CN114723650A - 晶圆缺陷检测方法和装置、设备及存储介质 - Google Patents

晶圆缺陷检测方法和装置、设备及存储介质 Download PDF

Info

Publication number
CN114723650A
CN114723650A CN202011519208.6A CN202011519208A CN114723650A CN 114723650 A CN114723650 A CN 114723650A CN 202011519208 A CN202011519208 A CN 202011519208A CN 114723650 A CN114723650 A CN 114723650A
Authority
CN
China
Prior art keywords
image
detection
defect
neighborhood
detecting
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
CN202011519208.6A
Other languages
English (en)
Inventor
马卫民
韩春营
俞宗强
蒋俊海
黄守艳
乔静
任耀辉
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.)
Dongfang Jingyuan Electron Ltd
Original Assignee
Dongfang Jingyuan Electron 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 Dongfang Jingyuan Electron Ltd filed Critical Dongfang Jingyuan Electron Ltd
Priority to CN202011519208.6A priority Critical patent/CN114723650A/zh
Priority to PCT/CN2021/078733 priority patent/WO2022134305A1/zh
Publication of CN114723650A publication Critical patent/CN114723650A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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

本申请公开了一种晶圆缺陷检测方法，该晶圆缺陷检测方法包括获取检测图像和参考图像，依据检测图像和参考图像进行缺陷检测得到检测图像的缺陷区域，基于缺陷区域进行再次检测得到最终的检测结果。以使初次所得到的缺陷又进行一次复查，降低了误检率。

Description

晶圆缺陷检测方法和装置、设备及存储介质
技术领域
本公开涉及半导体制造领域，尤其涉及一种晶圆缺陷检测方法和装置、设备及存储介质。
背景技术
在晶圆缺陷检测领域，一种通常的检测方式是由硬件设备(光学的或电子束的)采集晶圆上一个指定die(对应于一个器件)上的一个指定坐标位置的图像，通常称之为TestImage，以图像处理的方法检测图像上的缺陷，并以此判断晶圆上的缺陷状况。为确定TestImage上的缺陷，需要一个参考图像与之进行对比、检测。参考图像，Reference Image，是在另一个die上相同的指定坐标位置采集的。因而在理想情况下，Test Image和ReferenceImage应该是完全一样的。如果Test Image有与Reference Image不同的地方，那就是可能的缺陷所在。这就是晶圆缺陷检测最基本的原理。现有技术对检测图像质量的要求太高。在检测图像质量没有达到理想状态的情况下，容易产生比较高的误检率，有时会产生比较低的缺陷捕获率。
发明内容
有鉴于此，本公开提出了一种晶圆缺陷检测方法，包括：
获取检测图像和参考图像；
依据所述检测图像和所述参考图像进行缺陷检测得到所述检测图像的缺陷区域；
基于所述缺陷区域进行再次检测得到最终的检测结果。
在一种可能的实现方式中，还包括对所述检测图像和所述参考图像进行预处理的步骤；
其中，对所述检测图像和所述参考图像进行的预处理包括：
通过滤波器对所述检测图像和所述参考图像进行去噪声；
将所述检测图像和所述参考图像进行对准操作。
在一种可能的实现方式中，基于所述缺陷区域进行再次检测得到最终的检测结果包括：
在所述检测图像上截取所述缺陷区域的邻域得到检测邻域图像；
在所述参考图像上截取所述缺陷区域对应位置处的邻域得到参考邻域图像；
根据所述检测邻域图像和所述参考邻域图像，对所述检测邻域图像进行再次检测，得到最终的检测结果。
在一种可能的实现方式中，根据所述检测邻域图像和所述参考邻域图像，对所述检测邻域图像进行再次检测，得到最终的检测结果，包括：
在检测到所述检测邻域图像还存在缺陷时，记录当前检测到的缺陷；
在检测到所述检测邻域图像没有缺陷时，删除所述缺陷区域。
在一种可能的实现方式中，所述检测邻域图像和所述参考邻域图像的尺寸为预设尺寸；
所述预设尺寸为32—256。
在一种可能的实现方式中，还根据所述检测邻域图像和所述参考邻域图像，对所述检测邻域图像进行再次检测，得到最终的检测结果，包括：
将所述检测邻域图像与对应的所述参考邻域图像进行对准操作得到对准图像；
依据所述检测邻域图像对对应的所述对准图像进行缺陷检测得到所述检测结果。
在一种可能的实现方式中，所述预设尺寸为64×64。
在一种可能的实现方式中，还包括：
分析所述检测结果中的缺陷的参数；
依据所述参数对所述缺陷进行分类得到检测报告。
在一种可能的实现方式中，所述缺陷区域为多个时，依次遍历每个缺陷，并对每个缺陷区域均进行再次检测，得到最终的检测结果。
根据本公开的另一方面，提供了一种晶圆缺陷检测装置，其特征在于，包括数据获取模块、缺陷检测模块和检测结果生成模块；
所述数据获取模块，被配置为获取检测图像和参考图像；
所述缺陷检测模块，被配置为依据所述检测图像和所述参考图像进行缺陷检测得到所述检测图像的缺陷区域；
所述检测结果生成模块，被配置为基于所述缺陷区域进行再次检测得到最终的检测结果。
根据本公开的另一方面，提供了一种晶圆缺陷检测设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现前面任一所述的方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现前面任一所述的方法。
通过获取检测图像和参考图像，依据检测图像和参考图像进行缺陷检测得到检测图像的缺陷区域，基于缺陷区域进行再次检测得到最终的检测结果。以使初次所得到的缺陷又进行一次复查，降低了误检率。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出本公开实施例的晶圆缺陷检测方法的流程图；
图2示出本公开实施例的晶圆缺陷检测装置的框图；
图3示出本公开实施例的晶圆缺陷检测设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的晶圆缺陷检测方法的流程图。如图1所示，该晶圆缺陷检测方法包括：
步骤S100，获取检测图像和参考图像，步骤S200，依据检测图像和参考图像进行缺陷检测得到检测图像的缺陷区域，步骤S300，基于缺陷区域进行再次检测得到最终的检测结果。
通过获取检测图像和参考图像，依据检测图像和参考图像进行缺陷检测得到检测图像的缺陷区域，基于缺陷区域进行再次检测得到最终的检测结果。以使初次所得到的缺陷又进行一次复查，降低了误检率。
具体的，参见图1，执行步骤S100，获取检测图像和参考图像。
