ID=76402743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110254919.3A Active CN113012120B (zh) | 2021-03-09 | 2021-03-09 | 灰度值有效性分析方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012120B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757097A (zh) * | 2020-06-29 | 2020-10-09 | 歌尔光学科技有限公司 | 检测方法、检测装置及计算机可读存储介质 |
CN112330544A (zh) * | 2019-08-05 | 2021-02-05 | 浙江宇视科技有限公司 | 图像拖影的处理方法、装置、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018260B (zh) * | 2011-09-27 | 2015-01-21 | 中芯国际集成电路制造(上海)有限公司 | 缺陷检测方法 |
CN102682275B (zh) * | 2011-12-12 | 2014-04-02 | 苏州科雷芯电子科技有限公司 | 图像匹配方法 |
CN107045863B (zh) * | 2017-06-26 | 2018-02-16 | 惠科股份有限公司 | 一种显示面板的灰阶调整方法及装置 |
US10964014B2 (en) * | 2017-10-30 | 2021-03-30 | Taiwan Semiconductor Manufacturing Company, Ltd. | Defect detecting method and defect detecting system |
JP2020064103A (ja) * | 2018-10-15 | 2020-04-23 | セイコーエプソン株式会社 | 電気光学装置の駆動方法、電気光学装置および電子機器 |
CN111273921A (zh) * | 2020-01-17 | 2020-06-12 | 佛山普瑞威尔科技有限公司 | 一种芯片烧录方法、系统和计算机可读存储介质 |
-
2021
- 2021-03-09 CN CN202110254919.3A patent/CN113012120B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330544A (zh) * | 2019-08-05 | 2021-02-05 | 浙江宇视科技有限公司 | 图像拖影的处理方法、装置、设备及介质 |
CN111757097A (zh) * | 2020-06-29 | 2020-10-09 | 歌尔光学科技有限公司 | 检测方法、检测装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113012120A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11016035B2 (en) | Smart defect calibration system and the method thereof | |
CN102612314B (zh) | 检查系统、模拟方法及系统、恰当值的判定及确定方法 | |
JP4014379B2 (ja) | 欠陥レビュー装置及び方法 | |
JP4695239B2 (ja) | 形状特徴に基づく欠陥検出方法及び装置 | |
US8526710B2 (en) | Defect review method and apparatus | |
CN108257121B (zh) | 产品缺陷检测模型更新的方法、装置、存储介质及终端设备 | |
JP2006098152A (ja) | 欠陥検出装置および欠陥検出方法 | |
JP2004012422A (ja) | パターン検査装置、パターン検査方法およびプログラム | |
JP2010197385A (ja) | データ解析のための方法および装置 | |
CN113065538A (zh) | 基于图像识别的压力传感器检测方法、装置及设备 | |
KR20030051064A (ko) | 순수 디펙트에 의한 페일 발생 확률 측정방법, 순수디펙트에서 추출한 패턴 파라미터의 분류를 이용한 디펙트제한 수율 측정 방법 및 순수 디펙트에 의한 페일 발생확률 및 디펙트 제한 수율을 측정하기 위한 시스템 | |
US11132790B2 (en) | Wafer map identification method and computer-readable recording medium | |
CN113012120B (zh) | 灰度值有效性分析方法、装置、电子设备以及存储介质 | |
CN114245933A (zh) | 制程信息提示系统、制程错误推定系统 | |
JP2006119927A (ja) | パターンマッチング方法およびプログラム | |
JP7354421B2 (ja) | エラー要因の推定装置及び推定方法 | |
CN117274258A (zh) | 主板图像的缺陷检测方法、系统、设备及存储介质 | |
KR20220082003A (ko) | 다이 레벨 입력 데이터 없이 다이 레벨 제품 모델링 | |
JP3234742B2 (ja) | 電子部品の余寿命推定方法及び装置 | |
TWI808595B (zh) | 分析缺陷的方法 | |
TWI801973B (zh) | 錯誤因素之推定裝置及推定方法 | |
US20220414859A1 (en) | Image annotation method, device and system | |
EP3968267A1 (en) | Method for denoising an electron microscope image | |
JPH1164235A (ja) | 実装部品自動検査システムおよび実装部品検査基準設定装置および実装部品検査基準設定方法 | |
US8126257B2 (en) | Alignment of semiconductor wafer patterns by corresponding edge groups |
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 |