CN115018834B - 一种半导体晶片图像对准方法 - Google Patents

一种半导体晶片图像对准方法 Download PDF

Info

Publication number
CN115018834B
CN115018834B CN202210941014.8A CN202210941014A CN115018834B CN 115018834 B CN115018834 B CN 115018834B CN 202210941014 A CN202210941014 A CN 202210941014A CN 115018834 B CN115018834 B CN 115018834B
Authority
CN
China
Prior art keywords
circle center
point
acquiring
real
angle
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.)
Active
Application number
CN202210941014.8A
Other languages
English (en)
Other versions
CN115018834A (zh
Inventor
张琰
孙思源
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.)
Shandong Guangyue Jiuzhou Semiconductor Technology Co ltd
Original Assignee
Shandong Guangyue Jiuzhou Semiconductor Technology Co 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 Shandong Guangyue Jiuzhou Semiconductor Technology Co ltd filed Critical Shandong Guangyue Jiuzhou Semiconductor Technology Co ltd
Priority to CN202210941014.8A priority Critical patent/CN115018834B/zh
Publication of CN115018834A publication Critical patent/CN115018834A/zh
Application granted granted Critical
Publication of CN115018834B publication Critical patent/CN115018834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

本发明涉及半导体技术领域，具体涉及一种半导体晶片图像对准方法，该方法获取半导体晶片的灰度图像中的边缘像素点；均匀选取多个采样点，以每个采样点作为目标点，获取目标点的特征方向，初步设定一个数量阈值，当备选圆心对应的特征方向的数量高于数量阈值时，该备选圆心为真实圆心；获取每个真实圆心为实际圆心的第一概率和第二概率；以第一概率和第二概率的乘积作为对应的真实圆心的置信度；基于所有真实圆心的置信度对数量阈值进行更新，得到最佳阈值；在基于最佳阈值得到的真实圆心中筛选出实际圆心；基于实际圆心坐标和缺口特征点坐标获取晶片的校正角度和校正距离，对晶片进行校正完成晶片对准。本发明提高了晶片对准的精度和对准效率。

Description

一种半导体晶片图像对准方法
技术领域
本发明涉及半导体技术领域，具体涉及一种半导体晶片图像对准方法。
背景技术
在晶片传输系统中，由于加工工艺的精度要求高于晶片传输过程中的精度，因此在对晶片进行加工工艺之前必须让晶片预对准装置对晶片进行对准，补偿晶片在传输过程中造成的定位误差。晶片预对准是晶片搬运以及整个集成电路（IC）制造过程中的重要环节，预对准的精度直接影响整个IC制造工艺的精度和效率。
晶片预对准的目的是计算晶片的偏心并找到其缺口，进而补偿其偏心并将缺口转至预设方向，为下一步的晶片识别或处理做好准备。预对准是将晶片运送至曝光台前的一次精确定位，其对准精度包括了晶片偏心检测精度以及缺口定位精度，直接影响了半导体的曝光精度，而晶片表面往往为非规则圆形，故传统的霍夫圆检测对晶片偏心检测效果较差，无法使晶片精确对准。
发明内容
为了解决上述技术问题，本发明提供一种半导体晶片图像对准方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种半导体晶片图像对准方法，该方法包括以下步骤：
俯视采集半导体晶片的表面图像，并获取表面图像的灰度图像，对灰度图像进行边缘检测，得到边缘像素点；
获取灰度图像的最外围边缘，在最外围边缘像素点中均匀选取多个采样点，以每个采样点作为目标点，获取目标点的两个相邻采样点，根据目标点和相邻采样点的数学关系获取目标点指向对应的备选圆心的特征方向，初步设定一个数量阈值，当备选圆心对应的特征方向的数量高于所述数量阈值时，该备选圆心为真实圆心；
根据采样点和真实圆心之间的第一距离以及采样点和真实圆心的连线获取每个真实圆心为实际圆心的第一概率；在每个角度上获取真实圆心与最外围边缘的第二距离，依据标准晶圆半径和第二距离的差异获取每个真实圆心为实际圆心的第二概率；以第一概率和第二概率的乘积作为对应的真实圆心的置信度；
基于所有真实圆心的置信度对所述数量阈值进行更新，计算更新后的数量阈值对应的真实圆心的置信度，再依据更新后的置信度继续更新数量阈值，直至所述数量阈值不再变化或者达到预设迭代次数，得到最佳阈值；在基于最佳阈值得到的真实圆心中筛选出实际圆心；
根据边缘像素点与邻域像素点连线的角度判断该边缘像素点是否为缺口特征点，基于实际圆心坐标和缺口特征点坐标获取晶片的校正角度和校正距离，并对晶片进行校正，完成晶片对准。
优选的，所述特征方向的获取方法为：
连接所述相邻采样点形成一条直线，过所述目标点作该直线的垂线，从所述目标点到垂线在该直线上的交点的方向为该目标点的所述特征方向。
优选的，所述第一概率的获取方法为：
对于每个真实圆心，由每个采样点和真实圆心确定一条直线，获取该直线与所述最外围边缘的交点，以及真实圆心和交点之间的延伸距离，计算第一距离和延伸距离的差值绝对值，以所有采样点对应的差值绝对值的和作为预设值的负指数，得到的指数函数的结果为对应的真实圆心的所述第一概率。
优选的，所述第二概率的获取方法为：
在每个角度上获取标准晶圆半径和第二距离的差值绝对值的倒数，对所有角度上的倒数求和，然后对求和结果进行归一化，归一化结果即为所述第二概率。
优选的，所述基于所有真实圆心的置信度对所述数量阈值进行更新，包括：
获取当前数量阈值下置信度大于预设的置信度阈值的真实圆心的数量作为可能真实数量，当可能真实数量与所有真实圆心的数量的比值超过预设比例时，使当前数量阈值增加所述比值倍数作为新的数量阈值。
优选的，所述实际圆心的筛选方法为：
获取最佳阈值下的真实圆心组成的圆心区域，获取圆心区域的区域中心点，以与区域中心点最近的真实圆心作为所述实际圆心。
优选的，所述区域中心点的获取方法为：
通过在所述圆心区域内进行像素点遍历，计算遍历的像素点到每个圆心区域边缘像素点的距离之和，当所述距离之和最小时，对应的像素点遍历时的位置为所述区域中心点。
优选的，所述缺口特征点的判断步骤包括：
以每个边缘像素点为中心，获取预设大小的邻域区域，计算邻域区域内每个边缘像素点与中心的连线与水平直线形成的夹角，所有夹角的平均值为该中心对应的平均角度；
计算每个边缘像素点的邻域区域内每两个相邻边缘像素点的平均角度的角度差异，当最小的角度差异大于预设角度阈值时，对应的边缘像素点为缺口疑似点；
选取直线距离最小的两个缺口疑似点作为缺口端点，在缺口端点之间的边缘像素点中筛选出中心像素点作为缺口特征点。
优选的，所述校正角度的获取方法为：
根据实际圆心坐标和缺口特征点坐标获取实际圆心和缺口特征点的连线与水平直线之间的角度作为位姿角度，以预设标准角度和所述位姿角度的差值作为所述校正角度。
优选的，所述校正距离的获取方法为：
获取预设标准圆心坐标与所述实际圆心坐标之间的距离作为所述校正距离。
本发明实施例至少具有如下有益效果：
获取数量阈值下的真实圆心为实际圆心的第一概率和第二概率，然后计算对应的置信度，通过多方面的判定圆的条件来确定圆心是否为实际圆心，得到的置信度能够更加准确地反映真实圆心为实际圆心的可信度；然后基于置信度得到最佳阈值，利用最佳阈值得到实际圆心，完成晶片的圆心检测，通过不断迭代数量阈值得到最佳阈值再筛选出实际圆心，能够筛选出晶片真正的圆心，使圆心检测的准确程度更进一步；再结合识别出的缺口特征点的坐标获取晶片的校正角度和校正距离，即获取了晶片中心点的偏移量和晶片整体的偏转角度，据此对晶片进行校正，完成晶片对准，提高了晶片圆心的识别精度，进而提高了晶片对准的精度，同时由于精度的提高，避免了重复对准，提高了对准效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种半导体晶片图像对准方法的步骤流程图；
图2为晶片示意图；
图3为图2虚线框内部分的细节放大图；
其中附图标记说明如下：
200是晶片，201是平边，202是缺口。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种半导体晶片图像对准方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种半导体晶片图像对准方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种半导体晶片图像对准方法的步骤流程图，该方法包括以下步骤：
步骤S001，俯视采集半导体晶片的表面图像，并获取表面图像的灰度图像，对灰度图像进行边缘检测，得到边缘像素点。
具体的步骤包括：
1、获取半导体晶片的表面图像和灰度图像。
通过高分辨率工业相机，在固定光源下俯视采集半导体晶片的表面图像，采集的表面图像为RGB图像，对表面图像使用加权灰度化的方法进行灰度化处理，得到灰度图像。
图像灰度化为现有技术，在其他实施例中还可以采用其他能够达到相同效果的灰度化方法获取灰度图像，具体的灰度化过程不再赘述。
需要说明的是，如图2所示，半导体晶片200一般为包括平边201和缺口202的圆形晶片，也称为晶圆，在本发明实施例中所有晶片都指晶圆。
2、对灰度图像进行边缘检测，得到边缘像素点。
对灰度图像利用canny算子进行边缘检测，得到灰度图像中的边缘像素点。
边缘检测为现有技术，在本发明实施例中采用canny算子进行边缘检测，在其他实施例中还可以采用其他能够达到相同效果的边缘检测算法获取灰度图像中的边缘像素点。
步骤S002，获取灰度图像的最外围边缘，在最外围边缘像素点中均匀选取多个采样点，以每个采样点作为目标点，获取目标点的两个相邻采样点，根据目标点和相邻采样点的数学关系获取目标点指向对应的备选圆心的特征方向，初步设定一个数量阈值，当备选圆心对应的特征方向的数量高于数量阈值时，该备选圆心为真实圆心。
由于晶圆圆度接近1不为规则圆形，故在进行霍夫圆检测时，检测效果较差，检测出的干扰圆心过多，故需对其进行筛选，获取精准圆心，同时对缺口进行定位，计算出圆心与缺口的偏移量，从而对其进行偏移校正。
具体的步骤包括：
1、获取灰度图像的最外围边缘，在最外围边缘像素点中均匀选取多个采样点，获取每个采样点对应的特征方向。
晶圆最外围边缘为一个存在平边和缺口的圆形，记为边缘W，在边缘W上均匀选取N个采样点，N为正整数。作为一个示例，本发明实施例中N为400。
将任意一个采样点记为目标点，获取目标点的两个相邻采样点，连接相邻采样点形成一条直线，过目标点作该直线的垂线，从目标点到垂线在该直线上的交点的方向为该目标点的特征方向。
以采样点a为例，以采样点a为目标点，获取目标点的两个相邻采样点b和c，其中采样点a和采样点b之间相距e个边缘像素点，采样点a和采样点c之间也间隔e个像素点，采样点a、采样点b和采样点c以及中间间隔的边缘像素点组成一段圆弧。
对于标准圆来说，一段圆弧两端相连形成的弦的中垂线是过圆心的，同一个标准圆上的两段圆弧对应的中垂线的交点为标准圆的圆心，采样点是均匀取样的，所以对于相邻采样点b和c相连形成的弦的中垂线过目标点a，交弦bc于点d，且从目标点a指向交点d的方向为指向圆心的方向，该方向即为目标点的特征方向。
每个采样点都会有对应的特征方向，多个特征方向所在的直线会产生交点，即为备选圆心。
2、初步设定一个数量阈值，当备选圆心对应的特征方向的数量高于数量阈值时，该备选圆心为真实圆心。
过小的数量阈值往往检测出更多的干扰圆心，过大的数量阈值又可能会导致检测不出圆心，因此需要确定一个合适的数量阈值以便确定实际圆心。
首先设置一个较小的数量阈值T，根据检测出的圆心对数量阈值进行更新调节，当备选圆心对应的特征方向的数量高于数量阈值时，该备选圆心为当前数量阈值下的真实圆心。备选圆心对应的特征向量数过少时，说明该备选圆心是晶圆的实际圆心的概率很小，更大可能是部分弧长得到的干扰圆心。
作为一个示例，本发明实施例中初步设定的数量阈值T=50，检测出的真实圆心数量记为Z，即有Z个备选圆心对应的特征方向数量超过50。
步骤S003，根据采样点和真实圆心之间的第一距离以及采样点和真实圆心的连线获取每个真实圆心为实际圆心的第一概率；在每个角度上获取真实圆心与最外围边缘的第二距离，依据标准晶圆半径和第二距离的差异获取每个真实圆心为实际圆心的第二概率；以第一概率和第二概率的乘积作为对应的真实圆心的置信度。
具体的步骤包括：
1、获取每个真实圆心为实际圆心的第一概率。
对于每个真实圆心，由每个采样点和真实圆心确定一条直线，获取该直线与最外围边缘的交点，以及真实圆心和交点之间的延伸距离，计算第一距离和延伸距离的差值绝对值，以所有采样点对应的差值绝对值的和作为预设值的负指数，得到的指数函数的结果为对应的真实圆心的第一概率。
如果真实圆心为实际圆心，则采样点和真实圆心确定的直线为最外围边缘形成的圆的直径，也就说明采样点和真实圆心之间的第一距离，与真实圆心和交点之间的延伸距离均为半径，即第一距离与延伸距离相等，因此通过第一距离和延伸距离之间的差值来获取真实圆心为实际圆心的第一概率：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示第一概率，e为自然常数，
Figure DEST_PATH_IMAGE006
表示第i个采样点对应的第一距离，
Figure DEST_PATH_IMAGE008
表示第i个采样点对应的延伸距离。
需要说明的是，在本发明实施例中预设值为自然常数e，在其他实施例中还可以采用其他大于1的自然常数作为预设值。
通过计算第一概率的公式得到每个真实圆心为实际圆心的第一概率。第一距离与延伸距离之间的差距越小，对应的第一概率越大，真实圆心越有可能是实际圆心。
2、获取每个真实圆心为实际圆心的第二概率。
在每个角度上获取标准晶圆半径和第二距离的差值绝对值的倒数，对所有角度上的倒数求和，然后对求和结果进行归一化，归一化结果即为第二概率。
在每个角度上获取真实圆心与最外围边缘的欧氏距离作为第二距离，如果真实圆心为晶圆的实际圆心，则每个角度上的第二距离都为晶圆半径，且与标准晶圆半径一致，因此基于标准晶圆半径和第二距离的差值获取每个真实圆心为实际圆心的第二概率：
Figure DEST_PATH_IMAGE010
其中，U表示所有角度对应的倒数求和结果，
Figure DEST_PATH_IMAGE012
表示角度
Figure DEST_PATH_IMAGE014
上的第二距离，R表示标准晶圆半径。
对U进行归一化，将取值范围映射在[0,1]内，归一化结果为第二概率，记为
Figure DEST_PATH_IMAGE016
。
需要说明的是，标准晶圆半径为工业生产的晶圆的标准半径在图像上的长度，根据实际长度和图像的比例关系获取。
标准晶圆半径和第二距离的差值越小，说明第二距离与标准晶圆半径越接近，真实圆心所对应的圆越接近标准晶圆，对应的第二概率越大，真实圆心越有可能为实际圆心。
3、以第一概率和第二概率的乘积作为对应的真实圆心的置信度。
第一概率和第二概率都代表了真实圆心为实际圆心的可能性，以两者的乘积作为最终的可能性，即置信度
Figure DEST_PATH_IMAGE018
。
步骤S004，基于所有真实圆心的置信度对数量阈值进行更新，计算更新后的数量阈值对应的真实圆心的置信度，再依据更新后的置信度继续更新数量阈值，直至数量阈值不再变化或者达到预设迭代次数，得到最佳阈值；在基于最佳阈值得到的真实圆心中筛选出实际圆心。
具体的步骤包括：
1、基于所有真实圆心的置信度对数量阈值进行更新，计算更新后的数量阈值对应的真实圆心的置信度，再依据更新后的置信度继续更新数量阈值，直至数量阈值不再变化或者达到预设迭代次数，得到最佳阈值。
获取当前数量阈值下置信度大于预设的置信度阈值的真实圆心的数量作为可能真实数量，当可能真实数量与所有真实圆心的数量的比值超过预设比例时，使当前数量阈值增加比值倍数作为新的数量阈值。
获取每个数量阈值下的可能真实数量的比例来评估数量阈值是否合适，然后不断更新得到最佳阈值。
在当前数量阈值T=50下已经筛选出Z个真实圆心，计算每个真实圆心的置信度Y，统计大于置信度阈值的置信度Y对应的真实圆心的数量z作为可能真实数量，计算可能真实数量与所有真实圆心数量的比值
Figure DEST_PATH_IMAGE020
，因为实际圆心只有一个，当该比值超过预设比例时，此时存在过多的真实圆心的置信度都达到了置信度阈值，说明当前的数量阈值过小，筛选出了过多的干扰圆心，需要对数量阈值进行更新，令
Figure DEST_PATH_IMAGE022
作为新的数量阈值，然后在新的数量阈值下筛选出真实圆心，计算真实圆心的置信度，再获取可能真实数量的占比，与预设比例进行对比，若占比依然大于预设比例，再次更新数量阈值，直至数量阈值不再变化或者达到预设迭代次数，此时的数量阈值即为最佳阈值。
置信度阈值、预设比例以及预设迭代次数都是根据实际情况进行预先设定的，作为一个示例，在本发明实施例中置信度阈值为0.85，预设比例为0.5，预设迭代次数为20次。
2、筛选实际圆心。
获取最佳阈值下的真实圆心组成的圆心区域，获取圆心区域的区域中心点，以与区域中心点最近的真实圆心作为实际圆心。
其中区域中心点的获取方法为：通过在圆心区域内进行像素点遍历，计算遍历的像素点到每个圆心区域边缘像素点的距离之和，当距离之和最小时，对应的像素点遍历时的位置为区域中心点。
步骤S005，根据边缘像素点与邻域像素点连线的角度判断该边缘像素点是否为缺口特征点，基于实际圆心坐标和缺口特征点坐标获取晶片的校正角度和校正距离，并对晶片进行校正，完成晶片对准。
具体的步骤包括：
1、获取缺口特征点。
以每个边缘像素点为中心，获取预设大小的邻域区域，计算邻域区域内每个边缘像素点与中心的连线，与水平直线形成的夹角，所有夹角的平均值为该中心对应的平均角度；计算每个边缘像素点的邻域区域内每两个相邻边缘像素点的平均角度的角度差异，当最小的角度差异大于预设角度阈值时，对应的边缘像素点为缺口疑似点；选取直线距离最小的两个缺口疑似点作为缺口端点，在缺口端点之间的边缘像素点中筛选出中心像素点作为缺口特征点。
由于缺口为直线和圆弧共同构成的，如图3的细节放大图所示，通过邻域内边缘像素点与中心的位置关系获取每个作为中心的边缘像素点的平均角度，然后计算每个边缘像素点邻域内其他边缘像素点的角度差异来判断边缘像素点处是否有缺口变化或者直线曲线之间的转换，当最小角度差异大于预设角度阈值时，说明在对应的边缘像素点处，边缘线条变化较大，可能是方向转换的点，记为缺口疑似点，选取直线距离最小的两个点作为缺口端点，在缺口端点之间的边缘像素点中筛选出中心像素点作为缺口特征点，表征缺口位置，以对缺口进行定位。
具体的，首先以每个边缘像素点为中心，获取预设大小的邻域区域，在本发明实施例中预设大小为3*3，计算邻域区域内每个边缘像素点与中心的连线，与水平直线形成的夹角，所有夹角的平均值为该中心对应的平均角度，记为
Figure DEST_PATH_IMAGE024
，每个边缘像素点都有对应的平均角度
Figure 231732DEST_PATH_IMAGE024
。
然后计算每个边缘像素点邻域内每两个其他边缘像素点的角度差异：对于每个边缘像素点来说，邻域区域内还有其他8个像素点，但是并不一定都是边缘像素点，将这8个像素点中的邻域像素点两两之间计算平均角度的差值绝对值作为角度差异，当边缘像素点对应的最小的角度差异大于预设角度阈值时，对应的边缘像素点为缺口疑似点，此时边缘线条变化较大，可能是方向转换的点。
作为一个示例，本发明实施例中预设角度阈值为20°，在其他实施例中预设角度阈值根据实际情况进行设定。
选取直线距离最小的两个缺口疑似点作为缺口端点，在缺口端点之间的边缘像素点中筛选出中心像素点作为缺口特征点。直线距离最小的两个缺口疑似点为靠近缺口中心的弧度段的端点，即为缺口端点，获取缺口端点之间的曲线上的中心点，即为弧度最深处的边缘像素点，作为缺口特征点来表征缺口位置。
在另一实施例中，缺口特征点也可以通过对缺口疑似点所在的边缘部分进行曲线拟合筛选出曲线极值作为缺陷特征点，如果存在多个极值，获取极值点之间的边缘曲线，并在边缘曲线上，选取最中间的边缘像素点作为缺陷特征点。
2、获取晶片的校正角度和校正距离，并对晶片进行对准。
在进行晶片对准时，是将所有晶片与预设标准角度
Figure DEST_PATH_IMAGE026
和预设标准圆心
Figure DEST_PATH_IMAGE028
进行对准的，因此要获取当前的晶片与预设标准角度之间的角度偏差作为校正角度，当前晶片的圆心与预设标准圆心之间的距离偏差作为校正距离。
根据实际圆心坐标和缺口特征点坐标获取实际圆心和缺口特征点的连线与水平直线之间的角度作为位姿角度，以预设标准角度和位姿角度的差值作为校正角度。
基于获取的实际圆心和缺口特征点，获取实际圆心在图像中的坐标
Figure DEST_PATH_IMAGE030
，缺口特征点在图像中的坐标
Figure DEST_PATH_IMAGE032
，计算当前晶圆的位姿角度
Figure DEST_PATH_IMAGE034
，校正角度
Figure DEST_PATH_IMAGE036
。通过得到的校正角度
Figure DEST_PATH_IMAGE038
将晶片进行旋转至预设标准角度，然后获取预设标准圆心坐标与实际圆心坐标之间的距离作为校正距离
Figure DEST_PATH_IMAGE040
，晶片需要平移的方向为
Figure DEST_PATH_IMAGE042
，令晶片沿着
Figure DEST_PATH_IMAGE044
方向进行平移，平移距离为校正距离D，完成晶片的对准。
综上所述，本发明实施例俯视采集半导体晶片的表面图像，并获取表面图像的灰度图像，对灰度图像进行边缘检测，得到边缘像素点；获取灰度图像的最外围边缘，在最外围边缘像素点中均匀选取多个采样点，以每个采样点作为目标点，获取目标点的两个相邻采样点，根据目标点和相邻采样点的数学关系获取目标点指向对应的备选圆心的特征方向，初步设定一个数量阈值，当备选圆心对应的特征方向的数量高于数量阈值时，该备选圆心为真实圆心；根据采样点和真实圆心之间的第一距离以及采样点和真实圆心的连线获取每个真实圆心为实际圆心的第一概率；在每个角度上获取真实圆心与最外围边缘的第二距离，依据标准晶圆半径和第二距离的差异获取每个真实圆心为实际圆心的第二概率；以第一概率和第二概率的乘积作为对应的真实圆心的置信度；基于所有真实圆心的置信度对数量阈值进行更新，计算更新后的数量阈值对应的真实圆心的置信度，再依据更新后的置信度继续更新数量阈值，直至数量阈值不再变化或者达到预设迭代次数，得到最佳阈值；在基于最佳阈值得到的真实圆心中筛选出实际圆心；根据边缘像素点与邻域像素点连线的角度判断该边缘像素点是否为缺口特征点，基于实际圆心坐标和缺口特征点坐标获取晶片的校正角度和校正距离，并对晶片进行校正，完成晶片对准。本发明实施例提高了晶片对准的精度，同时由于精度的提高，避免了重复对准，提高了对准效率。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；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，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种半导体晶片图像对准方法，其特征在于，该方法包括以下步骤：
俯视采集半导体晶片的表面图像，并获取表面图像的灰度图像，对灰度图像进行边缘检测，得到边缘像素点；
获取灰度图像的最外围边缘，在最外围边缘像素点中均匀选取多个采样点，以每个采样点作为目标点，获取目标点的两个相邻采样点，根据目标点和相邻采样点的数学关系获取目标点的特征方向，多个特征方向所在的直线产生的交点为备选圆心，初步设定一个数量阈值，当备选圆心对应的特征方向的数量高于所述数量阈值时，该备选圆心为真实圆心；
根据采样点和真实圆心之间的第一距离以及采样点和真实圆心的连线获取每个真实圆心为实际圆心的第一概率；在每个角度上获取真实圆心与最外围边缘的第二距离，依据标准晶圆半径和第二距离的差异获取每个真实圆心为实际圆心的第二概率；以第一概率和第二概率的乘积作为对应的真实圆心的置信度；
基于所有真实圆心的置信度对所述数量阈值进行更新，计算更新后的数量阈值对应的真实圆心的置信度，再依据更新后的置信度继续更新数量阈值，直至所述数量阈值不再变化或者达到预设迭代次数，得到最佳阈值；在基于最佳阈值得到的真实圆心中筛选出实际圆心；
根据边缘像素点与邻域像素点连线的角度判断该边缘像素点是否为缺口特征点，基于实际圆心坐标和缺口特征点坐标获取晶片的校正角度和校正距离，并对晶片进行校正，完成晶片对准；
所述第一概率的获取方法为：
对于每个真实圆心，由每个采样点和真实圆心确定一条直线，获取该直线与所述最外围边缘的交点，以及真实圆心和交点之间的延伸距离，计算第一距离和延伸距离的差值绝对值，以所有采样点对应的差值绝对值的和作为预设值的负指数，得到的指数函数的结果为对应的真实圆心的所述第一概率；
所述第二概率的获取方法为：
在每个角度上获取标准晶圆半径和第二距离的差值绝对值的倒数，对所有角度上的倒数求和，然后对求和结果进行归一化，归一化结果即为所述第二概率；所述角度为0到360度。
2.根据权利要求1所述的一种半导体晶片图像对准方法，其特征在于，所述特征方向的获取方法为：
连接所述相邻采样点形成一条直线，过所述目标点作该直线的垂线，从所述目标点到垂线在该直线上的交点的方向为该目标点的所述特征方向。
3.根据权利要求1所述的一种半导体晶片图像对准方法，其特征在于，所述基于所有真实圆心的置信度对所述数量阈值进行更新，包括：
获取当前数量阈值下置信度大于预设的置信度阈值的真实圆心的数量作为可能真实数量，当可能真实数量与所有真实圆心的数量的比值超过预设比例时，使当前数量阈值增加所述比值倍数作为新的数量阈值。
4.根据权利要求1所述的一种半导体晶片图像对准方法，其特征在于，所述实际圆心的筛选方法为：
获取最佳阈值下的真实圆心组成的圆心区域，获取圆心区域的区域中心点，以与区域中心点最近的真实圆心作为所述实际圆心。
5.根据权利要求4所述的一种半导体晶片图像对准方法，其特征在于，所述区域中心点的获取方法为：
通过在所述圆心区域内进行像素点遍历，计算遍历的像素点到每个圆心区域边缘像素点的距离之和，当所述距离之和最小时，对应的像素点遍历时的位置为所述区域中心点。
6.根据权利要求1所述的一种半导体晶片图像对准方法，其特征在于，所述缺口特征点的判断步骤包括：
以每个边缘像素点为中心，获取预设大小的邻域区域，计算邻域区域内每个边缘像素点与中心的连线与水平直线形成的夹角，所有夹角的平均值为该中心对应的平均角度；
计算每个边缘像素点的邻域区域内每两个相邻边缘像素点的平均角度的角度差异，当最小的角度差异大于预设角度阈值时，对应的边缘像素点为缺口疑似点；
选取直线距离最小的两个缺口疑似点作为缺口端点，在缺口端点之间的边缘像素点中筛选出中心像素点作为缺口特征点。
7.根据权利要求1所述的一种半导体晶片图像对准方法，其特征在于，所述校正角度的获取方法为：
根据实际圆心坐标和缺口特征点坐标获取实际圆心和缺口特征点的连线与水平直线之间的角度作为位姿角度，以预设标准角度和所述位姿角度的差值作为所述校正角度。
8.根据权利要求1所述的一种半导体晶片图像对准方法，其特征在于，所述校正距离的获取方法为：
获取预设标准圆心坐标与所述实际圆心坐标之间的距离作为所述校正距离。
CN202210941014.8A 2022-08-08 2022-08-08 一种半导体晶片图像对准方法 Active CN115018834B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210941014.8A CN115018834B (zh) 2022-08-08 2022-08-08 一种半导体晶片图像对准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210941014.8A CN115018834B (zh) 2022-08-08 2022-08-08 一种半导体晶片图像对准方法

Publications (2)

Publication Number Publication Date
CN115018834A CN115018834A (zh) 2022-09-06
CN115018834B true CN115018834B (zh) 2022-10-25

Family

ID=83065868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210941014.8A Active CN115018834B (zh) 2022-08-08 2022-08-08 一种半导体晶片图像对准方法

Country Status (1)

Country Link
CN (1) CN115018834B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311281B (zh) * 2022-10-12 2023-11-24 深圳市芯盛长盈科技有限公司 一种晶片圆心校正方法
CN115355822B (zh) * 2022-10-19 2023-01-17 成都新西旺自动化科技有限公司 一种异形对位计算方法及系统
CN116523831B (zh) * 2023-03-13 2023-09-19 深圳市柯达科电子科技有限公司 一种曲面背光源的组装成型工艺控制方法
CN116228758B (zh) * 2023-05-08 2023-07-07 深圳市前海誉卓科技有限公司 一种用于偏光片生产的内部气泡检测方法
CN116864411B (zh) * 2023-09-04 2023-11-10 泓浒(苏州)半导体科技有限公司 一种晶圆传送过程中定位及校准的方法及装置

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11219894A (ja) * 1997-11-26 1999-08-10 Ushio Inc ウエハ周辺露光装置
JP2005108206A (ja) * 2003-09-09 2005-04-21 Fuji Photo Film Co Ltd 円中心位置検出方法および装置並びにプログラム
CN101996398A (zh) * 2009-08-12 2011-03-30 睿励科学仪器（上海）有限公司 用于晶圆对准的图像匹配方法及设备
CN102543808A (zh) * 2010-12-29 2012-07-04 沈阳新松机器人自动化股份有限公司 晶圆预对准方法
CN103107121A (zh) * 2013-01-30 2013-05-15 福建省威诺数控有限公司 一种基于视觉的晶圆角度偏差自动校正方法
CN103604812A (zh) * 2013-10-23 2014-02-26 上海华力微电子有限公司 一种晶片宏观缺陷多点定位方法
CN107768294A (zh) * 2017-11-01 2018-03-06 成都吱吖科技有限公司 晶圆预对准系统定位方法、定位装置及定位电路系统
CN107810519A (zh) * 2015-06-30 2018-03-16 皇家飞利浦有限公司 用于配准图像的配准装置
CN111724326A (zh) * 2020-06-28 2020-09-29 深圳市慧鲤科技有限公司 图像处理方法及装置、电子设备及存储介质
CN111880848A (zh) * 2020-07-15 2020-11-03 深圳市筑泰防务智能科技有限公司 一种操作系统的切换方法、装置、终端以及可读存储介质
WO2021190512A1 (zh) * 2020-03-23 2021-09-30 长鑫存储技术有限公司 晶圆边缘曝光方法、晶圆边缘曝光装置及掩膜板
CN113689428A (zh) * 2021-10-25 2021-11-23 江苏南通元辰钢结构制造有限公司 基于图像处理的机械零件应力腐蚀检测方法及系统
TW202203153A (zh) * 2020-07-07 2022-01-16 大陸商上海商湯智能科技有限公司 圖像處理方法、電子設備和電腦可讀儲存介質
CN114068376A (zh) * 2020-08-05 2022-02-18 大族激光科技产业集团股份有限公司 晶圆预对准方法、晶圆预对准系统和存储介质
CN114549599A (zh) * 2022-01-13 2022-05-27 中国电子科技集团公司第十三研究所 晶圆快速预对准方法、装置、电子设备及存储介质
CN114612550A (zh) * 2022-03-02 2022-06-10 深圳汇控智能技术有限公司 一种基于多级优化的圆拟合算法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8696405B2 (en) * 2010-03-12 2014-04-15 Wayne O. Duescher Pivot-balanced floating platen lapping machine
US8447139B2 (en) * 2010-04-13 2013-05-21 International Business Machines Corporation Object recognition using Haar features and histograms of oriented gradients
CN114723701B (zh) * 2022-03-31 2023-04-18 厦门力和行自动化有限公司 基于计算机视觉的齿轮缺陷检测方法和系统
CN114842017B (zh) * 2022-07-06 2022-09-27 济宁市海富电子科技有限公司 一种hdmi线缆表面质量检测方法及系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11219894A (ja) * 1997-11-26 1999-08-10 Ushio Inc ウエハ周辺露光装置
JP2005108206A (ja) * 2003-09-09 2005-04-21 Fuji Photo Film Co Ltd 円中心位置検出方法および装置並びにプログラム
CN101996398A (zh) * 2009-08-12 2011-03-30 睿励科学仪器（上海）有限公司 用于晶圆对准的图像匹配方法及设备
CN102543808A (zh) * 2010-12-29 2012-07-04 沈阳新松机器人自动化股份有限公司 晶圆预对准方法
CN103107121A (zh) * 2013-01-30 2013-05-15 福建省威诺数控有限公司 一种基于视觉的晶圆角度偏差自动校正方法
CN103604812A (zh) * 2013-10-23 2014-02-26 上海华力微电子有限公司 一种晶片宏观缺陷多点定位方法
CN107810519A (zh) * 2015-06-30 2018-03-16 皇家飞利浦有限公司 用于配准图像的配准装置
CN107768294A (zh) * 2017-11-01 2018-03-06 成都吱吖科技有限公司 晶圆预对准系统定位方法、定位装置及定位电路系统
WO2021190512A1 (zh) * 2020-03-23 2021-09-30 长鑫存储技术有限公司 晶圆边缘曝光方法、晶圆边缘曝光装置及掩膜板
CN111724326A (zh) * 2020-06-28 2020-09-29 深圳市慧鲤科技有限公司 图像处理方法及装置、电子设备及存储介质
TW202203153A (zh) * 2020-07-07 2022-01-16 大陸商上海商湯智能科技有限公司 圖像處理方法、電子設備和電腦可讀儲存介質
CN111880848A (zh) * 2020-07-15 2020-11-03 深圳市筑泰防务智能科技有限公司 一种操作系统的切换方法、装置、终端以及可读存储介质
CN114068376A (zh) * 2020-08-05 2022-02-18 大族激光科技产业集团股份有限公司 晶圆预对准方法、晶圆预对准系统和存储介质
CN113689428A (zh) * 2021-10-25 2021-11-23 江苏南通元辰钢结构制造有限公司 基于图像处理的机械零件应力腐蚀检测方法及系统
CN114549599A (zh) * 2022-01-13 2022-05-27 中国电子科技集团公司第十三研究所 晶圆快速预对准方法、装置、电子设备及存储介质
CN114612550A (zh) * 2022-03-02 2022-06-10 深圳汇控智能技术有限公司 一种基于多级优化的圆拟合算法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Design and Experiment of the Wafer Pre-alignment System;Qu Dongsheng 等;《Proceedings of the 2007 IEEE International Conference on Mechatronics and Automation》;20070924;第1483-1488页 *
HSS圆锯片锯齿参数自动检测装置及算法研究;李芹 等;《机电工程》;20220131;第39卷(第1期);第107-111页 *
基于机器视觉的环状工件快速检测系统研究;李晨曦;《中国优秀硕士学位论文全文数据库》;20210915;第2021年卷(第9期);第C030-1页 *
晶圆预对准精确定位算法;黄春霞 等;《万方数据》;20070903;第709-713页 *

