CN114972173A - 缺陷检测方法和缺陷检测装置及系统 - Google Patents
缺陷检测方法和缺陷检测装置及系统 Download PDFInfo
- Publication number
- CN114972173A CN114972173A CN202210356413.8A CN202210356413A CN114972173A CN 114972173 A CN114972173 A CN 114972173A CN 202210356413 A CN202210356413 A CN 202210356413A CN 114972173 A CN114972173 A CN 114972173A
- Authority
- CN
- China
- Prior art keywords
- gray
- detected
- region
- image
- reference image
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明实施例公开的缺陷检测方法例如包括:获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;获取第一、第二和第三灰阶参考图像,其中,第一、第二和第三灰阶参考图像中对应位置的灰度值依次对应为第一、第二和第三灰度值,且第一灰度值不大于第二灰度值,第二灰度值不大于第三灰度值;将待测晶粒图像分别与第一灰阶参考图像和第三灰阶参考图像进行对比,得到第一待测晶粒的缺陷可疑区域;基于预设筛选信息对缺陷可疑区域进行区域筛选处理,得到第一待测晶粒的目标待测区域;以及根据目标待测区域、待测晶粒图像以及第二灰阶参考图像检测待测晶圆上的第一待测晶粒上的缺陷。本发明实施例公开的缺陷检测方法能提高微小缺陷检测的准确度。
Description
技术领域
本发明涉及半导体制造技术领域,尤其涉及一种缺陷检测方法、一种缺陷检测装置以及一种缺陷检测系统。
背景技术
在半导体晶圆(Wafer)的制作工艺完成后,需要对晶圆进行检测,例如,检测晶圆上的晶粒(Die)表面是否存在不良情况(比如外来物,划痕等),以确认产品是否合格。现有的检测技术例如通过对待测晶粒的灰度图像进行分析处理以检测出缺陷位置。但目前的检测技术还存在不少问题比如存在漏检和误检的问题。尤其是当晶粒灰度图像存在噪声(noise)时,目前的检测技术难以检测较为微小的缺陷,或者易将噪声等其他位置误检为缺陷位置。
发明内容
因此,为克服现有技术中的至少部分缺陷和问题,本发明实施例提供了一种缺陷检测方法、一种缺陷检测装置以及一种缺陷检测系统,具有检测准确度高的特点。
具体地,一方面,本发明一个实施例提供的一种缺陷检测方法例如包括:获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值;将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷。
在一个实施例中,所述将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域,包括:获取所述待测晶粒图像中目标像素点的灰度值;将所述目标像素点的所述灰度值分别与所述第一灰阶参考图像上对应像素点的所述第一灰度值和所述第三灰阶参考图像上对应像素点的所述第三灰度值进行比较得到比较结果;以及根据所述比较结果确定所述第一待测晶粒的缺陷可疑区域。
在一个实施例中,所述根据所述比较结果确定所述第一待测晶粒的缺陷可疑区域,包括:生成标记图像,其中,所述标记图像的分辨率与所述待测晶粒图像的分辨率相同;当所述比较结果为所述待测晶粒图像的所述目标像素点的所述灰度值小于所述第一灰阶图像上对应像素点的所述第一灰度值或者大于所述第三灰阶参考图像上对应像素点的所述第三灰度值时,将所述标记图像上与所述目标像素点对应的像素点的灰度值赋值为第一标记灰度值;以及将灰度值为所述第一标记灰度值的像素点形成的区域作为所述缺陷可疑区域。
在一个实施例中,所述预设筛选信息包括面积阈值,所述基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域,包括:将所述缺陷可疑区域的面积与所述面积阈值进行比对;以及保留面积不小于所述面积阈值的缺陷可疑区域作为所述目标待测区域。
在一个实施例中,所述预设筛选信息包括预设非检测区域信息,所述预设非检测区域信息包括预设非检测区域的位置信息和尺寸信息,所述基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域,包括:根据所述缺陷可疑区域的位置信息和尺寸信息与所述预设非检测区域的位置信息和尺寸信息确定所述缺陷可疑区域与所述预设非检测区域的相对位置关系;以及当所述缺陷可疑区域不与所述预设非检测区域相交时,将所述缺陷可疑区域作为所述目标待测区域。
在一个实施例中,所述预设筛选信息还包括第一边界尺寸阈值和第二边界尺寸阈值,所述基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域,还包括:筛选出边界尺寸不大于所述第一边界尺寸阈值的所述目标待测区域;以及根据所述第二边界尺寸阈值对所述筛选出的所述目标待测区域进行矫正处理。
在一个实施例中,所述根据所述第二边界尺寸阈值对所述筛选出的所述目标待测区域进行矫正处理,包括:当所述筛选出的所述目标待测区域的边界尺寸小于所述第二边界尺寸阈值时,将所述目标待测区域的所述边界尺寸矫正为所述第二边界尺寸阈值。
在一个实施例中,所述根据所述目标待测区域、所述晶粒待测图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷,包括:根据所述目标待测区域确定所述第二灰阶参考图像中的参考区域;确定所述参考区域内的平坦区域;根据缺陷判定阈值、所述待测晶粒图像和所述平坦区域确定所述待测晶粒图像中的所述目标待测区域是否为缺陷区域。
在一个实施例中,所述根据所述目标待测区域确定所述第二灰阶参考图像中的参考区域,具体为:在所述第二灰阶参考图像中于所述目标待测区域对应的中心参考子区域周围确定与所述中心参考子区域相邻的多个周边参考子区域得到所述参考区域,其中所述多个周边参考子区域的分辨率与所述中心参考子区域的分辨率相同、且以所述中心参考子区域为中心。
在一个实施例中,所述确定所述参考区域内的平坦区域,具体为:获取所述第二灰阶参考图像中的所述周边参考子区域和所述中心参考子区域内像素点的所述第二灰度值;根据所述第二灰度值分别计算所述周边参考子区域和所述中心参考子区域各自的综合灰度数据;逐一将所述多个周边参考子区域的综合灰度数据与所述中心参考子区域的综合灰度数据进行减法运算得到多个综合灰度数据差值;分别将预设综合灰度数据差值与所述多个综合灰度数据差值进行比较;将综合灰度数据差值不大于所述预设综合灰度数据差值对应的周边参考子区域和所述中心参考子区域形成的区域作为所述平坦区域。
在一个实施例中,所述根据缺陷判定阈值、所述待测晶粒图像和所述平坦区域确定所述待测晶粒图像中的所述目标待测区域是否为缺陷区域,包括:获取所述待测晶粒图像中与所述平坦区域对应的区域内像素点的灰度值;根据所述平坦区域内像素点的所述灰度值确定所述待测晶粒图像的所述平坦区域的综合灰度数据;将所述待测晶粒图像的所述平坦区域的综合灰度数据与所述第二灰阶参考图像中的所述平坦区域的综合灰度数据进行减法运算得到平坦区域综合灰度数据差值;以及比对所述平坦区域综合灰度数据差值和所述缺陷判定阈值,以确定所述目标待测区域是否为缺陷区域。
在一个实施例中,所述待测晶圆还包括至少一个参考晶粒,所述缺陷检测方法还包括:根据所述至少一个参考晶粒的参考晶粒图像、所述第二灰阶参考图像、所述目标待测区域以及所述平坦区域确定所述缺陷判定阈值。
另一方面,本发明的另一个实施例提供的一种缺陷检测装置例如包括:晶粒图像获取模块,用于获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;参考图像获取模块,用于获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值;对比模块,用于将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;筛选模块,用于基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及检测模块,用于根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷。
另一方面,本发明的另一个实施例提供的一种缺陷检测系统,包括处理器和连接所述处理器的存储器,所述存储器存储有所述处理器执行的指令,且所述指令使得所述处理器执行操作以进行如前述任意一项实施例所述的缺陷检测方法。
另一方面,本发明的另一个实施例提供的另一种缺陷检测系统例如包括:处理器;图像采集设备,连接所述处理器;其中所述图像采集设备用于采集待测晶圆的待测晶圆图像、并发送所述待测晶圆图像至所述处理器;所述处理器用于:获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值。
另一方面,本发明的另一个实施例提供的一种计算机可读介质,所述计算机可读介质存储有计算机可读指令,所述计算机可读指令包括用于执行如前述中任一项所述的缺陷检测方法的指令。
由上可知,本发明上述实施例可以达成以下一个或多个有益效果:通过第一灰阶参考图像、第二灰阶参考图像和第三参考图像三个灰阶不同的参考图像对待测晶粒图像进行目标待测区域的确定以及对目标待测区域的缺陷进行检测,多图对比可提高缺陷检测的准确率,检测出现有技术难以检测的微小缺陷。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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为本发明一个实施例提供的一种缺陷检测方法的流程示意图。
图2为发明一个实施例提供的一种缺陷检测方法中待测晶圆图像的示意图。
图3为图2中待测晶粒图像的示意图。
图4为图3中待测晶粒图像的缺陷位置放大示意图。
图5为本发明一个实施例提供的一种缺陷检测方法中第一灰阶参考图、第二灰阶参考图和第三灰阶参考图的示意图。
图6为本发明一个实施例提供的一种缺陷检测方法中的标记图像的示意图。
图7为本发明一个实施例提供的一种缺陷检测方法中参考区域的示意图。
图8为本发明一个实施例提供的一种缺陷检测方法中参考区域的综合灰度数据的示意图。
图9为本发明一个实施例提供的一种缺陷检测装置的结构示意图。
图10为本发明一个实施例提供的一种缺陷检测系统的结构示意图。
图11为本发明一个实施例提供的一种计算机可读介质的结构示意图。
图12为本发明另一个实施例提供的另一种缺陷检测系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
为了使本领域普通技术人员更好地理解本发明的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应当理解这样使用的术语在适当情况下可以互换,以便这里描述的本发明实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
还需要说明的是,本发明中多个实施例的划分仅是为了描述的方便,不应构成特别的限定,各种实施例中的特征在不矛盾的情况下可以相结合,相互引用。
【第一实施例】
本发明第一实施例提供了一种缺陷检测方法,图1为本发明一个实施例提供的缺陷检测方法的流程示意图,该缺陷检测方法例如包括步骤S1至步骤S5。
S1:获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;
S2:获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值;
S3:将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;
S4:基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及
S5:根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷。
其中,上述缺陷检测方法例如执行于图12所示的一种缺陷检测系统300中,该缺陷检测系统300例如包括处理器302和连接处理器302的图像采集设备301。图像采集设备301例如用于采集待测晶圆的待测晶圆图像并发送待测晶圆图像至处理器302。图像采集设备301例如为摄像头、摄像机等具有图像采集功能的设备。处理器302用于对从图像采集设备301传输过来的待测晶圆图像执行上述步骤S1至S5的缺陷检测方法。处理器302例如为能执行步骤S1至S5的计算机或者处理芯片或器件等。
其中,待测晶圆(Wafer)上例如包括多个晶粒(Die),晶圆是指硅半导体集成电路制作所用的硅晶片,而晶粒又称为裸片、裸晶,是Wafer上的一个小块。本实施例不限制该待测晶圆图像上包括待测晶圆上全部晶粒的图像,可以只包括部分晶粒的图像。如图2所示为待测晶圆图像的一个示意图,待测晶圆图像例如为待测晶圆的灰度图像,其中包括4个完整的Die的图像。其中待测晶粒图像具体指的是第一待测晶粒的完整的图像,例如图3为该4个Die中某一个Die对应的完整的图像,在本实施例中例如以图3所示的Die为第一待测晶粒,即图3为待测晶粒图像的示意图。
其中,待测晶圆上的多个晶粒具有类似、甚至相同的图案和大小,此处相同的图案指的是原始设计图案相同,由于制程中可能带来缺陷,对于不同的Die而言缺陷位置可能不同,对于具有不同缺陷位置的两个晶粒,只要其属于同一制程的晶圆或者属于同一个晶圆,则该两个晶粒仍然具有相同的图案。例如以图2和图3为例,每个Die分为上下两个大区,上半部分的左上角有一白色矩形区域,白色区域右边有一深灰色的矩形区域,下半部分包括一较大的深灰色矩形区域,多个Die的图案相同。而例如图3中箭头所指位置为图3的缺陷位置,可以从图4的局部放大图中看出,圈内有一处缺陷,而图2中其它Die在此位置可能无此缺陷,仍不影响多个Die的图案是相同的。
步骤S2中获取的第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像例如可参照图5,如图5所示的方位,从左至右依次为第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像,三者的图案均与待测晶粒图像相同,以及三者的分辨率(或称尺寸)均与待测晶粒图像相同(即像素点的行数和列数均相同),但三者的灰阶不同。从图5中可以看出第一灰阶参考图为三者中颜色最深的、而第三灰阶参考图为三者中颜色最浅的。具体的,第一灰阶参考图像、第二参考图像和第三参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且第一灰度值不大于第二灰度值,第二灰度值不大于第三灰度值。举例而言,例如第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像上各自包括多个像素点(例如共M行*N列个像素点),将第一灰阶参考图像上的像素点的灰度值称为第一灰度值,将第二灰阶参考图像上的像素点的灰度值称为第二灰度值,将第三灰阶参考图像上的像素点的灰度值称为第三灰度值。例如以第一灰阶参考图像上某个像素点的行位置为横坐标,列位置为纵坐标建立一个参考坐标系,则第i行第j列的像素点的坐标为(i,j),例如将该像素点标记为Lij,将其第一灰度值标记为g_Lij,则第二灰阶参考图像的第i行第j列的像素点(例如标记为Mij,其第二灰度值标记为g_Mij)和第三灰阶参考图像上第i行第j列的像素点(例如标记为Hij,其第三灰度值标记为g_Hij)为与第一灰阶参考图像上第i行第j列的像素点(即Lij)对应位置的像素点,且有g_Lij≤g_Mij≤g_Hij。
其中,上述第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像例如为直接从具有存储功能的器件中读取预存的图像,制程相同的晶圆以及同一个待测晶圆上的不同待测晶粒可以采用相同的第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像。而预存的第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像可通过如下方式生成:选择一整块带明显色差的晶圆,此处称之为历史晶圆,该历史晶圆的制程与待测晶圆的制程相同,扫描获得该历史晶圆的历史晶圆图像。从该历史晶圆图像中随机或者间隔选取N个晶粒的图像作为参考计算图像,选取N个参考计算图像中任意一张作为基准图像,其余N-1个参考计算图像与该基准图像进行对准,即,使多个参考计算图像上的像素点位置一一对应。从起始像素点位置(例如第一行第一列)逐个像素点地遍历图像获取N张图的灰度值并排序,例如对应于第X行第Y列像素点位置,N张参考计算图的灰度值排序为g1≤g2≤...≤gn,选择第n*20%(取整)位的灰度值作为第一灰阶参考图像位于该第X行第Y列的像素点的灰度值,选择第n*50%(取整)位的灰度值作为第二灰阶参考图像位于该第X行第Y列的像素点的灰度值,取第n*80%(取整)位的灰度值作为第三灰阶参考图像位于该第X行第Y列的像素点的灰度值。对全部像素点位置重复上述操作,分别得到第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像。当然,以上仅为生成方式的一种举例说明,本实施例并不限制于此。
步骤S3例如具体包括步骤S31至步骤S33。
步骤S31:获取所述待测晶粒图像中目标像素点的灰度值;
步骤S32:将所述目标像素点的所述灰度值分别与所述第一灰阶参考图像上对应像素点的所述第一灰度值和所述第三灰阶参考图像上对应像素点的所述第三灰度值进行比较得到比较结果;以及
步骤S33:根据所述比较结果确定所述第一待测晶粒的缺陷可疑区域。
其中,步骤S33具体包括:
生成标记图像,其中,所述标记图像的分辨率与所述待测晶粒图像的分辨率相同;
当所述比较结果为所述待测晶粒图像的所述目标像素点的所述灰度值小于所述第一灰阶图像上对应像素点的所述第一灰度值或者大于所述第三灰阶参考图像上对应像素点的所述第三灰度值时,将所述标记图像上与所述目标像素点对应的像素点的灰度值赋值为第一标记灰度值;以及
将灰度值为所述第一标记灰度值的像素点形成的区域作为所述缺陷可疑区域。
其中步骤S31所述的目标像素点例如为待测晶粒图像中每个像素点,即需要对待测晶粒图像中的每一个像素点执行步骤S32中的比较步骤,并且在步骤S33中根据步骤S32中对应每个像素点位置的比较结果对标记图像上每个像素点的灰度值进行是否赋值为第一标记灰度值的判断。
此外,在步骤S3之前例如还包括对位步骤。具体地,所述对位步骤包括:使第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像与待测晶粒图像对位,具体地,可通过待测晶粒图像在待测晶圆图像中的坐标和待测晶粒图像的大小进行确定。
举例而言,例如将待测晶粒图像上第i行第j列的像素点称为Tij,像素点Tij的灰度值为g_Tij,步骤S31获取到待测晶粒图像上全部M行*N列个像素点的灰度值g_T11、g_T12、g_T13......g_T1N、g_T21、g_T22、......、g_TMN。对位后待测晶粒图像上的像素点Tij与第一灰阶参考图像上的像素点Lij对应,与第二灰阶参考图像上的像素点Mij对应,与第三灰阶参考图像上的像素点Hij对应。步骤S32中则将g_Tij分别与g_Lij和g_Hij比较,即g_T11分别与g_L11和g_H11比较、g_T12分别与g_L12和g_H12比较,依次类推,将g_TMN分别与g_LMN和g_HMN比较,分别得到比较结果。步骤S33中,生成标记图像,当g_Tij<g_Lij,或者g_Tij>g_Hij时,则将标记图像中第i行第j列的像素点的灰度值赋值为第一标记灰度值,具体的第一标记灰度值例如为255。其中标记图像例如默认为与待测晶粒图像分辨率相同的纯黑色(灰度值为0)图像,则将第i行第j列的像素点赋值为第一标记灰度值后,标记图像上原来黑色的像素点变为白色。以白色点组成的区域作为缺陷可疑区域。或者也可以理解为,当g_Tij<g_Lij,或者g_Tij>g_Hij时,则对应第i行第j列的像素点生成一个灰度值为255的像素点,否则对应第i行第j列的像素点生成一个灰度值为0的像素点,最后由这些灰度值为255或者0的像素点根据其对应的坐标位置形成一个具有M行*N列像素点的标记图像。举例而言例如g_T11<g_L11,对于除第1行第1列的像素点以外的其他像素点均满足g_Lij≤g_Tij≤g_Hij时,则生成的标记图像为仅第一行第一列为白色点,其余部分为黑点的图案。
如图6所示,其为本发明一个实施例中标记图像的示意图,其中每个白色矩形表示一个灰度值为255的像素点,例如图6中右上位置L型白色区域包括三个像素点,右下位置的L型白色区域包括3个像素点,中下位置的矩形白色区域包括1个像素点。步骤S33中将灰度值为第一标记灰度值的像素点形成的区域作为缺陷可疑区域的具体方式例如为,对标记图像进行连通域分析,连通域分析指的是将具有相同像素值(本实施例中也即灰度值)且相邻的像素找出并标记,例如对应图6所述的标记图像则形成图中四个白色的连通域,将这四个白色的连通域分别作为4个缺陷可疑区域。
具体地,步骤S4中的预设筛选信息例如可在步骤S1之前进行初始化设置比如由操作员输入。预设筛选信息例如包括面积阈值,步骤S4例如具体包括步骤S41和步骤S42。
步骤S41:将所述缺陷可疑区域的面积与所述面积阈值进行比对;
步骤S42:保留面积不小于所述面积阈值的缺陷可疑区域作为所述目标待测区域。
其中举例而言,继续参照图6,面积阈值例如为2,则保留图6中4个缺陷可疑区域中面积不小于2的缺陷可疑区域作为目标待测区域。图6中仅位于中下位置的一个像素点的区域小于2,则另外3个缺陷可疑区域被保留。或者面积阈值例如为4,则保留图6中4个缺陷可疑区域中面积不小于4的缺陷可疑区域作为目标待测区域。图6中位于右上、右下和中下位置的区域的面积均小于4,则仅保留左中位置的一个缺陷可疑区域。同理还可以将面积阈值替换成第一方向长度阈值,则步骤S42保留第一方向长度小于第一方向长度阈值的缺陷可疑区域。其中第一长度方向例如为图6中的横向。或者将面积阈值替换成第二方向长度阈值,则步骤S42保留第二方向长度小于第二方向长度阈值的缺陷可疑区域。其中第二长度方向例如为图6中的纵向。或则还可以综合面积阈值、第一方向长度阈值和第二方向长度阈值中的任意两者或者三者对缺陷可疑区域进行筛选,则步骤S42中例如保留同时满足面积不小于面积阈值且第一方向长度不小于第一方向长度阈值且第二方向长度不小于第二方向长度阈值的缺陷可疑区域作为目标待测区域。上述步骤S41和步骤S42可过滤掉缺陷可疑区域中过小的区域,例如标记图像中为一个像素点的区域可能是噪声,通过步骤S41和S42以避免将噪声误判成缺陷位置,提高检测的准确度。本实施例及后续实施例中,“过滤”意为选出不保留,“筛选”意为选出保留。
步骤S4中预设筛选信息例如还包括预设非检测区域信息,步骤S4例如还包括步骤S43:根据所述缺陷可疑区域的位置信息和尺寸信息与所述预设非检测区域的位置信息和尺寸信息确定所述缺陷可疑区域与所述预设非检测区域的相对位置关系;以及步骤S44:当所述缺陷可疑区域不与所述预设非检测区域相交时,将所述缺陷可疑区域作为所述目标待测区域。
具体地,例如检测前已知待测晶粒图像的缺陷的大致位置为图3的右下角部分,则将除右下角指定区域以外的部分均设置为非检测区域。例如参照图6,图6中右上和左中的缺陷可疑区域均位于预设非检测区域内,则保留图6中右下和中下两个缺陷可疑区域。通过预设非检测区域信息可将检测的范围缩小,减少不必要的检测工作。需要说明的是,步骤S43和步骤S44例如可以执行在步骤S42之后,则步骤S43和步骤S44中所述的缺陷可疑区域为步骤S42筛选保留后的缺陷可疑区域,例如步骤S42中过滤掉了图6中位于中下位置的一个像素点的区域,保留了另外3个缺陷可疑区域,则步骤S43仅需要对剩下的3个缺陷可疑区域进行进一步的筛选。
更进一步地,预设筛选信息例如还包括第一边界尺寸阈值和第二边界尺寸阈值,步骤S4例如还包括步骤S45和步骤S46,步骤S45:筛选出边界尺寸不大于所述第一边界尺寸阈值的所述目标待测区域;步骤S46:根据所述第二边界尺寸阈值对所述筛选出的所述目标待测区域进行矫正处理。步骤S45例如直接执行于步骤S42之后,或者执行于步骤S44之后。其中边界尺寸例如指的是目标待测区域的最小外接矩形的尺寸,包括该最小外接矩形的长和宽。例如步骤S45之前筛选出图6中所示的右上、右下和左中位置的三个缺陷可疑区域作为3个目标待测区域,3个目标待测区域的最小外接矩形的尺寸分别为2*2、2*2和7*6。例如第一边界尺寸阈值为长50个像素,宽50个像素,则步骤S45中筛选出长度小于等于50个像素,且宽度小于等于50个目标待测区域。图6中的3个目标待测区域均被筛选出。步骤S46对步骤S45中筛选出的3个目标待测区域进行矫正具体包括:当所述筛选出的所述目标待测区域的边界尺寸小于所述第二边界尺寸阈值时,将所述目标待测区域的所述边界尺寸矫正为所述第二边界尺寸阈值。其中例如第二边界尺寸阈值为长5个像素,宽5个像素,例如对于外接矩形的长为4个像素,宽为6个像素的目标待测区域,则将该目标待测区域的边界尺寸矫正为5*6,例如对于外接矩形的长为7个像素,宽为6个像素的目标待测区域,则无需矫正,保留该目标待测区域原来的边界尺寸(即7*6)。矫正后的目标待测区域在待测晶粒图像上的位置信息例如以矫正前的一个参考点的坐标作为参考。举例而言,例如以矫正前的目标待测区域左上角的像素点坐标为该目标待测位置的坐标,例如矫正前的目标待测区域外接矩形的长度为4个像素,宽度为6个像素,外接矩形左上角坐标为(x1,y1),则该目标待测区域矫正后外接矩形长为5个像素,宽为6个像素,外接矩形左上角坐标为(x1,y1)。以上数据仅作举例说明,本实施例并不限制于此。
进一步地,步骤S5具体包括步骤S51、步骤S52和步骤S53。
步骤S51:根据所述目标待测区域确定所述第二灰阶参考图像中的参考区域;
步骤S52:确定所述参考区域内的平坦区域;
步骤S53:根据缺陷判定阈值、所述待测晶粒图像和所述平坦区域确定所述待测晶粒图像中的所述目标待测区域是否为缺陷区域。
其中步骤S51具体包括:在所述第二灰阶参考图像中于所述目标待测区域对应的中心参考子区域周围确定与所述中心参考子区域相邻的多个周边参考子区域得到所述参考区域,其中所述多个周边参考子区域的分辨率与所述中心参考子区域的分辨率相同、且以所述中心参考子区域为中心。
如图7为第二灰阶参考图像中的参考区域的示意图,其以一个九宫格区域为例,包括编号为I至IX的九个矩形子区域,编号为V的区域例如为所述中心参考子区域,该中心参考子区域为第二灰阶参考图像上与待测晶粒子图像上的目标待测区域外接矩形大小相同且位置对应的区域。例如待测晶粒图像上一目标待测区域(例如为前述步骤S46矫正后的目标待测区域)外接矩形为左上角坐标(x5,y5)大小为7行*6列个像素的区域,则该中心参考子区域为第二灰阶参考图像上左上角坐标(x5,y5)大小为7行*6列个像素的矩形区域。周边参考子区域例如为图7中编号为I至IV和VI至VIII的八个矩形区域,该八个周边参考子区域的分辨率也为7行*6列个像素。则该第二灰阶参考图像中的参考区域为左上角坐标为(x5-6,y5-7)的21行*18列个像素的区域。
步骤S52具体包括步骤S521至步骤S525。
步骤S521:获取所述第二灰阶参考图像中的所述周边参考子区域和所述中心参考子区域内像素点的所述第二灰度值;
步骤S522:根据所述第二灰度值分别计算所述周边参考子区域和所述中心参考子区域各自的综合灰度数据;
步骤S523:逐一将所述多个周边参考子区域的综合灰度数据与所述中心参考子区域的综合灰度数据进行减法运算得到多个综合灰度数据差值;
步骤S524:分别将预设综合灰度数据差值与所述多个综合灰度数据差值进行比较;
步骤S525:将综合灰度数据差值不大于所述预设综合灰度数据差值对应的周边参考子区域和所述中心参考子区域形成的区域作为所述平坦区域。
例如参照图8,左起第一个九宫格为第二灰阶图像中的参考区域的示意图,其中A11为编号为I的周边参考子区域的综合灰度数据,A12为编号为II的周边参考子区域的综合灰度数据,依次类推A15为编号为V的中心参考子区域的综合灰度数据,A19为编号为IX的周边参考子区域的综合灰度数据。步骤S522中例如通过求平均值的方式获得综合灰度数据,则中心参考子区域的综合灰度数据为该中心参考子区域中全部像素点的第二灰度值的平均值,某个周边参考子区域的综合灰度数据为该周边参考子区域中全部像素点的第二灰度值的平均值。例如以编号为I的周边参考子区域为例,其包括7行*6列共42个子像素,步骤S521中获取该42个子像素的第二灰度值分别为g1、g2、g3、......g40、g41、g42,则A11=(g1+g2+g3+......+g40+g41+g42)/42。A12至A19的计算方式同理。或者还可以通过计算方差的方式获得综合灰度数据,则A11为编号为I的周边参考子区域中全部像素点的第二灰度值的方差。在一个实施例中,综合灰度数据可以同时包括平均值和方差值,当然,在一些实施例中例如也可以是该区域内多个像素点的第二灰度值的和值等,每个子区域的综合灰度数据主要是用于表征该子区域内的整体水平,不同子区域内的综合灰度数据采用相同的方法计算即可。步骤S223中的多个综合灰度数据差值为绝对值,例如可表示为|A11-A15|、|A12-A15|、|A13-A15|、|A14-A15|、|A16-A15|、|A17-A15|、|A18-A15|以及|A19-A15|。步骤S224中预设综合灰度差值例如为AX,则将AX分别与|A11-A15|、|A12-A15|......|A19-A15|进行比较。步骤S225中,例如综合灰度数据差值|A14-A15|和|A16-A15|不大于预设综合灰度数据差值AX,则该两个综合灰度数据差值对应的编号为IV和编号为VI的两个周边子区域与编号为V的中心参考子区域形成的区域作为平坦区域,说明第二灰阶参考图像中该参考区域横向平坦。若综合灰度数据差值|A12-A15|和|A18-A15|不大于预设综合灰度数据差值AX则该两个综合灰度数据差值对应的编号为II和编号为VIII的两个周边子区域与编号为V的中心参考子区域形成的区域作为平坦区域,说明第二灰阶参考图像中该参考区域纵向平坦。若全部周边参考子区域对应的综合灰度数据差值均不大于VX,则将整个参考区域作为平坦区域。其中若全部的周边参考子区域对应的综合灰度数据差值均大于VX,则该参考区域无平坦区域,跳过后续步骤直接判断该目标待测子区域无缺陷。
步骤S53具体包括步骤S531至步骤S535。
步骤S531:获取所述待测晶粒图像中与所述平坦区域对应的区域内像素点的灰度值;
步骤S532:根据所述平坦区域内像素点的所述灰度值确定所述待测晶粒图像的所述平坦区域的综合灰度数据;
步骤S533:将所述待测晶粒图像的所述平坦区域的综合灰度数据与所述第二灰阶参考图像中的所述平坦区域的综合灰度数据进行减法运算得到平坦区域综合灰度数据差值;以及
步骤S535:比对所述平坦区域综合灰度数据差值和所述缺陷判定阈值,以确定所述目标待测区域是否为缺陷区域。
参照图8,图8左起第二个九宫格为待测晶粒图像中与第二灰阶图像中的参考区域对应的位置,B11至B19分别为待测晶粒图像上对应位置的综合灰度数据。其中,例如步骤S525中得到的平坦区域为整个参考区域,则步骤S531中获取待测晶粒图像上对应该整个参考区域位置的全部像素点的灰度值,步骤S532中确定B11至B19的值。或者例如步骤S525中得到的平坦区域为编号为IV、V、VI的子区域时,则步骤S531中只需要获取待测晶粒图像上对应该IV、V、VI子区域内的像素点的灰度值。步骤S532中只需确定B14、B15和B16三个综合灰度数据值。或者例如步骤S525中得到的平坦区域为编号为II、V、VIII的子区域时,则步骤S531中只需要获取待测晶粒图像上对应该II、V、VIII子区域内的像素点的灰度值。步骤S532中只需确定B12、B15和B18三个综合灰度数据值。以平坦区域为编号为IV、V、VI子区域对应的区域为例,则步骤S533中得到的平坦区域综合灰度数据差值(其为绝对值)为|B14-A14|、|B15-A15|、|B16-A16|。步骤S535中的缺陷判断阈值例如为AY,则分别将|B14-A14|、|B15-A15|、|B16-A16|与缺陷判断阈值AY比较。例如|B14-A14|、|B15-A15|、|B16-A16|三者中有任意一个大于缺陷判断阈值AY时,则判断对应的目标待测区域有缺陷,三者均不大于缺陷判断阈值AY时,则判断对应的目标待测区域无缺陷。
在一个实施例中,待测晶圆还包括至少一个参考晶粒,该缺陷检测方法例如还包括步骤S534:根据所述至少一个参考晶粒的参考晶粒图像、所述第二灰阶参考图像、所述目标待测区域以及所述平坦区域确定所述缺陷判定阈值。
步骤S534执行于步骤S535之前,步骤S533之后。其中第一参考晶粒为待测晶圆上除第一待测晶粒以外的任意一个晶粒。具体地,参照图8,最右边的九宫格例如为一个参考晶粒图像中与第二灰阶参考图像的参考区域对应位置的区域。其中C11至C19分别为参考晶粒图像上对应位置的综合灰度数据。步骤S534具体包括:将所述待参考晶粒图像的所述平坦区域的综合灰度数据与所述第二灰阶参考图像中的所述平坦区域的综合灰度数据进行减法运算得到所述缺陷判定阈值;举例而言,其中以平坦区域为编号为IV、V、VI子区域对应的区域为例,则缺陷判断阈值AY的确定例如为,对应编号为IV的子区域的缺陷判定阈值AY4=|C14-A14|,对应编号为V的子区域的缺陷判定阈值AY5=|C15-A15|,对应编号为VI的子区域的缺陷判定阈值为AY6=|C16-A16|。通过参考晶粒图像确定缺陷判断阈值可使缺陷检测判断更加准确。在其他一些实施例中,缺陷判断阈值也可根据经验值进行设定,如此则无需复杂的计算,方法更为简便。当然,例如当需要检测该参考晶粒是否有缺陷时,可以将原来的第一待测晶粒作为新的参考晶粒,或者还可以以待测晶圆上除这两个晶粒之外的其它晶粒作为新的参考晶粒。
本发明上述实施例提供的缺陷检测方法通过将第一待测晶粒的待测晶粒图像分别与三个不同灰阶的参考图进行比较确定目标待测区域,以及比以判断目标待测区域是否缺陷,此方法可减少误检、漏检情况的发生,可提高缺陷检测的准确性。
【第二实施例】
本发明的第二实施例提供了一种缺陷检测装置。参照图9,本发明的第二实施例提供的缺陷检测装置例如用于执行前述第一实施例提供的缺陷检测方法。所述缺陷检测装置例如包括晶粒图像获取模块11、参考图像获取模块12、对比模块13、筛选模块14和检测模块15。其中晶粒图像获取模块11用于执行前述步骤S1的获取待测晶粒图像。参考图像获取模块12用于执行前述步骤S2获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像,其中待测晶粒图像的获取例如为通过摄像头等图像采集装置采集待测晶圆图像,采集到的待测晶圆图像例如经过预处理后得到待测晶粒图像,例如将待测晶粒图像存储在外部存储器中以供晶粒图像获取模块11获取。第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像例如通过前述实施例中的历史晶圆生成,生成后例如存储在外部存储器中,以供参考图像获取模块12获取。值得一提的是,待测晶粒图像、第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像也可以通过一个模块进行获取。此外,晶粒图像获取模块11例如还可从外部存储器中获取待测晶圆图像,直接根据待测晶圆图像得到待测晶粒图像、并生成第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像。缺陷检测装置100例如连外部接存储器,以从外部存储器中获取待测晶粒图像和/或第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像。对比模块13用于执行前述步骤S3。筛选模块14用于执行前述步骤S4。检测模块15用于执行前述步骤S5。关于缺陷检测方法的详细流程和具体细节请参考前述第一实施例的描述,在此不再赘述。本发明第二实施例提供的缺陷检测装置的技术效果与前述第一实施例中的缺陷检测方法的技术效果相同,在此不再赘述。
【第三实施例】
参照图10,本发明的第三实施例提供的一种缺陷检测系统200,例如包括处理器201和电连接处理器201的存储器202,存储器202存储有处理器201执行的指令,所述指令使得处理器201执行操作以进行前述第一实施例中任意一种缺陷检测方法。
本发明第三实施例提供的缺陷检测系统200的功能和技术效果可参考前述第一实施例中的缺陷检测方法的相关描述,在此不再赘述。
【第四实施例】
参照图11,本发明的第四实施例提供了一种计算机可读介质500,计算机可读介质500存储有计算机可读指令501,计算机可读指令501包括用于执行前述第一实施例中任意一种缺陷检测方法的指令。
本发明第四实施例提供的计算机可读介质500的功能和技术效果可参考与前述第一实施例中的缺陷检测方法的技术效果,在此不再赘述。
需要说明的是,在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和/或方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元/模块的划分,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,例如多路单元或模块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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,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/模块可以是或者也可以不是物理上分开的,作为单元/模块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路网络单元上。可以根据实际的需要选择其中的部分或者全部单元/模块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/模块可以集成在一个处理单元/模块中,也可以是各个单元/模块单独物理存在,也可以两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用硬件加软件功能单元/模块的形式实现。
上述以软件功能单元/模块的形式实现的集成的单元/模块,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)的一个或多个处理器执行本发明各个实施例所述方法的部分步骤。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (15)
1.一种缺陷检测方法,其特征在于,包括:
获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;
获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值;
将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;
基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及
根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷。
2.如权利要求1所述的缺陷检测方法,其特征在于,所述将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域,包括:
获取所述待测晶粒图像中目标像素点的灰度值;
将所述目标像素点的所述灰度值分别与所述第一灰阶参考图像上对应像素点的所述第一灰度值和所述第三灰阶参考图像上对应像素点的所述第三灰度值进行比较得到比较结果;以及
根据所述比较结果确定所述第一待测晶粒的缺陷可疑区域。
3.如权利要求2所述的缺陷检测方法,其特征在于,所述根据所述比较结果确定所述第一待测晶粒的缺陷可疑区域,包括:
生成标记图像,其中所述标记图像的分辨率与所述待测晶粒图像的分辨率相同;
当所述比较结果为所述待测晶粒图像的所述目标像素点的所述灰度值小于所述第一灰阶图像上对应像素点的所述第一灰度值或者大于所述第三灰阶参考图像上对应像素点的所述第三灰度值时,将所述标记图像上与所述目标像素点对应的像素点的灰度值赋值为第一标记灰度值;以及
将灰度值为所述第一标记灰度值的像素点形成的区域作为所述缺陷可疑区域。
4.如权利要求1所述的缺陷检测方法,其特征在于,所述预设筛选信息包括面积阈值,所述基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域,包括:
将所述缺陷可疑区域的面积与所述面积阈值进行比对;以及
保留面积不小于所述面积阈值的缺陷可疑区域作为所述目标待测区域。
5.如权利要求1所述的缺陷检测方法,其特征在于,所述预设筛选信息包括预设非检测区域信息,所述预设非检测区域信息包括预设非检测区域的位置信息和尺寸信息,所述基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域,包括:
根据所述缺陷可疑区域的位置信息和尺寸信息与所述预设非检测区域的位置信息和尺寸信息确定所述缺陷可疑区域与所述预设非检测区域的相对位置关系;以及
当所述缺陷可疑区域不与所述预设非检测区域相交时,将所述缺陷可疑区域作为所述目标待测区域。
6.如权利要求4所述的缺陷检测方法,其特征在于,所述预设筛选信息还包括第一边界尺寸阈值和第二边界尺寸阈值,所述基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域,还包括:
筛选出边界尺寸不大于所述第一边界尺寸阈值的所述目标待测区域;以及
根据所述第二边界尺寸阈值对所述筛选出的所述目标待测区域进行矫正处理。
7.如权利要求6所述的缺陷检测方法,其特征在于,所述根据所述第二边界尺寸阈值对所述筛选出的所述目标待测区域进行矫正处理,包括:
当所述筛选出的所述目标待测区域的边界尺寸小于所述第二边界尺寸阈值时,将所述目标待测区域的所述边界尺寸矫正为所述第二边界尺寸阈值。
8.如权利要求1所述的缺陷检测方法,其特征在于,所述根据所述目标待测区域、所述晶粒待测图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷,包括:
根据所述目标待测区域确定所述第二灰阶参考图像中的参考区域;
确定所述参考区域内的平坦区域;
根据缺陷判定阈值、所述待测晶粒图像和所述平坦区域确定所述待测晶粒图像中的所述目标待测区域是否为缺陷区域。
9.如权利要求8所述的缺陷检测方法,其特征在于,所述根据所述目标待测区域确定所述第二灰阶参考图像中的参考区域,具体为:
在所述第二灰阶参考图像中于所述目标待测区域对应的中心参考子区域周围确定与所述中心参考子区域相邻的多个周边参考子区域得到所述参考区域,其中所述多个周边参考子区域的分辨率与所述中心参考子区域的分辨率相同、且以所述中心参考子区域为中心。
10.如权利要求9所述的缺陷检测方法,其特征在于,所述确定所述参考区域内的平坦区域,具体为:
获取所述第二灰阶参考图像中的所述周边参考子区域和所述中心参考子区域内像素点的所述第二灰度值;
根据所述第二灰度值分别计算所述周边参考子区域和所述中心参考子区域各自的综合灰度数据;
逐一将所述多个周边参考子区域的综合灰度数据与所述中心参考子区域的综合灰度数据进行减法运算得到多个综合灰度数据差值;
分别将预设综合灰度数据差值与所述多个综合灰度数据差值进行比较;
将综合灰度数据差值不大于所述预设综合灰度数据差值对应的周边参考子区域和所述中心参考子区域形成的区域作为所述平坦区域。
11.如权利要求10所述的缺陷检测方法,其特征在于,所述根据缺陷判定阈值、所述待测晶粒图像和所述平坦区域确定所述待测晶粒图像中的所述目标待测区域是否为缺陷区域,包括:
获取所述待测晶粒图像中与所述平坦区域对应的区域内像素点的灰度值;
根据所述平坦区域内像素点的所述灰度值确定所述待测晶粒图像的所述平坦区域的综合灰度数据;
将所述待测晶粒图像的所述平坦区域的综合灰度数据与所述第二灰阶参考图像中的所述平坦区域的综合灰度数据进行减法运算得到平坦区域综合灰度数据差值;以及
比对所述平坦区域综合灰度数据差值和所述缺陷判定阈值,以确定所述目标待测区域是否为缺陷区域。
12.如权利要求11所述的缺陷检测方法,其特征在于,所述待测晶圆还包括至少一个参考晶粒,所述缺陷检测方法还包括:
根据所述至少一个参考晶粒的参考晶粒图像、所述第二灰阶参考图像、所述目标待测区域以及所述平坦区域确定所述缺陷判定阈值。
13.一种缺陷检测装置,其特征在于,包括:
晶粒图像获取模块,用于获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;
参考图像获取模块,用于获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值;
对比模块,用于将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;
筛选模块,用于基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及
检测模块,用于根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷。
14.一种缺陷检测系统,其特征在于,包括处理器和连接所述处理器的存储器,所述存储器存储有所述处理器执行的指令,且所述指令使得所述处理器执行操作以进行如权利要求1-12任意一项所述的缺陷检测方法。
15.一种缺陷检测系统,其特征在于,包括:
处理器;
图像采集设备,连接所述处理器;
其中所述图像采集设备用于采集待测晶圆的待测晶圆图像、并发送所述待测晶圆图像至所述处理器;所述处理器用于:获取包含待测晶圆的第一待测晶粒在内的待测晶粒图像;获取第一灰阶参考图像、第二灰阶参考图像和第三灰阶参考图像;将所述待测晶粒图像分别与所述第一灰阶参考图像和所述第三灰阶参考图像进行对比,得到所述第一待测晶粒的缺陷可疑区域;基于预设筛选信息对所述缺陷可疑区域进行区域筛选处理,得到所述第一待测晶粒的目标待测区域;以及根据所述目标待测区域、所述待测晶粒图像以及所述第二灰阶参考图像检测所述待测晶圆上的所述第一待测晶粒上的缺陷;其中,所述第一灰阶参考图像、所述第二灰阶参考图像和所述第三灰阶参考图像中对应位置的灰度值依次对应为第一灰度值、第二灰度值和第三灰度值,且所述第一灰度值不大于所述第二灰度值,所述第二灰度值不大于所述第三灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356413.8A CN114972173A (zh) | 2022-03-30 | 2022-03-30 | 缺陷检测方法和缺陷检测装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356413.8A CN114972173A (zh) | 2022-03-30 | 2022-03-30 | 缺陷检测方法和缺陷检测装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114972173A true CN114972173A (zh) | 2022-08-30 |
Family
ID=82977955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210356413.8A Pending CN114972173A (zh) | 2022-03-30 | 2022-03-30 | 缺陷检测方法和缺陷检测装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972173A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290663A (zh) * | 2022-09-30 | 2022-11-04 | 南通艾美瑞智能制造有限公司 | 基于光学检测的Mini LED晶圆外观缺陷检测方法 |
CN115360116A (zh) * | 2022-10-21 | 2022-11-18 | 合肥晶合集成电路股份有限公司 | 一种晶圆的缺陷检测方法及系统 |
CN116363136A (zh) * | 2023-06-01 | 2023-06-30 | 山东创元智能设备制造有限责任公司 | 一种机动车部件自动化生产在线筛选方法及系统 |
-
2022
- 2022-03-30 CN CN202210356413.8A patent/CN114972173A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290663A (zh) * | 2022-09-30 | 2022-11-04 | 南通艾美瑞智能制造有限公司 | 基于光学检测的Mini LED晶圆外观缺陷检测方法 |
CN115290663B (zh) * | 2022-09-30 | 2022-12-30 | 南通艾美瑞智能制造有限公司 | 基于光学检测的Mini LED晶圆外观缺陷检测方法 |
CN115360116A (zh) * | 2022-10-21 | 2022-11-18 | 合肥晶合集成电路股份有限公司 | 一种晶圆的缺陷检测方法及系统 |
CN115360116B (zh) * | 2022-10-21 | 2023-01-31 | 合肥晶合集成电路股份有限公司 | 一种晶圆的缺陷检测方法及系统 |
CN116363136A (zh) * | 2023-06-01 | 2023-06-30 | 山东创元智能设备制造有限责任公司 | 一种机动车部件自动化生产在线筛选方法及系统 |
CN116363136B (zh) * | 2023-06-01 | 2023-08-11 | 山东创元智能设备制造有限责任公司 | 一种机动车部件自动化生产在线筛选方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114972173A (zh) | 缺陷检测方法和缺陷检测装置及系统 | |
CN115601364B (zh) | 基于图像分析的金手指电路板检测方法 | |
CN1690678B (zh) | 图像分析方法、图像分析程序及其像素评价系统 | |
JP4095860B2 (ja) | 欠陥検査方法及びその装置 | |
KR100399244B1 (ko) | 무라검출장치및방법 | |
KR100983943B1 (ko) | 디스플레이의 광학 검사 방법 및 장치 | |
US20070053580A1 (en) | Image defect inspection apparatus, image defect inspection system, defect classifying apparatus, and image defect inspection method | |
JP2005529388A (ja) | パターン検査方法 | |
CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
US20060222232A1 (en) | Appearance inspection apparatus and appearance inspection method | |
EP0755024A2 (en) | Method for positional matching of images and system for testing products by using the same | |
KR101146081B1 (ko) | 마이크로-검사 입력을 이용한 매크로 결함 검출 방법 및시스템 | |
CN113538603B (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
JP3907874B2 (ja) | 欠陥検査方法 | |
US6229331B1 (en) | Apparatus for and method of inspecting patterns on semiconductor integrated devices | |
JPH11337498A (ja) | プリント基板の検査装置およびプリント基板の検査方法 | |
KR20060130109A (ko) | 기판 검사 장치 | |
JP4266920B2 (ja) | 分類装置及び分類方法 | |
CN114937037B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
CN113012121B (zh) | 裸片扫描结果的处理方法、装置、电子设备与存储介质 | |
JP2007057705A (ja) | 表示パネルの検査方法および検査装置 | |
JP3836988B2 (ja) | パターン検査方法およびパターン検査装置 | |
JP3127598B2 (ja) | 画像中の濃度変動構成画素抽出方法および濃度変動塊判定方法 | |
CN112330590A (zh) | 晶圆缺陷的验证方法 | |
JP2011252770A (ja) | プリント基板の検査装置およびその検査方法 |
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 |