CN114820601A - 目标图像的更新方法及系统、晶圆检测方法和计算机设备 - Google Patents
目标图像的更新方法及系统、晶圆检测方法和计算机设备 Download PDFInfo
- Publication number
- CN114820601A CN114820601A CN202210733693.XA CN202210733693A CN114820601A CN 114820601 A CN114820601 A CN 114820601A CN 202210733693 A CN202210733693 A CN 202210733693A CN 114820601 A CN114820601 A CN 114820601A
- Authority
- CN
- China
- Prior art keywords
- image
- reference image
- gray scale
- target image
- wafer
- 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
- 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
- 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
Abstract
本发明涉及一种目标图像的更新方法及系统、晶圆检测方法和计算机设备。目标图像的更新方法包括:获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度;将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,若是,将参考图像及参考图像的灰度保存;重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度;将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内,若是,将目标图像进行更新替换,将平均参考图像作为新的目标图像。
Description
技术领域
本申请涉及集成电路技术领域,特别是涉及一种目标图像的更新方法及系统、晶圆检测方法、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术
半导体工艺制程中,当前期一道制程完成后,会对产品表面进行宏观和微观不良的检测,以检测到工艺早期所引入的良率损失缺陷,将有异常的晶圆进行Rework(重新进行制程)处理,减少有缺陷的晶圆流到下一工序报废而产生的损失;制程缺陷检测主要通过线上样品和目标图像的差异来定义是否为缺陷,目标图像的准确性一定程度上决定了工艺线上检出缺陷的准确性。
然而,现有的晶圆检测过程中,会使用一个固定的目标图像作为对比参考;在实际生产过程中,来自于不同的机台和机台本身长时间生产而产生的正常偏移会导致线上样品的图像灰度发生波动和偏移,目标图像和线上样品的差异越来越大,从而导致误检率增加,需要工程师去频繁的手动调参数或重新设定目标图像,导致人力成本增加,效率也较低。
发明内容
基于此,有必要针对上述问题提供一种目标图像的更新方法及系统、晶圆检测方法、计算机设备、计算机可读存储介质和计算机程序产品。
为了实现上述目的,一方面,本发明提供了一种目标图像的更新方法,包括:
获取待测晶圆的光学图像,基于所述待测晶圆的光学图像得到参考图像及所述参考图像的灰度;
将所述参考图像的灰度与目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第一预设范围内,若是,将所述参考图像及所述参考图像的灰度保存;
重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;
将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度;
将所述平均参考图像的灰度与所述目标图像的灰度进行比对,判断所述平均参考图像与所述目标图像的灰度差值是否位于第二预设范围内,若是,将所述目标图像进行更新替换,将所述平均参考图像作为新的目标图像。
本申请的目标图像的更新方法,获取的更新图像为晶圆的实时更新图像,并且保存的多张参考图像及参考图像的灰度也是与目标图像的灰度差位于第一预设范围内的,采用多张参考图像进行拟合获得平均参考图像,平均参考图像的灰度更加贴近实际生产情况;选取与目标图像的灰度差值位于第二预设范围内的平均参考图像作为新的目标图像,所获得的新的目标图像更加准确,此方法可以使目标图像的灰度长期保持其准确性,减少误检,提高生产线上的检测结果的准确性和检测效率,且可以减少人员成本。
在其中一个实施例中,所述获取待测晶圆的光学图像,基于所述待测晶圆的光学图像得到参考图像及参考图像的灰度,包括:
获取所述待测晶圆的光学图像,所述待测晶圆的光学图像中包括多个间隔排布的芯片区域;
对所述待测晶圆的光学图像进行灰度计算;
于所述待测晶圆的光学图像内选择多个所述芯片区域进行训练拟合,以得到所述参考图像及所述参考图像的灰度。
在其中一个实施例中,第一张目标图像及第一张目标图像的灰度的获取方法包括:
获取目标晶圆的光学图像,所述目标晶圆的光学图像中包括多个间隔排布的芯片区域;
对所述目标晶圆的光学图像进行灰度计算;
于所述目标晶圆的光学图像内选择多个所述芯片区域进行训练拟合,以得到所述第一张目标图像及所述第一张目标图像的灰度。
在其中一个实施例中,将所述参考图像的灰度与目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第一预设范围内之后,还包括:
若否,则舍弃所述参考图像。
在其中一个实施例中,将所述平均参考图像的灰度与所述目标图像的灰度进行比对,判断所述平均参考图像与所述目标图像的灰度差值是否位于第二预设范围内之后,还包括:
若否,则发出报警信息。
在其中一个实施例中,将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度的过程中,拟合的参考图像的张数大于100张。
在其中一个实施例中,将所述目标图像进行更新替换,将所述平均参考图像作为新的目标图像之后,还包括:
在预设时间间隔后,获取新的待测晶圆的光学图像,重复上述各步骤。
第二方面,本申请还提供一种目标图像的更新系统,包括:
图像获取模块,用于获取待测晶圆的光学图像;
处理模块,与所述图像获取模块相连接,用于基于所述待测晶圆的光学图像得到参考图像及所述参考图像的灰度;
存储模块,用于存储目标图像及目标图像的灰度;
第一比较判断模块,与所述处理模块及所述存储模块相连接,用于将所述参考图像的灰度与所述目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第一预设范围内;
图像保存模块,与所述第一比较判断模块相连接,用于在所述参考图像与所述目标图像的灰度差位于第一预设范围内时,将所述参考图像及所述参考图像的灰度保存;
拟合模块,与所述图像保存模块相连接,用于将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度;
第二比较判断模块,与所述拟合模块及所述存储模块相连接,用于将所述平均参考图像的灰度与所述目标图像的灰度进行比对,判断所述平均参考图像与所述目标图像的灰度差值是否位于第二预设范围内;
更新替换模块,与所述第二比较判断模块及所述存储模块相连接,用于在所述平均参考图像与所述目标图像的灰度差值位于第二预设范围内时,将所述目标图像进行更新替换,将所述平均参考图像作为新的目标图像更新存储于所述存储模块内。
本申请的目标图像的更新系统,通过待测晶圆的光学图像得到参考图像及参考图像的灰度,将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,可以快速判定是否需要保存参考图像及所述参考图像的灰度;将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度,将平均参考图像的灰度与目标图像的灰度进行比对,在平均参考图像与目标图像的灰度差值位于第二预设范围内时,将目标图像进行更新替换,将平均参考图像作为新的目标图像更新存储于存储模块内,使得目标图像的灰度长期保持其准确性,减少误检,提高生产线上的检测结果的准确性和检测效率,提升生产效率。
第三方面,本申请还提供一种晶圆检测方法,包括:
获取待测晶圆的光学图像,基于所述待测晶圆的光学图像得到参考图像及所述参考图像的灰度;
将所述参考图像的灰度与目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第三预设范围内;若是,则判定所述待测晶圆上没有缺陷;若否,则判定所述待测晶圆上存在缺陷;
其中,所述目标图像为采用如上述任一项方案所述的目标图像的更新方法实时更新后的目标图像。
本申请的晶圆检测方法,通过待测晶圆的光学图像得到参考图像及参考图像的灰度,将参考图像的灰度与目标图像的灰度进行比对,可以快速判定待测晶圆上有无缺陷,并且,目标图像为实时更新的目标图像,使得比对过程更为准确,帮助准确判断晶圆是否存在缺陷,降低误判率,提升生产效率。
第四方面,本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项方案所述的目标图像的更新方法的步骤。
第五方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项方案所述的目标图像的更新方法的步骤。
第六方面,本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述任一项方案所述的目标图像的更新方法的步骤。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一实施例中提供的目标图像的更新方法的流程图;
图2为一实施例中提供的目标图像的更新方法中获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度的流程图;
图3为一实施例中提供的目标图像的更新方法中第一张目标图像及第一张目标图像的灰度的获取方法的流程图;
图4为一实施例中提供的目标图像的更新系统的结构图;
图5为一实施例中提供的晶圆检测方法的流程图;
图6为一实施例中提供的计算机设备的内部结构图。
附图标记说明:
1、图像获取模块;2、处理模块;3、存储模块;4、第一比较判断模块;5、图像保存模块;6、拟合模块;7、第二比较判断模块;8、更新替换模块。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的首选实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
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至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应明白,当术语“组成”和/或“包括”在该说明书中使用时,可以确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。同时,在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
半导体工艺制程中,当前期一道制程完成后,会对产品表面进行宏观和微观不良的检测,以检测到工艺早期所引入的良率损失缺陷,将有异常的晶圆进行Rework(重新进行制程)处理,减少有缺陷的晶圆流到下一工序报废而产生的损失;制程缺陷检测主要通过线上样品和目标图像的差异来定义是否为缺陷,目标图像的准确性一定程度上决定了工艺线上检出缺陷的准确性。 譬如,光刻制程完成后,会对产品表面进行宏观和微观不良的检测,以检测到光刻工艺早期所引入的良率损失缺陷;现行的光刻制程缺陷检测设备为Auto ADI(Auto After Development Inspection,自动显影后检查),通过光刻后的样品和目标图像的差异来定义是否为缺陷,目标图像的准确性一定程度上决定了Auto ADI对缺陷检出的准确性。
然而,在实际生产过程中,来自于不同的机台和机台本身长时间生产而产生的正常偏移会导致线上样品的图像灰度发生波动和偏移,目标图像和线上样品的差异越来越大,从而导致误检率增加,需要工程师去频繁的手动调参数或重新设定目标图像,导致人力成本增加,效率也较低。
基于此,有必要针对上述问题提供一种目标图像的更新方法及系统、晶圆检测方法、计算机设备、计算机可读存储介质和计算机程序产品。
请参阅图1,本申请提供一种目标图像的更新方法,可以包括如下步骤:
S101:获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度;
S102:将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,若是,将参考图像及参考图像的灰度保存;
S103:重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;
S104:将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度;
S105:将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内,若是,将目标图像进行更新替换,将平均参考图像作为新的目标图像。
在上述实施例中,目标图像的更新方法获取的更新图像为晶圆的实时更新图像,并且保存的多张参考图像及参考图像的灰度也是与目标图像的灰度差位于第一预设范围内的,采用多张参考图像进行拟合获得平均参考图像,平均参考图像的灰度更加贴近实际生产情况;选取与目标图像的灰度差值位于第二预设范围内的平均参考图像作为新的目标图像,所获得的新的目标图像更加准确,此方法可以使目标图像的灰度长期保持其准确性,减少误检,提高生产线上的检测结果的准确性和检测效率,且可以减少人员成本。
具体地,S103中所述的重复上述各步骤若干次是指重复S101~S102这些步骤若干次,以获得多张参考图像及各参考图像的灰度。
在一个实施例中,如图2所示,获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度,可以包括如下步骤:
S201:获取待测晶圆的光学图像,待测晶圆的光学图像中包括多个间隔排布的芯片区域;
S202:对待测晶圆的光学图像进行灰度计算;
S203:于待测晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到参考图像及参考图像的灰度。
具体地,可以通过生产线上的高速摄像机获取待测晶圆的光学图像,且获取待测晶圆的光学图像时,产线上的图像处理系统可对图像快速处理以获得待测晶圆的光学图像的灰度图像和灰度值。
本实施例中,选择多个芯片区域进行训练拟合,以使获得的参考图像及参考图像的灰度更为准确。
在一个实施例中,如图3所示,第一张目标图像及第一张目标图像的灰度的获取方法,可以包括如下步骤:
S301:获取目标晶圆的光学图像,目标晶圆的光学图像中包括多个间隔排布的芯片区域;
S302:对目标晶圆的光学图像进行灰度计算;
S303:于目标晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到第一张目标图像及第一张目标图像的灰度。
具体地,可以通过生产线上的高速摄像机获取目标晶圆的光学图像,且获取目标晶圆的光学图像时,产线上的图像处理系统可对图像快速处理以获得目标晶圆的光学图像的灰度图像和灰度值。
其中,第一张目标图像是指将平均参考图像作为新的目标图像之前,用于与参考图像及平均参考图像进行比对的目标图像。
在一个实施例中,将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内之后,还包括:若否,则舍弃参考图像的步骤。
具体地,将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,若参考图像与目标图像的灰度差不在第一预设范围内,则舍弃参考图像,以保证留存下的参考图像均是合格的参考图像,以剔除偏差过大的参考图像,避免对平均参考图像的获取造成不良影响。
在一个实施例中,将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内之后,还包括:若否,则发出报警信息。
具体地,平均参考图像与目标图像的灰度差值不在第二预设范围内,有可能是机台突发异常导致晶圆上的制程出现异常,参考图像不能继续使用,则需要进行警示,告知机台监测端此异常信息,以便于异常尽快得到处理。
在一个实施例中,将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度的过程中,拟合的参考图像的张数大于100张;以保证平均参考图像的准确性。
在一个实施例中,将目标图像进行更新替换,将平均参考图像作为新的目标图像之后,还包括:在预设时间间隔后,获取新的待测晶圆的光学图像,重复上述各步骤。具体地,此处重复上述各步骤是指重复S101~S105这些步骤;作为示例,可以进行定时设置,即设置每达到一次预设时间就重复一次S101~S105的步骤操作,以使目标图像可以定时得到自动更新调整,保证生产制程的准确性。
本申请实施例还提供了一种用于实现上述所涉及的目标图像的更新方法的目标图像的更新系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的目标图像的更新系统实施例中的具体限定可以参见上文中对于目标图像的更新方法的限定,在此不再赘述。
如图4所示,目标图像的更新系统包括:
图像获取模块1,用于获取待测晶圆的光学图像。
处理模块2,与图像获取模块1相连接,用于基于待测晶圆的光学图像得到参考图像及参考图像的灰度。
存储模块3,用于存储目标图像及目标图像的灰度。
第一比较判断模块4,与处理模块2及存储模块3相连接,用于将参考图像的灰度与目标图像的灰度进行比对,并判断参考图像与目标图像的灰度差是否位于第一预设范围内。
图像保存模块5,与第一比较判断模块4相连接,用于在参考图像与目标图像的灰度差位于第一预设范围内时,将参考图像及参考图像的灰度保存。
拟合模块6,与图像保存模块5相连接,用于将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度。
第二比较判断模块7,与拟合模块6及存储模块3相连接,用于将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内。
更新替换模块8,与第二比较判断模块7及存储模块3相连接,用于在平均参考图像与目标图像的灰度差值位于第二预设范围内时,将目标图像进行更新替换,将平均参考图像作为新的目标图像更新存储于存储模块3内。
上述实施例中的目标图像的更新系统,通过待测晶圆的光学图像得到参考图像及参考图像的灰度,将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,可以快速判定是否需要保存参考图像及所述参考图像的灰度;将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度,将平均参考图像的灰度与目标图像的灰度进行比对,在平均参考图像与目标图像的灰度差值位于第二预设范围内时,将目标图像进行更新替换,将平均参考图像作为新的目标图像更新存储于存储模块内,使得目标图像的灰度长期保持其准确性,减少误检,提高生产线上的检测结果的准确性和检测效率,提升生产效率。
上述目标图像的更新系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
如图5所示,本申请还提供一种晶圆检测方法,可以包括如下步骤:
S501:获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度;
S502:将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第三预设范围内;若是,则判定待测晶圆上没有缺陷;若否,则判定待测晶圆上存在缺陷;其中,目标图像为采用如上述任一项方案的目标图像的更新方法实时更新后的目标图像。
本申请的晶圆检测方法,通过待测晶圆的光学图像得到参考图像及参考图像的灰度,将参考图像的灰度与目标图像的灰度进行比对,可以快速判定待测晶圆上有无缺陷,并且,目标图像为实时更新的目标图像,使得比对过程更为准确,帮助准确判断晶圆是否存在缺陷,降低误判率,提升生产效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标图像的更新方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度;将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,若是,将参考图像及参考图像的灰度保存;重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度;将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内,若是,将目标图像进行更新替换,将平均参考图像作为新的目标图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取待测晶圆的光学图像,待测晶圆的光学图像中包括多个间隔排布的芯片区域;对待测晶圆的光学图像进行灰度计算;于待测晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到参考图像及参考图像的灰度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取目标晶圆的光学图像,目标晶圆的光学图像中包括多个间隔排布的芯片区域;对目标晶圆的光学图像进行灰度计算;于目标晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到第一张目标图像及第一张目标图像的灰度。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度;将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,若是,将参考图像及参考图像的灰度保存;重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度;将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内,若是,将目标图像进行更新替换,将平均参考图像作为新的目标图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取待测晶圆的光学图像,待测晶圆的光学图像中包括多个间隔排布的芯片区域;对待测晶圆的光学图像进行灰度计算;于待测晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到参考图像及参考图像的灰度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取目标晶圆的光学图像,目标晶圆的光学图像中包括多个间隔排布的芯片区域;对目标晶圆的光学图像进行灰度计算;于目标晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到第一张目标图像及第一张目标图像的灰度。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待测晶圆的光学图像,基于待测晶圆的光学图像得到参考图像及参考图像的灰度;将参考图像的灰度与目标图像的灰度进行比对,判断参考图像与目标图像的灰度差是否位于第一预设范围内,若是,将参考图像及参考图像的灰度保存;重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;将多张参考图像进行拟合,以得到平均参考图像及平均参考图像的灰度;将平均参考图像的灰度与目标图像的灰度进行比对,判断平均参考图像与目标图像的灰度差值是否位于第二预设范围内,若是,将目标图像进行更新替换,将平均参考图像作为新的目标图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取待测晶圆的光学图像,待测晶圆的光学图像中包括多个间隔排布的芯片区域;对待测晶圆的光学图像进行灰度计算;于待测晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到参考图像及参考图像的灰度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取目标晶圆的光学图像,目标晶圆的光学图像中包括多个间隔排布的芯片区域;对目标晶圆的光学图像进行灰度计算;于目标晶圆的光学图像内选择多个芯片区域进行训练拟合,以得到第一张目标图像及第一张目标图像的灰度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种目标图像的更新方法,其特征在于,包括:
获取待测晶圆的光学图像,基于所述待测晶圆的光学图像得到参考图像及所述参考图像的灰度;
将所述参考图像的灰度与目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第一预设范围内,若是,将所述参考图像及所述参考图像的灰度保存;
重复上述各步骤若干次,以保存多张参考图像及参考图像的灰度;
将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度;
将所述平均参考图像的灰度与所述目标图像的灰度进行比对,判断所述平均参考图像与所述目标图像的灰度差值是否位于第二预设范围内,若是,将所述目标图像进行更新替换,将所述平均参考图像作为新的目标图像。
2.根据权利要求1所述的目标图像的更新方法,其特征在于,所述获取待测晶圆的光学图像,基于所述待测晶圆的光学图像得到参考图像及参考图像的灰度,包括:
获取所述待测晶圆的光学图像,所述待测晶圆的光学图像中包括多个间隔排布的芯片区域;
对所述待测晶圆的光学图像进行灰度计算;
于所述待测晶圆的光学图像内选择多个所述芯片区域进行训练拟合,以得到所述参考图像及所述参考图像的灰度。
3.根据权利要求1所述的目标图像的更新方法,其特征在于,第一张目标图像及第一张目标图像的灰度的获取方法包括:
获取目标晶圆的光学图像,所述目标晶圆的光学图像中包括多个间隔排布的芯片区域;
对所述目标晶圆的光学图像进行灰度计算;
于所述目标晶圆的光学图像内选择多个所述芯片区域进行训练拟合,以得到所述第一张目标图像及所述第一张目标图像的灰度。
4.根据权利要求1所述的目标图像的更新方法,其特征在于,将所述参考图像的灰度与目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第一预设范围内之后,还包括:
若否,则舍弃所述参考图像。
5.根据权利要求1所述的目标图像的更新方法,其特征在于,将所述平均参考图像的灰度与所述目标图像的灰度进行比对,判断所述平均参考图像与所述目标图像的灰度差值是否位于第二预设范围内之后,还包括:
若否,则发出报警信息。
6.根据权利要求1所述的目标图像的更新方法,其特征在于,将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度的过程中,拟合的参考图像的张数大于100张。
7.根据权利要求1至6中任一项所述的目标图像的更新方法,其特征在于,将所述目标图像进行更新替换,将所述平均参考图像作为新的目标图像之后,还包括:
在预设时间间隔后,获取新的待测晶圆的光学图像,重复上述各步骤。
8.一种目标图像的更新系统,其特征在于,包括:
图像获取模块,用于获取待测晶圆的光学图像;
处理模块,与所述图像获取模块相连接,用于基于所述待测晶圆的光学图像得到参考图像及所述参考图像的灰度;
存储模块,用于存储目标图像及目标图像的灰度;
第一比较判断模块,与所述处理模块及所述存储模块相连接,用于将所述参考图像的灰度与所述目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第一预设范围内;
图像保存模块,与所述第一比较判断模块相连接,用于在所述参考图像与所述目标图像的灰度差位于第一预设范围内时,将所述参考图像及所述参考图像的灰度保存;
拟合模块,与所述图像保存模块相连接,用于将多张参考图像进行拟合,以得到平均参考图像及所述平均参考图像的灰度;
第二比较判断模块,与所述拟合模块及所述存储模块相连接,用于将所述平均参考图像的灰度与所述目标图像的灰度进行比对,判断所述平均参考图像与所述目标图像的灰度差值是否位于第二预设范围内;
更新替换模块,与所述第二比较判断模块及所述存储模块相连接,用于在所述平均参考图像与所述目标图像的灰度差值位于第二预设范围内时,将所述目标图像进行更新替换,将所述平均参考图像作为新的目标图像更新存储于所述存储模块内。
9.一种晶圆检测方法,其特征在于,包括:
获取待测晶圆的光学图像,基于所述待测晶圆的光学图像得到参考图像及所述参考图像的灰度;
将所述参考图像的灰度与目标图像的灰度进行比对,判断所述参考图像与所述目标图像的灰度差是否位于第三预设范围内;若是,则判定所述待测晶圆上没有缺陷;若否,则判定所述待测晶圆上存在缺陷;
其中,所述目标图像为采用如权利要求1至7中任一项所述的目标图像的更新方法实时更新后的目标图像。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210733693.XA CN114820601B (zh) | 2022-06-27 | 2022-06-27 | 目标图像的更新方法及系统、晶圆检测方法和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210733693.XA CN114820601B (zh) | 2022-06-27 | 2022-06-27 | 目标图像的更新方法及系统、晶圆检测方法和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114820601A true CN114820601A (zh) | 2022-07-29 |
CN114820601B CN114820601B (zh) | 2022-09-16 |
Family
ID=82523280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210733693.XA Active CN114820601B (zh) | 2022-06-27 | 2022-06-27 | 目标图像的更新方法及系统、晶圆检测方法和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820601B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116705679A (zh) * | 2023-03-27 | 2023-09-05 | 合肥新晶集成电路有限公司 | 传送路径规划方法、规划系统、天车传送方法及传送系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110038527A1 (en) * | 2009-08-12 | 2011-02-17 | Lisong Liu | Image pattern matching systems and methods for wafer alignment |
CN102005054A (zh) * | 2010-11-24 | 2011-04-06 | 中国电子科技集团公司第二十八研究所 | 一种实时红外图像目标跟踪方法 |
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
CN104021558A (zh) * | 2014-06-16 | 2014-09-03 | 哈尔滨工业大学 | 一种基于归一Zernike矩和灰度匹配的液晶仪表图案视觉检测方法 |
CN108174087A (zh) * | 2017-12-26 | 2018-06-15 | 北京理工大学 | 一种灰度投影稳像中参考帧更新方法及系统 |
CN108764325A (zh) * | 2018-05-23 | 2018-11-06 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
US20190198403A1 (en) * | 2017-12-27 | 2019-06-27 | Taiwan Semiconductor Manufacturing Co., Ltd. | Overlay error and process window metrology |
CN110136083A (zh) * | 2019-05-14 | 2019-08-16 | 深圳大学 | 一种结合交互式的底图更新方法及装置 |
CN111403318A (zh) * | 2020-03-19 | 2020-07-10 | 北京北方华创微电子装备有限公司 | 工艺腔室内晶圆状态的检测方法及装置 |
CN111667448A (zh) * | 2019-03-06 | 2020-09-15 | 深圳中科飞测科技有限公司 | 一种图像处理方法、装置及设备 |
CN112767396A (zh) * | 2021-04-07 | 2021-05-07 | 深圳中科飞测科技股份有限公司 | 缺陷的检测方法、装置和计算机可读存储介质 |
CN114420619A (zh) * | 2022-03-30 | 2022-04-29 | 晶芯成(北京)科技有限公司 | 晶圆对准装置及方法、晶圆测试方法 |
-
2022
- 2022-06-27 CN CN202210733693.XA patent/CN114820601B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110038527A1 (en) * | 2009-08-12 | 2011-02-17 | Lisong Liu | Image pattern matching systems and methods for wafer alignment |
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
CN102005054A (zh) * | 2010-11-24 | 2011-04-06 | 中国电子科技集团公司第二十八研究所 | 一种实时红外图像目标跟踪方法 |
CN104021558A (zh) * | 2014-06-16 | 2014-09-03 | 哈尔滨工业大学 | 一种基于归一Zernike矩和灰度匹配的液晶仪表图案视觉检测方法 |
CN108174087A (zh) * | 2017-12-26 | 2018-06-15 | 北京理工大学 | 一种灰度投影稳像中参考帧更新方法及系统 |
US20190198403A1 (en) * | 2017-12-27 | 2019-06-27 | Taiwan Semiconductor Manufacturing Co., Ltd. | Overlay error and process window metrology |
CN108764325A (zh) * | 2018-05-23 | 2018-11-06 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111667448A (zh) * | 2019-03-06 | 2020-09-15 | 深圳中科飞测科技有限公司 | 一种图像处理方法、装置及设备 |
CN110136083A (zh) * | 2019-05-14 | 2019-08-16 | 深圳大学 | 一种结合交互式的底图更新方法及装置 |
CN111403318A (zh) * | 2020-03-19 | 2020-07-10 | 北京北方华创微电子装备有限公司 | 工艺腔室内晶圆状态的检测方法及装置 |
CN112767396A (zh) * | 2021-04-07 | 2021-05-07 | 深圳中科飞测科技股份有限公司 | 缺陷的检测方法、装置和计算机可读存储介质 |
CN114420619A (zh) * | 2022-03-30 | 2022-04-29 | 晶芯成(北京)科技有限公司 | 晶圆对准装置及方法、晶圆测试方法 |
Non-Patent Citations (2)
Title |
---|
SEN WANG 等: "Wafer Defect Map Similarity Search using Deep Learning in Semiconductor Manufacturing", 《2021 CHINA SEMICONDUCTOR TECHNOLOGY INTERNATIONAL CONFERENCE (CSTIC)》 * |
刘素苹: "一种提高指纹识别率的多模板方法的研究与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116705679A (zh) * | 2023-03-27 | 2023-09-05 | 合肥新晶集成电路有限公司 | 传送路径规划方法、规划系统、天车传送方法及传送系统 |
CN116705679B (zh) * | 2023-03-27 | 2023-11-07 | 合肥新晶集成电路有限公司 | 传送路径规划方法、规划系统、天车传送方法及传送系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114820601B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN114820601B (zh) | 目标图像的更新方法及系统、晶圆检测方法和计算机设备 | |
JP2023052477A (ja) | データ処理方法およびデータ処理プログラム | |
CN112989550A (zh) | 虚拟量测方法、装置及计算机可读存储介质 | |
CN109213057B (zh) | 智能诊断装置和方法 | |
CN116257923A (zh) | 桥梁健康监测方法、装置、计算机设备和存储介质 | |
JP2010034138A (ja) | パターン検査装置、パターン検査方法およびプログラム | |
CN113469293B (zh) | 面板阵列短路检测方法、装置、电子设备及存储介质 | |
CN116309470A (zh) | 灯珠平面故障监测方法、装置、计算机设备和存储介质 | |
CN110458713B (zh) | 模型监控方法、装置、计算机设备及存储介质 | |
CN106952842B (zh) | 取样量测系统及其取样量测方法 | |
JP7183844B2 (ja) | 情報処理装置、方法、およびプログラム | |
JP2012146774A (ja) | 基板検査システム、プログラム及びコンピュータ可読記憶媒体 | |
TW202328665A (zh) | 分析缺陷的方法 | |
TWI392886B (zh) | Non-performing rate prediction method, defect rate prediction program, management method of semiconductor manufacturing apparatus, and manufacturing method of semiconductor device | |
CN110109945B (zh) | 应用于基板的aoi检测方法、装置、存储介质及aoi检测设备 | |
CN113532614A (zh) | 用于预测传感器数据的方法、处理器及称重系统 | |
KR102548803B1 (ko) | 반도체 제조 설비의 동작 모니터링 방법 | |
JP2012013644A (ja) | マクロ検査方法および検査システム、上記マクロ検査方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN115063432B (zh) | 对准标记图形的识别方法及装置、计算机设备和存储介质 | |
CN115795928B (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
KR102064756B1 (ko) | 이미지 데이터 처리 방법 및 장치 | |
JP2015220379A (ja) | 集積回路デバイスの潜在不良検査装置、方法およびプログラム | |
CN117576108A (zh) | 晶圆缺陷检测的可视化优化方法、装置和计算机设备 | |
CN116976215A (zh) | 光纤寿命预测方法、装置、计算机设备、介质和程序产品 |
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 |