CN113333307A - 检测晶片的装置及方法以及非暂时性计算机可读媒体 - Google Patents

检测晶片的装置及方法以及非暂时性计算机可读媒体 Download PDF

Info

Publication number
CN113333307A
CN113333307A CN202110083892.6A CN202110083892A CN113333307A CN 113333307 A CN113333307 A CN 113333307A CN 202110083892 A CN202110083892 A CN 202110083892A CN 113333307 A CN113333307 A CN 113333307A
Authority
CN
China
Prior art keywords
semiconductor wafer
edge
damaged
wafer
image
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.)
Pending
Application number
CN202110083892.6A
Other languages
English (en)
Inventor
林镇民
陈弦泽
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.)
Taiwan Semiconductor Manufacturing Co TSMC Ltd
Original Assignee
Taiwan Semiconductor Manufacturing Co TSMC 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 Taiwan Semiconductor Manufacturing Co TSMC Ltd filed Critical Taiwan Semiconductor Manufacturing Co TSMC Ltd
Publication of CN113333307A publication Critical patent/CN113333307A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G01N21/9503—Wafer edge inspection
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67271—Sorting devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67294—Apparatus for monitoring, sorting or marking using identification means, e.g. labels on substrates or labels on containers
    • 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
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • 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)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

一种装置可检测要从源晶片载体转移到目标晶片载体的半导体晶片，且可使光源照亮半导体晶片。所述装置可在光源照亮半导体晶片之后使照相机捕获半导体晶片的图像，且可对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏。当确定半导体晶片的边缘被损坏时，所述装置可使半导体晶片被提供给源晶片载体，且当确定半导体晶片的边缘未被损坏时，所述装置可使半导体晶片被提供给目标晶片载体。

