CN113012121B - 裸片扫描结果的处理方法、装置、电子设备与存储介质 - Google Patents
裸片扫描结果的处理方法、装置、电子设备与存储介质 Download PDFInfo
- Publication number
- CN113012121B CN113012121B CN202110255722.1A CN202110255722A CN113012121B CN 113012121 B CN113012121 B CN 113012121B CN 202110255722 A CN202110255722 A CN 202110255722A CN 113012121 B CN113012121 B CN 113012121B
- Authority
- CN
- China
- Prior art keywords
- dark
- bright
- area
- block
- template
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种裸片扫描结果的处理方法、装置、电子设备与存储介质,裸片扫描结果的处理方法,包括:获取目标灰度图;所述目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态;根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据;所述亮区块对应于所述裸片中电连接状态为第一状态的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态的扫描位置,所述亮区模板中包含了亮区块的参考图像,所述暗区模板中包含了暗区块的参考图像。
Description
技术领域
本发明涉及芯片测试领域,尤其涉及一种裸片扫描结果的处理方法、装置、电子设备与存储介质。
背景技术
裸片,也可描述为die,可理解为是指生产出来的芯片,其上设有用于封装的压焊点(其也可表征为pad),也可理解为晶圆经过切割、测试、封装后形成的芯片。
在对裸片进行测试时,需要对裸片的电连接状态进行检测,部分现有技术中,可基于电子束的照射扫描裸片,从而得到对应的灰度图,基于该灰度图对裸片进行检验。然而,由于电子束的工艺参数、照射环境、信号的采集、传输、裸片本身的结构等原因,可能会造成:灰度图本身难以清晰准确地体现出电连接状态,进而,灰度图的这些缺陷会影响检测结果的准确性。
发明内容
本发明提供一种裸片扫描结果的处理方法、装置、电子设备与存储介质,以解决灰度图本身难以清晰准确地体现出电连接状态的问题。
根据本发明的第一方面,提供了一种裸片扫描结果的处理方法,包括:
获取目标灰度图;所述目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态;
根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据;所述亮区块对应于所述裸片中电连接状态为第一状态的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态的扫描位置,所述亮区模板中包含了亮区块的参考图像,所述暗区模板中包含了暗区块的参考图像。
可选的,根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,包括:
根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元,并根据所述N个亮区域单元,定位J个亮区块;其中的N大于或等于2,其中的J大于或等于1;
根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元;并根据所述M个暗区域单元,定位K个暗区块;其中的M大于或等于2,其中的K大于或等于1。
可选的,根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元,具体包括:
计算所述亮区模板与所述目标灰度图中各区域单元的第一相关性信息;
根据所述第一相关性信息,以及指定的第一相关性阈值,确定所述N个亮区域单元;
根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元,具体包括:
计算所述暗区模板与所述目标灰度图中各区域单元的第二相关性信息;
根据所述第二相关性信息,以及指定的第二相关性阈值,确定所述M个暗区域单元。
可选的,根据所述N个亮区域单元,定位J个亮区块,包括:
根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息;所述J个亮区块包括所述第一亮区块;
根据所述M个暗区域单元,确定K个暗区块,包括:
根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息;所述K个暗区块包括所述第一暗区块。
可选的,根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息之后,还包括:
根据各第一亮区块的位置,在部分第一亮区块之间定位出遗漏的第二亮区块,所述J个亮区块还包括所述第二亮区块;
根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息之后,还包括:
根据各第一暗区块的位置,在部分第一暗区块之间定位出遗漏的第二暗区块,所述K个暗区块还包括所述第二暗区块。
