CN113781451A - 晶圆检测方法、装置、电子设备及计算机可读存储介质 - Google Patents
晶圆检测方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113781451A CN113781451A CN202111077264.3A CN202111077264A CN113781451A CN 113781451 A CN113781451 A CN 113781451A CN 202111077264 A CN202111077264 A CN 202111077264A CN 113781451 A CN113781451 A CN 113781451A
- Authority
- CN
- China
- Prior art keywords
- wafer
- image
- color difference
- signal value
- euclidean distance
- 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
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
- 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)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请的晶圆检测方法包括:计算晶圆图像的有效区域内的所有像素点的欧式距离值;将所述晶圆图像划分成多个块区域,并统计每一个所述块区域内的像素点的欧式距离值的累计和;通过将所有所述块区域内的像素点的欧式距离值的累计和标准化到预定区间范围,获得色差表征结果;以及将所述色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定所述晶圆图像的色差。
Description
技术领域
本申请涉及一种晶圆检测方法、晶圆检测装置、电子设备及计算机可读存储介质,具体地,涉及一种表征晶圆图像色彩差异的晶圆检测方法、晶圆检测装置、电子设备及计算机可读存储介质。
背景技术
晶圆(Wafer)是指硅半导体集成电路制作所用的硅芯片,是生产集成电路(integrated circuit,IC)所用的载体,因此,晶圆的质量直接影响芯片的良品率及制造成本。在制作晶圆的过程中,不可避免的会使部分晶圆存在缺陷。为了监控晶圆存在的缺陷而需要进行检测。
在实际应用中,现有厂商智能拍照系统可以对晶圆表面进行整体的拍照监控,在产品关键的工艺制程(例如,光刻)中基本都会使用该智能拍照系统对制程前后晶圆表面色彩差异检测,以保证晶圆质量稳定。
但是,该系统可能存在以下问题:
通常主要以RGB三通道信号量来监控图片的色差,RGB信号量可以反映晶圆表面色彩差异,但是,与此同时往往出现以下问题:
1.三个不同的信号量监控操作繁琐,效率低;
2.需要从每一片晶圆图像中提取出RGB各通道的均值,对于较大范围的色差可以很敏感,但是对较小范围的色差比较迟钝;
3.RGB信号值可以描述各自通道的差异变化,但是对晶圆局部的色调和亮度的表现较差。
由于晶圆图像的像素点之间存在差异,该差异或是显著或是微弱,因此需要统一的度量方式来评估差异的强弱。
发明内容
鉴于以上问题,本申请的实施方式提供一种通过采用改进的色差量化方法并提出新特征描述量来提高准确性的晶圆检测方法、装置、电子设备及计算机可读存储介质。
为了实现本申请的目的,本申请的一个方面提供一种晶圆检测方法,该方法可以包括:计算晶圆图像的有效区域内的所有像素点的欧式距离值;将晶圆图像划分成多个块区域,并统计每一个块区域内的像素点的欧式距离值的累计和;通过将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围,获得色差表征结果;以及将色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定晶圆图像的色差。
根据示例性实施方式,该方法还可以包括:采集待检测晶圆的图像,获得晶圆图像。
根据示例性实施方式,该方法还可以包括:获取标准晶圆图像的目标像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Ci,R、Ci,G和Ci,B。
根据示例性实施方式,计算晶圆图像的有效区域内的所有像素点的欧式距离值可以包括:获取晶圆图像的像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R;计算红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Cm,R、Cm,G和Cm,B;以及使用以下加权校正式来获取欧式距离值:
根据示例性实施方式,预定区间范围可以是[0,255]。
根据示例性实施方式,测试结果可以是待测试晶圆的WAT可接受度测试的结果。
根据示例性实施方式,块区域可以是裸片/曝光区的块区域。
根据示例性实施方式,色差表征结果可以是裸片/曝光区层级的色差表征结果。
本申请的另一方面提供一种晶圆检测装置,该装置可以包括:计算模块,配置成计算晶圆图像的有效区域内的所有像素点的欧式距离值,并且,将晶圆图像划分成多个块区域并统计每一个块区域内的像素点的欧式距离值的累计和,然后,通过将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围获得色差表征结果;以及分析模块,配置成将色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定晶圆图像的色差。
根据示例性实施方式,该装置还可以包括:采集模块,配置成采集待检测晶圆的图像,获得晶圆图像。
根据示例性实施方式,计算模块可以包括:获取模块,配置成获取待检测晶圆和标准晶圆的图像的像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R;以及划分模块,配置成将晶圆图像划分成多个块区域。
根据示例性实施方式,计算模块还可以包括:计算子模块:配置成计算待检测晶圆的图像的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Cm,R、Cm,G和Cm,B,计算标准晶圆的图像的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Ci,R、Ci,G和Ci,B,以及使用以下加权校正式来获取欧式距离值:
根据示例性实施方式,计算模块还可以包括:统计表征模块:配置成统计每一个块区域内的像素点的欧式距离值的累计和,然后,将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围以获得色差表征结果。
根据示例性实施方式,块区域可以是裸片/曝光区的块区域。
根据示例性实施方式,色差表征结果可以是裸片/曝光区层级的色差表征结果。
根据示例性实施方式,预定区间范围可以是[0,255]。
根据示例性实施方式,测试结果可以是待测试晶圆的WAT可接受度测试的结果。
本申请的又一方面提供一种电子设备,该电子设备可以包括:至少一个存储器,配置成存储程序指令;以及至少一个处理器,配置成调用至少一个存储器中的程序指令来执行如上所述的晶圆检测方法。
本申请的再一方面提供一种计算机可读存储介质,该计算机可读存储介质上可以存储有计算机程序,计算机程序被执行时,实现如上所述的晶圆检测方法。
发明效果
本申请采用改进的色差量化方法,提出了新的色差特征描述量,再有,可以将所有晶圆图像转化为裸片/曝光区层级(die/shot level),并且可以结合晶圆的实际测试结果深入进行相关性分析。因此,本申请具有以下良好效果:可以降低监测分析难度,提高准确性;此外,在大批量生产过程中,可以提升异常晶圆的监测效率,可以及时做出反应处理以降低生产成本。
附图说明
本公开的实施方式在附图的图示中以示例性的方式而非限制性的方式示出,在附图中,相同的附图标记指示类似的元件。
图1示出了根据本公开的实施方式的晶圆检测方法的流程图。
图2示出了根据本公开的实施方式的晶圆检测装置的结构示意图。
图3示出了根据本公开的实施方式的晶圆检测装置中包括的计算模块的结构示意图。
图4示出了根据本公开的实施方式的电子设备的结构图。
图5示出了表示待检测晶圆的原始图像和增强图像的图。
图6示出了表示脱色测量所得的晶圆图像的图。
具体实施方式
为了更好地理解本申请,将参考附图对本申请的各个方面做出更详细的说明。应理解,这些详细说明只是对本申请的示例性实施方式的描述,而非以任何方式限制本申请的范围。在说明书全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
在附图中,为了便于说明,已稍微调整了元素的大小、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的,用语“大致”、“大约”以及类似的用语用作表近似的用语,而不用作表程度的用语,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。另外,在本申请中,各步骤处理描述的先后顺序并不必然表示这些处理在实际操作中出现的顺序,除非有明确其它限定或者能够从上下文推导出的除外。
还应理解的是,诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述,其表示存在所陈述的特征、元件和/或部件,但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外,当诸如“...中的至少一个”的表述出现在所列特征的列表之后时,其修饰整列特征,而非仅仅修饰列表中的单独元件。此外,当描述本申请的实施方式时,使用“可”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
除非另外限定,否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,除非本申请中有明确的说明,否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义,而不应以理想化或过于形式化的意义解释。
需要说明的是,在不冲突的情况下,本申请中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本申请。
图1示出了根据本公开的实施方式的晶圆检测方法的流程图。如图1中所示,本实施方式涉及的晶圆检测方法可以包括以下步骤:
步骤S101,计算晶圆图像的有效区域内的所有像素点的欧式距离值;
步骤S102,将晶圆图像划分成多个块区域,并统计每一个块区域内的像素点的欧式距离值的累计和;
步骤S103,通过将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围,获得色差表征结果;以及
步骤S104,将色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定晶圆图像的色差。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施方式中,晶圆在经过一道工序后,有可能在该工序中造成缺陷,例如晶圆进行光刻工序时,晶圆通过晶圆光刻设备光刻后,由于晶圆在光刻时因晶圆表面不平整等因素而容易造成聚焦光斑,色差等缺陷,所以需要对光刻后的晶圆进行检测。
根据实施方式的晶圆检测方法还可以包括:在执行步骤S101之前,采集待检测晶圆的图像,获得晶圆图像。
对于其中一个晶圆来说,该晶圆经过每一道工序后(即成为待检测晶圆),通过拍摄装置(例如,晶圆检查机WIS自带的摄像头,或者手机等带有拍摄功能的设备)拍摄待检测晶圆,获得待检测晶圆的图像。
根据实施方式的晶圆检测方法还可以包括:获取标准晶圆图像的目标像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Ci,R、Ci,G和Ci,B,标准晶圆为与待检测晶圆通过同一生产线制造的合格晶圆。
在实施方式中,标准晶圆例如是多个没有缺陷晶圆,则根据该多个没有缺陷的晶圆的图像,通过图像处理技术获得标准晶圆的图像。其中,标准晶圆为与待检测晶圆经过相同工序的合格晶圆,例如,待检测晶圆是经过工序A、工序B、工序C、工序A后的晶圆,则标准晶圆是一个没有缺陷的晶圆时,该标准晶圆也是经过工序A、工序B、工序C、工序A后的晶圆,标准晶圆是多个没有缺陷晶圆时,该多个标准晶圆均是经过工序A、工序B、工序C、工序A后的晶圆。对于不同生产标准、生产工艺以及不同设计的晶圆,其生产线不同,因此,如果将待检测晶圆与对应其他生产线的标准晶圆进行比较,将检测出大量的不合格晶圆,并且,对晶圆的检测没有意义。因此,标准晶圆需要是与待检测晶圆通过同一生产线制造的合格晶圆。
根据实施方式,在步骤S101,计算晶圆图像的有效区域内的所有像素点的欧式距离值。
具体地,在该步骤S101中,可以首先基于采集的晶圆图像,获取像素点的RGB值中的红色信号值R、绿色信号值G和蓝色信号值R。
像素点的RGB值为像素点在RGB颜色空间中红绿蓝三个分量的值,通常采用RGB(R,G,B)表示,不同颜色对应不同的RGB值。所述RGB值包括红色分量值R、绿色分量值G和蓝色分量值B。红、绿、蓝三个颜色通道每种色各分为255阶亮度,值为0时颜色最弱,而值为255时颜色最亮。当三色数值相同时为无色彩的灰度色,而三色都为255时为最亮的白色,都为0时为黑色。图像上的所有颜色,都由红色、绿色、蓝色三种色光按照不同的比例混合而成。例如,在晶圆图像中的某一像素点,其颜色为红色,RGB值为RGB(255,0,0),即红色分量值R为255,绿色分量值G为0,蓝色分量值B为0;在晶圆图像中的另一像素点,其颜色为黄色,RGB值为RGB(255,255,0),即红色分量值R为255,绿色分量值G为255,蓝色分量值B为0。
然后,可以计算红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Cm,R、Cm,G和Cm,B。最后可以使用以下加权校正式(1)来获取欧式距离值:
其中,
△R=Ci,R-Cm,R,该值表示目标像素点的RGB信号值中的红色信号值R的平均值Ci,R与待检测晶圆的图像像素的RGB信号值中的红色信号值R的平均值Cm,R的差值,
△G=Ci,G-Cm,G,该值表示目标像素点的RGB信号值中的绿色信号值G的平均值Ci,G与待检测晶圆的图像像素的RGB信号值中的绿色信号值G的平均值Cm,G的差值,以及
△B=Ci,B-Cm,B,该值表示目标像素点的RGB信号值中的蓝色信号值B的平均值Ci,B与待检测晶圆的图像像素的RGB信号值中的蓝色信号值B的平均值Cm,B的差值。
另外,权重因子的大小取决于像素的RGB信号值中的红色信号分量,通过该值能够近似于获得人眼对颜色的非线性感知结果。
由于像素点的颜色距离可以表征两个颜色之间的差距,通常距离越大,两个颜色相差越大,反之,两个颜色越相近,因此通过计算像素点的颜色距离可以获得图像的色彩差异。在计算颜色距离时,在RGB空间内,还可以通过下式(2)得到两个颜色之间的距离:
其中,△R、△G和△B与式(1)中的限定相同。但是,由于RGB空间是线性的并且相互正交,而人眼的视觉系统并不是线性的,RGB空间并不能反映人眼对颜色的感知,相对应的颜色距离也不能很好的反映两个颜色是否相近,结果较不理想。但是该式仍然可以用作加权校正欧式距离公式(1)获得的距离值的对比参照。
应该注意的是,公式(1)中的△R、△G、△B的加权权重仅为例示,而不是进行限定。△R、△G、△B的加权权重可以根据不同情况进行调整。
在步骤S102中,可以将晶圆图像划分成多个块区域,并统计每一个块区域内的像素点的欧式距离值的累计和。
在实施方式中,由于晶圆的工艺设计,生产设计以及同一晶圆中的不同区域的良率不同,因此,将待检测晶圆的图像划分成多个块区域。在实施方式中,可以结合设计尺寸将待检测晶圆的晶圆图像划分成多个块区域。具体地,该块区域可以是裸片/曝光区(die/shot)的块区域。裸片(die)可以指芯片厂生产出来的芯片(也可以互换地称为晶粒、管芯、集成电路),即是经过晶圆切割和测试后尚未封装的芯片,这种芯片上通常可以只有用于对外连接的互连焊盘(pad)。因此,在在步骤S102中,可以统计每一个裸片/曝光区(die/shot)的块区域内像素点的色差欧氏距离值的累计和。当然,块区域的划分并不限于裸片/曝光区(die/shot)的块区域,只要是能实施本公开的块区域,则没有任何限制。
在步骤S103中,可以通过将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围,获得色差表征结果。本领域中技术人员应理解,将数据标准化(归一化)到预定区间[a,b]的方法是指:首先找到原本样本数据X的最小值Min及最大值Max;计算系数:k=(b-a)/(Max-Min);以及得到标准化(归一化)到[a,b]区间的数据:Y=a+k(X-Min)或者Y=b+k(X-Max)。
在实施方式中,上述预定区间范围可以是[0,255],即RGB空间内三颜色通道被划分的255阶亮度。即,将所有裸片/曝光区(die/shot)的块区域内的色差欧氏距离之和标准化到[0,255]区间范围。
在实施方式中,上述色差表征结果可以是裸片/曝光区层级(die/shot level)的色差表征结果。由于块区域可以是裸片/曝光区(die/shot)的块区域,相应地,距离色差计算结果也可以是裸片/曝光区层级(die/shot level)的色差表征结果,从而将所有晶圆图像转化为裸片/曝光区层级(die/shot level)。当然,块区域的划分并不限于裸片/曝光区(die/shot)的块区域,因此色差表征结果的种类也并不限于裸片/曝光区层级(die/shotlevel)的色差表征结果,本公开不做特别限制。
在步骤S104中,将色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定晶圆图像的色差。
在实施方式中,上述测试结果可以是待检测晶圆的可接受度测试(WaferAcceptance Test,WAT)的结果。WAT测试大多以完成制成、待出货的晶圆为测试对象。在制造完成后进行的WAT测试,主要是测试在切割道(Scribe Line)上的测试键(Test Key)的电性能。测试键通常设计有各种原件,例如不同尺寸的NMOS、PMOS、电阻、电容以及其他工艺相关的特性专门。WAT测试通过电参数来检验各步制造工艺是否正常和稳定。即,可以基于裸片/曝光区层级(die/shot level)的色差表征结果来对WAT/Sort测试结果进行相关性分析,以确定晶圆图像的色差。当然,测试结果并不限于WAT测试结果,只要是能实施本公开的测试结果,则没有任何限制。
图5示出了表示待检测晶圆的原始图像和增强图像的图。如图5中所示,左侧为未使用加权校正欧式距离公式时的晶圆图像(原始图像),右侧为使用加权校正欧式距离公式后的晶圆图像(增强图像)。
图6示出了表示变色(discolor)测量所得的晶圆图像的图。如图6中所示,表示本公开的晶圆检测方法可用于晶圆的脱色测量及测量结果分析。
本公开提供的晶圆检测方法具有以下良好效果:可以降低监测分析难度,提高准确性;此外,在大批量生产过程中,可以提升异常晶圆的监测效率,可及时反应处理降低成本。
下面将参考图2和图3描述根据本公开的实施方式的晶圆检测装置。图2示出了根据本公开的实施方式的晶圆检测装置的结构示意图,以及图3示出了根据本公开的实施方式的晶圆检测装置中包括的计算模块的结构示意图。
如图2中所示,晶圆检测装置10可以包括:采集模块11、计算模块12和分析模块13。
在实施方式中,采集模块11可以采集待检测晶圆的图像,获得晶圆图像。对于其中一个晶圆来说,该晶圆经过每一道工序后(即成为待检测晶圆),通过采集模块自带的拍摄装置(例如,晶圆检查机WIS自带的摄像头,或者手机等带有拍摄功能的部件)拍摄待检测晶圆,获得待检测晶圆的图像。
在实施方式中,计算模块12可用于计算晶圆图像的有效区域内的所有像素点的欧式距离值,并且,将晶圆图像划分成多个块区域并统计每一个块区域内的像素点的欧式距离值的累计和,然后,通过将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围获得色差表征结果。
具体地,如图3中所示,计算模块12可以包括获取模块121、划分模块122、计算子模块123和统计表征模块124。
获取模块121可配置成获取待检测晶圆和标准晶圆的图像的像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R,像素点的RGB值为像素点在RGB颜色空间中红绿蓝三个分量的值,通常采用RGB(R,G,B)表示,不同颜色对应不同的RGB值。所述RGB值包括红色分量值R、绿色分量值G和蓝色分量值B。红、绿、蓝三个颜色通道每种色各分为255阶亮度,值为0时颜色最弱,而值为255时颜色最亮。当三色数值相同时为无色彩的灰度色,而三色都为255时为最亮的白色,都为0时为黑色。图像上的所有颜色,都由红色、绿色、蓝色三种色光按照不同的比例混合而成。例如,在晶圆图像中的某一像素点,其颜色为红色,RGB值为RGB(255,0,0),即红色分量值R为255,绿色分量值G为0,蓝色分量值B为0;在晶圆图像中的另一像素点,其颜色为黄色,RGB值为RGB(255,255,0),即红色分量值R为255,绿色分量值G为255,蓝色分量值B为0。
在实施方式中,标准晶圆为与待检测晶圆通过同一生产线制造的合格晶圆。标准晶圆例如是多个没有缺陷晶圆,则根据该多个没有缺陷的晶圆的图像,通过图像处理技术获得标准晶圆的图像。其中,标准晶圆为与待检测晶圆经过相同工序的合格晶圆,例如,待检测晶圆是经过工序A、工序B、工序C、工序A后的晶圆,则标准晶圆是一个没有缺陷的晶圆时,该标准晶圆也是经过工序A、工序B、工序C、工序A后的晶圆,标准晶圆是多个没有缺陷晶圆时,该多个标准晶圆均是经过工序A、工序B、工序C、工序A后的晶圆。对于不同生产标准、生产工艺以及不同设计的晶圆,其生产线不同,因此,如果将待检测晶圆与对应其他生产线的标准晶圆进行比较,将检测出大量的不合格晶圆,并且,对晶圆的检测没有意义。因此,标准晶圆需要是与待检测晶圆通过同一生产线制造的合格晶圆。
划分模块122可配置成将晶圆图像划分成多个块区域。在实施方式中,由于晶圆的工艺设计,生产设计以及同一晶圆中的不同区域的良率不同,因此,将待检测晶圆的图像划分成多个块区域。在实施方式中,可以结合设计尺寸将待检测晶圆的晶圆图像划分成多个块区域。具体地,该块区域可以是裸片/曝光区(die/shot)的块区域。裸片(die)可以指芯片厂生产出来的芯片(也可以互换地称为晶粒、管芯、集成电路),即是经过晶圆切割和测试后尚未封装的芯片,这种芯片上通常可以只有用于对外连接的互连焊盘(pad)。因此,在在步骤S102中,可以统计每一个裸片/曝光区(die/shot)的块区域内像素点的色差欧氏距离值的累计和。当然,块区域的划分并不限于裸片/曝光区(die/shot)的块区域,只要是能实施本公开的块区域,则没有任何限制。
计算子模块123可配置成计算待检测晶圆的图像的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Cm,R、Cm,G和Cm,B,计算标准晶圆的图像的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Ci,R、Ci,G和Ci,B,以及使用以下加权校正式来获取欧式距离值:
其中,
△R=Ci,R-Cm,R,该值表示目标像素点的RGB信号值中的红色信号值R的平均值Ci,R与待检测晶圆的图像像素的RGB信号值中的红色信号值R的平均值Cm,R的差值,
△G=Ci,G-Cm,G,该值表示目标像素点的RGB信号值中的绿色信号值G的平均值Ci,G与待检测晶圆的图像像素的RGB信号值中的绿色信号值G的平均值Cm,G的差值,以及
△B=Ci,B-Cm,B,该值表示目标像素点的RGB信号值中的蓝色信号值B的平均值Ci,B与待检测晶圆的图像像素的RGB信号值中的蓝色信号值B的平均值Cm,B的差值。
另外,权重因子的大小取决于像素的RGB信号值中的红色信号分量,通过该值能够近似于获得人眼对颜色的非线性感知结果。
由于像素点的颜色距离可以表征两个颜色之间的差距,通常距离越大,两个颜色相差越大,反之,两个颜色越相近,因此通过计算像素点的颜色距离可以获得图像的色彩差异。在计算颜色距离时,在RGB空间内,还可以通过下式(2)得到两个颜色之间的距离:
其中,△R、△G和△B与式(1)中的限定相同。但是,由于RGB空间是线性的并且相互正交,而人眼的视觉系统并不是线性的,RGB空间并不能反映人眼对颜色的感知,相对应的颜色距离也不能很好的反映两个颜色是否相近,结果较不理想。但是该式仍然可以用作加权校正欧式距离公式(1)获得的距离值的对比参照。
应该注意的是,公式(1)中的△R、△G、△B的加权权重仅为例示,而不是进行限定。△R、△G、△B的加权权重可以根据不同情况进行调整。
统计表征模块124可配置成统计每一个块区域内的像素点的欧式距离值的累计和,然后,将所有块区域内的像素点的欧式距离值的累计和标准化到预定区间范围以获得色差表征结果。在实施方式中,上述预定区间范围可以是[0,255],即RGB空间内三颜色通道被划分的255阶亮度。即,将所有裸片/曝光区(die/shot)的块区域内的色差欧氏距离之和标准化到[0,255]区间范围。在实施方式中,上述色差表征结果可以是裸片/曝光区层级(die/shot level)的色差表征结果。由于块区域可以是裸片/曝光区(die/shot)的块区域,相应地,距离色差计算结果也可以是裸片/曝光区层级(die/shot level)的色差表征结果。当然,块区域的划分并不限于裸片/曝光区(die/shot)的块区域,因此色差表征结果的种类也并不限于裸片/曝光区层级(die/shot level)的色差表征结果,本公开不做特别限制。
分析模块13可配置成将色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定晶圆图像的色差。在实施方式中,上述测试结果可以是待检测晶圆的可接受度测试(Wafer Acceptance Test,WAT)的结果。WAT测试大多以完成制成、待出货的晶圆为测试对象。在制造完成后进行的WAT测试,主要是测试在切割道(Scribe Line)上的测试键(TestKey)的电性能。测试键通常设计有各种原件,例如不同尺寸的NMOS、PMOS、电阻、电容以及其他工艺相关的特性专门。WAT测试通过电参数来检验各步制造工艺是否正常和稳定。即,可以基于裸片/曝光区层级(die/shot level)的色差表征结果来对WAT/Sort测试结果进行相关性分析,以确定晶圆图像的色差。当然,测试结果并不限于WAT测试结果,只要是能实施本公开的测试结果,则没有任何限制。
本公开的实施方式提供的晶圆检测装置具有以下良好效果:可以降低监测分析难度,提高准确性;此外,在大批量生产过程中,可以提升异常晶圆的监测效率,可及时反应处理降低成本。
图4示出了根据本公开的实施方式的电子设备的结构图。
如图4中所示,根据实施方式的电子设备100包括至少一个存储器101和至少一个处理器102。图4中所示的是以一个存储器和一个处理器为例的电子设备100,该电子设备包括:存储器101,用于存储程序指令;以及处理器102,用于调用存储器101中的程序指令来执行上述实施方式所述的晶圆检测方法。
存储器101可用于存储程序(程序指令)。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令、计算机执行指令等。存储器101可能包括只读存储器(ROM,Read-Only Memory)、高速随机存取存储器(random access memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器、光盘、移动硬盘等。
处理器102可用于执行存储器101存储的计算机执行指令,以实现上述实施方式中示出的晶圆检测方法。其中,处理器102可能是一个中央处理器(Central ProcessingUnit,CPU),或者是特定集成电路(Application Specific Integrated Circuit,ASIC),或者是被配置成实施本申请实施方式的一个或多个集成电路。
可选地,在具体实现上,如果存储器101和处理器102独立实现,则存储器101和处理器102可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选地,在具体实现上,如果存储器101和处理器102集成在一块芯片上实现,则存储器101和处理器102可以通过内部接口完成相互间的通信。
本实施方式以上所述的电子设备例如可以是服务器、PC、PAD、手机等,可以用于执行上述各方法实施方式中所述的技术方案,其实现原理和技术效果类似,此处不再赘述。
本实施方式的电子设备具有以下良好效果:可以降低监测分析难度,提高准确性;此外,在大批量生产过程中,可以提升异常晶圆的监测效率,可及时反应处理降低成本。
本领域普通技术人员可以理解:实现上述方法实施方式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可读存储介质(例如计算机可读存储介质)中。需要说明的是,本发明所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施方式的装置、方法和计算机程序产品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,上述模块、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,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施方式中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面,本发明提供的计算机可读存储介质可以是上述实施方式中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。
如上所述的具体实施方式,对本公开的目的、技术方案和有益效果进行了进一步详细说明。应理解的是,以上描述仅为本申请的较佳实施方式以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的保护范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述技术构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (19)
1.一种晶圆检测方法,其特征在于,包括:
计算晶圆图像的有效区域内的所有像素点的欧式距离值;
将所述晶圆图像划分成多个块区域,并统计每一个所述块区域内的像素点的欧式距离值的累计和;
通过将所有所述块区域内的像素点的欧式距离值的累计和标准化到预定区间范围,获得色差表征结果;以及
将所述色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定所述晶圆图像的色差。
2.如权利要求1所述的晶圆检测方法,还包括:采集所述待检测晶圆的图像,获得所述晶圆图像。
3.如权利要求1所述的晶圆检测方法,还包括:
获取标准晶圆图像的目标像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R各自的平均值Ci,R、Ci,G和Ci,B。
5.如权利要求1所述的晶圆检测方法,其中,
所述预定区间范围为[0,255]。
6.如权利要求1所述的晶圆检测方法,其中,
所述测试结果是所述待测试晶圆的WAT可接受度测试的结果。
7.如权利要求1所述的晶圆检测方法,其中,
所述块区域是裸片/曝光区的块区域。
8.如权利要求1所述的晶圆检测方法,其中,
所述色差表征结果是裸片/曝光区层级的色差表征结果。
9.一种晶圆检测装置,其特征在于,包括:
计算模块,配置成计算晶圆图像的有效区域内的所有像素点的欧式距离值,并且,将所述晶圆图像划分成多个块区域并统计每一个所述块区域内的像素点的欧式距离值的累计和,然后,通过将所有所述块区域内的像素点的欧式距离值的累计和标准化到预定区间范围获得色差表征结果;以及
分析模块,配置成将所述色差表征结果与待检测晶圆的测试结果进行相关性分析,以确定所述晶圆图像的色差。
10.如权利要求9所述的晶圆检测装置,还包括:
采集模块,配置成采集所述待检测晶圆的图像,获得所述晶圆图像。
11.如权利要求9所述的晶圆检测装置,其中,所述计算模块包括:
获取模块,配置成获取所述待检测晶圆和标准晶圆的图像的像素点的RGB信号值中的红色信号值R、绿色信号值G和蓝色信号值R;以及
划分模块,配置成将所述晶圆图像划分成多个块区域。
13.如权利要求12所述的晶圆检测装置,其中,所述计算模块还包括:
统计表征模块:配置成统计每一个所述块区域内的像素点的欧式距离值的累计和,然后,将所有所述块区域内的像素点的欧式距离值的累计和标准化到预定区间范围以获得色差表征结果。
14.如权利要求9所述的晶圆检测装置,其中,所述块区域是裸片/曝光区的块区域。
15.如权利要求9所述的晶圆检测装置,其中,
所述色差表征结果是裸片/曝光区层级的色差表征结果。
16.如权利要求9所述的晶圆检测装置,其中,
所述预定区间范围为[0,255]。
17.如权利要求9所述的晶圆检测装置,其中,
所述测试结果是所述待测试晶圆的WAT可接受度测试的结果。
18.一种电子设备,其特征在于,包括:
至少一个存储器,配置成存储程序指令;以及
至少一个处理器,配置成调用所述至少一个存储器中的所述程序指令来执行如权利要求1-8中任一项所述的晶圆检测方法。
19.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被执行时,实现如权利要求1-8中任一项所述的晶圆检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077264.3A CN113781451B (zh) | 2021-09-13 | 2021-09-13 | 晶圆检测方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077264.3A CN113781451B (zh) | 2021-09-13 | 2021-09-13 | 晶圆检测方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113781451A true CN113781451A (zh) | 2021-12-10 |
CN113781451B CN113781451B (zh) | 2023-10-17 |
Family
ID=78843730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111077264.3A Active CN113781451B (zh) | 2021-09-13 | 2021-09-13 | 晶圆检测方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781451B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799929A (zh) * | 2009-02-11 | 2010-08-11 | 富士通株式会社 | 指定颜色层提取设备和方法 |
EP2367360A2 (de) * | 2010-03-18 | 2011-09-21 | Balser AG | Verfahren zur Korrektur von Farbfehlern in Bildern von digitalen Farbkameras |
CN103024354A (zh) * | 2012-12-11 | 2013-04-03 | 华为技术有限公司 | 颜色匹配方法及装置 |
CN104463917A (zh) * | 2014-11-06 | 2015-03-25 | 云南大学 | 基于除法归一化的图像视觉显著性检测方法 |
CN106227827A (zh) * | 2016-07-25 | 2016-12-14 | 华南师范大学 | 服装图像前景颜色特征提取方法及服装检索方法和系统 |
CN108470350A (zh) * | 2018-02-26 | 2018-08-31 | 阿博茨德(北京)科技有限公司 | 折线图中的折线分割方法及装置 |
CN109141640A (zh) * | 2018-08-03 | 2019-01-04 | 深圳市销邦科技股份有限公司 | 基于机器视觉的色差检测方法、系统、设备及存储介质 |
CN111239152A (zh) * | 2020-01-02 | 2020-06-05 | 长江存储科技有限责任公司 | 晶圆检测方法、装置和设备 |
CN111798528A (zh) * | 2020-07-01 | 2020-10-20 | 西交利物浦大学 | 一种织物色差检测方法、装置、存储介质及设备 |
CN111815720A (zh) * | 2019-04-12 | 2020-10-23 | 北京地平线机器人技术研发有限公司 | 图像处理方法、装置、可读存储介质及电子设备 |
CN111863653A (zh) * | 2020-07-31 | 2020-10-30 | 长江存储科技有限责任公司 | 晶圆缺陷的检测方法、检测系统和计算机可读存储介质 |
-
2021
- 2021-09-13 CN CN202111077264.3A patent/CN113781451B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799929A (zh) * | 2009-02-11 | 2010-08-11 | 富士通株式会社 | 指定颜色层提取设备和方法 |
EP2367360A2 (de) * | 2010-03-18 | 2011-09-21 | Balser AG | Verfahren zur Korrektur von Farbfehlern in Bildern von digitalen Farbkameras |
CN103024354A (zh) * | 2012-12-11 | 2013-04-03 | 华为技术有限公司 | 颜色匹配方法及装置 |
CN104463917A (zh) * | 2014-11-06 | 2015-03-25 | 云南大学 | 基于除法归一化的图像视觉显著性检测方法 |
CN106227827A (zh) * | 2016-07-25 | 2016-12-14 | 华南师范大学 | 服装图像前景颜色特征提取方法及服装检索方法和系统 |
CN108470350A (zh) * | 2018-02-26 | 2018-08-31 | 阿博茨德(北京)科技有限公司 | 折线图中的折线分割方法及装置 |
CN109141640A (zh) * | 2018-08-03 | 2019-01-04 | 深圳市销邦科技股份有限公司 | 基于机器视觉的色差检测方法、系统、设备及存储介质 |
CN111815720A (zh) * | 2019-04-12 | 2020-10-23 | 北京地平线机器人技术研发有限公司 | 图像处理方法、装置、可读存储介质及电子设备 |
CN111239152A (zh) * | 2020-01-02 | 2020-06-05 | 长江存储科技有限责任公司 | 晶圆检测方法、装置和设备 |
CN111798528A (zh) * | 2020-07-01 | 2020-10-20 | 西交利物浦大学 | 一种织物色差检测方法、装置、存储介质及设备 |
CN111863653A (zh) * | 2020-07-31 | 2020-10-30 | 长江存储科技有限责任公司 | 晶圆缺陷的检测方法、检测系统和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113781451B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102334575B1 (ko) | 무라 검출 장치 및 무라 검출 장치의 검출 방법 | |
CN111239152B (zh) | 晶圆检测方法、装置和设备 | |
CN101207832A (zh) | 数码相机色彩还原的检测方法 | |
JP2009025221A (ja) | 欠陥検査方法およびその装置 | |
CN108737815B (zh) | 一种图像传感器的质量检测方法及系统 | |
CN111667448A (zh) | 一种图像处理方法、装置及设备 | |
JP2013065215A (ja) | 画像処理装置及び画像処理方法 | |
TW201108125A (en) | Optical inspection optimization | |
US20190110028A1 (en) | Method for correcting aberration affecting light-field data | |
CN113781451B (zh) | 晶圆检测方法、装置、电子设备及计算机可读存储介质 | |
CN104243967A (zh) | 一种图像检测方法及装置 | |
JP2019090643A (ja) | 検査方法、および検査装置 | |
JP2006250721A (ja) | 検査装置及び検査方法 | |
JP4579570B2 (ja) | シェーディング処理方法 | |
CN116297478A (zh) | 光伏玻璃的镀膜缺陷检测方法、装置及系统 | |
CN112465780B (zh) | 绝缘层膜厚异常监控方法及装置 | |
JP5163940B2 (ja) | 画質検査装置および画質検査方法 | |
CN111050088B (zh) | 对检测管芯缺陷的相机的成像亮度进行校准的机制 | |
KR101493991B1 (ko) | 비전검사용 센서모듈 | |
CN111435080B (zh) | 一种水位测量方法、装置及系统 | |
WO2020190206A1 (en) | Monochrome imaging using multiple wavelengths of light | |
CN110677636B (zh) | 扩展式信号补偿平台 | |
US20050106656A1 (en) | Semi-automated microscopic assessment of islet quantity, equivalence and purity | |
Wu et al. | Measurement for opto-electronic conversion functions (OECFs) of digital still-picture camera | |
CN109690750A (zh) | 用于散焦检测的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |