CN115423756A - 一种获取晶圆边缘点的信息及晶圆定位的方法 - Google Patents
一种获取晶圆边缘点的信息及晶圆定位的方法 Download PDFInfo
- Publication number
- CN115423756A CN115423756A CN202210958537.3A CN202210958537A CN115423756A CN 115423756 A CN115423756 A CN 115423756A CN 202210958537 A CN202210958537 A CN 202210958537A CN 115423756 A CN115423756 A CN 115423756A
- Authority
- CN
- China
- Prior art keywords
- wafer
- points
- image
- analysis curve
- information
- 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)
- Image Analysis (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明涉及一种获取晶圆边缘点的信息及晶圆定位的方法,该获取晶圆边缘点的信息的方法包括:获取晶圆边缘点的图像;获取图像的像素分析曲线;确认像素分析曲线的异常点,异常点对应于图像中非晶圆边缘点的像点;基于剔除异常点后的像素分析曲线,提取晶圆边缘点的信息;晶圆边缘点的信息包括晶圆边缘点至少一个方向的坐标信息,坐标信息为图像行坐标或图像列坐标;能够剔除图像中异常点影响,提高了在复杂工况条件下获取图像的边缘的精度,具有更好的抗干扰能力;实现了在复杂工况条件/强干扰条件下的精确定位。
Description
技术领域
本发明涉及半导体量测技术领域,尤其涉及一种获取晶圆边缘点的信息 及晶圆定位的方法。
背景技术
晶圆的定心定向是集成电路制造和检测领域中重要的环节。由于集成电 路的缺陷检测、尺寸测量等需要在特定位置进行测量,需要保证该位置出现 在测量设备的FOV(Field of View,视野)中,因此需要对晶圆进行定位。 具体来说,是通过一定的方法,测量得到晶圆的圆心和缺口的位置,然后计 算晶圆相对机台的旋转角,即可得到晶圆与机台的坐标转换关系。即晶圆定 位包含晶圆圆心定位和缺口定位两个步骤。
晶圆定心定向的精度,直接由提取边缘信息的精度决定。晶圆的圆心位 置可通过采集晶圆边缘点多个位置(3个以上)的图片,分别提取采集的图 片中的边缘位置信息来确定。晶圆的缺口位置可以通过采集晶圆缺口处的图 片,提取缺口底部的边缘位置信息来确定。
目前半导体量测设备上,定心定向过程中的采集的图片会受到诸多因素 的干扰,比如硅片边缘工艺缺陷、边缘强光斑等,这会严重影响到定心定向 的精度。
发明内容
本发明针对现有技术中存在的技术问题,提供一种获取晶圆边缘点的信 息及晶圆定位的方法,用于解决晶圆定心定向过程中的采集的图片受到诸多 因素的干扰的问题。
根据本发明的第一方面,提供了一种获取晶圆边缘点的信息的方法,包 括:步骤1,获取所述晶圆边缘点的图像;
步骤2,获取所述图像的像素分析曲线;
步骤3,确认所述像素分析曲线的异常点,所述异常点对应于所述图像 中非晶圆边缘点的像点;
步骤4,基于剔除所述异常点后的所述像素分析曲线,提取所述晶圆边 缘点的信息;
所述晶圆边缘点的信息包括晶圆边缘点至少一个方向的坐标信息,所述 坐标信息为所述图像行坐标或所述图像列坐标。
在上述技术方案的基础上,本发明还可以作出如下改进。
可选的,所述获取所述图像的像素分析曲线,包括:
分别获取所述图像每列像素点的像素之和,建立所述像素之和与相应列 像素点对应于所述图像行方向位置的关系曲线,并记为第一像素分析曲线; 或者,
分别获取所述图像每行像素点的像素之和,建立所述像素之和与相应行 像素点对应于所述图像列方向位置的关系曲线,并记为第一像素分析曲线。
可选的,所述确认所述像素分析曲线的异常点,包括:
获取所述第一像素分析曲线的第一拟合函数;
计算所述第一像素分析曲线中每个数据点的均方误差(MSE)或者均方 根误差(RMSE),均方误差(MSE)或者均方根误差(RMSE)值大于第一阈值 的数据点记为所述异常点,所述第一拟合函数为p1(x)=a1x2+b1x+c1,或 者,a1、b1和c1为系数,a2、b2、c2和d2为系数,x为 所述像素分析曲线上数据点对应的坐标信息。
可选的,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶 圆边缘点的信息,包括:
对剔除异常点后的所述第一像素分析曲线采用二次函数拟合得到第一 拟合曲线,所述二次函数为p3(x)=a3x2+b3x+c3,x为所述第一像素分析 曲线上数据点对应的坐标信息,a3、b3和c3为系数,所述第一拟合曲线顶点 对应的坐标信息为所述晶圆边缘点的信息。
可选的,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶 圆边缘点的信息,包括:
可选的,所述获取所述图像的像素分析曲线,包括:
获取所述图像相邻像素点的像素值之差,基于所述像素值之差提取所述 图像中轮廓特征点对应的像素点,所述轮廓特征点对应的像素点构成轮廓线 族,并记为第二像素分析曲线。
可选的,所述确认所述像素分析曲线的异常点,包括:
筛选所述第二像素分析曲线中的闭合轮廓线,所述闭合轮廓线上所有数 据点记为所述异常点;和/或,
筛选所述第二像素分析曲线中的非闭合轮廓线,获取所述非闭合轮廓线 的第二拟合函数;
计算所述非闭合轮廓线中每个数据点的均方误差(MSE)或者均方根误 差(RMSE),均方误差(MSE)或者均方根误差(RMSE)值大于第二阈值的数 据点记为所述异常点,所述第二拟合函数为p5(x)=a5x2+b5x+c5,或者, p6(x)=a6x+b6,a5、b5和c5为系数,a6和b6为系数,x为所述非闭合轮廓 线上数据点的行坐标,p5(x)、p6(x)为所述非闭合轮廓线上数据点的列坐标。
可选的,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶 圆边缘点的信息,包括:
对剔除异常点后的所述第二像素分析曲线采用二次函数拟合得到第二 拟合曲线,所述二次函数为p7(x)=a7x2+b7x+c7,x为所述第二像素分析 曲线上数据点的行坐标,p7(x)为所述第二像素分析曲线上数据点的列坐标, a7、b7和c7为系数,所述拟合曲线的顶点的坐标为晶圆边缘点的信息。
可选的,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶 圆边缘点的信息,包括:
对剔除异常点后的所述第二像素分析曲线采用一次函数拟合得到第二 拟合曲线,所述一次函数为p8(x)=a8x+b8,x为所述第二像素分析曲线上 数据点的行坐标,p8(x)为所述第二像素分析曲线上数据点的列坐标,a8和b8为系数,p8(x)=b8为晶圆边缘点的信息。
可选的,所述步骤1中获取所述图像之后还包括:对所述图像进行二值 化处理。
根据本发明的第二方面,提供一种晶圆定位的方法,包括:获取至少三 个不同位置的晶圆圆周边缘点的图像,采用上述第一方面所述的获取晶圆边 缘点的信息的方法,获取所述至少三个不同位置的晶圆圆周边缘点的信息;
获取晶圆缺口边缘点的图像,采用上述第一方面所述的获取晶圆边缘点 的信息的方法,获取所述晶圆缺口边缘点的信息;
基于所述至少三个不同位置的晶圆圆周边缘点的信息,获取晶圆圆心的 位置;
基于所述晶圆缺口边缘点的信息和所述晶圆圆心的位置完成晶圆定位。
本发明提供的一种获取晶圆边缘点的信息及晶圆定位的方法,首先根据 晶圆边缘的光学图像的像素值信息或者轮廓线信息进行异常点的判断,在判 断存在异常点时删除该异常点后,再进行晶圆边缘特征提取;晶圆边缘特征 提取根据晶圆边缘的光学图像的像素值信息或者轮廓线信息进行曲线拟合 得到,这种新的边缘提取方法,能够剔除图像中异常点影响,提高了在复杂 工况条件下获取图像的边缘的精度,具有更好的抗干扰能力,实现了在复杂 工况条件/强干扰条件下的精确定位。
附图说明
图1为本发明提供的一种获取晶圆边缘点的信息的方法的一个实施例的 流程图;
图2-1为本发明提供的一种晶圆边缘点的光学图像的第一实施例的示意 图;
图2-2为本发明实施例提供的图2-1中晶圆边缘点的光学图像进行二值 化处理后的示意图;
图2-3为本发明实施例提供的基于图2-2二值化处理后的晶圆边缘点的 光学图像得到的第一像素分析曲线的示意图;
图3-1为本发明提供的一种晶圆边缘点的光学图像的第二实施例的示意 图;
图3-2为本发明实施例提供的图3-1中晶圆边缘点的光学图像进行二值 化处理后的示意图;
图3-3为本发明实施例提供的基于图3-2二值化处理后的晶圆边缘点的 光学图像得到的第一像素分析曲线的示意图;
图3-4为本发明实施例提供的对图3-3中的第一像素分析曲线进行异常 点剔除后得到的曲线的示意图;
图4-1为本发明提供的一种晶圆边缘点的光学图像的第三实施例的示意 图;
图4-2为本发明实施例提供的图4-1中晶圆边缘点的光学图像进行二值 化处理后的示意图;
图4-3为本发明实施例提供的基于图4-2二值化处理后的晶圆边缘点的 光学图像得到的第一像素分析曲线及处理后曲线的实施例的示意图;
图5-1所示为本发明提供的一种晶圆边缘点的光学图像的第四实施例的 示意图;
图5-2为本发明实施例提供的图5-1中晶圆边缘点的光学图像进行二值 化处理后的示意图;
图5-3为本发明实施例提供的基于图5-2二值化处理后的晶圆边缘点的 光学图像提取得到的第二像素分析曲线的示意图;
图6为本发明实施例提供的判断轮廓线是否闭合的方法的流程图;
图7为本发明实施例提供的轮廓线提取示意图;
图8-1为本发明提供的一种晶圆边缘点的光学图像的第五实施例的示意 图;
图8-2为本发明实施例提供的图8-1中晶圆边缘点的光学图像进行二值 化处理后的示意图;
图8-3为本发明实施例提供的基于图8-2二值化处理后的晶圆边缘点的 光学图像提取得到的第二像素分析曲线的示意图;
图8-4为本发明实施例提供的对图8-3中的第二像素分析曲线剔除异常 点后,拟合得到的曲线的示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本 发明,并非用于限定本发明的范围。
图1为本发明实施例提供的一种获取晶圆边缘点的信息的流程图,如图 1所示,获取晶圆边缘点的信息的方法的实施例包括:
步骤1,获取晶圆边缘点的图像。
步骤2,获取图像的像素分析曲线。
步骤3,确认像素分析曲线的异常点,异常点对应于图像中非晶圆边缘 点的像点。
步骤4,基于剔除异常点后的像素分析曲线,提取晶圆边缘点的信息。
晶圆边缘点的信息包括晶圆边缘点至少一个方向的坐标信息,坐标信息 为图像行坐标或图像列坐标。
量测系统其他部件的入射光打在晶圆边缘点可能会导致光学图像产生 噪声点亮斑,这种噪声点亮斑即为待剔除的异常点。在获取晶圆边缘点的信 息之前先判断是否有异常点,没有的话则直接计算晶圆边缘点特征,有的话 则需要剔除该异常点后再进行晶圆边缘点特征的计算。
本发明提供的一种获取晶圆边缘点的信息的方法,能够剔除图像中异常 点(噪声点)影响,提高了在复杂工况条件下获取图像的边缘的精度,具有 更好的抗干扰能力;实现了在复杂工况条件/强干扰条件下的精确定位,本 发明的方案普适性更好,多种工况条件下均实现高精度定位。
实施例1
本发明提供的实施例1为本发明提供的一种获取晶圆边缘点的信息的方 法的第一实施例,结合图1可知,该获取晶圆边缘点的信息的方法的第一实 施例包括:
调整运动台,将晶圆缺口(notch)的位置调整至CCD下方。
调整面阵相机的曝光时间,一般提高到正常状态的100倍左右。
获取晶圆边缘点的图像。
在一种可能的实施例中,该图像为光学图像,获取该光学图像后还包括: 对该光学图像进行二值化处理。
图像二值化是指根据阈值将图像上的像素点的灰度值设置为0或者255, 也就是将整个图像呈现出明显的黑白效果的过程。阈值是在图像分割时作为 区分物体与背景像素的像素值,大于或等于阈值的像素属于物体,而其他像 素属于背景。阈值化是指输入图像g到输出图像G的如下变化:
T为阈值,可以根据需要设定合适的值,g(x,y)为(x,y)处的像素值。
本发明提供的实施例中,针对晶圆边缘点的光学图像,一般情况下光学 图像中包含白色区域的晶圆和黑色区域的运动台外围,黑白交界的圆弧就是 硅片的晶圆边缘点,该阈值T可以根据光学图像的特点按照经验设置。对光 学图像进行二值化处理的目的是让晶圆缺口轮廓更加清晰。
如图2-1所示为本发明提供的一种晶圆边缘点的光学图像的第一实施例 的示意图,对图2-1中采集的光学图像进行二值化处理得到图2-2,图2-2 为图2-1中晶圆边缘点的光学图像进行二值化处理后的示意图。图2-1和2-2 中白色区域为晶圆,黑色区域是运动台外围(无实物),黑白交界处就是晶 圆边缘轮廓,需要定位圆弧的最低点。
获取图像的第一像素分析曲线。
在一种可能的实施例方式中,本实施例中获取图像的像素分析曲线为第 一像素分析曲线,其获取方法包括:
分别获取图像每列像素点的像素之和,建立像素之和与相应列像素点对 应于图像行方向位置的关系曲线,并记为第一像素分析曲线。
如图2-3所示为基于图2-2二值化处理后的晶圆边缘点的光学图像得到 的第一像素分析曲线的实施例的示意图,图2-3中坐标原点对应于图2-1左 上角。二值化处理是非必要步骤,也可以基于图2-1得到第一像素分析曲线。
确认像素分析曲线的异常点,异常点对应于图像中非晶圆边缘点的像点。 基于剔除异常点后的像素分析曲线,提取晶圆边缘点的信息。该晶圆边缘点 的信息包括晶圆边缘点至少一个方向的坐标信息,坐标信息为图像行坐标或 图像列坐标。
本发明提供的实施例1直接基于第一像素分析曲线,提取晶圆边缘点的 信息。在一种可能的实施例方式中,基于第一像素分析曲线,提取晶圆边缘 点的信息的过程包括:
对第一像素分析曲线进行拟合得到拟合函数p0(x),该拟合函数p0(x)的 顶点的横坐标为晶圆缺口在光学图像中的横坐标。
具体实施中,拟合方式可以为多项式拟合得到二次曲线,该第一像素分 析曲线的函数为:p0(x)=a0x2+b0x+c0,得到拟合函数p0(x)的二次项系数a0、 一次项系数b0以及常数项c0后,x为第一像素分析曲线上数据点对应的坐标 信息,第一像素分析曲线的顶点坐标其中即为晶 圆缺口在光学图像中的横坐标。
实施例2
本发明提供的实施例2为本发明提供的一种获取晶圆边缘点的信息的方 法的第二实施例,结合图1可知,该获取晶圆边缘点的信息的方法的第二实 施例包括:
调整运动台,将晶圆缺口(notch)的位置调整至CCD下方。
调整面阵相机的曝光时间,一般提高到正常状态的100倍左右。
获取晶圆边缘点的图像。
在一种可能的实施例中,该图像为光学图像,获取该光学图像后还包括: 对该光学图像进行二值化处理。
如图3-1所示为本发明提供的一种晶圆边缘点的光学图像的第二实施例 的示意图,对图3-1中采集的光学图像进行二值化处理得到图3-2,图3-2 为图3-1中晶圆边缘点的光学图像进行二值化处理后的示意图。图3-1和3-2 中白色区域为晶圆,黑色区域是运动台外围(无实物),黑色区域内的白色 亮斑是系统其他部件的入射光打在晶圆边缘点造成的亮斑。
获取图像的第一像素分析曲线。
在一种可能的实施例方式中,获取第一像素分析曲线的方法包括:
分别获取图像每列像素点的像素之和,建立像素之和与相应列像素点对 应于图像行方向位置的关系曲线,并记为第一像素分析曲线。
如图3-3所示为基于图3-2二值化处理后的晶圆边缘点的光学图像得到 的第一像素分析曲线的实施例的示意图。图3-3中坐标原点对应于图3-1左 上角。同样的,二值化处理是非必要步骤,也可以基于图3-1得到第一像素 分析曲线。
确认像素分析曲线的异常点,该异常点对应于图像中非晶圆边缘点的像 点,对应于白色亮斑。
在一种可能的实施例方式中,确认像素分析曲线的异常点的过程包括:
获取第一像素分析曲线的第一拟合函数p1(x)。
计算第一像素分析曲线中每个数据点的均方误差(MSE)或者均方根误 差(RMSE),均方误差(MSE)或者均方根误差(RMSE)值大于第一阈值的数 据点记为异常点。
具体实施中,拟合方式可以为多项式拟合得到二次曲线,该第一拟合函 数可以为:p1(x)=a1x2+b1x+c1,x为像素分析曲线上数据点对应的坐标信息, 得到拟合函数p1(x)的二次项系数a1、一次项系数b1以及常数项c1后,计算第 一像素分析曲线中每个数据点的均方误差(MSE)或者均方根误差(RMSE) 值。设定第一阈值m0,将均方误差(MSE)或者均方根误差(RMSE)值大 于该第一阈值m0的原始数据剔除,即为异常点剔除;如图3-4所示为对图3-3 中的第一像素分析曲线进行异常点剔除后的曲线的实施例的示意图。
基于剔除异常点后的像素分析曲线,提取晶圆边缘点的信息。该晶圆边 缘点的信息包括晶圆边缘点至少一个方向的坐标信息,坐标信息为图像行坐 标或图像列坐标。
在一种可能的实施例方式中,基于剔除异常点后的像素分析曲线,提取 晶圆边缘点的信息的过程包括:
对剔除异常点后的第一像素分析曲线,即图3-4所示的曲线,采用二次 函数拟合得到第一拟合曲线,二次函数为p3(x)=a3x2+b3x+c3,x为第一 像素分析曲线上数据点对应的坐标信息,a3、b3和c3为系数,第一拟合曲线 顶点对应的坐标信息为晶圆边缘点的信息。
实施例3
本发明提供的实施例3为本发明提供的一种获取晶圆边缘点的信息的方 法的第三实施例,结合图1可知,该获取晶圆边缘点的信息的方法的第三实 施例包括:
调整运动台,将晶圆圆周的边缘置调整至CCD下方。
调整面阵相机的曝光时间,一般提高到正常状态的100倍左右。
获取晶圆边缘点的图像。
在一种可能的实施例中,该图像为光学图像,获取该光学图像后还包括: 对该光学图像进行二值化处理。
如图4-1所示为本发明提供的一种晶圆边缘点的光学图像的第三实施例 的示意图,对图4-1中采集的光学图像进行二值化处理得到图4-2,图4-2 为图4-1中晶圆边缘点的光学图像进行二值化处理后的示意图。图4-1和4-2 中白色区域为晶圆,黑色区域是运动台外围(无实物),黑白交界处就是晶 圆边缘轮廓,需要定位的是边缘位置在图中y方向的位置。
获取图像的第一像素分析曲线。
在一种可能的实施例方式中,获取第一像素分析曲线的方法包括:
分别获取图像每行像素点的像素之和,建立像素之和与相应行像素点对 应于图像列方向位置的关系曲线,并记为第一像素分析曲线。
如图4-3所示为基于图4-2二值化处理后的晶圆边缘点的光学图像得到 的第一像素分析曲线及处理后的曲线的实施例的示意图,图4-3中非平滑曲 线为第一像素分析曲线,图4-3中坐标原点对应于图4-1左上角。二值化处 理是非必要步骤,也可以基于图4-1得到第一像素分析曲线。
确认像素分析曲线的异常点,该异常点对应于图像中非晶圆边缘点的像 点,异常点对应于图4-1中的晶圆边缘附近的杂散像点。
在一种可能的实施例方式中,确认像素分析曲线的异常点的过程包括:
获取第一像素分析曲线的第一拟合函数p2(x),x为像素分析曲线上数据 点对应的坐标信息。
计算第一像素分析曲线中每个数据点的均方误差(MSE)或者均方根误 差(RMSE),均方误差(MSE)或者均方根误差(RMSE)值大于第一阈值的数 据点记为异常点。
具体实施中,采用阶跃函数拟合得到第一像素分析曲线的拟合函数 p2(x),计算第一像素分析曲线中每个数据点的均方误差(MSE)或者均方根 误差(RMSE),将均方误差(MSE)或者均方根误差(RMSE)值大于第一阈值 的数据点剔除,如图4-3中虚线框中的数据点为异常点。
具体实施中,选用sigmoid函数(阶跃函数)或S函数对该第一像素分 析曲线进行拟合,拟合函数为:得到拟合函数p2(x)的 各个系数a2、b2、c2和d2,计算第一像素分析曲线中每个数据点的均方误差 (MSE)或者均方根误差(RMSE),剔除均方误差(MSE)或者均方根误 差(RMSE)值大于第一阈值的数据点。
基于剔除异常点后的像素分析曲线,提取晶圆边缘点的信息。该晶圆边 缘点的信息包括晶圆边缘点至少一个方向的坐标信息,坐标信息为图像行坐 标或图像列坐标。
在一种可能的实施例中,基于剔除异常点后的像素分析曲线,提取晶圆 边缘点的信息的过程包括:
对剔除异常点后的第一像素分析曲线采用阶跃函数拟合得到第一拟合 曲线,第一拟合曲线为图4-3中的平滑曲线,阶跃函数为 x为第一像素分析曲线上数据点对应的坐标信息,a4、b4、c4和d4为系数, x=b4为晶圆边缘点的信息,具体的,b4为剔除光斑引起的干扰后的晶圆圆 周边缘在光学图像中的纵坐标。
实施例4
本发明提供的实施例4为本发明提供的一种获取晶圆边缘点的信息的方 法的第四实施例,结合图1可知,该获取晶圆边缘点的信息的方法的第四实 施例包括:
调整运动台,将晶圆缺口(notch)的位置调整至CCD下方。
调整面阵相机的曝光时间,一般提高到正常状态的100倍左右。
获取晶圆边缘点的图像。
在一种可能的实施例中,该图像为光学图像,获取该光学图像后还包括: 对该光学图像进行二值化处理。
如图5-1所示为本发明提供的一种晶圆边缘点的光学图像的第四实施例 的示意图,对图5-1中采集的光学图像进行二值化处理得到图5-2,图5-2 为图5-1中晶圆边缘点的光学图像进行二值化处理后的示意图。图5-1和5-2 中白色区域为晶圆,黑色区域是运动台外围(无实物),黑色区域内的白色 亮斑是系统其他部件的入射光打在晶圆边缘点造成的亮斑。
获取图像的第二像素分析曲线。
在一种可能的实施例中,获取第二像素分析曲线的方法包括:
获取图像相邻像素点的像素值之差,基于像素值之差提取图像中轮廓特 征点对应的像素点,轮廓特征点对应的像素点构成轮廓线族,并记为第二像 素分析曲线。
如图5-3所示为本发明实施例提供的基于图5-2二值化处理后的晶圆边 缘点的光学图像提取得到的第二像素分析曲线的示意图。图5-3给出的实施 例中提取出2个轮廓线,实线曲线为晶圆缺口的轮廓线,虚线曲线为光斑的 轮廓线。图5-3中坐标原点对应于图5-1左上角。同样的,二值化处理是非 必要步骤,也可以基于图5-1的光学图像得到第二像素分析曲线。
具体实施中,如果轮廓线是闭合轮廓线则认为是光斑的轮廓线,如果是 非闭合轮廓线则认为是晶圆缺口的轮廓线。
在一种可能的实施例方式中,筛选第二像素分析曲线中的闭合轮廓线或 非闭合轮廓线的方法包括:轮廓线包括不相连的外轮廓线和内轮廓线时,判 定轮廓线为闭合轮廓线;轮廓线为单个轮廓线时,判定轮廓线为非闭合轮廓 线。
具体的,如图6所示为本发明实施例提供的判断轮廓线是否闭合的方法 的流程图,根据是否有子轮廓进行判断,即轮廓线数目为1时判定为非闭合 轮廓线,轮廓线数目为2时判定为闭合轮廓线。图7为本发明实施例提供的 轮廓线提取并判断轮廓线数目的一个示意图,结合图6和图7中,图7中的 图像1对其提取轮廓得到该轮廓的外轮廓和内轮廓,总共轮廓数目是2。图 7中的图像2对其提取轮廓得到单个轮廓线,轮廓数目是1。
轮廓线为闭合轮廓线时,将闭合轮廓线对应的点剔除。
轮廓线为非闭合轮廓线时,对非闭合轮廓线进行拟合得到拟合函数 p5(x),计算拟合函数p5(x)中每个数据点的均方误差(MSE)或者均方根误差 (RMSE)值,将均方误差(MSE)或者均方根误差(RMSE)值大于设定的第 二阈值的数据点剔除。
具体实施中,以图5-3中第二像素分析曲线为例,虚线曲线上的数据点 即为异常点;选取非闭合的轮廓(实线曲线)作为晶圆缺口的轮廓,拟合方 式可以为二次多项式函数的拟合,该非闭合轮廓线的拟合函数为: p5(x)=a5x2+b5x+c5,得到拟合函数p5(x)的二次项系数a5、一次项系数 b5以及常数项c5后,非闭合轮廓线的拟合曲线的顶点坐标为其中即为剔除光斑引起的干扰后的晶圆缺口顶点在光学图像中的横坐 标。
此外,该实施例中的光学图像为晶圆缺口边缘的图像,若光学图像为晶 圆圆周边缘图像(图中未示出),其处理方法基本相同,在剔除闭合轮廓线 对应点——即剔除异常点后,采用一次函数对非闭合轮廓线进行拟合,拟合 函数为:p5′(x)=a5′x+b5′,x为所述第二像素分析曲线上数据点的行坐标, 得到拟合函数的系数a5′和b5′,p5′(x)=b5′为晶圆圆周边缘点的信息。
实施例5
本发明提供的实施例5为本发明提供的一种获取晶圆边缘点的信息的方 法的第五实施例,结合图1可知,该获取晶圆边缘点的信息的方法的第五实 施例包括:
调整运动台,将晶圆缺口(notch)的位置调整至CCD下方。
调整面阵相机的曝光时间,一般提高到正常状态的100倍左右。
获取晶圆边缘点的图像。
在一种可能的实施例中,该图像为光学图像,获取该光学图像后还包括: 对该光学图像进行二值化处理。
如图8-1所示为本发明提供的一种晶圆边缘点的光学图像的第五实施例 的示意图,对图8-1中采集的光学图像进行二值化处理得到图8-2,图8-2 为图8-1中晶圆边缘点的光学图像进行二值化处理后的示意图。图8-1和8-2 中白色区域为晶圆,黑色区域是运动台外围(无实物),白色亮斑是系统其 他部件的入射光打在晶圆边缘点造成的亮斑,该亮斑的部分区域与晶圆边缘 重合。
对二值化处理的光学图像进行提取轮廓线族处理。
图8-3为本发明实施例提供的基于图8-2二值化处理后的晶圆边缘点的 光学图像提取得到的第二像素分析曲线的示意图;图8-4为本发明实施例提 供的对图8-3中的第二像素分析曲线剔除异常点后,拟合得到的曲线的示意 图。二值化是非必要步骤,也可以基于图8-1得到第二像素分析曲线。
判断轮廓线是否闭合,如果是闭合轮廓线则认为是光斑的轮廓线,如果 是非闭合轮廓线则认为是晶圆缺口的轮廓线。
在一种可能的实施例方式中,判断轮廓线为闭合轮廓线或非闭合轮廓线 的方法包括:轮廓线包括不相连的外轮廓线和内轮廓线时,判定轮廓线为闭 合轮廓线;轮廓线为单个轮廓线时,判定轮廓线为非闭合轮廓线。
具体的,如图6所示为本发明实施例提供的判断轮廓线是否闭合的方法 的流程图,根据是否有子轮廓进行判断,即轮廓线数目为1时判定为非闭合 轮廓线,轮廓线数目为2时判定为闭合轮廓线。图7为本发明实施例提供的 轮廓线提取并判断轮廓线数目的一个示意图,结合图6和图7中,图7中的 图像1是其提取轮廓得到该轮廓的外轮廓和内轮廓,总共轮廓数目是2。图 7中的图像2是对其提取轮廓得到单个轮廓线,轮廓数目是1。
轮廓线为闭合轮廓线时,将闭合轮廓线对应的点剔除。
轮廓线为非闭合轮廓线时,如图8-3所示,对非闭合轮廓线进行拟合得 到拟合函数p7(x),计算第二像素分析曲线中每个数据点的均方误差(MSE) 或者均方根误差(RMSE),将均方误差(MSE)或者均方根误差(RMSE)值大 于设定阈值的数据点剔除。
具体实施中,在一种实施例中,对图8-3中的曲线进行拟合,拟合方式 可以为二次多项式函数的拟合得到第二拟合曲线,该二次函数为: p7(x)=a7x2+b7x+c7,x为第二像素分析曲线上数据点的行坐标,p7(x)为 第二像素分析曲线上数据点的列坐标,a7、b7和c7为系数,计算第二像素分 析曲线上每个数据点的均方误差(MSE)或者均方根误差(RMSE),均方误差 (MSE)或者均方根误差(RMSE)值大于设定阈值的为异常点。
在一可能的实施例中,对剔除异常点后的第二像素分析曲线采用二次函 数拟合得到第二拟合曲线,第二拟合曲线为图8-4中的曲线,该二次函数为p8(x)=a8x2+b8x+c8,x为第二像素分析曲线上数据点的行坐标,p8(x)为 第二像素分析曲线上数据点的列坐标,a8、b8和c8为系数,第二拟合曲线的 顶点的坐标为晶圆边缘点/缺口顶点的信息。
此外,该实施例中的光学图像为晶圆缺口边缘的图像,若光学图像为晶 圆圆周边缘图像(图中未示出),其处理方法基本相同,获取第二像素分析 曲线后,先剔除异常点,再对剔除异常点后的第二像素分析曲线进行拟合:
对非闭合的轮廓线采用一次函数拟合,该一次函数为:p7′(x)=a7′x+ b7′,然后计算非闭合轮廓线上每个数据点的均方误差(MSE)或者均方根误差 (RMSE),均方误差(MSE)或者均方根误差(RMSE)值大于第二阈值的数据 点为异常点;
剔除异常点后的第二像素分析曲线,采用一次函数拟合,拟合函数为: p8′(x)=a8′x+b8′,x为所述第二像素分析曲线上数据点的行坐标,得到拟 合函数的系数a8′和b8′,p8′(x)=b8′为晶圆圆周边缘点的信息。
本发明还提供一种晶圆定位的方法,该方法包括:
获取至少三个不同位置的晶圆圆周边缘点的图像,采用本发明实施例提 供的获取晶圆边缘点的信息的方法,获取至少三个不同位置的晶圆圆周边缘 点的信息。
获取晶圆缺口边缘点的图像,采用本发明实施例提供的获取晶圆边缘点 的信息的方法,获取晶圆缺口边缘点的信息。
基于至少三个不同位置的晶圆圆周边缘点的信息,获取晶圆圆心的位置。
基于晶圆缺口边缘点的信息和晶圆圆心的位置完成晶圆定位。
可以理解的是,本发明提供的一种晶圆定位的方法与前述各实施例提供 的获取晶圆边缘点的信息的方法相对应,晶圆定位的方法的相关技术特征可 参考获取晶圆边缘点的信息的方法的相关技术特征,在此不再赘述。
本发明实施例提供的一种获取晶圆边缘点的信息及晶圆定位的方法,首 先根据晶圆边缘点的光学图像的像素值信息或者轮廓线信息进行异常点的 判断,在判断存在异常点时删除该异常点后再进行晶圆边缘点特征提取;晶 圆边缘点特征提取根据晶圆边缘点的光学图像的像素值信息或者轮廓线信 息进行曲线拟合得到,这种新的边缘提取算法,能够剔除图像中异常点影响, 提高了在复杂工况条件下获取图像的边缘的精度,具有更好的抗干扰能力, 实现了在复杂工况条件/强干扰条件下的精确定位。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某 个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或 计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、 或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个 其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘 存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序 产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方 框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式 计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计 算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程 图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装 置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理 设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储 器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上, 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现 的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程 图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步 骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了 基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利 要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本 发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要 求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (11)
1.一种获取晶圆边缘点的信息的方法,其特征在于,所述方法包括:
步骤1,获取所述晶圆边缘点的图像;
步骤2,获取所述图像的像素分析曲线;
步骤3,确认所述像素分析曲线的异常点,所述异常点对应于所述图像中非晶圆边缘点的像点;
步骤4,基于剔除所述异常点后的所述像素分析曲线,提取所述晶圆边缘点的信息;
所述晶圆边缘点的信息包括晶圆边缘点至少一个方向的坐标信息,所述坐标信息为所述图像行坐标或所述图像列坐标。
2.根据权利要求1所述的方法,其特征在于,所述获取所述图像的像素分析曲线,包括:
分别获取所述图像每列像素点的像素之和,建立所述像素之和与相应列像素点对应于所述图像行方向位置的关系曲线,并记为第一像素分析曲线;或者,
分别获取所述图像每行像素点的像素之和,建立所述像素之和与相应行像素点对应于所述图像列方向位置的关系曲线,并记为第一像素分析曲线。
4.根据权利要求3所述的方法,其特征在于,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶圆边缘点的信息,包括:
对剔除异常点后的所述第一像素分析曲线采用二次函数拟合得到第一拟合曲线,所述二次函数为p3(x)=a3x2+b3x+c3,x为所述第一像素分析曲线上数据点对应的坐标信息,a3、b3和c3为系数,所述第一拟合曲线顶点对应的坐标信息为所述晶圆边缘点的信息。
6.根据权利要求1所述的方法,其特征在于,所述获取所述图像的像素分析曲线,包括:
获取所述图像相邻像素点的像素值之差,基于所述像素值之差提取所述图像中轮廓特征点对应的像素点,所述轮廓特征点对应的像素点构成轮廓线族,并记为第二像素分析曲线。
7.根据权利要求6所述的方法,其特征在于,所述确认所述像素分析曲线的异常点,包括:
筛选所述第二像素分析曲线中的闭合轮廓线,所述闭合轮廓线上所有数据点记为所述异常点;和/或,
筛选所述第二像素分析曲线中的非闭合轮廓线,获取所述非闭合轮廓线的第二拟合函数;
计算所述非闭合轮廓线中每个数据点的均方误差或者均方根误差,均方误差或者均方根误差值大于第二阈值的数据点记为所述异常点,所述第二拟合函数为p5(x)=a5x2+b5x+c5,或者,p6(x)=a6x+b6,a5、b5和c5为系数,a6和b6为系数,x为所述非闭合轮廓线上数据点的行坐标,p5(x)、p6(x)为所述非闭合轮廓线上数据点的列坐标。
8.根据权利要求7所述的方法,其特征在于,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶圆边缘点的信息,包括:
对剔除异常点后的所述第二像素分析曲线采用二次函数拟合得到第二拟合曲线,所述二次函数为p7(x)=a7x2+b7x+c7,x为所述第二像素分析曲线上数据点的行坐标,p7(x)为所述第二像素分析曲线上数据点的列坐标,a7、b7和c7为系数,所述拟合曲线的顶点的坐标为晶圆边缘点的信息。
9.根据权利要求7所述的方法,其特征在于,所述基于剔除所述异常点后的所述像素分析曲线,提取所述晶圆边缘点的信息,包括:
对剔除异常点后的所述第二像素分析曲线采用一次函数拟合得到第二拟合曲线,所述一次函数为p8(x)=a8x+b8,x为所述第二像素分析曲线上数据点的行坐标,p8(x)为所述第二像素分析曲线上数据点的列坐标,a8和b8为系数,p8(x)=b8为晶圆边缘点的信息。
10.根据权利要求1至9任意一项所述的方法,其特征在于,所述步骤1中获取所述图像之后还包括:对所述图像进行二值化处理。
11.一种晶圆定位的方法,其特征在于,所述方法包括:
获取至少三个不同位置的晶圆圆周边缘点的图像,采用上述权利要求1-10任意一项所述的获取晶圆边缘点的信息的方法,获取所述至少三个不同位置的晶圆圆周边缘点的信息;
获取晶圆缺口边缘点的图像,采用上述权利要求1-10任意一项所述的获取晶圆边缘点的信息的方法,获取所述晶圆缺口边缘点的信息;
基于所述至少三个不同位置的晶圆圆周边缘点的信息,获取晶圆圆心的位置;
基于所述晶圆缺口边缘点的信息和所述晶圆圆心的位置完成晶圆定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958537.3A CN115423756A (zh) | 2022-08-10 | 2022-08-10 | 一种获取晶圆边缘点的信息及晶圆定位的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210958537.3A CN115423756A (zh) | 2022-08-10 | 2022-08-10 | 一种获取晶圆边缘点的信息及晶圆定位的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115423756A true CN115423756A (zh) | 2022-12-02 |
Family
ID=84197690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210958537.3A Pending CN115423756A (zh) | 2022-08-10 | 2022-08-10 | 一种获取晶圆边缘点的信息及晶圆定位的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423756A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115261A (zh) * | 2023-10-17 | 2023-11-24 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
-
2022
- 2022-08-10 CN CN202210958537.3A patent/CN115423756A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115261A (zh) * | 2023-10-17 | 2023-11-24 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
CN117115261B (zh) * | 2023-10-17 | 2024-03-19 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4095860B2 (ja) | 欠陥検査方法及びその装置 | |
US7783103B2 (en) | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method | |
TWI471553B (zh) | 缺陷觀察方法及缺陷觀察裝置 | |
CN101464418B (zh) | 缺陷检测方法以及缺陷检测装置 | |
US20130202188A1 (en) | Defect inspection method, defect inspection apparatus, program product and output unit | |
US7561751B2 (en) | Image processing method | |
JP2010522316A (ja) | ウエハー上に形成されたダイに於けるアレイ領域の認識方法、ならびに係る方法の設定方法 | |
CN112033965A (zh) | 基于差分图像分析的3d弧形表面缺陷检测方法 | |
CN112686920A (zh) | 一种圆形零件几何尺寸参数视觉测量方法及系统 | |
CN116777907A (zh) | 一种钣金件质量检测方法 | |
JP2013183282A (ja) | 欠陥画素補正装置、および、その制御方法ならびに当該方法をコンピュータに実行させるためのプログラム | |
CN116773548B (zh) | 一种晶圆表面缺陷检测方法及系统 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
JP3741672B2 (ja) | 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム | |
CN115423756A (zh) | 一种获取晶圆边缘点的信息及晶圆定位的方法 | |
CN117495856B (zh) | 基于深度学习的晶圆表面检测方法、装置、设备和介质 | |
CN111429429A (zh) | 干细胞融合度检测方法、装置、计算机设备及存储介质 | |
JP4244046B2 (ja) | 画像処理方法および画像処理装置 | |
CN117333467B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法及系统 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
KR100754969B1 (ko) | 화상 검사 장치, 화상 검사 방법 및 컴퓨터 판독가능한 기억 매체 | |
JP2019090643A (ja) | 検査方法、および検査装置 | |
CN115797233A (zh) | 图像灰度校正方法、视觉检测方法及装置 | |
KR102383577B1 (ko) | 스켈러톤 웨이퍼 검사 방법 | |
CN112991251B (zh) | 一种表面缺陷检测的方法、装置及设备 |
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 |