可选的,所述第一状态为连通状态,所述第二状态为断开状态。
可选的,根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块之后,还包括:
根据所定位出的亮区块的灰度的统计值,标定所述目标灰度图中亮区块的灰度;
根据所定位出的暗区块的灰度的统计值,标定所述目标灰度图中暗区块的灰度;
根据所述亮区块与所述暗区块的定位结果、所标定的灰度以及指定的裸片设计信息,检验所述裸片。
根据本发明的第二方面,提供了一种裸片扫描结果的处理装置,包括:
获取模块,用于获取目标灰度图;所述目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态;
区块定位模块,用于根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据;所述亮区块对应于所述裸片中电连接状态为第一状态的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态的扫描位置,所述亮区模板中包含了亮区块的参考图像,所述暗区模板中包含了暗区块的参考图像。
根据本发明的第三方面,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第一方面及其可选方案涉及的裸片扫描结果的处理方法。
根据本发明的第四方面,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第一方面及其可选方案涉及的裸片扫描结果的处理方法。
本发明提供的裸片扫描结果的处理方法、装置、电子设备与存储介质中,通过基于模板的亮区块定位与暗区块定位,可在裸片的灰度图中准确定位出亮区块与暗区块,并基于定位结果进行检验,避免了直接以灰度图作为裸片检验的依据,进而避免或降低了灰度图本身缺陷而带来的不利影响,相较而言,由于区块的亮暗能体现出对应裸片扫描位置的电连接状态,通过亮、暗区块的准确定位,可更准确地体现出裸片各扫描位置的电连接状态,进而可有助于提高裸片检验的准确性。
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裸片扫描结果的处理方法的流程示意图一;
图2是本发明一实施例中目标灰度图的示意图;
图3是本发明一实施例中步骤S12的流程示意图一;
图4是本发明一实施例中步骤S121的流程示意图;
图5是本发明一实施例中步骤S122的流程示意图;
图6是本发明一实施例中步骤S12的流程示意图二;
图7是本发明一实施例中步骤S123的流程示意图;
图8是本发明一实施例中步骤S124的流程示意图;
图9是本发明一实施例中亮区块与暗区块的示意图;
图10是本发明一实施例中亮区块、暗区块与区域单元的示意图;
图11是本发明一实施例中聚类结果的示意图;
图12是本发明一实施例中灰度标定的示意图;
图13是本发明一实施例中裸片扫描结果的处理方法的流程示意图二;
图14是本发明一实施例中裸片灰度图模板的示意图;
图15是本发明一实施例中裸片扫描结果的处理装置的程序模块示意图一;
图16是本发明一实施例中裸片扫描结果的处理装置的程序模块示意图二;
图17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。
请参考图1,裸片扫描结果的处理方法,包括:
S11:获取目标灰度图;
S12:根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据。
其中的目标灰度图,可以为对裸片进行扫描(也可理解为成像)而获得的原始灰度图的部分或全部,也可以是对该部分或全部原始灰度图进行一定处理后得到的灰度图。
该处理可例如包括:利用滤波器对原始灰度图的部分或全部进行滤波,从而可对其进行降噪,根据应用场景和需求,可任意选择所需的滤波器。
具体举例中,该滤波器可例如以下至少之一:高斯滤波器(即Gaussian filter)、低通滤波器(即low-pass filter),其中的低通滤波器可例如以下至少之一:盒式滤波器(即box filter)、中值滤波器(即median filter)、双边滤波器(bilateral filter)等等。
其中的处理还可包括:对滤波后的灰度图,或者原始灰度图的部分或全部进行对比度调整,以加强亮暗的对比度,降低光照射的影响。
一种举例中,可利用CLAHE算法(即直方图均衡算法)对对应的灰度图进行调整,其中的CLAHE具体为Contrast Limited Adaptive Histogram Equalization。但也不排除使用其他算法的可能性。
目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态。
其中,在接受到电子束入射时,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。
在此基础上,所述亮区块对应于所述裸片中电连接状态为第一状态(例如连通状态)的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态(例如断开状态)的扫描位置。
所述亮区模板中包含了亮区块的参考图像,其中,可以仅包含亮区块的参考图像,也可还包括亮区块附近区域的部分图像,所述暗区模板中包含了暗区块的参考图像,其中,可以仅包含暗区块的参考图像,也可还包括暗区块附近区域的部分图像。
