CN114897799A - 用于晶圆的缺陷检测方法、装置、检测设备及存储介质 - Google Patents
用于晶圆的缺陷检测方法、装置、检测设备及存储介质 Download PDFInfo
- Publication number
- CN114897799A CN114897799A CN202210436386.5A CN202210436386A CN114897799A CN 114897799 A CN114897799 A CN 114897799A CN 202210436386 A CN202210436386 A CN 202210436386A CN 114897799 A CN114897799 A CN 114897799A
- Authority
- CN
- China
- Prior art keywords
- wafer
- corner point
- defect
- pixels
- corner
- 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
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
- G06T7/10—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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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)
- Image Analysis (AREA)
Abstract
本申请的实施方式提供了一种用于晶圆的缺陷检测方法、装置、检测设备及存储介质。本申请的部分实施方式中,用于晶圆的缺陷检测方法包括:检测晶圆的待测图像中晶圆的边缘上的像素;从边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径;以及基于像素路径确定晶圆是否存在缺陷。通过上述实施方式,检测设备可自动检测晶圆边缘的缺陷。
Description
技术领域
本申请的实施方式涉及半导体技术领域,更具体地,涉及一种用于晶圆的缺陷检测方法、装置、检测设备及存储介质。
背景技术
晶圆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。在实际制作晶圆的过程中,不可避免的会使部分晶圆存在缺陷,例如,晶圆边缘破裂产生的缺口。因此,需要对晶圆进行检测,以得到符合标准的晶圆。
目前大部分工程师在对晶圆进行检测时通常以肉眼观察查找晶圆缺陷。但是,这种人工检测的方式大大降低了检测效率和检测的准确度。
发明内容
第一方面,本申请的实施方式提供了一种用于晶圆的缺陷检测方法,包括:检测晶圆的待测图像中晶圆的边缘上的像素;从边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径;以及基于像素路径确定晶圆是否存在缺陷。
在本申请的一些实施方式中,基于像素路径确定晶圆是否存在缺陷包括:响应于像素路径上存在角点,确定晶圆存在缺陷。
在本申请的一些实施方式中,角点包括像素路径上的梯度突变的像素。
在本申请的一些实施方式中,角点包括像素路径上的灰度值突变的像素。
在本申请的一些实施方式中,方法还包括:响应于晶圆存在缺陷,根据角点之间的距离确定缺陷长度。
在本申请的一些实施方式中,确定缺陷长度包括:确定待测图像中的、位于角点中的第一角点和第二角点之间的连线上的连接像素的图像特征值;以及响应于存在与第一角点或第二角点的图像特征值的差值大于第一阈值的连接像素,确定第一角点和第二角点之间存在缺陷,并将第一角点和第二角点之间的距离确定为晶圆在第一角点和第二角点之间的缺陷长度。
在本申请的一些实施方式中,图像特征值为梯度值或灰度值。
在本申请的一些实施方式中,第二角点和第一角点位于同一像素路径上。
在本申请的一些实施方式中,第二角点为与第一角点相邻或相近的角点。
在本申请的一些实施方式中,相邻的像素之间的像素路径为直线路径或弧线路径。
第二方面,本申请的实施方式提供了一种用于晶圆的缺陷检测装置,包括:边缘检测模块,用于检测晶圆的待测图像中晶圆的边缘上的像素;路径确定模块,用于从边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径;以及缺陷检测模块,用于基于像素路径确定晶圆是否存在缺陷。
在本申请的一些实施方式中,缺陷检测模块被配置为:响应于像素路径上存在角点,确定晶圆存在缺陷。
在本申请的一些实施方式中,缺陷检测模块还被配置为:响应于晶圆存在缺陷,根据像素路径的角点之间的距离确定缺陷长度。
在本申请的一些实施方式中,缺陷检测模块被配置为:确定待测图像中的、位于角点中的第一角点和第二角点之间的连线上的连接像素的图像特征值;以及响应于存在与第一角点或第二角点的图像特征值的差值大于第一阈值的连接像素,确定第一角点和第二角点之间存在缺陷,并将第一角点和第二角点之间的距离确定为晶圆在第一角点和第二角点之间的缺陷长度。
在本申请的一些实施方式中,第二角点和第一角点位于同一像素路径上。
在本申请的一些实施方式中,第二角点为与第一角点相邻或相近的角点。
在本申请的一些实施方式中,角点包括像素路径上的梯度突变的像素。
在本申请的一些实施方式中,角点包括像素路径上的灰度值突变的像素。
第三方面,本申请的实施方式提供了一种检测设备,包括:存储器,用于存储计算机指令;以及处理器,用于与存储器通信以执行计算机指令,从而实现上述实施方式提及的缺陷检测方法。
第四方面,本申请的实施方式提供了一种可读存储介质,可读存储介质中存储有计算机指令,计算机指令被处理器执行时实现如上述实施方式提及的缺陷检测方法。
根据本申请的实施方式,通过分析从晶圆边缘上选取的多个像素中相邻的像素之间的像素路径,对晶圆进行缺陷检测,使得缺陷检测装置可自动对晶圆缺陷进行检测,进而降低了晶圆产品线的搭建难度和人工整合的误报概率,从而提高了晶圆上线的效率,降低了晶圆产品线的搭建成本,提高了产品线的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述,本申请的其它特征、目的和优点将会变得更明显。其中:
图1是根据本申请一些实施方式的用于晶圆的缺陷检测方法的流程示意图;
图2是根据本申请的一些实施方式的晶圆的待测图像的示意图;
图3是根据本申请的一些实施方式的所检测的晶圆的边缘的示意图;
图4是根据本申请的一些实施方式的像素路径的示意图;
图5是图2的区域A的局部放大示意图;
图6是根据本申请的一些实施方式的晶圆边缘示意图;
图7是图6的区域B的局部放大示意图。
图8是根据本申请的一些实施方式的缺陷检测装置的结构示意图;
图9是根据本申请的一些实施方式的检测设备的结构示意图。
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。
应注意,在本说明书中,第一、第二、第三等的表述仅用于将一个特征与另一个特征区域分开来,而不表示对特征的任何限制,尤其不表示任何的先后顺序。例如,在不背离本申请的教导的情况下,本申请中讨论的第一角点也可被称作第二角点,反之亦然。
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。
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,本申请中的实施例及实施例中的特征可以相互组合。另外,除非明确限定或与上下文相矛盾,否则本申请所记载的方法中包含的具体步骤不必限于所记载的顺序,而可以任意顺序执行或并行地执行。下面将参考附图并结合实施例来详细说明本申请。
图1是根据本申请一个实施方式的用于晶圆的缺陷检测方法1000的流程示意图。本申请的实施方式提及的用于晶圆的缺陷检测方法1000可例如由用于晶圆的缺陷检测装置(亦称为检测设备)等具有处理功能的设备执行,以下以缺陷检测装置为例进行示例性说明。如图1所示,本申请的实施方式提供的用于晶圆的缺陷检测方法1000可例如包括:
S11,检测晶圆的待测图像中晶圆的边缘上的像素。
S12,从边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径。
S13,基于像素路径确定晶圆是否存在缺陷。
根据本申请的实施方式,通过分析从晶圆边缘上选取的多个像素中相邻的像素之间的像素路径,对晶圆进行缺陷检测,使得缺陷检测装置可自动对晶圆缺陷进行检测,进而降低了晶圆产品线的搭建难度和人工整合的误报概率,从而提高了晶圆上线的效率,降低了晶圆产品线的搭建成本,提高了产品线的准确度。
步骤S11
在本申请的一些实施方式中,缺陷检测装置可通过边缘检测算法,检测晶圆的待测图像中的晶圆的边缘上的像素。示例性地,晶圆21的待测图像20可例如图2所示,其区域A和区域B处存在缺陷。缺陷检测装置可选用诸如基于canny边缘检测算子的边缘检测算法,对待测图像20进行边缘检测,所检测的晶圆21的边缘22的示意性图像如图3所示。
应该理解的是,在未背离本申请教导的情况下,可根据需要选择其他的边缘检测算子,本申请对此不作限制。
在本申请的一些实施方式中,待测图像可例如为晶圆顶面或底面的扫描电镜图像。
在本申请的另一些实施方式中,待测图像可例如为通过硅片表面颗粒测试仪拍摄的晶圆顶面或晶圆底面的图像。
应当理解的是,在未背离本申请教导的情况下,还可通过其他设备拍摄能够表征晶圆顶面或底面结构的图像作为待测图像,本申请对此不作限制。
应当理解的是,在未背离本申请教导的情况下,可对拍摄的图像进行灰度处理等图像处理操作,以便提取晶圆的边缘,本申请对此不作限制。
步骤S12
在本申请的一些实施方式中,确定像素路径可例如包括:从边缘上选取预设个数的像素;确定相邻的像素之间的像素路径。其中,预设个数可至少为10,至多可例如为100或1000等,本申请不作限制。
应当理解的是,在未背离本申请教导的情况下,预设个数的具体取值可根据晶圆的尺寸信息、待测图像的尺寸信息、所检测的边缘的尺寸信息等数据确定,本申请对预设个数的具体取值不作限制。
在本申请的一些实施方式中,相邻的像素之间的像素路径为直线路径。
应当理解的是,在未背离本申请教导的情况下,还可根据所检测的边缘的半径,以弧线连接相邻的像素,相邻的像素之间的像素路径为弧形路径,缺陷检测装置也可以通过其他方式确定像素路径,本申请对确定像素路径的方式不做限制。
为了便于理解,下面对确定像素路径的过程进行示例性说明。
图3是根据本申请的一些实施方式的所检测的晶圆的边缘的示意图,图4是根据本申请的一些实施方式的像素路径的示意图。
示例地,缺陷检测装置可等间距地选择预设个数的像素来构建像素路径。由于晶圆的边缘接近于圆形,缺陷检测装置可基于图3所示图像,通过圆心和半径检测算法,检测出所检测的边缘的圆心和半径。缺陷检测装置基于预设个数(x)计算出依次选择的两个像素之间的圆心角(α),例如,α=360/x。缺陷检测装置可从所检测的边缘上任意选择一个像素,作为用于构建像素路径的像素。缺陷检测装置在该像素的基础上,以检测出的圆心和该像素的连线为旋转线,以检测出的圆心为定点,对旋转线进行旋转,并在旋转线半径每旋转360/x度后,选择旋转线和所检测的边缘的交集上的任意一个像素(例如距离圆心最近的像素或距离圆心最远的像素等)作为后续用于确定像素路径的像素,或者,选择与旋转线末端重合的像素作为后续用于确定像素路径的像素,直至旋转线转回起始位置。通过上述方式,即可选择出x个像素。在选择完x个像素后,可依次连接各个像素,得到各个像素之间的像素路径。例如,在图3所示的边缘基础上,若选择与旋转线末端重合的像素作为后续用于确定像素路径的像素,最终选取的20个像素(P1-P20)形成的像素路径可例如图4所示。
应当理解的是,在未背离本申请教导的情况下,缺陷检测装置还可通过其他方式在所检测的边缘上均匀地选择预设个数的像素,本申请对此不作限制。