在一种可能的实现方式中，采集晶圆上一个指定die上的一个指定坐标位置的图像作为检测图像，即为Test Image，为确定Test Image上的缺陷，需要一个参考图像与之进行对比、检测，需要在另一个die上相同的指定坐标位置采集的参考图像，即为ReferenceImage。
进一步的，参见图1，执行步骤S200，依据检测图像和参考图像进行缺陷检测得到检测图像的缺陷区域。
在一种可能的实现方式中，需要先对检测图像和参考图像进行预处理，也就是采集到检测图像Test Image和参考图像Reference Image之后，对检测图像Test Image和参考图像Reference Image进行预处理，其中对检测图像Test Image和参考图像ReferenceImage进行预处理包括：通过滤波器对检测图像和参考图像进行去噪声，将检测图像和参考图像进行对准操作。其中，滤波器包括高斯滤波器、均值滤波器和中值滤波器中的任意一种。举例来说，采集晶圆上一个指定die上的一个指定坐标位置的图像作为检测图像，即为Test Image，在另一个die上相同的指定坐标位置采集的参考图像，即为Reference Image，其中Test Image和Reference Image的大小均为6K×6K的大小，分别对Test Image和Reference Image进行噪声去除，在对Test Image和Reference Image进行噪声去除时，根据Test Image和Reference Image的特征进行去噪声滤波。
需要说明的是，在对Test Image和Reference Image进行去噪声操作之后，进一步的，需要对Test Image和Reference Image做对准操作，其中，对图像进行对准操作和对图像进行噪声去除为本领域的常规技术手段，此处不再进行赘述。
进一步的，在一种可能的实现方式中，采集Test Image和Reference Image，其中Test Image和Reference Image的大小均为6K×6K的大小，分别对Test Image和ReferenceImage进行噪声去除，在对Test Image和Reference Image进行噪声去除时，根据TestImage和Reference Image的特征进行去噪声滤波。在对Test Image和Reference Image进行去噪声操作之后，进一步的，对Test Image和Reference Image做对准操作，接着对TestImage和Reference Image进行缺陷检测，可以得到缺陷报告，其中，缺陷报告内记录缺陷的位置信息。
需要说明的是，缺陷检测可以使用本领域的常规技术手段，此处不再进行赘述。
进一步的，参见图1，执行S300，基于缺陷区域进行再次检测得到最终的检测结果。
在一种可能的实现方式中，基于缺陷区域进行再次检测得到最终的检测结果包括：在检测图像上截取缺陷区域的邻域得到检测邻域图像，在参考图像上截取缺陷区域对应位置处的邻域得到参考邻域图像，根据检测邻域图像和参考邻域图像，对检测邻域图像进行再次检测，得到最终的检测结果。
具体的，根据检测邻域图像和参考邻域图像，对检测邻域图像进行再次检测，得到最终的检测结果，包括：将检测邻域图像与对应的参考邻域图像进行对准操作得到对准图像，依据检测邻域图像对对应的对准图像进行缺陷检测得到检测结果。
其中，根据检测邻域图像和参考邻域图像，对检测邻域图像进行再次检测，得到最终的检测结果还包括：在检测到检测邻域图像还存在缺陷时，记录当前检测到的缺陷，在检测到检测邻域图像没有缺陷时，删除缺陷区域。另外的，检测邻域图像和参考邻域图像的尺寸为预设尺寸，预设尺寸为32—256。
举例来说，原图像为6K×6K，在对Test Image和Reference Image进行缺陷检测后，得到了缺陷报告，其中，缺陷报告内记录缺陷的位置信息。对于其中的一个缺陷区域D，首先在Test Image上截取缺陷区域D的一个预设尺寸的邻域得到检测邻域图像，定义为AT，首先在Reference Image上截取缺陷区域D的一个预设尺寸的邻域得到参考邻域图像，定义为AR，优选的，检测邻域图像和参考邻域图像的预设尺寸为64×64。接着，对AT和AR进行对准操作，得到对准图像，定义为ARA(Aligned AR)，进一步的，对AT和ARA进行缺陷检测，如果找到缺陷，则记录该缺陷，若没有找到缺陷，则将会缺陷区域D删除，以上述步骤对缺陷报告中的每一个缺陷进行遍历，直至处理完成所有缺陷报告中的缺陷。这样，在对于原图像6K×6K的一个小得多的尺度上，避免了在原图上因图像质量带来的问题产生的误检，这也就在晶圆检测的过程中提高了检出率，降低了误检率。