该亮区模板与暗区模板可以是预先设计、选定好的,也可以是在测试过程中抓取的,在针对于某裸片进行检验时,可抓取该裸片或其他裸片的部分图像作为亮区模板与暗区模板。具体可选择能够较为清楚、充分地体现出亮区块(或暗区块)特点的图像作为亮区模板(或暗区模板),不论采用何种方式所选择的亮区模板与暗区模板,均不脱离本发明实施例的范围。
其中,区块(例如亮区块、暗区块)所对应于裸片的扫描区域可理解为是裸片中的pad,进而,各区块可以与各pad一一对应。此外,亮区块可理解为:其灰度比暗区块白(或可理解为更接近白色)的区块,也可理解为:其灰度与白色的接近程度高于指定程度,暗区块可理解为:其灰度比亮区块黑(或可理解为更接近黑色)的区块,也可理解为:其灰度与黑色的接近程度高于指定程度。
一种举例中,目标灰度图可例如图2所示,其中较白的部分可视作亮区块,较黑的部分可视作暗区块。为便于对亮区块、暗区块进行说明,在图9中,利用有图案的方框表示暗区块201,利用无图案的方框表示亮区块202。各相邻的亮区块之间、暗区块之间、亮区块与暗区块之间也可形成有一定区域,这些区域的灰度可以是任意的,例如可包括较亮的区域和/或较暗的区域。
区别于本发明的部分其他方案中,可以将该目标灰度图或原始灰度图直接与体现出裸片设计信息的图像(可参照图14所示的裸片灰度图模板理解)进行比对,进而根据比对结果实现裸片的检验,然而,从图2可见,对于各亮区块,实际的灰度值可能并非是相同、统一的,对于各暗区块,实际的灰度值可能并非是相同、统一的,其都会有一定浮动,其轮廓可能未能清晰显示,其外周区域的灰度可能会与亮区块、暗区块相近。
这些可能是电子束的入射过程导致的,也可能是成像的处理过程导致的,还可能是数据处理过程导致的,还可能是裸片本身的结构导致的,不论何种原因导致的,都可能会导致灰度图本身难以清晰准确地体现出电连接状态,从而导致检验结果的不准确。
与之不同的,在本发明实施例中,通过基于模板的亮区块定位与暗区块定位,可在裸片的灰度图中准确定位出亮区块与暗区块,并基于定位结果进行检验,避免了直接以灰度图作为裸片检验的依据,进而避免或降低了灰度图本身缺陷而带来的不利影响,相较而言,由于区块的亮暗能体现出对应裸片扫描位置的电连接状态,通过亮、暗区块的准确定位,可更准确地体现出裸片各扫描位置的电连接状态,进而可有助于提高裸片检验的准确性。
此外,在需要与裸片灰度图模板进行比对的方案中,其完全检验结果依赖于灰度图的图像质量,鲁棒性较差,相较而言,本发明实施例的算法可具有较佳的鲁棒性,在当灰度图有偏向、图像质量较差时,依旧能准确定位出亮区块、暗区块。
当然,在实施了步骤S11、S12的基础上,本发明实施例也不完全排除之后直接或间接使用裸片灰度图模板进行检验的方案,不过,本发明实施例并不依赖于此裸片灰度图模板。
其中一种实施方式中,请参考图3,针对于亮区块,步骤S12可以包括:
S121:根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元;
其中的N大于或等于2;
S122:根据所述N个亮区域单元,定位J个亮区块;
其中的J大于或等于1。
与之相类似的,针对于暗区块,请参考图6,步骤S12可以包括:
S123:根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元;
其中的M大于或等于2;
S124:根据所述M个暗区域单元,定位K个暗区块;
其中的K大于或等于1。
其中的区域单元,可以是与亮区模块、暗区模板尺寸、形状相匹配的部分区域,以图10为例,其中可利用虚线的框来表示区域单元203,为了便于体现出各区域单元203是不同的,图中的区域单元203沿两个方向充分错位显示,在部分方案中,可沿单个方向逐一取区域单元,各区域单元间可基于相同或不同的间隔来选取。
可见,以图10中的第一个暗区块201为例,部分区域单元可框住暗区块,部分区域单元可仅框住部分暗区块,进而,通过暗区模板与区域单元之间的相似度,可准确找到暗区块所属的区域单元(即暗区域单元),对应的,也可准确找到亮区块所属的区域单元(即亮区域单元)。
进而,可保障:基于亮区域单元、暗区域单元所找到的亮区块与暗区块也是较为准确的。
具体实施过程中,请参考图4,针对于亮区域单元,步骤S121可以包括:
S1211:计算所述亮区模板与所述目标灰度图中各区域单元的第一相关性信息;
S1212:根据所述第一相关性信息,以及指定的第一相关性阈值,确定所述N个亮区域单元。
与之相类似的,请参考图7,针对于暗区域单元,步骤S123可以包括:
S1231:计算所述暗区模板与所述目标灰度图中各区域单元的第二相关性信息;
S1232:根据所述第二相关性信息,以及指定的第二相关性阈值,确定所述M个暗区域单元。
其中的相关性信息可理解为能够对图像之间相关性进行表征的任意信息,通过该相关性信息,可在一定程度上体现出图像之间的相似度。
一种举例中,该相关性信息具体可以采用归一化相关系数来表征,该归一化相关系数具体可以描述为:nomalized correlation coefficient。
一种更具体的举例中,该归一化相关系数(例如第一相关性信息或第二相关性信息)可基于以下公式确定(但也不限于此):
其中:
R(x,y)表征了对应的归一化相关系数(例如第一相关性信息或第二相关性信息);
T(x′,y′)表征了对应模板(例如亮区模板或暗区模板)中(x′,y′)位置像素的灰度;
T(x″,y″)表征了对应模板(例如亮区模板或暗区模板)中(x″,y″)位置像素的灰度;
(x′,y′)表征了对应模板(例如亮区模板或暗区模板)的图像坐标系下的位置;
w表征了对应模板(例如亮区模板或暗区模板)的宽度;
h表征了对应模板(例如亮区模板或暗区模板)的高度;