Also Published As

Publication number Publication date
CN115018834A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN115018834B (zh) 一种半导体晶片图像对准方法
WO2021138990A1 (zh) 一种棋盘格亚像素级角点自适应检测的方法
CN115049653A (zh) 基于计算机视觉的集成电路板质量检测系统
US5825913A (en) System for finding the orientation of a wafer
CN111106055B (zh) 一种晶圆位置确定方法
CN116402808B (zh) 一种电缆夹板模具制造智能化检测方法
US6240208B1 (en) Method for automatic visual identification of a reference site in an image
CN115330767B (zh) 一种腐蚀箔生产异常识别方法
US20190266752A1 (en) Method for identification of characteristic points of a calibration pattern within a set of candidate points derived from an image of the calibration pattern
CN116228758B (zh) 一种用于偏光片生产的内部气泡检测方法
CN114494045A (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
CN112017223A (zh) 基于改进SIFT-Delaunay的异源图像配准方法
CN116612306B (zh) 基于计算机视觉的法兰盘智能对位方法及系统
CN115290663A (zh) 基于光学检测的Mini LED晶圆外观缺陷检测方法
CN112861870A (zh) 指针式仪表图像矫正方法、系统及存储介质
CN112329880A (zh) 一种基于相似性度量和几何特征的模板快速匹配方法
CN103714550A (zh) 一种基于匹配曲线特征评估的图像配准自动优化算法
Liu et al. A novel subpixel industrial chip detection method based on the dual-edge model for surface mount equipment
CN116977333B (zh) 基于图像数据的装配式钢结构构件质量检测方法
CN108520533B (zh) 一种面向工件定位的多维度特征配准方法
CN117437238A (zh) 一种封装ic表面缺陷视觉检测方法
CN110349169B (zh) 一种直线测量方法
CN111815580B (zh) 一种图像边缘识别方法及小模数齿轮模数检测方法
CN116385440B (zh) 一种弧形刀片视觉检测方法
CN116934744A (zh) 基于机器视觉的mosfet蚀刻缺陷检测方法

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
GR01 Patent grant
GR01 Patent grant