进一步的，在一种可能的实现方式中，原图像为6K×6K，在对Test Image和Reference Image进行缺陷检测后，得到了缺陷报告，缺陷报告中包括缺陷区域D，检测邻域图像和参考邻域图像的预设尺寸为64×64，缺陷区域D因为图像局部扭曲变形而造成的局部对准偏差而被检出，首先在Test Image上截取缺陷区域D的一个预设尺寸的邻域得到检测邻域图像，定义为AT，首先在Reference Image上截取缺陷区域D的一个预设尺寸的邻域得到参考邻域图像，定义为AR，接着，对AT和AR进行对准操作，得到对准图像，定义为ARA(Aligned AR)，其中，在缺陷区域D的周边截取的局部图像进行对准时，图像局部扭曲变形的效应会被对准算法消除，因而D不再被报告为缺陷，进一步的，对AT和ARA进行缺陷检测，也就没有找到缺陷，则将会缺陷区域D删除。
进一步的，在另一种可能的实现方式中，原图像为6K×6K，在对Test Image和Reference Image进行缺陷检测后，得到了缺陷报告，缺陷报告中包括缺陷区域D，检测邻域图像和参考邻域图像的预设尺寸为64×64，缺陷区域D因为非周期图形因对准错误而作为缺陷被检出，首先在Test Image上截取缺陷区域D的一个预设尺寸的邻域得到检测邻域图像，定义为AT，首先在Reference Image上截取缺陷区域D的一个预设尺寸的邻域得到参考邻域图像，定义为AR，接着，对AT和AR进行对准操作，得到对准图像，定义为ARA(Aligned AR)，其中，在缺陷区域D的周边截取的局部图像进行对准时，非周期图形在局部图像中所占比例相对于其在原图像中所占比例，有较大幅度的提高，所以再对准时能够成功，因而缺陷区域D不再被报告为缺陷，进一步的，对AT和ARA进行缺陷检测，也就没有找到缺陷，则将会缺陷区域D删除。
进一步的，在另一种可能的实现方式中，原图像为1K×1K，在对Test Image和Reference Image进行缺陷检测后，得到了缺陷报告，缺陷报告中包括缺陷区域D，检测邻域图像和参考邻域图像的预设尺寸为32×32，缺陷区域D因为两个图像(Test Image和Reference Image)上非共同模态下的背景亮度不均造成的对准误差而检出的缺陷，首先在Test Image上截取缺陷区域D的一个预设尺寸的邻域得到检测邻域图像，定义为AT，首先在Reference Image上截取缺陷区域D的一个预设尺寸的邻域得到参考邻域图像，定义为AR，接着，对AT和AR进行对准操作，得到对准图像，定义为ARA(Aligned AR)，其中，在缺陷区域D的周边截取的局部图像进行对准时，背景亮度不均造成的对准误差将不足以造成可以检出的缺陷，因而D不再被报告为缺陷，进一步的，对AT和ARA进行缺陷检测，也就没有找到缺陷，则将会缺陷区域D删除。
进一步的，在另一种可能的实现方式中，原图像为2K×2K，在对Test Image和Reference Image进行缺陷检测后，得到了缺陷报告，缺陷报告中包括缺陷区域D，检测邻域图像和参考邻域图像的预设尺寸为32×32，缺陷区域D确实为一个真实缺陷，首先在TestImage上截取缺陷区域D的一个预设尺寸的邻域得到检测邻域图像，定义为AT，首先在Reference Image上截取缺陷区域D的一个预设尺寸的邻域得到参考邻域图像，定义为AR，接着，对AT和AR进行对准操作，得到对准图像，定义为ARA(Aligned AR)，其中，在缺陷区域D的周边截取的局部图像进行对准时，缺陷区域D也会被检测出来，则对AT和ARA进行缺陷检测，也就没有找到缺陷，则将会缺陷区域D删除。
需要说明的是，检测邻域图像和参考邻域图像的预设尺寸可以根据需要进行设定，此处不进行限定。
进一步的，在得到检测结果后，分析检测结果中的缺陷得到检测结果，依据检测结果生成检测报告，供工作人员查看。
在一种可能的实现方式中，分析检测结果中的缺陷得到检测结果包括：分析检测结果中的缺陷的参数，依据参数对缺陷进行分类得到检测结果。其中，参数包括缺陷的形态和大小中的至少任意一种。
需要说明的是，尽管以上述各个步骤作为示例介绍了晶圆缺陷检测方法如上，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定晶圆缺陷检测方法，只要达到所需功能即可。
这样，通过获取检测图像和参考图像，依据检测图像和参考图像进行缺陷检测得到检测图像的缺陷区域，基于缺陷区域进行再次检测得到最终的检测结果。以使初次所得到的缺陷又进行一次复查，降低了误检率。
进一步的，根据本公开的另一方面，还提供了一种晶圆缺陷检测装置100。由于本公开实施例的晶圆缺陷检测装置100的工作原理与本公开实施例的晶圆缺陷检测方法的原理相同或相似，因此重复之处不再赘述。参见图2，本公开实施例的晶圆缺陷检测装置100包括数据获取模块110、缺陷检测模块120和检测结果生成模块130；
所述数据获取模块110，被配置为获取检测图像和参考图像；
所述缺陷检测模块120，被配置为依据所述检测图像和所述参考图像进行缺陷检测得到所述检测图像的缺陷区域；
所述检测结果生成模块130，被配置为基于所述缺陷区域进行再次检测得到最终的检测结果。
更进一步地，根据本公开的另一方面，还提供了一种晶圆缺陷检测设备200。参阅图3，本公开实施例晶圆缺陷检测设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中，处理器210被配置为执行可执行指令时实现前面任一所述的晶圆缺陷检测方法。
此处，应当指出的是，处理器210的个数可以为一个或多个。同时，在本公开实施例的晶圆缺陷检测设备200中，还可以包括输入装置230和输出装置240。其中，处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
存储器220作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的晶圆缺陷检测方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块，从而执行晶圆缺陷检测设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的晶圆缺陷检测方法。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种晶圆缺陷检测方法，其特征在于，包括：
获取检测图像和参考图像；
依据所述检测图像和所述参考图像进行缺陷检测得到所述检测图像的缺陷区域；
基于所述缺陷区域进行再次检测得到最终的检测结果。
2.根据权利要求1所述的方法，其特征在于，还包括对所述检测图像和所述参考图像进行预处理的步骤；
其中，对所述检测图像和所述参考图像进行的预处理包括：
通过滤波器对所述检测图像和所述参考图像进行去噪声；
将所述检测图像和所述参考图像进行对准操作。
3.根据权利要求1所述的方法，其特征在于，基于所述缺陷区域进行再次检测得到最终的检测结果包括：
在所述检测图像上截取所述缺陷区域的邻域得到检测邻域图像；
在所述参考图像上截取所述缺陷区域对应位置处的邻域得到参考邻域图像；
根据所述检测邻域图像和所述参考邻域图像，对所述检测邻域图像进行再次检测，得到最终的检测结果。
4.根据权利要求3所述的方法，其特征在于，根据所述检测邻域图像和所述参考邻域图像，对所述检测邻域图像进行再次检测，得到最终的检测结果，包括：
在检测到所述检测邻域图像还存在缺陷时，记录当前检测到的缺陷；
在检测到所述检测邻域图像没有缺陷时，删除所述缺陷区域。
5.根据权利要求3所述的方法，其特征在于，所述检测邻域图像和所述参考邻域图像的尺寸为预设尺寸；
所述预设尺寸为32—256。
6.根据权利要求3所述的方法，其特征在于，还根据所述检测邻域图像和所述参考邻域图像，对所述检测邻域图像进行再次检测，得到最终的检测结果，包括：
将所述检测邻域图像与对应的所述参考邻域图像进行对准操作得到对准图像；
依据所述检测邻域图像对对应的所述对准图像进行缺陷检测得到所述检测结果。
7.根据权利要求5所述的方法，其特征在于，所述预设尺寸为64×64。
8.根据权利要求1所述的方法，其特征在于，还包括：
分析所述检测结果中的缺陷的参数；
依据所述参数对所述缺陷进行分类得到检测报告。
9.根据权利要求1所述的方法，其特征在于，所述缺陷区域为多个时，依次遍历每个所述缺陷区域，并对每个所述缺陷区域均进行再次检测，得到最终的检测结果。
10.一种晶圆缺陷检测装置，其特征在于，包括数据获取模块、缺陷检测模块和检测结果生成模块；
所述数据获取模块，被配置为获取检测图像和参考图像；
所述缺陷检测模块，被配置为依据所述检测图像和所述参考图像进行缺陷检测得到所述检测图像的缺陷区域；
所述检测结果生成模块，被配置为基于所述缺陷区域进行再次检测得到最终的检测结果。
11.一种晶圆缺陷检测设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现权利要求1至9中任意一项所述的方法。
12.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
CN202011519208.6A 2020-12-21 2020-12-21 晶圆缺陷检测方法和装置、设备及存储介质 Pending CN114723650A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011519208.6A CN114723650A (zh) 2020-12-21 2020-12-21 晶圆缺陷检测方法和装置、设备及存储介质
PCT/CN2021/078733 WO2022134305A1 (zh) 2020-12-21 2021-03-02 晶圆缺陷检测方法和装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011519208.6A CN114723650A (zh) 2020-12-21 2020-12-21 晶圆缺陷检测方法和装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114723650A true CN114723650A (zh) 2022-07-08

Family

ID=82157327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011519208.6A Pending CN114723650A (zh) 2020-12-21 2020-12-21 晶圆缺陷检测方法和装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN114723650A (zh)
WO (1) WO2022134305A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115661148B (zh) * 2022-12-26 2023-04-11 视睿（杭州）信息科技有限公司 一种晶圆晶粒排列检测方法及系统
CN117115143B (zh) * 2023-10-16 2024-01-02 深圳市壹倍科技有限公司 一种检测晶圆芯粒的方法、装置、计算机设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002236907A (ja) * 2001-02-09 2002-08-23 Toshiba Corp 欠陥検査装置及び該装置を用いた半導体デバイス製造方法
JP2005292157A (ja) * 2005-06-03 2005-10-20 Hitachi High-Technologies Corp ウェハ欠陥検査方法及びウェハ欠陥検査装置
CN103646893A (zh) * 2013-11-29 2014-03-19 上海华力微电子有限公司 晶圆缺陷检测方法
CN105960702A (zh) * 2014-02-06 2016-09-21 科磊股份有限公司 基于从标准参考图像确定的属性的缺陷检测及分类
CN109596638A (zh) * 2018-10-26 2019-04-09 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
CN111553897A (zh) * 2020-04-27 2020-08-18 上海果纳半导体技术有限公司 晶圆缺陷检测设备
CN111863646A (zh) * 2019-04-24 2020-10-30 中芯国际集成电路制造(上海)有限公司 一种半导体器件缺陷的检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8055058B2 (en) * 2006-02-07 2011-11-08 Hantech Co., Ltd. Apparatus and method for detecting defects in wafer using line sensor camera
US9696268B2 (en) * 2014-10-27 2017-07-04 Kla-Tencor Corporation Automated decision-based energy-dispersive x-ray methodology and apparatus
CN111474748A (zh) * 2020-04-21 2020-07-31 苏州佳智彩光电科技有限公司 一种大尺寸lcd显示模组机器视觉检查方法与系统
CN111462113B (zh) * 2020-04-24 2021-12-28 上海精测半导体技术有限公司 无图形晶圆的复检方法
CN111539955A (zh) * 2020-05-28 2020-08-14 上海华力集成电路制造有限公司 一种缺陷检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002236907A (ja) * 2001-02-09 2002-08-23 Toshiba Corp 欠陥検査装置及び該装置を用いた半導体デバイス製造方法
JP2005292157A (ja) * 2005-06-03 2005-10-20 Hitachi High-Technologies Corp ウェハ欠陥検査方法及びウェハ欠陥検査装置
CN103646893A (zh) * 2013-11-29 2014-03-19 上海华力微电子有限公司 晶圆缺陷检测方法
CN105960702A (zh) * 2014-02-06 2016-09-21 科磊股份有限公司 基于从标准参考图像确定的属性的缺陷检测及分类
CN109596638A (zh) * 2018-10-26 2019-04-09 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
CN111863646A (zh) * 2019-04-24 2020-10-30 中芯国际集成电路制造(上海)有限公司 一种半导体器件缺陷的检测方法
CN111553897A (zh) * 2020-04-27 2020-08-18 上海果纳半导体技术有限公司 晶圆缺陷检测设备

Also Published As

Publication number Publication date
WO2022134305A1 (zh) 2022-06-30

Similar Documents

Publication Publication Date Title
US9811899B2 (en) Method, image processing system and computer-readable recording medium for item defect inspection
JP4657869B2 (ja) 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体
JP4014379B2 (ja) 欠陥レビュー装置及び方法
JP4695239B2 (ja) 形状特徴に基づく欠陥検出方法及び装置
US11842481B2 (en) Defect offset correction
JP2008180696A (ja) 欠陥検出装置、欠陥検出方法、イメージセンサデバイス、イメージセンサモジュール、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体
CN114723650A (zh) 晶圆缺陷检测方法和装置、设备及存储介质
JP2014190821A (ja) 欠陥検出装置および欠陥検出方法
JP2008047664A (ja) パターン検査装置及び半導体検査システム
CN117274258B (zh) 主板图像的缺陷检测方法、系统、设备及存储介质
CN113781396A (zh) 屏幕缺陷检测方法、装置、设备和存储介质
WO2023060797A1 (zh) 用于半导体电子束缺陷监测的图像处理方法、装置和系统
CN113269769A (zh) 一种基于图像配准的缺陷检测方法、系统及设备
WO2020135097A1 (zh) 显示终端通道切换检测方法和装置
CN113379726A (zh) 线路检测方法、装置、设备及计算机可读存储介质
KR100779312B1 (ko) 결함 검출 장치, 이미지 센서 디바이스, 이미지 센서 모듈,화상 처리 장치, 디지털 화상 품질 테스터, 및 결함 검출방법
KR100754969B1 (ko) 화상 검사 장치, 화상 검사 방법 및 컴퓨터 판독가능한 기억 매체
CN117589770A (zh) Pcb贴片板检测方法、装置、设备及介质
CN111415365B (zh) 图像检测方法及装置
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
WO2022246643A1 (zh) 图像获取方法及装置、存储介质
CN115880365A (zh) 一种双工位自动螺丝拧装检测方法、系统及装置
CN113012137B (zh) 一种面板缺陷检查方法、系统、终端设备及存储介质
CN112541881A (zh) 电子设备失效分析方法及系统
JP2002267619A (ja) 欠陥検査方法及び装置

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
CB02 Change of applicant information

Address after: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Dongfang Jingyuan Microelectronics Technology (Beijing) Co.,Ltd.

Address before: 101102 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant before: DONGFANG JINGYUAN ELECTRON Ltd.

CB02 Change of applicant information