可见,以上模板可以为矩形的模板图像;
I′(x+x′,y+y′)表征了对应于区域单元中(x+x′,y+y′)位置像素的灰度;
I(x+x″,y+y″)表征了对应于区域单元中(x+x″,y+y″)位置像素的灰度;
x与y表征了对应区域单元在目标灰度图的图像坐标系下的位置。
其中,由于只有两种pad(对应即有两种区块,亮区块与暗区块),可通过两种模板(即亮区模板与暗区模板)找到所有匹配的pad(即区块)所属的区域单元。以上算法中,可以为每个区域单元确定一个系数(大于-1,且小于1)。在此基础上,可以设定阈值(即第一相关性阈值与第二相关性阈值),进而,当系数的数值高于该阈值时(例如第一相关性系数高于第一相关性阈值,再例如第二相关性系数高于第二相关性阈值),则可认定对应区域单元为亮区域单元,反之,则可认定其为暗区域单元,其中的第一相关性阈值、第二相关性阈值可例如为0.75。
如图10所示,在确定按区域单元、亮区域单元时,将会在一个暗区块(或亮区块)附近找到多个暗区域单元(或亮区域单元)。进而,需要在步骤S122中将这些对应于同一暗区块(或亮区块)的区域单元进行聚类。
其中一种实施方式中,针对于亮区块,请参考图5,步骤S122可以包括:
S1221:根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息;
所述J个亮区块包括所述第一亮区块;
与之类似的,针对于暗区块,请参考图8,步骤S124可以包括:
S1241:根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息;
所述K个暗区块包括所述第一暗区块。
其中所采用的聚类方式可以是任意的,只要聚类结果能体现出各区域单元之间距离的影响,就可理解为该聚类是根据距离实现的,其中,距离相近的各区域单元将聚类到同一中心,其通常可体现出对应区块(亮区块或暗区块)的位置。
进而,其定位结果可参照图11理解,其中:
包含同一亮区块的区域单元可聚合于对应的亮区块的相应位置,每个聚类中心可体现出一个亮区块(即第一暗区块)的位置;
包含同一暗区块的区域单元可聚合于对应的暗区块的相应位置,每个聚类中心可体现出一个暗区块(即第一暗区块)的位置。
其中一种举例中,可采用分级聚类算法(即Hierarchical cluster算法)对暗区域单元、亮区域单元进行聚类。其可基于欧几里得距离(即Euclidian distance)实现聚类。
其中,将尽可能地将每个区块的位置聚合、定位出来,故而,算法中所采用的距离阈值范围可例如为20,进一步的,可采用Single linkage聚类法(又叫做Nearest-neighbor聚类法)来实现。在聚合时,可选择最高匹配分值的结果作为步骤S1221、S1241的聚类结果。
然而,在部分举例中,聚类算法中,还可能因为未能匹配到合适的聚类中心而被遗漏的区块位置,进而,可通过合适的手段将该些遗漏的亮区块(即第二亮区块)与暗区块(即第二暗区块)定位出来。
可见,本发明实施例的具体方案中,结合了图像处理与机器学习技术,从而可有效提高了区块定位、检验的准确性。
其中一种实施方式中,针对于遗漏的亮区块,请参考图5,步骤S1221之后,还可包括:
S1222:根据各第一亮区块的位置,在部分第一亮区块之间定位出遗漏的第二亮区块;
所述J个亮区块还包括所述第二亮区块;
与之相类似的,针对于遗漏的暗区块,请参考图8,步骤S1241之后,还可包括:
S1242:根据各第一暗区块的位置,在部分第一暗区块之间定位出遗漏的第二暗区块;
所述K个暗区块还包括所述第二暗区块。
具体举例中,由于各亮区块与暗区块可以视作是呈二维阵列排布的(即各pad可以视作是呈二维阵列排布的),基于阵列中空缺处附近各区块的位置,以及阵列排布方向,可定位出所遗漏区块的位置,部分方案中,还可结合该位置的灰度和/或其附近区块的类型(即是亮区块还是暗区块),进一步判断该区块为亮区块还是暗区块。
此外,其中的位置信息可视作对应区块中心或邻近中心的位置。
其中一种实施方式中,请参考图12,步骤S12之后,还可包括:
S:3:根据所定位出的亮区块中像素灰度的统计值,标定对应亮区块的灰度;
S14:根据所定位出的暗区块中像素灰度的统计值,标定对应暗区块的灰度;
S15:根据所述亮区块与所述暗区块的定位结果、所标定的灰度以及指定的裸片设计信息,检验所述裸片。
其中的统计值,可例如为区块范围内各像素灰度的平均值,其他举例中,也可以为中位数或筛选后部分像素灰度的平均值。以图13所示为例,可以为每个区块标定出其灰度(例如图中所示的51、53、114等灰度的数值),进而,不论在原始灰度图、目标灰度图中其灰度如何,在检验时,可基于该标定的灰度进行检验,进一步保障了检验的准确性。
在具体举例中,步骤S15的检验过程中,可以将完成亮区块、暗区块定位,以及灰度标定的信息(例如记载了各区块位置、灰度的数据结构)与裸片设计信息(例如所涉及的pad的位置、所体现的灰度的信息)进行比对,从而得到检验结果。
可见,本发明实施例的具体方案中,可以具备以下积极效果:
更准确地定位了区块,即在灰度图中更准确定位了pad对应的位置;
在应用于低质量的图像时,可具有较佳的表现(即依旧能准确地实现检验),具有较佳的鲁棒性,当灰度图有偏向、图像质量较差时,依旧能准确定位出亮区块、暗区块;
处理过程可以无需依赖于裸片灰度图模板;
结合了图像处理与机器学习技术,从而可有效提高了区块定位、检验的准确性。
请参考图15,本发明实施例提供了一种裸片扫描结果的处理装置300,包括:
获取模块301,用于获取目标灰度图;所述目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态;