Description

检测晶片的装置及方法以及非暂时性计算机可读媒体
技术领域
本发明的实施例是有关于检测晶片的装置及方法以及非暂时性计算机可读媒体。
背景技术
半导体制造行业的新的、快节奏的发展及技术突破增加了资源最佳利用的重要性。较新的半导体晶片制作厂强调增加良率及减少循环时间。自动化材料搬运系统(automated material handling system)是帮助半导体晶片制作厂实现这些目标的有用工具。
发明内容
本文阐述的一些实作方式提供一种用于检测损坏的半导体晶片的方法。所述方法可包括：检测要从源晶片载体转移到目标晶片载体的半导体晶片，以及使光源照亮半导体晶片。所述方法可包括：在光源照亮半导体晶片之后使照相机捕获半导体晶片的图像，以及对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏。所述方法可包括：基于判断半导体晶片的边缘是否被损坏，使半导体晶片被选择性地提供给源晶片载体或目标晶片载体，其中当确定半导体晶片的边缘被损坏时，将半导体晶片提供给源晶片载体，并且其中当确定半导体晶片的边缘未被损坏时，将半导体晶片提供给目标晶片载体。
本文阐述的一些实作方式提供一种用于检测损坏的半导体晶片的装置。所述装置可包括一个或多个存储器及一个或多个处理器，以检测要从源晶片载体转移到目标晶片载体的半导体晶片，并使半导体晶片随着装置的分选机对准器组件旋转。所述一个或多个处理器可使装置的自动化光学检查组件的同轴光源照亮半导体晶片，并且在同轴光源照亮半导体晶片之后，可使自动化光学检查组件的高速照相机捕获半导体晶片的图像。所述一个或多个处理器可对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏，并且可基于判断半导体晶片的边缘是否被损坏，使半导体晶片被选择性地提供给源晶片载体或目标晶片载体。当确定半导体晶片的边缘被损坏时，可将半导体晶片提供给源晶片载体，且当确定半导体晶片的边缘未被损坏时，可将半导体晶片提供给目标晶片载体。
本文阐述的一些实作方式提供一种用于检测损坏的半导体晶片的非暂时性计算机可读媒体。所述非暂时性计算机可读媒体可存储一个或多个指令，当由半导体晶片分选机工具的一个或多个处理器执行时，所述一个或多个指令可使所述一个或多个处理器接收半导体晶片，并且使半导体晶片随着半导体晶片分选机工具的分选机对准器组件旋转。所述一个或多个指令可使所述一个或多个处理器使半导体晶片分选机工具的自动化光学检查组件的照相机捕获半导体晶片的图像，并且由自动化光学检查组件对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏。当确定半导体晶片的边缘被损坏时，所述一个或多个指令可使所述一个或多个处理器选择性地提供半导体晶片用于品质控制检查，或者当确定半导体晶片的边缘未被损坏时，将半导体晶片提供给一个或多个工具用于进一步处理。
附图说明
结合附图阅读以下详细说明，会最好地理解本公开的各个方面。应注意，根据本行业中的标准惯例，各种特征并非按比例绘制。事实上，为论述清晰起见，可任意增大或减小各种特征的尺寸。
图1A到图1G是本文阐述的一个或多个示例性实作方式的图。
图2是其中可实作本文阐述的系统和/或方法的示例性环境的图。
图3是图2的一个或多个装置的示例性组件的图。
图4是用于利用自动化光学检查工具以及自动化材料搬运系统的半导体晶片分选机工具检测损坏的半导体晶片的示例性过程的流程图。
具体实施方式
以下公开内容提供用于实施所提供主题的不同特征的许多不同的实施例或实例。以下阐述组件及布置的具体实例以简化本公开。当然，这些仅为实例而非旨在进行限制。举例来说，在以下说明中，在第二特征之上或第二特征上形成第一特征可包括其中第一特征与第二特征被形成为直接接触的实施例，且也可包括其中第一特征与第二特征之间可形成附加特征从而使得第一特征与第二特征可不直接接触的实施例。另外，本公开在各种实例中可重复使用参考编号和/或字母。此种重复使用是为了简明及清晰起见，且自身并不表示所论述的各个实施例和/或配置之间的关系。
此外，为易于说明，本文中可能使用例如“在...之下”、“在...下方”、“下部的”、“在...上方”、“上部的”等空间相对性用语来阐述图中所示一个元件或特征与另一(其他)元件或特征的关系。所述空间相对性用语旨在除图中所绘示的取向外还囊括装置在使用或操作中的不同取向。设备可另外取向(旋转90度或处于其他取向)，且本文中所用的空间相对性描述语可同样相应地进行解释。
在一些情况下，利用自动化材料搬运系统来运输半导体晶片、分选半导体晶片和/或类似操作。自动化材料搬运系统中使用的机械设备包括分拣机、输送机、机械臂、扫描仪、半导体晶片载体和/或类似元件。在自动化材料搬运系统中利用的一个此种工具是分选及运输半导体晶片的半导体晶片分选机工具。半导体晶片容易损坏，尤其是在半导体晶片的边缘上。然而，在运送半导体晶片之前，目前由人检查半导体晶片的损坏。此外，当前自动化材料搬运系统仅搬运及运输半导体晶片，而不检查半导体晶片的损坏。这导致用于检测损坏的半导体晶片的耗时、乏味且容易出错的过程，这会浪费资源(例如，人力资源、工具资源、制造资源和/或类似资源)，并且产生不灵活的生产需求。
根据本文阐述的一些实作方式，自动化光学检查工具可与自动化材料搬运系统的半导体晶片分选机工具一起使用，以在半导体晶片分选机工具搬运半导体晶片的同时自动地检测损坏的半导体晶片。例如，自动化光学检查工具可检测要从源晶片载体转移到目标晶片载体的半导体晶片，且可使光源照亮半导体晶片。自动化光学检查工具可在光源照亮半导体晶片之后使照相机捕获半导体晶片的图像，且可对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏。自动化光学检查工具可基于判断半导体晶片的边缘是否被损坏，使半导体晶片被选择性地提供给源晶片载体或目标晶片载体。当确定半导体晶片的边缘被损坏时，可将半导体晶片提供给源晶片载体，且当确定半导体晶片的边缘未被损坏时，可将半导体晶片提供给目标晶片载体。
以此种方式，自动化光学检查工具可与自动化材料搬运系统的半导体晶片分选机工具一起使用，以在所述系统搬运半导体晶片的同时自动地检测损坏的半导体晶片。例如，自动化光学检查工具可捕获半导体晶片的图像，并且可对所捕获的图像实行图像识别，以辨识损坏的半导体晶片。因此，自动化光学检查工具可在半导体晶片被提供用于运送之前辨识损坏的半导体晶片，可增加半导体晶片生产的生产量，可保存资源(例如，人力资源、工具资源和/或制造资源)，和/或类似情况。
图1A到图1G是本文阐述的一个或多个示例性实作方式的图100。如图1A所示，源晶片载体(例如，具有多个半导体晶片)及目标晶片载体(例如，没有任何半导体晶片)可与半导体晶片分选机工具105、自动化光学检查(automated optical inspection，AOI)工具110、半导体晶片分选机工具105的分选机对准器115、AOI工具110的高速照相机120以及AOI工具110的同轴光源125相关联。
半导体晶片分选机工具105可包括分选及运输半导体晶片的自动化材料搬运系统工具。例如，半导体晶片分选机工具105可自动地分选半导体晶片，将半导体晶片分成组，将半导体晶片从源晶片载体转移到目标晶片载体，将半导体晶片从目标晶片载体转移到源晶片载体，将半导体晶片转移到自动化材料搬运系统的其他工具，和/或类似情况。在一些实作方式中，一旦半导体晶片被分选(例如，在源晶片载体与目标晶片载体之间)，半导体晶片分选机工具105使源晶片载体及目标晶片载体被提供到制造设施的其他位置。例如，半导体晶片分选机工具105可使源晶片载体和/或目标晶片载体(例如，具有损坏的半导体晶片)被提供用于品质控制检查，可使源晶片载体和/或目标晶片载体(例如，具有未损坏的半导体晶片)被提供给其他工具用于进一步处理，可使源晶片载体和/或目标晶片载体(例如，具有未损坏的半导体晶片)被准备用于运送，和/或类似情况。
半导体晶片分选机工具105可将半导体晶片转移到不同的晶片载体(例如，不同的目标晶片载体)，这是因为不同的晶片载体可被指定用于不同的半导体工艺、运送、测试工艺、和/或类似情况。例如，半导体晶片分选机工具105可将要分切的半导体晶片提供给被指定用于分切操作的对应的晶片载体。在一些实作方式中，半导体晶片在半导体晶片的顶表面和/或底表面上包括辨识数据(例如，数字代码、字母数字代码、条形码、二维(QR)码、和/或类似代码)，并且半导体晶片分选机工具105可基于所述辨识数据来辨识半导体晶片。
在一些实作方式中，半导体晶片分选机工具105可利用分选机对准器115来辨识半导体晶片的凹口或平面。直径小于两百(200)毫米的半导体晶片具有切入一侧内的平面。所述平面允许半导体晶片精确对准，以便由半导体晶片分选机工具105(例如，由半导体晶片分选机工具105的机械组件)搬运。直径大于或等于两百(200)毫米的半导体晶片使用凹口而非平面。半导体晶片的边缘上的凹口也允许半导体晶片精确对准，但占用少得多的晶片表面。在一些实作方式中，分选机对准器115包括旋转半导体晶片的可旋转卡盘。为了对准半导体晶片，分选机对准器115可实行预对准，所述预对准包括将分选机对准器115的可旋转卡盘的中心位置与半导体晶片的中心位置对中。在预对准之后，分选机对准器115可实行对准，所述对准包括使可旋转卡盘旋转半导体晶片，以辨识(例如，对准)半导体晶片的平面或凹口(例如，使用电荷耦合装置(charge coupled device，CCD)传感器的检测方法)。在对准之后，分选机对准器115可使可旋转卡盘再次旋转半导体晶片，以重新查核半导体晶片的平面或凹口。
AOI工具110可包括提供半导体晶片的自动化视觉检查的工具，其中照相机自动地扫描被测试的半导体晶片的灾难性故障(例如，缺失组件)、品质缺陷(例如，半导体晶片的损坏的边缘)和/或类似情况。因此，AOI工具110为半导体晶片提供非接触测试方法。AOI工具110可包括高速照像机120及同轴光源125。高速照相机120可包括每秒捕获至少六十帧图像的照相机。在一些实作方式中，高速照相机120可包括每秒捕获至少二百五十帧图像的照相机。高速照相机120可包括0.3百万像素(megapixel)、一百万像素、两百万像素和/或类似像素。高速照相机120可捕获位于分选机对准器115上的半导体晶片的图像。在一些实作方式中，AOI工具110的照相机可为高速照相机，因为分选机对准器115旋转半导体晶片，并且高速照相机可用于准确地捕获旋转的半导体晶片的图像。高速照相机120可位于半导体晶片上方一定距离处，使得高速照相机120在单帧中捕获整个半导体晶片，在一定距离处，使得高速照相机120在单帧中捕获半导体晶片的一部分(例如，百分比)和/或类似情况。在一些实作方式中，高速照相机120可位于半导体晶片正上方，相对于半导体晶片的顶表面成一定角度以减少来自同轴光源125的光的反射，和/或类似情况。在一些实作方式中，如果同轴光源125没有被利用或者位于半导体晶片下方，则高速照相机120可位于半导体晶片正下方，相对于半导体晶片的底表面成一定角度，和/或类似情况。
同轴光源125可从半导体晶片(例如，位于分选机对准器115上)的顶表面上方(例如，顶表面正上方或与之成一定角度)的位置提供一片光的漫射照明(diffuseillumination)。在一些实作方式中，同轴光源125可位于半导体晶片的底表面下方(例如，底表面正下方或与之成一定角度)。在其中同轴光源125位于半导体晶片底表面下方的此种实作方式中，高速照相机120也可位于半导体晶片的底表面下方。在一些实作方式中，可利用同轴光源125，因为半导体晶片的表面具有高度的反射率，并且同轴光可用于此种表面。在一些实作方式中，同轴光源125可用从半导体晶片上方的位置照亮半导体晶片的光源代替。在一些实作方式中，高速照相机120可能够在不使用例如同轴光源125等专用光源的情况下捕获图像。在此种实作方式中，高速照相机120可位于半导体晶片的上方或下方。
如图1A且通过参考编号130进一步所示，半导体晶片分选机工具105可接收具有多个半导体晶片的源晶片载体、及目标晶片载体。例如，半导体晶片分选机工具105可从一个或多个自动化材料搬运系统工具(例如，机器人、输送机和/或类似工具)接收源晶片载体和/或目标晶片载体。在一些实作方式中，半导体晶片分选机工具105从源晶片载体取回(例如，用机械臂)半导体晶片。
如图1B且通过参考编号135所示，半导体晶片分选机工具105可将(例如，从源晶片载体获得的)多个半导体晶片中的半导体晶片提供给分选机对准器115。例如，半导体晶片分选机工具105可从源晶片载体获得半导体晶片，并且可将半导体晶片提供到分选机对准器115的可旋转卡盘上。可旋转卡盘的大小及形状可被设计成容纳及保持半导体晶片。可旋转卡盘可包括将半导体晶片保持在可旋转卡盘的表面上的真空，可包括将半导体晶片保持在可旋转卡盘的表面上的表面摩擦，和/或类似情况。
如图1B且通过参考编号135进一步所示，半导体晶片分选机工具105可使分选机对准器115旋转半导体晶片。例如，分选机对准器115的可旋转卡盘可旋转，并且将半导体晶片保持在可旋转卡盘上的真空、表面摩擦和/或类似物可使半导体晶片随着可旋转卡盘旋转。在一些实作方式中，分选机对准器115可以每秒两转、每秒三转、和/或类似转数的速度旋转半导体晶片。在一些实作方式中，AOI工具110与分选机对准器115集成，使得AOI工具110可在分选机对准器115旋转半导体晶片时检查半导体晶片。
如图1C且通过参考编号140所示，当分选机对准器115旋转半导体晶片时，AOI工具110可使同轴光源125照亮半导体晶片。例如，AOI工具110可接收指示分选机对准器115正在旋转或将要旋转半导体晶片的第一信号，并且可基于第一信号向同轴光源125提供指令同轴光源125对半导体晶片供能并照亮半导体晶片的第二信号。在一些实作方式中，同轴光源125可从半导体晶片(例如，在分选机对准器115上旋转)上方的位置提供一片光的漫射照明，使得高速照相机120可捕获图像。
如图1C中且通过参考编号140进一步所示，在同轴光源125照亮半导体晶片之后，AOI工具110可使高速照相机120捕获半导体晶片的图像。例如，AOI工具110可接收指示分选机对准器115正在旋转或将要旋转半导体晶片的第一信号，并且可基于第一信号向高速照相机120提供指令高速照相机120对半导体晶片供能并捕获半导体晶片的图像的第二信号。在一些实作方式中，高速照相机120每秒捕获半导体晶片的图像至少六十帧、至少一百二十帧、至少二百四十帧和/或类似帧。在一些实作方式中，高速照相机120捕获半导体晶片的图像，直到分选机对准器115将半导体晶片旋转至少一转。例如，如果分选机对准器115每秒旋转半导体晶片两转，则高速照相机120可在0.5秒时或之后、一秒时或之后和/或类似时间捕获半导体晶片的图像。AOI工具110可指令高速照相机120何时捕获半导体晶片的图像以及何时停止捕获半导体晶片的图像。
如图1D且通过参考编号145所示，AOI工具110可对半导体晶片的图像(例如，由高速照相机120捕获)实行图像识别，以判断半导体晶片的边缘是否被损坏。例如，AOI工具110可用图像识别模型来处理半导体晶片的图像，以判断半导体晶片的边缘是否被损坏(例如，包括一个或多个缺失部分)。在一些实作方式中，图像识别模型包括卷积神经网络模型、分类模型、支持向量机模型和/或类似模型，所述这些模型用历史图像数据进行训练以辨识具有损坏的边缘的半导体晶片、具有未损坏的边缘的半导体晶片和/或类似晶片。例如，卷积神经网络模型可通过实行特征提取及分类来训练。在另一实例中，可手动提取图像的特征，并且可利用所述特征来训练支持向量机模型。在又一实例中，可跳过卷积神经网络模型的分类层，并且可利用从不同神经网络层提取的特征来训练支持向量机模型。
在一些实作方式中，AOI工具110可用历史数据(例如，辨识具有损坏的边缘的半导体晶片、具有未损坏的边缘的半导体晶片和/或类似晶片的历史数据)来训练图像识别模型，以产生能够判断半导体晶片的边缘是否被损坏的经训练的图像识别模型。AOI工具110可将历史数据分成训练集、验证集、测试集和/或类似集。训练集可用于训练图像识别模型。验证集可用于验证经训练图像识别模型的结果。测试集可用于测试经训练图像识别模型的操作。
在一些实作方式中，AOI工具110可使用例如无监督的训练程序并基于历史数据来训练图像识别模型。例如，AOI工具110可实行降维以将历史数据减少到最小特征集，从而减少训练图像识别模型的资源(例如，处理资源、存储器资源和/或类似资源)，并且可对最小特征集应用分类技术。
在一些实作方式中，AOI工具110可使用逻辑回归分类技术来确定分类结果(例如，半导体晶片的边缘是否被损坏)。另外或作为另一选择，AOI工具110可使用朴素贝叶斯分类器技术(
Figure BDA0002910096190000071
Bayesian classifier technique)。在这种情况下，AOI工具110可实行二进制递归分区(binary recursive partitioning)，以将历史数据分成分区和/或分支，并使用分区和/或分支来确定结果(例如，半导体晶片的边缘是否被损坏)。基于使用递归分区，AOI工具110可相对于数据点的手动、线性分选及分析减少计算资源的利用，从而使得能够使用数千、数百万或数十亿个数据点来训练图像识别模型，相较于使用更少的数据点，这可产生更准确的模型。
另外或作为另一选择，AOI工具110可使用支持向量机(support vector machine，SVM)分类器技术来产生训练集中的数据点之间的非线性边界。在这种情况下，使用非线性边界将测试数据分类成特定类别。
另外或作为另一选择，AOI工具110可使用监督的训练程序来训练图像识别模型，所述监督的训练程序包括从主题专家接收对图像识别模型的输入，这相对于无监督的训练程序可减少训练图像识别模型的时间量、处理资源量和/或类似量。
在一些实作方式中，AOI工具110可使用一种或多种其他模型训练技术，例如潜在语义索引技术(latent semantic indexing technique)和/或类似技术。例如，AOI工具110可实行人工神经网络处理技术(例如，使用两层式前馈神经网络架构、三层式前馈神经网络架构和/或类似架构)来实行关于历史数据的模式的模式识别。在这种情况下，使用人工神经网络处理技术可通过使由AOI工具110产生的经训练图像识别模型对有噪声的、不精确或不完全数据更加鲁棒(Robust)以及通过使AOI工具110能够使用不太复杂的技术检测人类分析师或系统无法检测的模式和/或趋势，来提高所述模型的准确性。
在一些实作方式中，不同于训练图像识别模型，AOI工具110可从已对图像识别模型进行训练而产生经训练图像识别模型的另一系统或装置获得经训练图像识别模型。在这种情况下，AOI工具110可向其他系统或装置提供用于训练图像识别模型的历史数据，并且可向其他系统或装置提供更新的历史数据以重新训练图像识别模型，从而更新经训练图像识别模型。
在一些实作方式中，AOI工具110可在以下情况下对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏：在从源晶片载体运输半导体晶片的同时、在分选半导体晶片的同时、在分选机对准器115旋转半导体晶片的同时和/或类似情况。AOI工具110可对半导体晶片的图像实行图像识别，以实时地或近乎实时地(例如，少于两到三秒)判断半导体晶片的边缘是否被损坏。当对半导体晶片的图像实行图像识别时，当半导体晶片的所捕获的图像包括颜色比半导体晶片的表面颜色更暗的图像时，AOI工具110可确定(例如，通过图像识别)半导体晶片的边缘的一个或多个部分缺失。例如，半导体晶片可包括第一颜色(例如，灰色或白色)，并且半导体晶片的缺失部分(例如，缺口边缘)可包括不同于第一颜色的第二颜色(例如，黑色)。当所述一个或多个部分的数量满足部分的阈值数量(例如，一个部分、两个部分、三个部分和/或类似情况)时，AOI工具110可确定半导体晶片的边缘被损坏。
当对半导体晶片的图像实行图像识别时，AOI工具110可确定半导体晶片的边缘的一个或多个部分缺失，并且可计算与半导体晶片的边缘的所述一个或多个部分相关联的一个或多个近似大小(例如，长度、宽度、面积和/或类似大小)。例如，如果缺失部分包括如上所述的第二颜色，则AOI工具110可通过逼近表示缺失部分的n边不规则多边形的面积(例如，通过坐标几何、确定任何多边形的面积的模型和/或类似方式)来计算缺失部分的近似大小。当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足阈值大小(例如，特定长度、特定宽度、特定面积和/或类似大小)时，AOI工具110可确定半导体晶片的边缘被损坏。当对半导体晶片的图像实行图像识别时，AOI工具110可确定半导体晶片的边缘的一个或多个部分缺失，可计算与半导体晶片的边缘的所述一个或多个部分相关联的一个或多个大小，并且当所述一个或多个部分的数量满足部分的阈值数量时和/或当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足阈值大小时，可确定半导体晶片的边缘被损坏。
如图1D进一步所示，半导体晶片可包括圆形晶片，并且半导体晶片的边缘可包括圆形晶片的周界。因此，具有损坏的边缘的半导体晶片缺失圆形晶片的周界的一个或多个部分(例如，和/或具有一个或多个大小，以黑色示出)，并且具有未损坏的边缘的半导体晶片没有缺失圆形晶片的周界的任何部分，没有缺失超过阈值数量的部分，没有缺失满足阈值大小的至少一个大小，和/或类似情况。
如图1E且通过参考编号150所示，AOI工具110可向半导体晶片分选机工具105提供辨识半导体晶片的辨识数据及指示半导体晶片的边缘是被损坏还是未被损坏的损坏数据。例如，AOI工具110可在实行图像识别期间，在半导体晶片的顶表面(例如，当高速照相机120位于半导体晶片上方时)和/或底表面(例如，当高速照相机120位于半导体晶片下方时)上捕获辨识半导体晶片的辨识数据(例如，数字代码、字母数字代码、条形码、QR码和/或类似代码)，并且可将辨识数据提供给半导体晶片分选机工具105。作为另一选择或另外，分选机对准器115可确定辨识数据，并且可将辨识数据提供给半导体晶片分选机工具105。AOI工具110可基于实行图像识别来确定损坏数据，并且可将损坏数据提供给半导体晶片分选机工具105。
如图1F且通过参考编号155所示，半导体晶片分选机工具105可基于辨识数据并且当损坏数据指示半导体晶片的边缘被损坏时，将半导体晶片返回到源晶片载体。例如，半导体晶片分选机工具105可使分选机对准器115及半导体晶片停止旋转，并且可利用机器人从分选机对准器115移除半导体晶片。半导体晶片分选机工具105可利用机器人将半导体晶片从分选机对准器运输到源晶片载体，并且可利用机器人将半导体晶片放置在源晶片载体中。如果确定半导体晶片被损坏，则半导体晶片可不被提供给目标晶片载体，这是因为目标晶片载体可被指定用于需要进一步处理、运送和/或类似情况的未损坏的半导体晶片。此外，损坏的半导体晶片可返回到源晶片载体，这是因为源晶片载体可被指定用于需要品质控制测试的半导体晶片。因此，半导体晶片分选机工具105可将损坏的半导体晶片返回到源晶片载体。在一些实作方式中，半导体晶片分选机工具105可基于辨识数据并且当损坏数据指示半导体晶片的边缘被损坏时，将半导体晶片提供给目标晶片载体(而不是源晶片载体)。
如图1F且通过参考编号160进一步所示，半导体晶片分选机工具105可基于辨识数据并且当损坏数据指示半导体晶片的边缘未被损坏时，将半导体晶片提供给目标晶片载体(例如，以与上述将半导体晶片提供给源晶片载体类似的方式)。例如半导体晶片可被提供给目标晶片载体，这是因为目标晶片载体可被指定用于需要进一步处理、运送和/或类似情况的未损坏的半导体晶片。因此，半导体晶片分选机工具105可将未损坏的半导体晶片返回到目标晶片载体。在一些实作方式中，半导体晶片分选机工具105可基于辨识数据并且当损坏数据指示半导体晶片的边缘未被损坏时，将半导体晶片提供给源晶片载体(而不是目标晶片载体)。
如图1G且通过参考编号165所示，半导体晶片分选机工具105可使具有一个或多个损坏的半导体晶片的源晶片载体被提供用于品质控制检查。例如，半导体晶片分选机工具105可使源晶片载体被提供给自动化材料搬运系统，所述自动化材料搬运系统将源晶片载体运输到与损坏的半导体晶片的品质控制检查相关联的位置。在一些实作方式中，当确定半导体晶片的边缘被损坏时，半导体晶片分选机工具105可提供半导体晶片的图像中的至少一者用于显示(例如，显示给半导体晶片分选机工具105的用户和/或AOI工具110的用户)、用于存储在存储装置中以供稍后分析和/或类似情况。
如图1G且通过参考编号170进一步所示，半导体晶片分选机工具105可使具有一个或多个未损坏的半导体晶片的目标晶片载体被提供用于运送、进一步处理和/或类似情况。例如，半导体晶片分选机工具105可使目标晶片载体被提供给自动化材料搬运系统，所述自动化材料搬运系统将目标晶片载体运送到与未损坏的半导体晶片的运送相关联的位置、与未损坏的半导体晶片的进一步处理相关联的位置和/或类似位置。
以此种方式，AOI工具110可与半导体晶片分选机工具105一起用于在半导体晶片分选机工具105搬运半导体晶片的同时自动地判断半导体晶片是被损坏还是未被损坏。例如，在半导体晶片分选机工具105的分选机对准器115旋转半导体晶片的同时，AOI工具110可捕获半导体晶片的图像。AOI工具110可对所捕获的图像实行图像识别，以判断半导体晶片是否被损坏。如果半导体晶片被损坏，则半导体晶片可被运输到品质控制检查，以判断半导体晶片是否可被补救。如果半导体晶片未被损坏，则半导体晶片可被运输用于进一步处理。因此，AOI工具110可在半导体晶片被提供用于运送之前辨识损坏的半导体晶片，可增加半导体晶片生产的生产量、可保存资源(例如，人力资源、工具资源和/或制造资源)和/或类似情况。
如上所指示，图1A到图1G仅被提供作为实例。其他实例可不同于关于图1A到1G所阐述的内容。图1A到1G中所示的装置和/或组件的数量及布置被提供作为实例。实际上，与图1A到1G中所示者相比，可存在附加装置和/或组件、更少的装置和/或组件、不同的装置和/或组件、或者不同布置的装置和/或组件。此外，图1A到1G中所示的两个或更多个装置可在单个装置内实作，或者图1A到1G中所示的单个装置可被实作为多个分布式装置。另外或作为另一选择，图1A到1G的一组装置(例如，一个或多个装置)可实行被阐述为由图1A到1G的另一组装置实行的一个或多个功能。
图2是其中可实作本文阐述的系统和/或方法的示例性环境200的图。如图2所示，示例性环境200可包括半导体晶片分选机工具105、AOI工具110及网络210。示例性环境200的装置和/或网络可经由有线连接、无线连接或有线连接与无线连接的组合来内连。
半导体晶片分选机工具105包括分选及运输半导体晶片的工具。例如，半导体晶片分选机工具105可自动地将半导体晶片从任何晶片载体(例如，塑料运输晶片载体、塑料工艺晶片载体、金属运输晶片载体、金属工艺晶片载体)分选、划分和/或转移到任何其他晶片载体，而无论晶片载体中的狭槽的数量如何。在一些实作方式中，半导体晶片分选机工具105经由网络210与AOI工具110进行通信，包括AOI工具110作为组件和/或类似情况。上面结合图1A到图1G中的一者或多者提供了半导体晶片分选机工具105及分选机对准器115的进一步的细节。
AOI工具110包括提供半导体晶片的自动化视觉检查的工具，其中照相机(例如，每秒捕获至少六十(60)帧图像的高速照相机120)自动地扫描被测试的半导体晶片的灾难性故障(例如，缺失组件)、品质缺陷(例如，半导体晶片的损坏的边缘)和/或类似情况。在一些实作方式中，AOI工具110包括光源(例如，同轴光源125)，所述光源在照相机捕获半导体晶片的图像的同时从半导体晶片上方的位置提供一片光的漫射照明。在一些实作方式中，AOI工具110对由照相机捕获的半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏。在一些实作方式中，AOI工具经由网络210与半导体晶片分选机工具105进行通信，被包括作为半导体晶片分选机工具105的组件，和/或类似情况。上面结合图1A到图1G中的一者或多者提供了AOI工具110、高速照相机120、同轴光源125的进一步的细节。
网络210包括一个或多个有线网络和/或无线网络。例如，网络210可包括局域网(local area network，LAN)、广域网(wide area network，WAN)、城域网(metropolitanarea network，MAN)、专用网、自组织网络(ad hoc network)、内联网、互联网、基于光纤的网络和/或类似网络和/或这些的组合或其他类型的网络。
提供图2中所示的装置及网络的数量及布置作为实例。实际上，与图2所示者相比，可存在附加装置和/或网络、更少的装置和/或网络、不同的装置和/或网络或者不同布置的装置和/或网络。此外，图2中所示的两个或更多个装置可在单个装置内实作，或者图2中所示的单个装置可被实作为多个分布式装置。另外或作为另一选择，示例性环境200的一组装置(例如，一个或多个装置)可实行被阐述为由示例性环境200的另一组装置实行的一个或多个功能。
图3是装置300的示例性组件的图。装置300可对应于半导体晶片分选机工具105和/或AOI工具110。在一些实作方式中，半导体晶片分选机工具105和/或AOI工具110可包括一个或多个装置300和/或装置300的一个或多个组件。如图3所示，装置300可包括总线310、处理器320、存储器330、存储组件340、输入组件350、输出组件360及通信接口370。
总线310包括允许装置300的组件之间进行通信的组件。处理器320以硬件、固件或硬件与软件的组合来实作。处理器320是中央处理器(central processing unit，CPU)、图形处理单元(graphics processing unit，GPU)、加速处理单元(accelerated processingunit，APU)、微处理器、微控制器、数字信号处理器(digital signal processor，DSP)、现场可编程门阵列(field-programmable gate array，FPGA)、应用专用集成电路(application-specific integrated circuit，ASIC)或另一种类型的处理组件。在一些实作方式中，处理器320包括能够被编程以实行功能的一个或多个处理器。存储器330包括存储供处理器320使用的信息和/或指令的随机存取存储器(random access memory，RAM)、只读存储器(read only memory，ROM)和/或另一种类型的动态或静态存储装置(例如闪存、磁存储器和/或光学存储器)。
存储组件340存储与装置300的操作及使用相关的信息和/或软件。例如，存储组件340可包括硬盘(例如，磁盘、光盘(optical disk)、磁光盘和/或固态盘)、压缩光盘(compact disc，CD)、数字通用光盘(digital versatile disc，DVD)、软盘、盒式磁带、磁带和/或另一种类型的非暂时性计算机可读媒体以及对应的驱动器。
输入组件350包括允许装置300例如经由用户输入(例如，触摸屏显示器、键盘、小键盘、鼠标、按钮、开关和/或麦克风)接收信息的组件。另外或作为另一选择，输入组件350可包括用于感测信息的传感器(例如，全球定位系统(global positioning system，GPS)组件、加速度计、陀螺仪和/或致动器)。输出组件360包括从装置300提供输出信息的组件(例如，显示器、扬声器和/或一个或多个发光二极管(light emitting diode，LED))。
通信接口370包括类似收发器的组件(例如，收发器和/或单独的接收器及发射器)，所述组件使装置300能够例如经由有线连接、无线连接或有线连接与无线连接的组合与其他装置进行通信。通信接口370可允许装置300从另一装置接收信息和/或向另一装置提供信息。例如，通信接口370可包括以太网接口、光接口、同轴接口、红外接口、射频(radiofrequency，RF)接口、通用串行总线(universal serial bus，USB)接口、无线局域网接口、蜂窝网络接口和/或类似接口。
装置300可实行本文阐述的一个或多个过程。装置300可基于处理器320执行由例如存储器330和/或存储组件340等非暂时性计算机可读媒体存储的软件指令来执行这些过程。计算机可读媒体在本文中被定义为非暂时性存储器装置。存储器装置包括单个物理存储装置内的存储器空间或跨多个物理存储装置的存储器空间。
软件指令可经由通信接口370从另一计算机可读媒体或从另一装置读取到存储器330和/或存储组件340。当被执行时，存储在存储器330和/或存储组件340中的软件指令可使处理器320实行本文阐述的一个或多个过程。另外或作为另一选择，硬连线电路系统可代替软件指令或与软件指令组合使用，以实行本文阐述的一个或多个过程。因此，本文阐述的实作方式不限于硬件电路系统与软件的任何特定组合。
提供图3所示组件的数量及布置作为实例。实际上，与图3所示者相比，装置300可包括附加组件、更少的组件、不同的组件或者以不同方式布置的组件。另外或作为另一选择，装置300的一组组件(例如，一个或多个组件)可实行被阐述为由装置300的另一组组件实行的一个或多个功能。
图4是用于利用自动化光学检查工具以及自动化材料搬运系统的半导体晶片分选机工具检测损坏的半导体晶片的示例性过程400的流程图。在一些实作方式中，图4的一个或多个过程块可由装置(例如，AOI工具110)来实行。在一些实作方式中，图4的一个或多个过程块可由与所述装置(例如半导体晶片分选机工具(例如，半导体晶片分选机工具105))分开或包括所述装置的另一装置或一群组装置来实行。另外或作为另一选择，图4的一个或多个过程块可由装置300的一个或多个组件(例如处理器320、存储器330、存储组件340、输入组件350、输出组件360、通信接口370和/或类似元件)来实行。
如图4所示，过程400可包括检测要从源晶片载体转移到目标晶片载体的半导体晶片(区块410)。例如，如上所述，所述装置可检测要从源晶片载体转移到目标晶片载体的半导体晶片。
如图4进一步所示，过程400可包括使光源照亮半导体晶片(区块420)。例如，如上所述，所述装置可使光源照亮半导体晶片。
如图4进一步所示，过程400可包括在光源照亮半导体晶片之后，使照相机捕获半导体晶片的图像(区块430)。例如，如上所述，在光源照亮半导体晶片之后，所述装置可使照相机捕获半导体晶片的图像。
如图4进一步所示，过程400可包括对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏(区块440)。例如，如上所述，所述装置可对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏。
如图4进一步所示，过程400可包括：基于判断半导体晶片的边缘是否被损坏，使半导体晶片被选择性地提供给源晶片载体或目标晶片载体，其中当确定半导体晶片的边缘被损坏时，将半导体晶片提供给源晶片载体，并且其中当确定半导体晶片的边缘未被损坏时，将半导体晶片提供给目标晶片载体(区块450)。例如，如上所述，基于判断半导体晶片的边缘是否被损坏，所述装置可使半导体晶片被选择性地提供给源晶片载体或目标晶片载体。在一些实作方式中，当确定半导体晶片的边缘被损坏时，将半导体晶片提供给源晶片载体。在一些实作方式中，当确定半导体晶片的边缘未被损坏时，将半导体晶片提供给目标晶片载体。
过程400可包括附加实作方式，例如下面和/或结合本文别处阐述的一个或多个其他过程阐述的任何单个实作方式或实作方式的任何组合。
在第一实作方式中，过程400包括旋转半导体晶片，并且在光源照亮半导体晶片之后使照相机捕获半导体晶片的图像包括在光源照亮半导体晶片之后且在半导体晶片旋转的同时使照相机捕获半导体晶片的图像。
在第二实作方式中，单独或与第一实作方式结合，对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏包括：在从源晶片载体运输半导体晶片的同时，对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏；在分选半导体晶片的同时，对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏；或者在半导体晶片旋转的同时，对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏。
在第三实作方式中，单独或与第一实作方式及第二实作方式中的一者或多者结合，光源包括同轴光源，所述同轴光源从半导体晶片上方的位置提供一片光的漫射照明。
在第四实作方式中，单独或与第一实作方式到第三实作方式中的一者或多者结合，照相机包括每秒捕获至少六十帧图像的高速照相机。
在第五实作方式中，单独或与第一实作方式到第四实作方式中的一者或多者结合，对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏包括：对半导体晶片的图像实行图像识别以近乎实时地判断半导体晶片的边缘是否被损坏。
在第六实作方式中，单独或与第一实作方式到第五实作方式中的一者或多者结合，对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏包括：确定半导体晶片的边缘的一个或多个部分缺失，以及当所述一个或多个部分的数量满足阈值时确定半导体晶片的边缘被损坏。
在第七实作方式中，单独或与第一实作方式到第六实作方式中的一者或多者结合，过程400包括确定半导体晶片的边缘的一个或多个部分缺失；计算与半导体晶片的边缘的所述一个或多个部分相关联的一个或多个大小；以及当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足阈值时，确定半导体晶片的边缘被损坏。
在第八实作方式中，单独或与第一实作方式到第七实作方式中的一者或多者结合，过程400包括使具有至少一个损坏的半导体晶片的源晶片载体被提供用于品质控制检查；以及使具有至少一个未损坏的半导体晶片的目标晶片载体被提供用于进一步处理。
在第九实作方式中，单独或与第一实作方式到第八实作方式中的一者或多者结合，过程400包括：确定半导体晶片的边缘的一个或多个部分缺失；计算与半导体晶片的边缘的所述一个或多个部分相关联的一个或多个大小；以及当所述一个或多个部分的数量满足第一阈值时，或者当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足第二阈值时，确定半导体晶片的边缘被损坏。
在第十实作方式中，单独或与第一实作方式到第九实作方式中的一者或多者结合，半导体晶片是圆形晶片，并且半导体晶片的边缘是圆形晶片的周界。
在第十一实作方式中，单独或与第一实作方式到第十实作方式中的一者或多者结合，过程400包括：当半导体晶片的边缘未被损坏时，将半导体晶片提供给一个或多个工具用于进一步处理；或者当确定半导体晶片的边缘被损坏时，提供半导体晶片的图像中的至少一者用于显示。
在第十二种实作方式中，单独或与第一实作方式到第十一实作方式中的一者或多者结合，判断半导体晶片的边缘是否被损坏是在检测到半导体晶片后不到三秒内发生。
尽管图4示出过程400的示例性区块，但是在一些实作方式中，与图4中绘示者相比，过程400可包括附加区块、更少的区块、不同的区块或者不同布置的区块。另外或作为另一选择，过程400的区块中的两者或更多者可并行实行。
以此种方式，AOI工具110可与自动化材料搬运系统的半导体晶片分选机工具105一起使用，以在所述系统搬运半导体晶片的同时自动地检测损坏的半导体晶片。例如，AOI工具110可捕获半导体晶片的图像，并且可对所捕获的图像实行图像识别，以辨识损坏的半导体晶片。因此，AOI工具110可在半导体晶片被提供用于运送之前辨识损坏的半导体晶片，可增加半导体晶片生产的生产量，可保存资源(例如，人力资源、工具资源和/或制造资源)，和/或类似情况。
如上文更详细阐述的，本文阐述的一些实作方式提供一种用于检测损坏的半导体晶片的方法。所述方法可包括：检测要从源晶片载体转移到目标晶片载体的半导体晶片，以及使光源照亮半导体晶片。所述方法可包括：在光源照亮半导体晶片之后使照相机捕获半导体晶片的图像，以及对半导体晶片的图像实行图像识别以判断半导体晶片的边缘是否被损坏。所述方法可包括：基于判断半导体晶片的边缘是否被损坏，使半导体晶片被选择性地提供给源晶片载体或目标晶片载体，其中当确定半导体晶片的边缘被损坏时，将半导体晶片提供给源晶片载体，并且其中当确定半导体晶片的边缘未被损坏时，将半导体晶片提供给目标晶片载体。在一些实作方式中，所述的方法还包括：旋转所述半导体晶片，其中在所述光源照亮所述半导体晶片之后，使所述照相机捕获所述半导体晶片的所述图像包括：在所述光源照亮所述半导体晶片之后且在所述半导体晶片旋转的同时使所述照相机捕获所述半导体晶片的所述图像。在一些实作方式中，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏包括以下中的一者或多者：在从所述源晶片载体运输所述半导体晶片的同时，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏；在分选所述半导体晶片的同时，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏；或者在旋转所述半导体晶片的同时，对所述半导体晶片的所述图像实行所述图像识别，以判断所述半导体晶片的所述边缘是否被损坏。在一些实作方式中，所述光源包括同轴光源，所述同轴光源从所述半导体晶片上方的位置提供一片光的漫射照明。在一些实作方式中，所述照相机包括每秒捕获至少六十帧图像的高速照相机。在一些实作方式中，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏包括：对所述半导体晶片的所述图像实行所述图像识别，以近乎实时地判断所述半导体晶片的所述边缘是否被损坏。在一些实作方式中，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏包括：确定所述半导体晶片的所述边缘的一个或多个部分缺失；及当所述一个或多个部分的数量满足阈值时，确定所述半导体晶片的所述边缘被损坏。
如上文更详细阐述的，本文阐述的一些实作方式提供一种用于检测损坏的半导体晶片的装置。所述装置可包括一个或多个存储器及一个或多个处理器，以检测要从源晶片载体转移到目标晶片载体的半导体晶片，并使半导体晶片随着装置的分选机对准器组件旋转。所述一个或多个处理器可使装置的自动化光学检查组件的同轴光源照亮半导体晶片，并且在同轴光源照亮半导体晶片之后，可使自动化光学检查组件的高速照相机捕获半导体晶片的图像。所述一个或多个处理器可对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏，并且可基于判断半导体晶片的边缘是否被损坏，使半导体晶片被选择性地提供给源晶片载体或目标晶片载体。当确定半导体晶片的边缘被损坏时，可将半导体晶片提供给源晶片载体，且当确定半导体晶片的边缘未被损坏时，可将半导体晶片提供给目标晶片载体。在一些实作方式中，当对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏时，所述一或多个处理器被配置成：确定所述半导体晶片的所述边缘的一个或多个部分缺失；计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足阈值时，确定所述半导体晶片的所述边缘被损坏。在一些实作方式中，所述一个或多个处理器还被配置成：使具有至少一个损坏的所述半导体晶片的所述源晶片载体被提供用于品质控制检查；及使具有至少一个未损坏的所述半导体晶片的所述目标晶片载体被提供用于进一步处理。在一些实作方式中，当对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏时，所述一或多个处理器被配置成：确定所述半导体晶片的所述边缘的一个或多个部分缺失；计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及当所述一个或多个部分的数量满足第一阈值时，或者当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足第二阈值时，确定所述半导体晶片的所述边缘被损坏。在一些实作方式中，所述半导体晶片是圆形晶片，且所述半导体晶片的所述边缘是所述圆形晶片的周界。在一些实作方式中，所述一个或多个处理器还被配置成以下中的一者：当所述半导体晶片的所述边缘未被损坏时，将所述半导体晶片提供给一个或多个工具用于进一步处理；或者当确定所述半导体晶片的所述边缘被损坏时，提供所述半导体晶片的所述图像中的至少一者用于显示。在一些实作方式中，所述判断所述半导体晶片的所述边缘是否被损坏是在检测到所述半导体晶片之后不到三秒的时间内发生。
如上文更详细阐述的，本文阐述的一些实作方式提供一种用于检测损坏的半导体晶片的非暂时性计算机可读媒体。所述非暂时性计算机可读媒体可存储一个或多个指令，当由半导体晶片分选机工具的一个或多个处理器执行时，所述一个或多个指令可使所述一个或多个处理器接收半导体晶片，并且使半导体晶片随着半导体晶片分选机工具的分选机对准器组件旋转。所述一个或多个指令可使所述一个或多个处理器使半导体晶片分选机工具的自动化光学检查组件的照相机捕获半导体晶片的图像，并且由自动化光学检查组件对半导体晶片的图像实行图像识别，以判断半导体晶片的边缘是否被损坏。当确定半导体晶片的边缘被损坏时，所述一个或多个指令可使所述一个或多个处理器选择性地提供半导体晶片用于品质控制检查，或者当确定半导体晶片的边缘未被损坏时，将半导体晶片提供给一个或多个工具用于进一步处理。在一些实作方式中，使所述一个或多个处理器对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏的所述一个或多个指令使所述一个或多个处理器：判断所述半导体晶片的所述边缘的一个或多个部分是否缺失；及当所述一个或多个部分的数量满足阈值时，确定所述半导体晶片的所述边缘被损坏。在一些实作方式中，使所述一个或多个处理器对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏的所述一个或多个指令使所述一个或多个处理器：确定所述半导体晶片的所述边缘的一个或多个部分缺失；计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足阈值时，确定所述半导体晶片的所述边缘被损坏。在一些实作方式中，当由所述一个或多个处理器实行时，所述一个或多个指令还使所述一个或多个处理器：当确定所述半导体晶片的所述边缘被损坏时，提供所述半导体晶片的所述图像中的至少一者用于显示。在一些实作方式中，使所述一个或多个处理器对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏的所述一个或多个指令使所述一个或多个处理器：确定所述半导体晶片的所述边缘的一个或多个部分缺失；计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及当所述一个或多个部分的数量满足第一阈值时，或者当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足第二阈值时，确定所述半导体晶片的所述边缘被损坏。在一些实作方式中，使所述一个或多个处理器对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏的所述一个或多个指令使所述一个或多个处理器：对所述半导体晶片的所述图像实行所述图像识别，以实时地或近乎实时地判断所述半导体晶片的所述边缘是否被损坏。
以上概述了若干实施例的特征，以使所属领域中的技术人员可更好地理解本公开的各个方面。所属领域中的技术人员应理解，其可容易地使用本公开作为设计或修改其他工艺及结构的基础来施行与本文中所介绍的实施例相同的目的和/或实现与本文中所介绍的实施例相同的优点。所属领域中的技术人员还应认识到，这些等效构造并不背离本公开的精神及范围，而且所属领域中的技术人员可在不背离本公开的精神及范围的条件下对其作出各种改变、代替及变更。
[符号的说明]
100：图
105：半导体晶片分选机工具
110：自动化光学检查(AOI)工具
115：分选机对准器
120：高速照相机
125：同轴光源
130、135、140、145、150、155、160、165、170：参考编号
200：环境
210：网络
300：装置
310：总线
320：处理器
330：存储器
340：存储组件
350：输入组件
360：输出组件
370：通信接口
400：过程
410、420、430、440、450：步骤

Claims (10)

1.一种检测晶片的方法，包括：
检测要从源晶片载体转移到目标晶片载体的半导体晶片；
使光源照亮所述半导体晶片；
在所述光源照亮所述半导体晶片之后，使照相机捕获所述半导体晶片的图像；
对所述半导体晶片的所述图像实行图像识别，以判断所述半导体晶片的边缘是否被损坏；及
基于判断所述半导体晶片的所述边缘是否被损坏，使所述半导体晶片被选择性地提供给所述源晶片载体或所述目标晶片载体，
其中当确定所述半导体晶片的所述边缘被损坏时，将所述半导体晶片提供给所述源晶片载体，且
其中当确定所述半导体晶片的所述边缘未被损坏时，将所述半导体晶片提供给所述目标晶片载体。
2.根据权利要求1所述的方法，其中对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏包括以下中的一者或多者：
在从所述源晶片载体运输所述半导体晶片的同时，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏；
在分选所述半导体晶片的同时，对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏；或者
在旋转所述半导体晶片的同时，对所述半导体晶片的所述图像实行所述图像识别，以判断所述半导体晶片的所述边缘是否被损坏。
3.根据权利要求1所述的方法，其中对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏包括：
确定所述半导体晶片的所述边缘的一个或多个部分缺失；及
当所述一个或多个部分的数量满足阈值时，确定所述半导体晶片的所述边缘被损坏。
4.一种检测晶片的装置，包括：
一个或多个存储器；及
一个或多个处理器，以通信方式耦合到所述一个或多个存储器，所述一个或多个处理器被配置成：
检测要从源晶片载体转移到目标晶片载体的半导体晶片；
使所述半导体晶片随着所述装置的分选机对准器组件旋转；
使所述装置的自动化光学检查组件的同轴光源照亮所述半导体晶片；
在所述同轴光源照亮所述半导体晶片之后，使所述自动化光学检查组件的高速照相机捕获所述半导体晶片的图像；
对所述半导体晶片的所述图像实行图像识别，以判断所述半导体晶片的边缘是否被损坏；及
基于判断所述半导体晶片的所述边缘是否被损坏，使所述半导体晶片被选择性地提供给所述源晶片载体或所述目标晶片载体，
其中当确定所述半导体晶片的所述边缘被损坏时，将所述半导体晶片提供给所述源晶片载体，且
其中当确定所述半导体晶片的所述边缘未被损坏时，将所述半导体晶片提供给所述目标晶片载体。
5.根据权利要求4所述的装置，其中当对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏时，所述一或多个处理器被配置成：
确定所述半导体晶片的所述边缘的一个或多个部分缺失；
计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及
当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足阈值时，确定所述半导体晶片的所述边缘被损坏。
6.根据权利要求4所述的装置，其中当对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏时，所述一或多个处理器被配置成：
确定所述半导体晶片的所述边缘的一个或多个部分缺失；
计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及
当所述一个或多个部分的数量满足第一阈值时，或者当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足第二阈值时，确定所述半导体晶片的所述边缘被损坏。
7.根据权利要求4所述的装置，其中所述一个或多个处理器还被配置成以下中的一者：
当所述半导体晶片的所述边缘未被损坏时，将所述半导体晶片提供给一个或多个工具用于进一步处理；或者
当确定所述半导体晶片的所述边缘被损坏时，提供所述半导体晶片的所述图像中的至少一者用于显示。
8.一种存储指令的非暂时性计算机可读媒体，所述指令包括：
一个或多个指令，当由半导体晶片分选机工具的一个或多个处理器执行时，使所述一个或多个处理器：
接收半导体晶片；
使所述半导体晶片随着所述半导体晶片分选机工具的分选机对准器组件旋转；
使所述半导体晶片分选机工具的自动化光学检查组件的照相机捕获所述半导体晶片的图像；
由所述自动化光学检查组件对所述半导体晶片的所述图像实行图像识别，以判断所述半导体晶片的边缘是否被损坏；及
选择性地：
当确定所述半导体晶片的所述边缘被损坏时，提供所述半导体晶片用于品质控制检查；或者
当确定所述半导体晶片的所述边缘未被损坏时，将所述半导体晶片提供给一个或多个工具用于进一步处理。
9.根据权利要求8所述的非暂时性计算机可读媒体，其中当由所述一个或多个处理器实行时，所述一个或多个指令还使所述一个或多个处理器：
当确定所述半导体晶片的所述边缘被损坏时，提供所述半导体晶片的所述图像中的至少一者用于显示。
10.根据权利要求8所述的非暂时性计算机可读媒体，其中使所述一个或多个处理器对所述半导体晶片的所述图像实行所述图像识别以判断所述半导体晶片的所述边缘是否被损坏的所述一个或多个指令使所述一个或多个处理器：
确定所述半导体晶片的所述边缘的一个或多个部分缺失；
计算与所述半导体晶片的所述边缘的所述一个或多个部分相关联的一个或多个大小；及
当所述一个或多个部分的数量满足第一阈值时，或者当与所述一个或多个部分相关联的所述一个或多个大小中的至少一个大小满足第二阈值时，确定所述半导体晶片的所述边缘被损坏。
CN202110083892.6A 2020-06-29 2021-01-21 检测晶片的装置及方法以及非暂时性计算机可读媒体 Pending CN113333307A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/915,273 2020-06-29
US16/915,273 US11600504B2 (en) 2020-06-29 2020-06-29 Detecting damaged semiconductor wafers utilizing a semiconductor wafer sorter tool of an automated materials handling system

Publications (1)

Publication Number Publication Date
CN113333307A true CN113333307A (zh) 2021-09-03

Family

ID=77467657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110083892.6A Pending CN113333307A (zh) 2020-06-29 2021-01-21 检测晶片的装置及方法以及非暂时性计算机可读媒体

Country Status (3)

Country Link
US (2) US11600504B2 (zh)
CN (1) CN113333307A (zh)
TW (1) TW202200985A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001118894A (ja) * 1999-10-15 2001-04-27 Sumitomo Metal Ind Ltd 半導体ウェーハの検査方法
CN1473360A (zh) * 2001-09-19 2004-02-04 ���ְ�˹��ѧ��ҵ��ʽ���� 半导体晶片检查设备
CN1503340A (zh) * 2002-11-21 2004-06-09 奥林巴斯株式会社 晶片检验设备
JP2007171149A (ja) * 2005-12-21 2007-07-05 Nippon Electro Sensari Device Kk 表面欠陥検査装置
JP2007184529A (ja) * 2005-12-06 2007-07-19 Eibisu:Kk 半導体ウエハの検査装置
CN101167171A (zh) * 2005-04-27 2008-04-23 奥林巴斯株式会社 外观检查装置、外观检查方法以及可安装在外观检查装置上的边缘部检查单元
CN101467023A (zh) * 2006-04-03 2009-06-24 鲁道夫科技公司 晶片斜面检查机构
CN101783306A (zh) * 2009-01-13 2010-07-21 联达科技设备私人有限公司 检测晶片的系统和方法
CN104634792A (zh) * 2013-11-07 2015-05-20 沈阳芯源微电子设备有限公司 Pss良率在线监测系统及其检测方法
CN109427609A (zh) * 2017-08-30 2019-03-05 台湾积体电路制造股份有限公司 半导体晶片在线检验的系统及方法
CN110399815A (zh) * 2019-07-12 2019-11-01 淮阴工学院 一种基于vgg16的cnn-svm手写签名识别方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996039619A1 (en) * 1995-06-06 1996-12-12 Kla Instruments Corporation Optical inspection of a specimen using multi-channel responses from the specimen
US5880479A (en) * 1996-10-25 1999-03-09 Vanguard International Semiconductor Corporation Wafer aligner apparatus using different diameter rollers
JP3058615B2 (ja) * 1998-04-10 2000-07-04 株式会社山武 ウエハ検出装置
US6324298B1 (en) * 1998-07-15 2001-11-27 August Technology Corp. Automated wafer defect inspection system and a process of performing such inspection
JP3723954B2 (ja) * 1998-11-16 2005-12-07 株式会社山武 ウエハ検出装置
US6407373B1 (en) * 1999-06-15 2002-06-18 Applied Materials, Inc. Apparatus and method for reviewing defects on an object
KR100389129B1 (ko) * 2001-03-06 2003-06-25 삼성전자주식회사 멀티 펑션 웨이퍼 얼라이너
JP2005536878A (ja) * 2002-08-22 2005-12-02 インテグレイテッド ダイナミックス エンジニアリング インコーポレーテッド 基板処理システム
DE10303459A1 (de) * 2003-01-29 2004-08-19 Infineon Technologies Ag Verfahren und Vorrichtung zum Kontrollieren des Randes eines scheibenförmigen Gegenstandes
DE10352936A1 (de) 2003-05-19 2004-12-30 Micro-Epsilon Messtechnik Gmbh & Co Kg Verfahren und Vorrichtung zur optischen Qualitätsprüfung von Objekten mit vorzugsweise kreisförmig umlaufendem Rand
DE10343148A1 (de) * 2003-09-18 2005-04-21 Leica Microsystems Verfahren und Vorrichtung zur Inspektion eines Wafers
DE102004004761A1 (de) * 2004-01-30 2005-09-08 Leica Microsystems Semiconductor Gmbh Vorrichtung und Verfahren zur Inspektion eines Wafers
JP2008091476A (ja) 2006-09-29 2008-04-17 Olympus Corp 外観検査装置
US8094924B2 (en) * 2008-12-15 2012-01-10 Hermes-Microvision, Inc. E-beam defect review system
WO2011017772A1 (en) * 2009-08-14 2011-02-17 Bt Imaging Pty Ltd Detection of discontinuities in semiconductor materials
JP5614326B2 (ja) 2010-08-20 2014-10-29 東京エレクトロン株式会社 基板搬送装置、基板搬送方法及びその基板搬送方法を実行させるためのプログラムを記録した記録媒体
DE102012101301B4 (de) * 2012-02-17 2014-11-06 Kocos Automation Gmbh Vorrichtung zur berührungslosen Kantenprofilbestimmung an einem dünnen scheibenförmigen Objekt
JP6486757B2 (ja) 2015-04-23 2019-03-20 株式会社荏原製作所 基板処理装置
CN111886606A (zh) 2018-02-23 2020-11-03 Asml荷兰有限公司 用于图案的语义分段的深度学习
CN214201194U (zh) * 2021-01-19 2021-09-14 嘉兴阿特斯光伏技术有限公司 硅片激光切割热损伤探测装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001118894A (ja) * 1999-10-15 2001-04-27 Sumitomo Metal Ind Ltd 半導体ウェーハの検査方法
CN1473360A (zh) * 2001-09-19 2004-02-04 ���ְ�˹��ѧ��ҵ��ʽ���� 半导体晶片检查设备
CN1503340A (zh) * 2002-11-21 2004-06-09 奥林巴斯株式会社 晶片检验设备
CN101167171A (zh) * 2005-04-27 2008-04-23 奥林巴斯株式会社 外观检查装置、外观检查方法以及可安装在外观检查装置上的边缘部检查单元
JP2007184529A (ja) * 2005-12-06 2007-07-19 Eibisu:Kk 半導体ウエハの検査装置
JP2007171149A (ja) * 2005-12-21 2007-07-05 Nippon Electro Sensari Device Kk 表面欠陥検査装置
CN101467023A (zh) * 2006-04-03 2009-06-24 鲁道夫科技公司 晶片斜面检查机构
CN101783306A (zh) * 2009-01-13 2010-07-21 联达科技设备私人有限公司 检测晶片的系统和方法
CN104634792A (zh) * 2013-11-07 2015-05-20 沈阳芯源微电子设备有限公司 Pss良率在线监测系统及其检测方法
CN109427609A (zh) * 2017-08-30 2019-03-05 台湾积体电路制造股份有限公司 半导体晶片在线检验的系统及方法
CN110399815A (zh) * 2019-07-12 2019-11-01 淮阴工学院 一种基于vgg16的cnn-svm手写签名识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘国华: "《HALCON编程及工程应用》", 31 October 2019 *
李德毅等: "《中国科协新一代信息技术系列丛书 人工智能导论》", 30 September 2018 *
长城工作室数据组, 北京邮电大学出版社 *

Also Published As

Publication number Publication date
US20210407832A1 (en) 2021-12-30
US20230207357A1 (en) 2023-06-29
US11600504B2 (en) 2023-03-07
TW202200985A (zh) 2022-01-01

Similar Documents

Publication Publication Date Title
US11756182B2 (en) Pattern grouping method based on machine learning
KR102138347B1 (ko) 자동화된 검사 툴
CN113302728A (zh) 利用自动产生缺陷特征检验半导体结构的方法及系统
WO2014168884A1 (en) Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
US9235885B2 (en) System, a method and a computer program product for patch-based defect detection
US9558548B2 (en) Method, system, and computer program product for detection of defects based on multiple references
US10636133B2 (en) Automated optical inspection (AOI) image classification method, system and computer-readable media
US10074167B2 (en) Reducing registration and design vicinity induced noise for intra-die inspection
US9767356B2 (en) System, method and computer program product for defect detection based on multiple references
Fan et al. Development of auto defect classification system on porosity powder metallurgy products
CN115023731A (zh) 半导体样本的检查
JP2019184305A (ja) 学習装置、製品検査システム、プログラム、学習方法、製品検査方法
TW201830334A (zh) 用於分類器及藉由光學工具所捕捉之缺陷之診斷方法
US11600504B2 (en) Detecting damaged semiconductor wafers utilizing a semiconductor wafer sorter tool of an automated materials handling system
KR102572968B1 (ko) 딥러닝을 이용한 웨이퍼 검사방법과 이것을 구현하기 위한 웨이퍼 검사장치
Sun et al. Post-slicing inspection of silicon wafers using the HJ-PSO algorithm under machine vision
CN115621145A (zh) 一种晶圆缺陷检测优化方法及设备
Sweeney et al. Deep learning for semiconductor defect classification
CN115532620B (zh) 一种纸浆模塑制品质检装置和方法
JPH06109446A (ja) 配線パターン検査装置
US20220375067A1 (en) Automated part inspection system
CN116759330A (zh) 数据处理方法、设备及存储介质
Han et al. Stroboscopic Data-Driven, Integrated, and Intelligent Machine Learning-Based Algorithms for Semiconductor Wafer Inspection
CN116091379A (zh) 自动缺陷分类系统及其训练和分类的方法
CN112926437A (zh) 检测方法及装置、检测设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210903