应当理解的是,为便于理解,本申请的实施方式以等间距地选择像素为例进行示例性说明,在未背离本申请教导的情况下,也可以以不同的间距选择预设个数的像素,本申请对此不作限制。
应当理解的是,在未背离本申请教导的情况下,缺陷检测装置也可以通过其他方式确定像素路径,本申请对此不作限制。
步骤S13
在本申请的一些实施方式中,缺陷检测装置基于像素路径确定晶圆是否存在缺陷可例如包括:响应于像素路径上存在角点,确定晶圆存在缺陷。其中,角点可以是指某一方面属性特别凸出的点,检测角点的过程中,可以根据检测目的为角点检测赋予具体含义。示例地,本申请的实施方式中,角点可以例如是指梯度、灰度值等参数发生突变的像素。其中,突变是指某一像素的指定参数发生较大的变化。例如,沿角点检测方向,某一像素的指定参数相对于上一像素的指定参数的变化量超过预设值。其中,预设值可以根据基于检测目的指定的参数类型、对检测精确性和检测速度等方面的要求设定,此处不作限制。
为了便于理解,下面结合图5,以指定的参数为灰度值为例进行示例性说明。
图5是图2的区域A的局部放大示意图。从图5可以看出,像素路径P18-P19中存在缺陷。对于缺陷检测装置而言,在沿像素P18至像素P19进行角点检测的过程中,可以发现,在到达像素C1之前,像素P18至像素C1之间的像素的灰度值接近255(白色),然而,在像素C1处,灰度值接近于0(黑色),灰度值发生突变。缺陷检测装置可将像素C1作为角点,并记录像素C1的坐标等信息作为待测图像中的一个角点的位置信息。同理,缺陷检测装置可以检测出像素C2也是一个角点,并记录像素C2的坐标等信息作为待测图像中的另一角点的位置信息。因此,通过检测像素路径上是否存在梯度突变的像素可判断出晶圆是否存在缺陷。缺陷检测装置可通过角点检测晶圆的缺陷,实现了对晶圆的缺陷的自动检测,而不依赖于人工检测,提高了检测效率和准确率。
应当理解的是,在未背离本申请教导的情况下,指定的参数为灰度值的情况下,判断灰度值是否突变的方式可以是判断当前像素的灰度值与之前的像素的灰度值的差值是否大于第一阈值a1,a1可以根据待测图像的情况设定,例如,待测图像为被处理为黑白图像的晶圆图像,a1可以属于(50,200)中的任意数值,具体地,可以是(100,150)之间的任意数值。a1的具体取值可根据缺陷检测装置的精度,待测图像的图像质量等确定。
应当理解的是,为便于理解,图5所示图像可以是经过去噪等处理后的图像,在其他实施方式中,由于像素P18至像素C1之间的像素接近晶圆的边缘,其实际颜色可能是接近黑色的灰色而不是白色,使得像素P18的灰度值、像素C1的灰度值和像素P18至像素C1的像素的灰度值接近0,而不是像素C1的灰度值和像素P18至像素C1的像素的灰度值等于255。或者,在其他实施方式中,由于预先设定的预设个数取值较大等因素,最终确定的像素路径更为贴合提取的晶圆边缘,使得像素P18的灰度值、像素C1的灰度值和像素P18至像素C1的像素的灰度值接近0,而不是像素C1的灰度值和像素P18至像素C1的像素的灰度值等于255。在类似上文提及的像素P18的灰度值、像素C1的灰度值和像素P18至像素C1的像素的灰度值接近0的实施方式中,由于晶圆存在缺陷,检测到的边缘的像素更接近圆心,像素C1至像素C2之间的像素不与晶圆的边缘重合,其灰度值接近或等于255,仍然会出现灰度值突变的情况。由此可见,在各类实施方式中,缺陷检测装置可检测出与缺陷对应的灰度值突变的像素作为角点,并不因待测图像的处理过程或预设个数的选取等因素的变化而被影响。
应当理解的是,在一些实施方式中,所选取的用于确定像素路径的像素(例如像素P1至像素P20)位于晶圆的边缘上,而像素路径与晶圆的边缘的贴合度较低,使得像素路径中间的点与像素路径的两端的像素(即所选取的用于确定像素路径的像素)的灰度值差异较大,该情况下,缺陷检测装置可剔除像素路径的两端的像素,或者剔除像素路径的两端的像素和靠近两端的像素的部分像素点后进行角点检测,以减少由于贴合度较低导致两端存在突变而出现将两端像素误识别为角点的情况。
应当理解的是,为便于观察,本申请的实施方式中提供的附图(例如图3至图7)以白色为底色,黑色为边缘的像素的颜色,在其他实施方式中,待测图像的底色可能是黑色,边缘的像素的颜色可能是白色或其他颜色,本申请对此不做限制。
应当理解的是,与灰度值相似,在像素路径上存在缺陷的情况下,缺陷处的像素的梯度也会发生突变。而基于图像的梯度检测像素路径上的角点的过程可参考基于梯度检测图像处理中检测边缘的过程,此处不再详述。
在完成对角点检测的示例性说明后,下面对基于检测到的角点确定缺陷长度的过程进行示例性说明。
在本申请的一些实施方式中,缺陷检测装置在确定出晶圆存在缺陷后,根据角点之间的距离确定缺陷长度。
示例地,在检测完待测图像中位于晶圆的边缘上的角点后,若晶圆的边缘上的角点的数量等于2,缺陷检测装置可将两个角点之间的直线距离,作为该晶圆的缺陷长度。
然而,若晶圆的边缘上的角点的数量大于2,缺陷检测装置无法确定哪两个角点对应于同一缺陷。该问题在多个角点之间的距离接近的情况下尤为凸出。
基于上述情况,缺陷检测装置确定缺陷长度可例如包括:确定待测图像中的、位于角点中的第一角点和第二角点之间的连线上的连接像素的图像特征值;以及响应于存在与第一角点或第二角点的图像特征值的差值大于第一阈值的连接像素,确定第一角点和第二角点之间存在缺陷,并将第一角点和第二角点之间的距离确定为晶圆在第一角点和第二角点之间的缺陷长度。示例地,缺陷检测装置针对像素路径的多个角点中的第一角点,从多个角点的除第一角点的以外的其他角点中选择第二角点;获取待测图像中位于第一角点和第二角点之间的像素的图像特征值;响应于像素的图像特征值和第一角点的图像特征值存在差值,或者,像素的图像特征值和第二角点的图像特征值存在差值,根据第一角点和第二角点之间的距离确定晶圆在第一角点和第二角点之间的缺陷长度。
为了便于理解,下面对选择第二角点的方式进行示例性说明。
方式一
在本申请的一些实施方式中,第二角点和第一角点位于同一像素路径上。缺陷检测装置可响应于其他角点中存在与第一角点位于同一像素路径上的角点,将位于同一像素路径上的角点作为第二角点。例如,参见图6,将图6中的角点J3作为第一角点后,由于像素路径P18-P19上还存在角点J4,可优先将角点J4作为第二角点。示例地,由于晶圆边缘上的缺陷通常为缺口缺陷,缺口的两端之间的距离较小(即缺口对应的角点之间的距离较小),缺口对应的角点通常位于同一像素路径上。缺陷检测装置筛选与第一角点位于同一像素路径上的角点作为第二角点,第一角点和第二角点之间为缺口所在区域的概率更大,可提高查找缺陷的效率。
可选择的,缺陷检测装置可响应于其他角点中不存在与第一角点位于同一像素路径上的角点,将其他角点中与第一角点相邻或相近的角点作为第二角点。示例地,缺口对应的两个角点通常是相邻的,缺陷检测装置在基于与第一角点位于同一像素路径上的角点查找缺陷失败的情况下,可通过相邻或相近的角点查找缺陷并确定缺陷长度。示例地,参见图6,将在像素路径P10-P11上的角点J1作为第一角点后,由于像素路径P10-P11上不存在其他角点,可将接近角点J1的、位于像素路径P11和P12上的角点J2作为第二角点。
应当理解的是,在未背离本申请教导的情况下,缺陷检测装置还可在不存在位于同一像素路径的情况下,通过其他方式筛选第二角点,本申请对此不作限制。
方式二
在本申请的一些实施方式中,第二角点为与第一角点相邻或相近的角点。缺陷检测装置可将除第一角点以外的其他角点中与第一角点相邻或相近的角点作为第二角点。示例地,由于晶圆上的缺陷通常为缺口,缺口之间的距离较小,缺陷检测装置可将第一角点相邻或相近的角点作为第二角点,以查找缺口所在区域。
应当理解的是,在未背离本申请教导的情况下,缺陷检测装置还可基于其他规则选择第二角点,本申请对此不作限制。
上面对选择第二角点的方式进行了示例性说明,下面对基于选择的第二角点确定晶圆在第一角点处的缺陷长度的方式进行举例说明。
示例地,以图6所示的晶圆的边缘为例,晶圆的边缘上存在4个角点,分别为角点1(J1)、角点2(J2)、角点3(J3)和角点4(J4)。缺陷检测装置从J1-J4中任意选择一个角点作为第一角点,并将与其最接近的角点作为第二角点。例如,选择J1作为第一角点,J2作为第二角点。图6的区域B的局部放大示意图如图7所示。待测图像中位于第一角点和第二角点之间的连接像素可例如为第一角点和第二角点所在直线或弧线上的像素,例如,图7中J1至J2之间的虚线上的像素。其中,弧线可例如为以晶圆的圆心为圆心并以晶圆的半径为半径绘制的经过J1和J2的弧线。缺陷检测装置获取J1和J2之间的连接像素的图像特征值(例如,梯度值或灰度值),将J1和J2之间的连接像素的图像特征值与J1的图像特征值比较,可发现其图像特征值会发生突变,因此,缺陷检测装置可确定J1和J2之间存在缺陷(亦可称为缺口缺陷),并将J1和J2之间的距离作为晶圆在J1处的缺陷长度。
应当理解的是,在未背离本申请教导的情况下,第一阈值可根据经验设置,例如,第一阈值可以是0,也可以是其他大于0的其他数值,例如,0<第一阈值<该图像中的像素的图像特征值的最大值和最小值的差值。在第一阈值大于0的情况下,可减少由于晶圆的边缘上的像素或晶圆的边缘上的像素附近的像素的图像特征值(例如灰度值)不均一而使得彼此之间存在差值,进而导致缺陷检测装置判定缺陷位置错误的情况,本申请对此不作限制。
作为一个示例,缺陷检测装置在确定不存在差值或存在差值但差值小于第一阈值(即第二角点不是第一角点处的缺口的另一角点)的情况下,再次选择第二角点,重新执行获取待测图像中位于第一角点和第二角点之间的像素的图像特征值、以及确定晶圆在第一角点处的缺陷长度的步骤,以便重新查找第一角点处的缺陷。
例如,缺陷检测装置先选择位于同一像素路径的角点作为第二角点,若确定出第二角点不是第一角点处的缺口的另一角点,可选择距离第一角点相邻或相近的角点作为第二角点,再次进行后续操作。
应该理解的是,在未背离本申请教导的情况下,在确定出第二角点不是第一角点处的缺口的另一角点的情况下,缺陷检测装置也可通过其他方式查找缺陷并确定缺陷长度,本申请对此不作限制。
在本申请的一些实施方式中,在确定出第二角点是第一角点处的缺口的另一角点的情况下,缺陷检测装置还可以针对该第一角点再次选择第二角点。例如,在确定出J2是J1处的缺陷的另一角点并确定出J1和J2之间的缺陷长度后,将J3作为第二角点,针对J1和J4进行上述判断操作。针对第一角点筛选多个第二角点,可以减少晶圆上存在连续缺陷的情况下,漏查缺陷的情况。
在本申请的一些实施方式中,由于一个角点同时为多个缺陷处的角点的概率较小,缺陷检测装置可在确定出第一角点和第二角点之间的缺陷长度后,将第一角点和第一角点处的缺陷的另一角点从像素路径的多个角点中去除,以减少针对第一角点处的缺陷的另一角点查找并确定缺陷长度造成的计算资源的损耗,提高对晶圆的缺陷检测效率。
应当理解的是,在未背离本申请教导的情况下,也可不将第一角点和第一角点处的缺陷的另一角点从像素路径的多个角点中去除,以减少晶圆的边缘出现连续缺陷的情况下,漏检缺陷的情况。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
图8是根据本申请的一个示例性实施方式的用于晶圆的缺陷检测装置2000的示意性框图。
如图8所示,缺陷检测装置2000可例如包括:边缘检测模块2100、路径确定模块2200和缺陷检测模块2300。边缘检测模块2100可用于检测晶圆的待测图像中晶圆的边缘上的像素。路径确定模块2200可用于从边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径。缺陷检测模块2300可用于基于像素路径确定晶圆是否存在缺陷。
根据本申请的实施方式,通过分析从晶圆边缘上选取的多个像素中相邻的像素之间的像素路径,对晶圆进行缺陷检测,使得缺陷检测装置可自动对晶圆缺陷进行检测,进而降低了晶圆产品线的搭建难度和人工整合的误报概率,从而提高了晶圆上线的效率,降低了晶圆产品线的搭建成本,提高了产品线的准确度。
在本申请的一些实施方式中,边缘检测模块2100可通过边缘检测算法,检测晶圆的待测图像中的晶圆21(图2)的边缘上的像素。示例性地,晶圆21的待测图像20可例如图2所示,其区域A和区域B处存在缺陷。边缘检测模块2100可选用诸如基于canny边缘检测算子的边缘检测算法,对待测图像20进行边缘检测,所检测的晶圆21的边缘22的示意性图像如图3所示。
应该理解的是,在未背离本申请教导的情况下,可根据需要选择其他的边缘检测算子,本申请对此不作限制。
在本申请的一些实施方式中,待测图像可例如为晶圆顶面或底面的扫描电镜图像。待测图像还可例如为通过硅片表面颗粒测试仪拍摄的晶圆顶面或晶圆底面的图像。
应当理解的是,在未背离本申请教导的情况下,还可通过其他设备拍摄能够表征晶圆顶面或底面结构的图像作为待测图像,本申请对此不作限制。
在本申请的一些实施方式中,路径确定模块2200确定像素路径可例如包括:从边缘上选取预设个数的像素;确定相邻的像素之间的像素路径。其中,预设个数可至少为10,至多可例如为100或1000等,本申请不作限制。应当理解的是,在未背离本申请教导的情况下,预设个数的具体取值可根据晶圆的尺寸信息、待测图像的尺寸信息、所检测的边缘的尺寸信息等数据确定,本申请对预设个数的具体取值不作限制。
在本申请的一些实施方式中,相邻的像素之间的像素路径为直线路径。应当理解的是,在未背离本申请教导的情况下,还可根据所检测的边缘的半径,以弧线连接相邻的像素,相邻的像素之间的像素路径为弧形路径,路径确定模块2200也可以通过其他方式确定像素路径,本申请对确定像素路径的方式不做限制。
上述参照图3和图4描述的内容可适用于路径确定模块2200确定像素路径的过程。示例地,路径确定模块2200可等间距地选择预设个数的像素来构建像素路径。由于晶圆的边缘接近于圆形,路径确定模块2200可基于图3所示图像,通过圆心和半径检测算法,检测出所检测的边缘的圆心和半径。路径确定模块2200基于预设个数(x)计算出依次选择的两个像素之间的圆心角(α),例如,α=360/x。路径确定模块2200可从所检测的边缘上任意选择一个像素,作为用于构建像素路径的像素。路径确定模块2200在该像素的基础上,以检测出的圆心和该像素的连线为旋转线,以检测出的圆心为定点,对旋转线进行旋转,并在旋转线半径每旋转360/x度后,选择旋转线和所检测的边缘的交集上的任意一个像素(例如距离圆心最近的像素或距离圆心最远的像素等)作为后续用于确定像素路径的像素,或者,选择与旋转线末端重合的像素作为后续用于确定像素路径的像素,直至旋转线转回起始位置。通过上述方式,即可选择出x个像素。在选择完x个像素后,可依次连接各个像素,得到各个像素之间的像素路径。例如,在图3所示的边缘基础上,若选择与旋转线末端重合的像素作为后续用于确定像素路径的像素,最终选取的20个像素(P1-P20)形成的像素路径可例如图4所示。
应当理解的是,在未背离本申请教导的情况下,路径确定模块2200还可通过其他方式在所检测的边缘上均匀地选择预设个数的像素,本申请对此不作限制。
应当理解的是,为便于理解,本申请的实施方式以等间距地选择像素为例进行示例性说明,在未背离本申请教导的情况下,也可以以不同的间距选择预设个数的像素,本申请对此不作限制。此外,在未背离本申请教导的情况下,路径确定模块2200也可以通过其他方式确定像素路径,本申请对此不作限制。
在本申请的一些实施方式中,缺陷检测模块2300基于像素路径确定晶圆是否存在缺陷可例如包括:响应于像素路径上存在角点,确定晶圆存在缺陷。其中,角点可以是指某一方面属性特别凸出的点,检测角点的过程中,可以根据检测目的为角点检测赋予具体含义。示例地,本申请的实施方式中,角点可以例如是指梯度、灰度值等参数发生突变的像素。
回到图5并以角点包括像素路径上的灰度值突变的像素为例,从图5可以看出,像素路径P18-P19中存在缺陷。对于缺陷检测装置而言,在沿像素P18至像素P19进行角点检测的过程中,可以发现,在到达像素C1之前,像素P18至像素C1之间的像素的灰度值接近255(白色),然而,在像素C1处,灰度值接近于0(黑色),灰度值发生突变。缺陷检测装置可将像素C1作为角点,并记录像素C1的坐标等信息作为待测图像中的一个角点的位置信息。同理,缺陷检测装置可以检测出像素C2也是一个角点,并记录像素C2的坐标等信息作为待测图像中的另一角点的位置信息。因此,通过检测像素路径上是否存在梯度突变的像素可判断出晶圆是否存在缺陷。缺陷检测模块2300可通过角点检测晶圆的缺陷,实现了对晶圆的缺陷的自动检测,而不依赖于人工检测,提高了检测效率和准确率。
应当理解的是,在未背离本申请教导的情况下,指定的参数为灰度值的情况下,判断灰度值是否突变的方式可以是判断当前像素的灰度值与之前的像素的灰度值的差值是否大于第一阈值a1,a1可以根据待测图像的情况设定,例如,待测图像为被处理为黑白图像的晶圆图像,a1可以属于(50,200)中的任意数值,具体地,可以是(100,150)之间的任意数值。a1的具体取值可根据缺陷检测装置的精度,待测图像的图像质量等确定。
应当理解的是,为便于理解,图5所示图像可以是经过去噪等处理后的图像,在其他实施方式中,由于像素P18至像素C1之间的像素接近晶圆的边缘,其实际颜色可能是接近黑色的灰色而不是白色,使得像素P18的灰度值、像素C1的灰度值和像素P18至像素C1的像素的灰度值接近0,而不是像素C1的灰度值和像素P18至像素C1的像素的灰度值等于255。或者,在其他实施方式中,由于预先设定的预设个数取值较大等因素,最终确定的像素路径更为贴合提取的晶圆边缘,使得像素P18的灰度值、像素C1的灰度值和像素P18至像素C1的像素的灰度值接近0,而不是像素C1的灰度值和像素P18至像素C1的像素的灰度值等于255。在类似上文提及的像素P18的灰度值、像素C1的灰度值和像素P18至像素C1的像素的灰度值接近0的实施方式中,由于晶圆存在缺陷,检测到的边缘的像素更接近圆心,像素C1至像素C2之间的像素不与晶圆的边缘重合,其灰度值接近或等于255,仍然会出现灰度值突变的情况。由此可见,在各类实施方式中,缺陷检测装置可检测出与缺陷对应的灰度值突变的像素作为角点,并不因待测图像的处理过程或预设个数的选取等因素的变化而被影响。
应当理解的是,在一些实施方式中,所选取的用于确定像素路径的像素(例如像素P1至像素P20)位于晶圆的边缘上,而像素路径与晶圆的边缘的贴合度较低,使得像素路径中间的点与像素路径的两端的像素(即所选取的用于确定像素路径的像素)的灰度值差异较大,该情况下,缺陷检测装置可剔除像素路径的两端的像素,或者剔除像素路径的两端的像素和靠近两端的像素的部分像素点后进行角点检测,以减少由于贴合度较低导致两端存在突变而出现将两端像素误识别为角点的情况。
应当理解的是,为便于观察,本申请的实施方式中提供的附图(例如图3至图7)以白色为底色,黑色为边缘的像素的颜色,在其他实施方式中,待测图像的底色可能是黑色,边缘的像素的颜色可能是白色或其他颜色,本申请对此不做限制。
应当理解的是,与灰度值相似,在像素路径上存在缺陷的情况下,缺陷处的像素的梯度也会发生突变。而基于图像的梯度检测像素路径上的角点的过程可参考基于梯度检测图像处理中检测边缘的过程,此处不再详述。
在完成对角点检测的示例性说明后,下面对基于检测到的角点确定缺陷长度的过程进行示例性说明。
在本申请的一些实施方式中,缺陷检测模块2300在确定出晶圆存在缺陷后,根据像素路径的角点之间的距离确定缺陷长度。
示例地,在检测完待测图像中位于晶圆的边缘上的角点后,若晶圆的边缘上的角点的数量等于2,缺陷检测装置可将两个角点之间的直线距离,作为该晶圆的缺陷长度。
然而,若晶圆的边缘上的角点的数量大于2,缺陷检测装置无法确定哪两个角点对应于同一缺陷。该问题在多个角点之间的距离接近的情况下尤为凸出。
基于上述情况,确定缺陷长度可例如包括:确定待测图像中的、位于角点中的第一角点和第二角点之间的连线上的连接像素的图像特征值;以及响应于存在与第一角点或第二角点的图像特征值的差值大于第一阈值的连接像素,确定第一角点和第二角点之间存在缺陷,并将第一角点和第二角点之间的距离确定为晶圆在第一角点和第二角点之间的缺陷长度。可通过上述的“方式一”和“方式二”选择第二角点。
应当理解的是,在未背离本申请教导的情况下,第一阈值可根据经验设置,例如,第一阈值可以是0,也可以是其他大于0的其他数值,例如,0<第一阈值<该图像中的像素的图像特征值的最大值和最小值的差值。在第一阈值大于0的情况下,可减少由于晶圆的边缘上的像素或晶圆的边缘上的像素附近的像素的图像特征值(例如灰度值)不均一而使得彼此之间存在差值,进而导致缺陷检测装置判定缺陷位置错误的情况,本申请对此不作限制。
作为一个示例,缺陷检测模块2300在确定不存在差值或存在差值但差值小于第一阈值(即第二角点不是第一角点处的缺口的另一角点)的情况下,再次选择第二角点,重新执行获取待测图像中位于第一角点和第二角点之间的像素的图像特征值、以及确定晶圆在第一角点处的缺陷长度的步骤,以便重新查找第一角点处的缺陷。
例如,缺陷检测模块2300先选择位于同一像素路径的角点作为第二角点,若确定出第二角点不是第一角点处的缺口的另一角点,可选择距离第一角点相邻或相近的角点作为第二角点,再次进行后续操作。
应该理解的是,在未背离本申请教导的情况下,在确定出第二角点不是第一角点处的缺口的另一角点的情况下,缺陷检测模块2300也可通过其他方式查找缺陷并确定缺陷长度,本申请对此不作限制。
在本申请的一些实施方式中,在确定出第二角点是第一角点处的缺口的另一角点的情况下,缺陷检测模块2300还可以针对该第一角点再次选择第二角点。例如,在确定出J2是J1处的缺陷的另一角点并确定出J1和J2之间的缺陷长度后,将J3作为第二角点,针对J1和J3进行上述判断操作。针对第一角点筛选多个第二角点,可以减少晶圆上存在连续缺陷的情况下,漏查缺陷的情况。
在本申请的一些实施方式中,由于一个角点同时为多个缺陷处的角点的概率较小,缺陷检测模块2300可在确定出第一角点和第二角点之间的缺陷长度后,将第一角点和第一角点处的缺陷的另一角点从像素路径的多个角点中去除,以减少针对第一角点处的缺陷的另一角点查找并确定缺陷长度造成的计算资源的损耗,提高对晶圆的缺陷检测效率。
应当理解的是,在未背离本申请教导的情况下,也可不将第一角点和第一角点处的缺陷的另一角点从像素路径的多个角点中去除,以减少晶圆的边缘出现连续缺陷的情况下,漏检缺陷的情况。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本申请的实施方式还提供了一种检测设备和一种可读存储介质。
图9是根据本申请的一个实施方式的检测设备3000的框图。该设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。该设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该检测设备3000包括:一个或多个处理器3100、存储器3200,以及用于连接各部件的接口(未示出),包括高速接口和低速接口。存储器3200可用于存储计算机指令。处理器3100可用于与存储器通信以执行计算机指令,从而实现如上述实施方式提及的缺陷检测方法。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器3100可以对在检测设备3000内执行的指令进行处理,包括存储在存储器3200中或者存储器3200上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器3100和/或多条总线与多个存储器3200和多个存储器3200一起使用。同样,可以连接多个检测设备3000,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器3100为例。
存储器3200即为本申请所提供的可读存储介质,例如,非瞬时计算机可读存储介质。其中,存储器3200存储有可由至少一个处理器3100执行的指令,以使至少一个处理器3100执行本申请所提供的缺陷检测方法。本申请的可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于晶圆的缺陷检测方法。
存储器3200作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块。处理器3100通过运行存储在存储器3200中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于晶圆的缺陷检测方法。
存储器3200可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于控制质量的检测设备的使用所创建的数据等。此外,存储器3200可包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器3200可包括相对于处理器3100远程设置的存储器,这些远程存储器可以通过网络连接至用于检测设备3000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
检测设备3000还可以包括:输入装置3300和输出装置3400。处理器3100、存储器3200、输入装置3300和输出装置3400可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置3300可接收输入的数字或字符信息,以及产生与用于控制质量的检测设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置3400可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网、广域网和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。服务器可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
根据本申请的实施方式,通过分析晶圆边缘的像素之间的像素路径,对晶圆进行缺陷检测,使得检测设备可自动对晶圆缺陷进行检测,进而降低了晶圆产品线的搭建难度和人工整合的误报概率,从而提高了晶圆上线的效率,降低了晶圆产品线的搭建成本,提高了产品线的准确度。
以上描述仅为本申请的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公开的(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 (17)
1.一种用于晶圆的缺陷检测方法,其特征在于,包括:
检测所述晶圆的待测图像中所述晶圆的边缘上的像素;
从所述边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径;以及
基于所述像素路径确定所述晶圆是否存在缺陷。
2.根据权利要求1所述的方法,其中,基于所述像素路径确定所述晶圆是否存在缺陷包括:
响应于所述像素路径上存在角点,确定所述晶圆存在缺陷。
3.根据权利要求2所述的方法,其中,所述角点包括所述像素路径上的梯度突变的像素;或者,
所述角点包括所述像素路径上的灰度值突变的像素。
4.根据权利要求2所述的方法,其中,所述方法还包括:
响应于所述晶圆存在缺陷,根据所述角点之间的距离确定缺陷长度。
5.根据权利要求4所述的方法,其中,确定所述缺陷长度包括:
确定所述待测图像中的、位于所述角点中的第一角点和第二角点之间的连线上的连接像素的图像特征值;以及
响应于存在与所述第一角点或所述第二角点的图像特征值的差值大于第一阈值的连接像素,确定所述第一角点和所述第二角点之间存在所述缺陷,并将所述第一角点和所述第二角点之间的距离确定为所述晶圆在所述第一角点和所述第二角点之间的缺陷长度。
6.根据权利要求5所述的方法,其中,所述第二角点和所述第一角点位于同一所述像素路径上。
7.根据权利要求5所述的方法,其中,所述第二角点为与所述第一角点相邻或相近的角点。
8.根据权利要求5至7中任一项所述的方法,其中,所述图像特征值为梯度值或灰度值。
9.一种用于晶圆的缺陷检测装置,其特征在于,包括:
边缘检测模块,用于检测所述晶圆的待测图像中晶圆的边缘上的像素;
路径确定模块,用于从所述边缘上的像素中选取多个像素,并确定所选取的多个像素中相邻的像素之间的像素路径;以及
缺陷检测模块,用于基于所述像素路径确定所述晶圆是否存在缺陷。
10.根据权利要求9所述的装置,其中,所述缺陷检测模块被配置为:
响应于所述像素路径上存在角点,确定所述晶圆存在缺陷。
11.根据权利要求10所述的装置,其中,所述缺陷检测模块还被配置为:
响应于所述晶圆存在缺陷,根据所述角点之间的距离确定缺陷长度。
12.根据权利要求11所述的装置,其中,所述缺陷检测模块被配置为:
确定所述待测图像中的、位于所述角点中的第一角点和第二角点之间的连线上的连接像素的图像特征值;以及
响应于存在与所述第一角点或所述第二角点的图像特征值的差值大于第一阈值的连接像素,确定所述第一角点和所述第二角点之间存在所述缺陷,并将所述第一角点和所述第二角点之间的距离确定为所述晶圆在所述第一角点和所述第二角点之间的缺陷长度。
13.根据权利要求12所述的装置,其中,所述第二角点和所述第一角点位于同一所述像素路径上。
14.根据权利要求12所述的装置,其中,所述第二角点为与所述第一角点相邻或相近的角点。
15.根据权利要求12所述的装置,其中,所述图像特征值为梯度值或灰度值。
16.一种检测设备,其特征在于,包括:
存储器,用于存储计算机指令;以及
处理器,用于与所述存储器通信以执行所述计算机指令,从而实现如权利要求1至8中任一项所述的缺陷检测方法。
17.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机指令,所述计算机指令被处理器执行时实现如权利要求1至8中任一项所述的缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210436386.5A CN114897799A (zh) | 2022-04-25 | 2022-04-25 | 用于晶圆的缺陷检测方法、装置、检测设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210436386.5A CN114897799A (zh) | 2022-04-25 | 2022-04-25 | 用于晶圆的缺陷检测方法、装置、检测设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897799A true CN114897799A (zh) | 2022-08-12 |
Family
ID=82718106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210436386.5A Pending CN114897799A (zh) | 2022-04-25 | 2022-04-25 | 用于晶圆的缺陷检测方法、装置、检测设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897799A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557619A (zh) * | 2023-10-20 | 2024-02-13 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
CN117557619B (zh) * | 2023-10-20 | 2024-06-04 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
-
2022
- 2022-04-25 CN CN202210436386.5A patent/CN114897799A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557619A (zh) * | 2023-10-20 | 2024-02-13 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
CN117557619B (zh) * | 2023-10-20 | 2024-06-04 | 广州明毅智能科技有限公司 | 晶片图像尺寸的确定方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220383535A1 (en) | Object Tracking Method and Device, Electronic Device, and Computer-Readable Storage Medium | |
US11488294B2 (en) | Method for detecting display screen quality, apparatus, electronic device and storage medium | |
CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
CN111784663B (zh) | 零部件的检测方法、装置、电子设备及存储介质 | |
CN111986178A (zh) | 产品缺陷检测方法、装置、电子设备和存储介质 | |
CN111768381A (zh) | 零部件缺陷检测方法、装置及电子设备 | |
CN111693534A (zh) | 表面缺陷的检测方法、模型训练方法、装置、设备和介质 | |
CA2846649A1 (en) | Image processor with edge-preserving noise suppression functionality | |
CN113241310B (zh) | 晶圆缺陷的检测方法、检测装置、检测设备及可读存储介质 | |
CN112150462B (zh) | 确定目标锚点的方法、装置、设备以及存储介质 | |
CN109542276B (zh) | 一种触控点识别方法及装置和显示设备 | |
CN112184837A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN111815564A (zh) | 一种检测丝锭的方法、装置及丝锭分拣系统 | |
CN113112516A (zh) | 图像边缘特征库构建方法、装置、计算机设备及存储介质 | |
US20230238290A1 (en) | Defect observation method, apparatus, and program | |
CN110390682B (zh) | 一种模板自适应的图像分割方法、系统和可读存储介质 | |
US8693740B1 (en) | System and method for face detection in digital images | |
CN113538376B (zh) | 存储阵列的缺陷定位方法、装置、设备及可读存储介质 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN112016523B (zh) | 跨模态人脸识别的方法、装置、设备和存储介质 | |
CN114897799A (zh) | 用于晶圆的缺陷检测方法、装置、检测设备及存储介质 | |
US8358851B2 (en) | Digital image analyzing method and related computer program product | |
CN114897853A (zh) | 用于晶圆的检测方法、检测装置及存储介质 | |
JP2017527905A (ja) | 色に基づく異物検出システム | |
CN114549450A (zh) | 半导体结构的缺陷检测方法、装置、检测设备及存储介质 |
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 |