区块定位模块302,用于根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据;所述亮区块对应于所述裸片中电连接状态为第一状态的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态的扫描位置,所述亮区模板中包含了亮区块的参考图像,所述暗区模板中包含了暗区块的参考图像。
可选的,区块定位模块302,具体用于:
根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元,并根据所述N个亮区域单元,定位J个亮区块;其中的N大于或等于2,其中的J大于或等于1;
根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元;并根据所述M个暗区域单元,定位K个暗区块;其中的M大于或等于2,其中的K大于或等于1。
可选的,区块定位模块302,具体用于:
计算所述亮区模板与所述目标灰度图中各区域单元的第一相关性信息;
根据所述第一相关性信息,以及指定的第一相关性阈值,确定所述N个亮区域单元;
计算所述暗区模板与所述目标灰度图中各区域单元的第二相关性信息;
根据所述第二相关性信息,以及指定的第二相关性阈值,确定所述M个暗区域单元。
可选的,区块定位模块302,具体用于:
根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息;所述J个亮区块包括所述第一亮区块;
根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息;所述K个暗区块包括所述第一暗区块。
可选的,区块定位模块302,具体用于:
根据各第一亮区块的位置,在部分第一亮区块之间定位出遗漏的第二亮区块,所述J个亮区块还包括所述第二亮区块;
根据各第一暗区块的位置,在部分第一暗区块之间定位出遗漏的第二暗区块,所述K个暗区块还包括所述第二暗区块。
可选的,所述第一状态为连通状态,所述第二状态为断开状态。
可选的,请参考图16,裸片扫描结果的处理装置300,还包括:
灰度标定模块303,用于根据所定位出的亮区块中像素灰度的统计值,标定对应亮区块的灰度,并根据所定位出的暗区块中像素灰度的统计值,标定对应暗区块的灰度;
检验模块304,用于根据所述亮区块与所述暗区块的定位结果、所标定的灰度以及指定的裸片设计信息,检验所述裸片。
请参考图17,提供了一种电子设备40,包括:
处理器41;以及,
存储器42,用于存储所述处理器的可执行指令;
其中,所述处理器41配置为经由执行所述可执行指令来执行以上所涉及的方法。
处理器41能够通过总线43与存储器42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上所涉及的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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 (8)
1.一种裸片扫描结果的处理方法,其特征在于,包括:
获取目标灰度图;所述目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态;
根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据;所述亮区块对应于所述裸片中电连接状态为第一状态的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态的扫描位置,所述亮区模板中包含了亮区块的参考图像,所述暗区模板中包含了暗区块的参考图像;
根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,包括:
根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元,并根据所述N个亮区域单元,定位J个亮区块;其中的N大于或等于2,其中的J大于或等于1;
根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元;并根据所述M个暗区域单元,定位K个暗区块;其中的M大于或等于2,其中的K大于或等于1;
根据所述N个亮区域单元,定位J个亮区块,包括:
根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息;所述J个亮区块包括所述第一亮区块;
根据所述M个暗区域单元,确定K个暗区块,包括:
根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息;所述K个暗区块包括所述第一暗区块。
2.根据权利要求1所述的裸片扫描结果的处理方法,其特征在于,
根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元,具体包括:
计算所述亮区模板与所述目标灰度图中各区域单元的第一相关性信息;
根据所述第一相关性信息,以及指定的第一相关性阈值,确定所述N个亮区域单元;
根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元,具体包括:
计算所述暗区模板与所述目标灰度图中各区域单元的第二相关性信息;
根据所述第二相关性信息,以及指定的第二相关性阈值,确定所述M个暗区域单元。
3.根据权利要求1所述的裸片扫描结果的处理方法,其特征在于,
根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息之后,还包括:
根据各第一亮区块的位置,在部分第一亮区块之间定位出遗漏的第二亮区块,所述J个亮区块还包括所述第二亮区块;
根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息之后,还包括:
根据各第一暗区块的位置,在部分第一暗区块之间定位出遗漏的第二暗区块,所述K个暗区块还包括所述第二暗区块。
4.根据权利要求1至3任一项所述的裸片扫描结果的处理方法,其特征在于,所述第一状态为连通状态,所述第二状态为断开状态。
5.根据权利要求1至3任一项所述的裸片扫描结果的处理方法,其特征在于,根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块之后,还包括:
根据所定位出的亮区块中像素灰度的统计值,标定对应亮区块的灰度;
根据所定位出的暗区块中像素灰度的统计值,标定对应暗区块的灰度;
根据所述亮区块与所述暗区块的定位结果、所标定的灰度以及指定的裸片设计信息,检验所述裸片。
6.一种裸片扫描结果的处理装置,其特征在于,包括:
获取模块,用于获取目标灰度图;所述目标灰度图中各位置的灰度表征了裸片对应扫描位置接受到电子束入射时的实际扫描结果;所述实际扫描结果用于描述对应扫描位置实测的电连接状态;
区块定位模块,用于根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,以利用对应的定位结果作为所述裸片直接或间接的检验依据;所述亮区块对应于所述裸片中电连接状态为第一状态的扫描位置,所述暗区块对应于所述裸片中电连接状态为第二状态的扫描位置,所述亮区模板中包含了亮区块的参考图像,所述暗区模板中包含了暗区块的参考图像;
所述区块定位模块中的根据亮区模板与暗区模板,在所述目标灰度图中定位各亮区块与暗区块,包括:
根据所述亮区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定N个亮区域单元,并根据所述N个亮区域单元,定位J个亮区块;其中的N大于或等于2,其中的J大于或等于1;
根据所述暗区模板与所述目标灰度图中各区域单元的相似度,在所述目标灰度图中确定M个暗区域单元;并根据所述M个暗区域单元,定位K个暗区块;其中的M大于或等于2,其中的K大于或等于1;
根据所述N个亮区域单元,定位J个亮区块,包括:
根据各亮区域单元之间的距离,对各亮区域单元进行聚类,得到第一亮区块的位置信息;所述J个亮区块包括所述第一亮区块;
根据所述M个暗区域单元,确定K个暗区块,包括:
根据各暗区域单元之间的距离,对各暗区域单元进行聚类,得到第一暗区块的位置信息;所述K个暗区块包括所述第一暗区块。
7.一种电子设备,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5任一项所述的裸片扫描结果的处理方法。
8.一种存储介质,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5任一项所述的裸片扫描结果的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110255722.1A CN113012121B (zh) | 2021-03-09 | 2021-03-09 | 裸片扫描结果的处理方法、装置、电子设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110255722.1A CN113012121B (zh) | 2021-03-09 | 2021-03-09 | 裸片扫描结果的处理方法、装置、电子设备与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012121A CN113012121A (zh) | 2021-06-22 |
CN113012121B true CN113012121B (zh) | 2022-09-06 |
Family
ID=76402930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110255722.1A Active CN113012121B (zh) | 2021-03-09 | 2021-03-09 | 裸片扫描结果的处理方法、装置、电子设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012121B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170567B (zh) * | 2022-09-07 | 2022-11-25 | 山东创乾海洋科技有限公司 | 一种船舶用的防水钢板缺陷检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4589139A (en) * | 1982-02-04 | 1986-05-13 | Nippon Kogaku K. K. | Apparatus for detecting defects in pattern |
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 |
CN111445502A (zh) * | 2020-03-06 | 2020-07-24 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 集成电路图像匹配方法及系统 |
CN111462074A (zh) * | 2020-03-31 | 2020-07-28 | 珠海格力智能装备有限公司 | 轴承外观检测方法、装置、系统、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308797B (zh) * | 2020-10-30 | 2024-02-02 | 维沃移动通信有限公司 | 角点检测方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-03-09 CN CN202110255722.1A patent/CN113012121B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4589139A (en) * | 1982-02-04 | 1986-05-13 | Nippon Kogaku K. K. | Apparatus for detecting defects in pattern |
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 |
CN111445502A (zh) * | 2020-03-06 | 2020-07-24 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 集成电路图像匹配方法及系统 |
CN111462074A (zh) * | 2020-03-31 | 2020-07-28 | 珠海格力智能装备有限公司 | 轴承外观检测方法、装置、系统、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113012121A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021036280A1 (zh) | 定位方法和装置、存储介质 | |
JP4776308B2 (ja) | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 | |
US8582864B2 (en) | Fault inspection method | |
JP5225297B2 (ja) | ウエハー上に形成されたダイに於けるアレイ領域の認識方法、ならびに係る方法の設定方法 | |
US7346207B2 (en) | Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus | |
US7601555B2 (en) | Wafer inspection system and method thereof | |
US20130202188A1 (en) | Defect inspection method, defect inspection apparatus, program product and output unit | |
US7492942B2 (en) | Image defect inspection method, image defect inspection apparatus, and appearance inspection apparatus | |
WO2017020829A1 (zh) | 解像力测试方法和解像力测试装置 | |
CN115020267B (zh) | 一种半导体表面缺陷检测方法 | |
US20060067569A1 (en) | Image inspection device, image inspection method, and image inspection program | |
KR20090066212A (ko) | 결함 검출 방법 및 결함 검출 장치 | |
JP3660763B2 (ja) | 被検査パターンの検査方法及び製造プロセス診断方法並びに半導体基板の製造方法 | |
KR20080073281A (ko) | 화상 결함 검사 장치, 화상 결함 검사 시스템 및 화상 결함검사 방법 | |
CN113781424B (zh) | 一种表面缺陷检测方法、装置及设备 | |
CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN114972173A (zh) | 缺陷检测方法和缺陷检测装置及系统 | |
CN115290663A (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
CN113012121B (zh) | 裸片扫描结果的处理方法、装置、电子设备与存储介质 | |
JP3589424B1 (ja) | 基板検査装置 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN110874837B (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
JP3260425B2 (ja) | パターンのエッジライン推定方式及びパターン検査装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |