CN114549599A - 晶圆快速预对准方法、装置、电子设备及存储介质 - Google Patents
晶圆快速预对准方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114549599A CN114549599A CN202210038925.XA CN202210038925A CN114549599A CN 114549599 A CN114549599 A CN 114549599A CN 202210038925 A CN202210038925 A CN 202210038925A CN 114549599 A CN114549599 A CN 114549599A
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- flat edge
- binary image
- coordinate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 238000003708 edge detection Methods 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000004904 shortening Methods 0.000 abstract description 5
- 235000012431 wafers Nutrition 0.000 description 141
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- H01L21/68—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 for positioning, orientation or alignment
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
Abstract
本发明提供一种晶圆快速预对准方法、装置、电子设备及存储介质。该方法包括:对目标晶圆的灰度图像进行边缘检测,获得目标晶圆的轮廓二值图像;降低轮廓二值图像的分辨率,获得对应的低分辨率图像;对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中对应的平边端点粗坐标;基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中对应的平边端点精坐标;根据平边端点精坐标对目标晶圆的轮廓进行圆拟合,获得轮廓对应的圆心坐标和平边旋转角,以基于圆心坐标和平边旋转角对目标晶圆进行对准。本发明能够有效提高直线检测获得平边端点坐标的速度,进而缩短晶圆预对准时间,提高晶圆预对准的实时性和效率。
Description
技术领域
本发明涉及半导体制造技术领域,尤其涉及一种晶圆快速预对准方法、装置、电子设备及存储介质。
背景技术
晶圆在进入光刻、刻蚀、沉积等工艺前,为了补偿晶圆传输过程带来的误差,需要利用预对准装置对其位置进行校正。预对准通常包括圆心定位和平边(或缺口)定位两部分内容,其预对准时间、圆心对准精度和平边(或缺口)对准精度是核心参数,为了提高生产效率,就要求在保证对准精度的同时对准时间越短越好。
现有的预对准装置通常为光学式预对准装置,其采用光学探测器对晶圆边缘进行检测,通过算法实现圆心和平边定位,通过运动机构补偿圆心偏移,并将平边旋转至特定方向。其中,光学式预对准装置按照光学探测器对晶圆边缘的检测方法可分为图像检测与边缘检测。图像检测采用摄像头对整个晶圆进行图像采样,经过图像处理获取晶圆几何信息。边缘检测采用光电传感器、线阵CCD和激光位移传感器获取晶圆边缘信息。
但是由于边缘检测相对于图像检测需要对晶圆旋转一周来检测边缘,因此边缘检测的预对准时间较长,而现有的基于图像检测的晶圆对准系统,由于像素高、运算量大等原因,其预对准时间也较长。也就是说,现有的晶圆的预对准装置的实时性有待进一步提高。
发明内容
本发明实施例提供了一种晶圆快速预对准方法、装置、电子设备及存储介质,以解决现有的预对准装置的预对准时间较长的问题。
第一方面,本发明实施例提供了一种晶圆快速预对准方法,包括:
对目标晶圆的灰度图像进行边缘检测,获得所述目标晶圆的轮廓二值图像;
降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像;
对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标;
基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标;
根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,以便基于所述圆心坐标和所述平边旋转角对所述目标晶圆进行对准。
在一种可能的实现方式中,所述降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像,包括:
将所述轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为所述目标晶圆的轮廓对应的低分辨率图像。
在一种可能的实现方式中,所述将所述轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为所述目标晶圆的轮廓对应的低分辨率图像,包括:
将所述轮廓二值图像中的M×N个像素作为一个像素块;其中,M和N均为正整数;
针对每个像素块,将该像素块内像素值的最大值确定为该像素块的像素值,获得所述目标晶圆的轮廓对应的低分辨率图像。
在一种可能的实现方式中,所述对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,包括:
按照预设检测精度和待检测直线数量,利用Hough变换对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的线段;
将所述轮廓的缺口对应的线段的端点在所述低分辨率图像中的坐标确定为所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标。
在一种可能的实现方式中,所述基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,包括:
将所述平边端点粗坐标对应到所述轮廓二值图像中,获得所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标;
基于所述轮廓二值图像中所述对应端点坐标对应的像素的预设邻域,获得预设邻域像素图像;
对所述预设邻域像素图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
在一种可能的实现方式中,所述将所述平边端点粗坐标对应到所述轮廓二值图像中,获得所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标,包括:
确定所述平边端点粗坐标在所述低分辨率图像中对应的目标像素块;
将所述目标像素块内任一像素在所述轮廓二值图像中的坐标确定为所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标。
在一种可能的实现方式中,所述根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,包括:
根据所述平边端点精坐标,在所述轮廓二值图像中确定所述轮廓的缺口对应的平边所在的直线方程和所述平边的平边中点坐标;
根据所述轮廓二值图像中所述轮廓上的边缘点到所述直线方程对应直线的距离,筛选得到拟合边缘点;
根据所述拟合边缘点进行最小二乘拟合,获得所述轮廓对应的圆心坐标;
根据所述平边中点坐标和所述圆心坐标,获得所述轮廓对应的平边旋转角。
第二方面,本发明实施例提供了一种晶圆快速预对准装置,包括:
边缘检测模块,用于对目标晶圆的灰度图像进行边缘检测,获得所述目标晶圆的轮廓二值图像;
图像处理模块,用于降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像;
第一直线检测模块,用于对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标;
第二直线检测模块,用于基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标;
预对准模块,用于根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,以便基于所述圆心坐标和所述平边旋转角对所述目标晶圆进行对准。
第三方面,本发明实施例提供了一种电子设备,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种晶圆快速预对准方法、装置、电子设备及存储介质,该晶圆快速预对准方法一方面通过直接对目标晶圆的灰度图像进行边缘检测,相比于基于边缘检测的预对准技术,无需旋转扫描晶圆轮廓,大大缩短了预对准的时间。另一方面在获得目标晶圆的轮廓二值图像后,先降低轮廓二值图像的分辨率,获得目标晶圆的轮廓对应的低分辨率图像,然后对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,在此基础上,再基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,相比于直接对原图像进行直线检测获得平边端点坐标,先对低分辨率图像进行直线检测,再基于低分辨率图像确定的平边端点粗坐标,对轮廓二值图像中对应的预设邻域图像进行直线检测,大大降低了直线检测需要处理的像素量,有效提高了直线检测获得平边端点坐标的速度,进一步缩短了预对准的时间,提高了晶圆预对准的实时性和效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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是本发明实施例提供的晶圆快速预对准方法的实现流程图;
图2是本发明实施例提供的获得低分辨率图像的示意图;
图3是本发明实施例提供的获得预设邻域像素图像的示意图;
图4是本发明实施例提供的平边旋转角计算示意图;
图5是本发明实施例提供的对6英寸硅片进行晶圆快速预对准的结果示意图;
图6是本发明实施例提供的晶圆快速预对准装置的结构示意图;
图7是本发明实施例提供的电子设备的示意图;
图8是本发明实施例提供的晶圆快速预对准系统的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
参见图1,其示出了本发明实施例提供的晶圆快速预对准方法的实现流程图,详述如下:
在步骤101中,对目标晶圆的灰度图像进行边缘检测,获得目标晶圆的轮廓二值图像。
其中,目标晶圆为待进行预对准的晶圆,可以采用相机获取目标晶圆的灰度图像,以对灰度图像进行边缘检测。灰度图像的灰度范围可以为0~255,获取目标晶圆的灰度图像后,可以先对灰度图像进行裁剪,得到所需分辨率的图像,再基于裁剪后的图像进行边缘检测。
其中,对目标晶圆的灰度图像进行边缘检测时,可以选择合适的边缘检测算子进行边缘检测,例如Robert算子、Sobel算子、Prewitt算子、Canny算子等。
示例性的,利用Canny算子对获得的目标晶圆的2048×2048分辨率的灰度图像BW1进行边缘检测的过程如下:
首先进行高斯滤波,标准差σ可以选择1.0,均值可以为0,则二维高斯函数如式(1)所示,利用二维高斯函数与灰度图像BW1进行卷积消除噪声,获得平滑后的图像。
之后平滑后的图像可以采用3×3模板,计算x和y方向的一阶偏导Gx和Gy,进而计算平滑后的图像的梯度的幅值G和方向θ:
求得梯度图像后对梯度图像进行非极大值抑制,在梯度方向上寻找梯度局部最大值,将非极大值像素点灰度值置为0。用双阈值算法检测和连接边缘,将小于低阈值的点认为是假边缘灰度值置0,将大于高阈值的点认为是强边缘灰度值置1,介于中间的像素点可以进行进一步的检查,根据高阈值图像中把边缘连接成轮廓,当到达轮廓的端点时,该算法会在断点的8邻域点中寻找满足低阈值的点,再根据此点收集新的边缘,直到整个图像闭合。本实施例高阈值可以选择800,低阈值可以选择200,得到边缘轮廓二值图像BW2。
在步骤102中,降低轮廓二值图像的分辨率,获得目标晶圆的轮廓对应的低分辨率图像。
本实施例中,降低轮廓二值图像的分辨率,即保持轮廓二值图像的尺寸大小不变,降低其分辨率,则可以获得目标晶圆的轮廓对应的低分辨率图像。
可选的,降低轮廓二值图像的分辨率,获得目标晶圆的轮廓对应的低分辨率图像,可以包括:
将轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为目标晶圆的轮廓对应的低分辨率图像。
本实施例中,将轮廓二值图像中的多个像素合并为一个像素块,即将轮廓二值图像中的多个像素进行像素融合,合并后作为低分辨率图像中的一个新像素(也就是一个像素块),也就获得了目标晶圆的轮廓对应的低分辨率图像。
可选的,将轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为目标晶圆的轮廓对应的低分辨率图像,可以包括:
将轮廓二值图像中的M×N个像素作为一个像素块;其中,M和N均为正整数。
针对每个像素块,将该像素块内像素值的最大值确定为该像素块的像素值,获得目标晶圆的轮廓对应的低分辨率图像。
其中,M和N的具体数值可以根据晶圆预对准所需的速度和精度确定,晶圆预对准所需的速度越快,M和N的数值越大,晶圆预对准所需的精度越高,M和N的数值越小,可以根据晶圆预对准所需的速度和精度,选择合适的M和N的数值。
示例性的,如图2所示,可以将2048×2048分辨率的边缘轮廓二值图像BW2分割为若干个像素块,每个像素块包含4×4=16个像素,该像素块16个像素的最大值作为该像素块的像素值,所有的像素块构成低分辨率图像BW3,将轮廓二值图像中的4×4个像素作为一个像素块合并得到低分辨率图像BW3后,低分辨率图像BW3的分辨率为512×512。
其中,当像素块内有像素值为1的像素时,说明该像素块内存在边缘点,此时认为低分辨率图像BW3中对应的像素为晶圆轮廓边缘点。BW3可认为是边缘轮廓二值图像BW2保留轮廓的低分辨率图像,其具有闭合的晶圆边缘轮廓。
在步骤103中,对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标。
其中,目标晶圆的缺口在目标晶圆的低分辨率图像的轮廓中通常表现为一段线段(即平边),因此可以对低分辨率图像中的轮廓进行直线检测,识别平边,进而获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标。
可选的,对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,可以包括:
按照预设检测精度和待检测直线数量,利用Hough变换对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的线段。
将轮廓的缺口对应的线段的端点在低分辨率图像中的坐标确定为低分辨率图像中的轮廓的缺口对应的平边端点粗坐标。
示例性的,结合图2,即对低分辨率图像BW3进行Hough变换直线粗检测,将笛卡尔坐标系的直线映射为霍夫空间中的点,寻找霍夫变换结果中的极大值,由于目标晶圆的轮廓中的线段通常为一条,因此可以限定要识别的极大值数量为1,根据晶圆预对准所需的精度,可以设定距离精度为1个像素,角度精度为0.1°,然后提取线段,得到平边两个端点A1、A2的粗坐标(即平边端点粗坐标)。
本实施例,相比于直接对目标晶圆的轮廓二值图像进行直线检测,先降低轮廓二值图像的分辨率,然后对低分辨率图像中的轮廓进行直线检测,减小了需要进行直线检测的像素点的数量,有利于缩短晶圆预对准所需的时间,提高晶圆预对准效率。
在步骤104中,基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
本实施例中,基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,既可以通过进一步的直线检测保证晶圆预对准的精度,又不必对轮廓二值图像的所有区域进行检测,在保证晶圆预对准的精度的前提下提高晶圆预对准的速度。
可选的,基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,可以包括:
将平边端点粗坐标对应到轮廓二值图像中,获得平边端点粗坐标在轮廓二值图像中的对应端点坐标。
基于轮廓二值图像中对应端点坐标对应的像素的预设邻域,获得预设邻域像素图像。
对预设邻域像素图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
可选的,将平边端点粗坐标对应到轮廓二值图像中,获得平边端点粗坐标在轮廓二值图像中的对应端点坐标,可以包括:
确定平边端点粗坐标在低分辨率图像中对应的目标像素块。
将目标像素块内任一像素在轮廓二值图像中的坐标确定为平边端点粗坐标在轮廓二值图像中的对应端点坐标。
示例性的,结合上述步骤103得到平边两个端点A1、A2的粗坐标后,由于低分辨率图像BW3中一个像素(即目标像素块)对应轮廓二值图像BW2中的16个像素,因此可以将目标像素块内任一像素(示例性的,可以为左上角像素、左下角像素、右上角像素、右下角像素、中心像素等等)在轮廓二值图像中的坐标确定为平边端点粗坐标在轮廓二值图像中的对应端点坐标。然后基于该对应端点坐标在轮廓二值图像中的像素的邻域进行进一步的直线检测。
其中,可以基于轮廓二值图像中对应端点坐标对应的像素的80×80邻域,获得预设邻域像素图像,然后在预设邻域像素图像中进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
其中,预设邻域可以为80×80邻域,也可以为70×70邻域,也可以为90×90领域,一般预设邻域包含的像素的数目大于上述实施例中一个像素块包含的像素的数目,以保证在后续基于预设邻域像素图像中进行直线检测时,可以在不影响检测精度的同时,进一步提高检测精度。
示例性的,如图3所示,对于平边端点粗坐标中的两个端点粗坐标A1、A2,在轮廓二值图像BW2中分别获得对应的预设邻域像素图像BW4和预设邻域像素图像BW5。由于预设邻域像素图像BW4和预设邻域像素图像BW5的线段通常为一条,因此可以限定要识别的极大值数量为1,根据晶圆预对准所需的精度,可以设定距离精度为1个像素,角度精度为0.1°,然后利用Hough变换在预设邻域像素图像BW4和预设邻域像素图像BW5中分别提取线段,由于预设邻域像素图像为平边端点粗坐标在轮廓二值图像中的对应端点坐标的预设邻域构成的图像,也就是平边端点粗坐标对应于预设邻域图像的中心,因此将在预设邻域像素图像BW4和预设邻域像素图像BW5中提取的线段的两个端点中,与其邻域中心像素的距离较小的端点确定为轮廓二值图像中的轮廓的缺口对应的平边端点,而后将两个平边端点在预设邻域像素图像BW4和预设邻域像素图像BW5中的坐标转换为轮廓二值图像BW2中的坐标,即获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
本实施例通过步骤103和步骤104,采用基于分级Hough变换检测目标晶圆的轮廓中平边所在的直线,通过对图像分块降低分辨率进行粗检测,获得平边端点粗坐标,再在高分辨率的轮廓二值图像中对平边两端点的局部像素进行精检测,确定平边端点精坐标,相比于直接对高分辨率的轮廓二值图像进行Hough变换,该方法所需的时间复杂度降低了5倍以上,检测速度提高5倍以上,在晶圆预对准过程中可以有效提高晶圆预对准效率。
在步骤105中,根据平边端点精坐标对轮廓进行圆拟合,获得轮廓对应的圆心坐标和平边旋转角,以便基于圆心坐标和平边旋转角对目标晶圆进行对准。
本实施例在获得平边端点精坐标后,对距离平边所在直线大于阈值的边缘点利用线性最小二乘法进行圆拟合,进行圆心定位,然后基于定位的圆心坐标确定平边旋转角,以便基于圆心坐标和平边旋转角对目标晶圆进行对准。
可选的,根据平边端点精坐标对轮廓进行圆拟合,获得轮廓对应的圆心坐标和平边旋转角,可以包括:
根据平边端点精坐标,在轮廓二值图像中确定轮廓的缺口对应的平边所在的直线方程和平边的平边中点坐标。
根据轮廓二值图像中轮廓上的边缘点到直线方程对应直线的距离,筛选得到拟合边缘点。
根据拟合边缘点进行最小二乘拟合,获得轮廓对应的圆心坐标。
根据平边中点坐标和圆心坐标,获得轮廓对应的平边旋转角。
示例性的,按照上述步骤确定两个平边端点的平边端点精坐标后,可以求得平边所在的直线方程Ax+By+C=0与平边中点坐标M(xm,ym),然后可以利用点到直线距离公式求取边缘点到平边所在直线的距离d,将d大于阈值δ的边缘点进行最小二乘拟合,例如δ取5个像素,边缘点(xi,yi)到晶圆圆心距离为Li,则约束方程为:
其中N为参与拟合的边缘点的数量,为了求得解析解,用代数距离代替上式中的几何距离,则约束方程转化为:
如图5所示,按照本发明实施例提供的晶圆快速预对准方法获取6英寸硅片的晶圆图像(即灰度图像)进行预对准,得到晶圆的边缘轮廓如图5中白线所示,平边端点如图5中A1、A2所示,平边中点如图5中M点所示,圆心如图5中O′所示,该方法总共用时0.841s,晶圆中心定位精度为0.4mm,平边定位精度为0.1°,可见本发明实施例提供的晶圆快速预对准方法可以在保证晶圆预对准的精度的同时,缩短晶圆预对准的时间,有效提高晶圆预对准的实时性和效率。
本发明实施例一方面通过直接对目标晶圆的灰度图像进行边缘检测,相比于基于边缘检测的预对准技术,无需旋转扫描晶圆轮廓,大大缩短了预对准的时间。另一方面在获得目标晶圆的轮廓二值图像后,先降低轮廓二值图像的分辨率,获得目标晶圆的轮廓对应的低分辨率图像,然后对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,在此基础上,再基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,相比于直接对原图像进行直线检测获得平边端点坐标,先对低分辨率图像进行直线检测,再基于低分辨率图像确定的平边端点粗坐标,对轮廓二值图像中对应的预设邻域图像进行直线检测,大大降低了直线检测需要处理的像素量,有效提高了直线检测获得平边端点坐标的速度,进一步缩短了预对准的时间,提高了晶圆预对准的实时性和效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图6示出了本发明实施例提供的晶圆快速预对准装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图6所示,晶圆快速预对准装置包括:边缘检测模块61、图像处理模块62、第一直线检测模块63、第二直线检测模块64和预对准模块65。
边缘检测模块61,用于对目标晶圆的灰度图像进行边缘检测,获得所述目标晶圆的轮廓二值图像;
图像处理模块62,用于降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像;
第一直线检测模块63,用于对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标;
第二直线检测模块64,用于基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标;
预对准模块65,用于根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,以便基于所述圆心坐标和所述平边旋转角对所述目标晶圆进行对准。
本发明实施例一方面通过直接对目标晶圆的灰度图像进行边缘检测,相比于基于边缘检测的预对准技术,无需旋转扫描晶圆轮廓,大大缩短了预对准的时间。另一方面在获得目标晶圆的轮廓二值图像后,先降低轮廓二值图像的分辨率,获得目标晶圆的轮廓对应的低分辨率图像,然后对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,在此基础上,再基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,相比于直接对原图像进行直线检测获得平边端点坐标,先对低分辨率图像进行直线检测,再基于低分辨率图像确定的平边端点粗坐标,对轮廓二值图像中对应的预设邻域图像进行直线检测,大大降低了直线检测需要处理的像素量,有效提高了直线检测获得平边端点坐标的速度,进一步缩短了预对准的时间,提高了晶圆预对准的实时性和效率。
在一种可能的实现方式中,图像处理模块62,可以用于将所述轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为所述目标晶圆的轮廓对应的低分辨率图像。
在一种可能的实现方式中,图像处理模块62,可以用于将所述轮廓二值图像中的M×N个像素作为一个像素块;其中,M和N均为正整数;
针对每个像素块,将该像素块内像素值的最大值确定为该像素块的像素值,获得所述目标晶圆的轮廓对应的低分辨率图像。
在一种可能的实现方式中,第一直线检测模块63,可以用于按照预设检测精度和待检测直线数量,利用Hough变换对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的线段;
将所述轮廓的缺口对应的线段的端点在所述低分辨率图像中的坐标确定为所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标。
在一种可能的实现方式中,第二直线检测模块64,可以用于将所述平边端点粗坐标对应到所述轮廓二值图像中,获得所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标;
基于所述轮廓二值图像中所述对应端点坐标对应的像素的预设邻域,获得预设邻域像素图像;
对所述预设邻域像素图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
在一种可能的实现方式中,第二直线检测模块64,可以用于确定所述平边端点粗坐标在所述低分辨率图像中对应的目标像素块;
将所述目标像素块内任一像素在所述轮廓二值图像中的坐标确定为所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标。
在一种可能的实现方式中,预对准模块65,可以用于根据所述平边端点精坐标,在所述轮廓二值图像中确定所述轮廓的缺口对应的平边所在的直线方程和所述平边的平边中点坐标;
根据所述轮廓二值图像中所述轮廓上的边缘点到所述直线方程对应直线的距离,筛选得到拟合边缘点;
根据所述拟合边缘点进行最小二乘拟合,获得所述轮廓对应的圆心坐标;
根据所述平边中点坐标和所述圆心坐标,获得所述轮廓对应的平边旋转角。
图7是本发明实施例提供的电子设备的示意图。如图7所示,该实施例的电子设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个晶圆快速预对准方法实施例中的步骤,例如图1所示的步骤101至步骤105。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块的功能,例如图6所示模块/单元61至65的功能。
示例性的,所述计算机程序72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述电子设备7中的执行过程。例如,所述计算机程序72可以被分割成图6所示的模块/单元61至65。
所述电子设备7可以是桌上型计算机、笔记本、掌上电脑、控制器及云端服务器等计算设备。所述电子设备7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是电子设备7的示例,并不构成对电子设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备7还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述电子设备7的内部存储单元,例如电子设备7的硬盘或内存。所述存储器71也可以是所述电子设备7的外部存储设备,例如所述电子设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述电子设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
作为本发明的另一实施例,如图8所示,本发明还提供一晶圆快速预对准系统,该晶圆快速预对准系统可以包括装置外框架81、机座82、吸盘组件83、支撑组件84、LED光源85和工业面阵相机86。其中,装置外框架81的正面开有槽孔供机械手取放晶圆片;机座82内部设有运动装置如伺服电机、丝杠、编码器等,可带动吸盘组件作x和y轴平移、z轴升降和绕z轴旋转运动;吸盘组件83包括吸盘轴与吸盘,吸盘轴与机座82相连,吸盘可通过真空对晶圆进行吸附,吸盘组件初始位置即原点位于机座82中心;支撑组件84包含3个立柱,固定于机座82上,用于支撑晶圆;LED光源85在机座周围均匀分布;工业面阵相机86可以为500万像素工业面阵黑白相机,分辨率为2448×2048,安装于晶圆正上方。工业面阵相机86可以与计算机或控制器(即上述实施例的电子设备)连接,以将获取的目标晶圆的晶圆图像(即目标晶圆的灰度图像)发送给对应的计算机或控制器,通过计算机或控制器按照上述晶圆快速预对准方法处理后得到圆心坐标和平边旋转角,然后机座82内的运动装置基于目标晶圆预先设置的基准位置、圆心坐标和平边旋转角带动吸盘组件83对目标晶圆进行预对准。
示例性的,计算机或控制器(即上述实施例的电子设备)运行的软件平台可以为Intel i5 3210m CPU,内存可以为8G,可以采用C++编程并使用OpenCV库进行二次开发以运行上述晶圆快速预对准方法所对应的步骤。
示例性的,利用本发明实施例提供的晶圆快速预对准系统对目标晶圆进行预对准的过程可以为:
(1)吸盘组件83处于原点位置O,其中心位于工业面阵相机86正下方,即目标晶圆理想的圆心位置。机械手将目标晶圆放置于运动装置上,开启真空吸附,机械手撤出晶圆快速预对准系统。工业面阵相机86采集目标晶圆的黑白图像,灰度范围为0-255,对该图像进行裁剪得到2048×2048分辨率的灰度图像BW1。
(2)计算机或控制器按照上述晶圆快速预对准方法对灰度图像BW1进行处理,获得目标晶圆的轮廓对应的圆心坐标和平边旋转角。
(3)基于(2)中获得的圆心坐标和平边旋转角,以及目标晶圆预先设置的基准位置,吸盘组件83带动目标晶圆沿x方向及y方向移动,实现圆心预对准。
(4)吸盘组件83下移,关闭真空吸附,将目标晶圆放置于支撑组件84上,吸盘组件83返回原点。
(5)吸盘组件83上移托起目标晶圆并开启真空吸附带动目标晶圆旋转,实现平边预对准。
(6)机械手取走目标晶圆,完成目标晶圆预对准。
利用本实施例的晶圆快速预对准系统进行晶圆预对准,一方面可以直接对目标晶圆的灰度图像进行边缘检测,相比于基于边缘检测的预对准技术,无需旋转扫描晶圆轮廓,大大缩短了预对准的时间。另一方面在获得目标晶圆的轮廓二值图像后,先降低轮廓二值图像的分辨率,获得目标晶圆的轮廓对应的低分辨率图像,然后对低分辨率图像中的轮廓进行直线检测,获得低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,在此基础上,再基于平边端点粗坐标在轮廓二值图像中对应的预设邻域图像进行直线检测,获得轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,相比于直接对原图像进行直线检测获得平边端点坐标,先对低分辨率图像进行直线检测,再基于低分辨率图像确定的平边端点粗坐标,对轮廓二值图像中对应的预设邻域图像进行直线检测,大大降低了直线检测需要处理的像素量,有效提高了直线检测获得平边端点坐标的速度,进一步缩短了预对准的时间,提高了晶圆预对准的实时性和效率。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个晶圆快速预对准方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述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精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种晶圆快速预对准方法,其特征在于,包括:
对目标晶圆的灰度图像进行边缘检测,获得所述目标晶圆的轮廓二值图像;
降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像;
对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标;
基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标;
根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,以便基于所述圆心坐标和所述平边旋转角对所述目标晶圆进行对准。
2.根据权利要求1所述的晶圆快速预对准方法,其特征在于,所述降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像,包括:
将所述轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为所述目标晶圆的轮廓对应的低分辨率图像。
3.根据权利要求2所述的晶圆快速预对准方法,其特征在于,所述将所述轮廓二值图像中的多个像素合并为一个像素块,并将合并后的轮廓二值图像确定为所述目标晶圆的轮廓对应的低分辨率图像,包括:
将所述轮廓二值图像中的M×N个像素作为一个像素块;其中,M和N均为正整数;
针对每个像素块,将该像素块内像素值的最大值确定为该像素块的像素值,获得所述目标晶圆的轮廓对应的低分辨率图像。
4.根据权利要求1-3任一项所述的晶圆快速预对准方法,其特征在于,所述对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标,包括:
按照预设检测精度和待检测直线数量,利用Hough变换对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的线段;
将所述轮廓的缺口对应的线段的端点在所述低分辨率图像中的坐标确定为所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标。
5.根据权利要求1-3任一项所述的晶圆快速预对准方法,其特征在于,所述基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标,包括:
将所述平边端点粗坐标对应到所述轮廓二值图像中,获得所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标;
基于所述轮廓二值图像中所述对应端点坐标对应的像素的预设邻域,获得预设邻域像素图像;
对所述预设邻域像素图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标。
6.根据权利要求5所述的晶圆快速预对准方法,其特征在于,所述将所述平边端点粗坐标对应到所述轮廓二值图像中,获得所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标,包括:
确定所述平边端点粗坐标在所述低分辨率图像中对应的目标像素块;
将所述目标像素块内任一像素在所述轮廓二值图像中的坐标确定为所述平边端点粗坐标在所述轮廓二值图像中的对应端点坐标。
7.根据权利要求1-3任一项所述的晶圆快速预对准方法,其特征在于,所述根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,包括:
根据所述平边端点精坐标,在所述轮廓二值图像中确定所述轮廓的缺口对应的平边所在的直线方程和所述平边的平边中点坐标;
根据所述轮廓二值图像中所述轮廓上的边缘点到所述直线方程对应直线的距离,筛选得到拟合边缘点;
根据所述拟合边缘点进行最小二乘拟合,获得所述轮廓对应的圆心坐标;
根据所述平边中点坐标和所述圆心坐标,获得所述轮廓对应的平边旋转角。
8.一种晶圆快速预对准装置,其特征在于,包括:
边缘检测模块,用于对目标晶圆的灰度图像进行边缘检测,获得所述目标晶圆的轮廓二值图像;
图像处理模块,用于降低所述轮廓二值图像的分辨率,获得所述目标晶圆的轮廓对应的低分辨率图像;
第一直线检测模块,用于对所述低分辨率图像中的所述轮廓进行直线检测,获得所述低分辨率图像中的轮廓的缺口对应的平边端点粗坐标;
第二直线检测模块,用于基于所述平边端点粗坐标在所述轮廓二值图像中对应的预设邻域图像进行直线检测,获得所述轮廓二值图像中的轮廓的缺口对应的平边端点精坐标;
预对准模块,用于根据所述平边端点精坐标对所述轮廓进行圆拟合,获得所述轮廓对应的圆心坐标和平边旋转角,以便基于所述圆心坐标和所述平边旋转角对所述目标晶圆进行对准。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038925.XA CN114549599A (zh) | 2022-01-13 | 2022-01-13 | 晶圆快速预对准方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210038925.XA CN114549599A (zh) | 2022-01-13 | 2022-01-13 | 晶圆快速预对准方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549599A true CN114549599A (zh) | 2022-05-27 |
Family
ID=81670735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210038925.XA Pending CN114549599A (zh) | 2022-01-13 | 2022-01-13 | 晶圆快速预对准方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549599A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018834A (zh) * | 2022-08-08 | 2022-09-06 | 山东光岳九州半导体科技有限公司 | 一种半导体晶片图像对准方法 |
CN117115261A (zh) * | 2023-10-17 | 2023-11-24 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
CN117576092A (zh) * | 2024-01-15 | 2024-02-20 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
-
2022
- 2022-01-13 CN CN202210038925.XA patent/CN114549599A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018834A (zh) * | 2022-08-08 | 2022-09-06 | 山东光岳九州半导体科技有限公司 | 一种半导体晶片图像对准方法 |
CN115018834B (zh) * | 2022-08-08 | 2022-10-25 | 山东光岳九州半导体科技有限公司 | 一种半导体晶片图像对准方法 |
CN117115261A (zh) * | 2023-10-17 | 2023-11-24 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
CN117115261B (zh) * | 2023-10-17 | 2024-03-19 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
CN117576092A (zh) * | 2024-01-15 | 2024-02-20 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
CN117576092B (zh) * | 2024-01-15 | 2024-03-29 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549599A (zh) | 晶圆快速预对准方法、装置、电子设备及存储介质 | |
JP2021184307A (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
CN109543489B (zh) | 基于二维码的定位方法、装置和存储介质 | |
CN114494045B (zh) | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
CN107464240B (zh) | 一种基于模板匹配的带矩形引脚芯片的定位算法 | |
CN107784660B (zh) | 图像处理方法、图像处理系统及缺陷检测装置 | |
CN111667448A (zh) | 一种图像处理方法、装置及设备 | |
CN112085709B (zh) | 一种图像对比方法及设备 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
EP4336449A1 (en) | Mark hole positioning method and apparatus, assembly device, and storage medium | |
CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
JP2023535005A (ja) | 電子画像内の物体を認識するための方法及びシステム又は装置 | |
CN114399463A (zh) | 一种基于数字图像处理的锯片拾取方法及系统 | |
TWI840217B (zh) | 應用霍夫變換之晶圓定位系統及方法 | |
CN116309760B (zh) | 谷物的图像对齐方法及谷物检测设备 | |
CN111462242B (zh) | 一种基于改进的可变形部件模型的矩形引脚芯片定位方法 | |
CN116542998B (zh) | 用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 | |
CN109872367B (zh) | 带有ccd相机雕刻机的校正方法及校正系统 | |
TWI503792B (zh) | 對位裝置及其方法 | |
CN117788420A (zh) | 缺陷位置确定方法和装置 | |
US11694916B2 (en) | Apparatus, method and recording medium storing command for inspection |
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 |