CN115457032A - 异常半导体的分检方法、分检机构、电子设备及存储介质 - Google Patents
异常半导体的分检方法、分检机构、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115457032A CN115457032A CN202211326917.1A CN202211326917A CN115457032A CN 115457032 A CN115457032 A CN 115457032A CN 202211326917 A CN202211326917 A CN 202211326917A CN 115457032 A CN115457032 A CN 115457032A
- Authority
- CN
- China
- Prior art keywords
- image
- semiconductor
- detection
- coordinate system
- abnormal
- 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
- 239000004065 semiconductor Substances 0.000 title claims abstract description 260
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 145
- 230000007246 mechanism Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 179
- 238000007689 inspection Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 40
- 230000009471 action Effects 0.000 claims description 20
- 230000010365 information processing Effects 0.000 claims description 20
- 230000007547 defect Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 11
- 230000002194 synthesizing effect Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 17
- 230000008030 elimination Effects 0.000 abstract description 6
- 238000003379 elimination reaction Methods 0.000 abstract description 6
- 239000000463 material Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 238000012552 review Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 235000012431 wafers Nutrition 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000007771 core particle Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67271—Sorting devices
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Power Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本披露公开了一种异常半导体的分检方法、分检机构、电子设备及存储介质。该方法包括:获取检测图像;检测图像中包含有多个待测半导体;基于检测图像在多个待测半导体中确定异常半导体;根据异常半导体在第一坐标系下的图像坐标换算异常半导体在第二坐标系下的机械坐标;第一坐标系为检测图像的图像坐标系;第二坐标系为检测图像对应的分检机构的定位坐标系;控制分检机构中的挑拣装置移动至异常半导体的机械坐标处,以剔除异常半导体。本披露公开的技术方案能够实现减少半导体分检过程中的人工干预程度,通过机器自动完成对多个半导体的异常检测以及完成对异常半导体的剔除工作。
Description
技术领域
本披露一般涉及半导体领域。更具体地,本披露涉及一种异常半导体的分检方法、分检机构、电子设备及存储介质。
背景技术
在晶圆片制程后段,一般包含以下步骤:激光划片,机械裂片,翻转,扩张,全自动光学检测(AOI,Automatic Optical Inspection)测试,点测以及分选等。分选过后的成品是由一颗颗单个的芯粒组成。
在半导体制造行业中,晶圆的芯粒缺陷检测是其中重要一项。当前,LED半导体制程中,在半导体分选后无专门检测设备对芯粒进行检测及剔料工作。目前主要通过人工在显微镜下对芯粒进行量测观察,该过程需要人工逐个地对半导体进行检测,耗费时间长,而且传统人工作业还易对检测后的芯粒造成二次损伤。
有鉴于此,亟需提供一种异常半导体的分检方法,能够减少半导体分检过程中的人工干预程度,通过机器自动完成对多个半导体的异常检测以及完成对异常半导体的剔除工作。
发明内容
为了至少解决如上所提到的一个或多个技术问题,本披露在多个方面中提出了异常半导体的分检方法、分检机构、电子设备及存储介质,以通过机器自动完成对多个半导体的异常检测以及完成对异常半导体的剔除工作。
在第一方面中,本披露提供一种异常半导体的分检方法,包括:获取检测图像;所述检测图像中包含有多个待测半导体;基于所述检测图像在所述多个待测半导体中确定异常半导体;根据所述异常半导体在第一坐标系下的图像坐标换算所述异常半导体在第二坐标系下的机械坐标;所述第一坐标系为所述检测图像的图像坐标系;所述第二坐标系为所述检测图像对应的分检机构的定位坐标系;控制所述分检机构中的挑拣装置移动至所述异常半导体的机械坐标处,以剔除所述异常半导体。
在一些实施例中,换算步骤之前,还包括:计算所述检测图像的图像中心坐标;所述图像中心坐标为所述检测图像的图像中心在第一坐标系下的图像坐标;采集所述分检机构的机构定位坐标;所述机构定位坐标为获取所述检测图像时,所述分检机构在第二坐标系下的机械坐标;根据所述图像中心坐标以及所述机构定位坐标建立第一坐标系与第二坐标系之间的换算关系;相应地,所述换算步骤包括:根据所述换算关系将所述异常半导体的图像坐标换算为所述异常半导体的机械坐标。
在一些实施例中,建立换算关系的步骤包括:确定所述分检机构中的图像采集装置的像素精度;以所述像素精度作为换算比例,根据所述图像中心坐标以及所述机构定位坐标建立所述换算关系。
在一些实施例中,所述以所述像素精度作为换算比例,根据所述图像中心坐标以及所述机构定位坐标建立所述换算关系,包括:根据以下公式确定所述换算关系:
在一些实施例中,所述控制所述分检机构中的挑拣装置移动至所述异常半导体的机械坐标处,包括:移动所述挑拣装置并实时获取所述挑拣装置中的复检相机在第二坐标系下的机械坐标;根据所述复检相机与所述挑拣装置中取料组件的相对位置关系,基于所述复检相机的当前机械坐标计算所述取料组件的当前机械坐标;当所述取料组件的当前机械坐标与所述异常半导体的机械坐标匹配时,停止移动所述挑拣装置。
在一些实施例中,所述控制所述分检机构中的挑拣装置移动至所述异常半导体的机械坐标处,还包括:当所述复检相机位于所述异常半导体的机械坐标处时,对所述异常半导体复检;若确认所述异常半导体存在缺陷,则移动所述挑拣装置直至所述取料组件的当前机械坐标与所述异常半导体的机械坐标匹配。
在一些实施例中,所述获取检测图像,包括:根据所述分检机构中的图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径;根据所述检测拍摄路径以及多个拍摄图像,利用图像重叠算法合成所述检测图像;所述多个拍摄图像为所述分检机构沿所述检测拍摄路径移动时,所述图像采集装置在不同路径点所采集的图像。
在一些实施例中,合成检测图像步骤之前,还包括:响应于所述分检机构位于所述检测拍摄路径上的预设路径点,发出指令以同步控制所述图像采集装置执行图像采集的动作,以及控制所述分检机构中的光源装置开启光源。
在一些实施例中,所述基于所述检测图像在所述多个待测半导体中确定异常半导体,包括:将所述检测图像进行切分为多张检测子图;其中,每一检测子图对应一个待测半导体;将所述多张检测子图分发至多台图像检测装置中进行半导体缺陷检测,以确定所述异常半导体。
在一些实施例中,所述基于所述检测图像在所述多个待测半导体中确定异常半导体之前,还包括:利用预设模板对所述检测图像进行模板匹配,以得到每一待测半导体在所述检测图像中的定位框;以每一定位框的几何中心在第一坐标系下的图像坐标作为相应的待测半导体在第一坐标系下的图像坐标。
在第二方面中,本披露提供一种分检机构,包括:
图像采集装置,用于获取检测图像;所述检测图像中包含有多个待测半导体;图像检测装置,用于基于检测图像在所述多个待测半导体中确定异常半导体;信息处理装置,用于根据所述异常半导体在第一坐标系下的图像坐标换算所述异常半导体在第二坐标系下的机械坐标;以及用于发出移动指令以控制所述图像采集装置移动,以及控制挑拣装置移动至所述异常半导体的机械坐标处;挑拣装置,用于执行剔除所述异常半导体的动作;其中,所述第一坐标系为所述检测图像的图像坐标系;所述第二坐标系为所述检测图像对应的分检机构的定位坐标系。
在一些实施例中,所述分检机构包括多台串联的图像检测装置;所述信息处理装置还配置成:将所述检测图像进行切分为多张检测子图以分发至所述多台串联的图像检测装置中进行半导体缺陷检测;其中,每一检测子图对应一个待测半导体。
在一些实施例中,所述挑拣装置包括:复检相机、凸轮组件和取料组件;其中,所述凸轮组件用于控制所述挑拣装置移动;所述取料组件用于在所述多个待测半导体中取出所述异常半导体;所述复检相机用于对所述异常半导体进行复检,并在确定所述异常半导体存在缺陷后,发出指令以指示所述凸轮组件移动所述挑拣装置,以执行剔除所述异常半导体的动作。
在一些实施例中,所述的分检机构,还包括:光源装置;所述信息处理装置还配置成:根据所述图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径,在所述图像采集装置沿所述检测拍摄路径移动至预设路径点时,向所述图像采集装置及所述光源装置发出指令,以同步控制所述图像采集装置执行图像采集的动作,以及控制所述分检机构中的光源装置开启光源;相应地,所述光源装置配置成:基于所述信息处理装置发出的指令执行开启光源的动作。
在一些实施例中,所述信息处理装置包括:轨迹规划模块、图像处理模块、数据收发模块、定位模块和视觉取像控制模块;所述轨迹规划模块配置成:根据所述图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径;所述数据收发模块配置成:基于所述检测拍摄路径发出移动指令以控制所述图像采集装置移动;所述视觉取像控制模块配置成:在所述图像采集装置移动至预设路径点时,控制所述数据收发模块发出指令以同步控制所述图像采集装置执行图像采集的动作,以及控制所述分检机构中的光源装置开启光源;所述图像处理模块配置成:将所述图像采集装置采集的多个拍摄图像合成为检测图像,以通过所述数据收发模块将所述检测图像发送至所述图像检测装置;所述定位模块配置成:基于确定的异常半导体的图像坐标换算出所述异常半导体的机械坐标;所述数据收发模块还配置成:发出取料指令以控制所述挑拣装置移动至所述异常半导体的机械坐标处。
在第三方面中,本披露提供一种电子设备,包括:处理器;以及存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上任一项所述的方法。
在第四方面中,本披露提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上任一项所述的方法。
通过如上所提供的异常半导体的分检方法,本披露的方案能够基于包含有多个待测半导体的检测图像,对多个待测半导体进行同步检测,从而大幅提高半导体检测的效率;而在确定存在异常的半导体后,通过检测图像的图像坐标系与分检机构的定位坐标系之间的换算,将图像检测时确定的异常半导体的图像坐标换算为机械坐标,以此指导分检机构中的挑拣装置移动至相应的位置,实现异常半导体的自动定位以及通过机械装置实现异常半导体的自动剔除,减少因人工挑拣造成的二次损伤。
附图说明
通过参考附图阅读下文的详细描述,本披露示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本披露的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1示出了本披露实施例的异常半导体的分检方法的流程示意图;
图2示出了本披露的一些实施例的换算关系建立方法的流程示意图;
图3示出了本披露的一些实施例的半导体定位方法的流程示意图;
图4示出了本披露的一些实施例的异常半导体的剔除方法的流程示意图;
图5示出了本披露的一些实施例的分检机构的结构框图;
图6示出了本披露的一些实施例的图像采集装置的示意图;
图7示出了本披露的一些实施例的运动平台的示意图;
图8示出了本披露的一些实施例的挑拣装置的示意图;
图9示出了本披露的一些实施例的信息处理装置的结构框图;
图10示出了本披露实施例的电子设备的结构框图。
具体实施方式
下面将结合本披露实施例中的附图,对本披露实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本披露一部分实施例,而不是全部的实施例。基于本披露中的实施例,本领域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,都属于本披露保护的范围。
应当理解,本披露的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本披露。如在本披露说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本披露说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
当前,LED半导体制程中,在半导体分选后无专门检测设备对芯粒进行检测及剔料工作。目前主要通过人工在显微镜下对芯粒进行量测观察,该过程需要人工逐个地对半导体进行检测,耗费时间长,而且传统人工作业还易对检测后的芯粒造成二次损伤。
为此,本披露提供了一种异常半导体的分检方法,通过机器自动完成对多个半导体的异常检测以及完成对异常半导体的剔除工作。
下面结合附图来详细描述本披露的具体实施方式。
图1示出了本披露实施例的异常半导体的分检方法的流程示意图。参见图1,本披露提供的异常半导体的分检方法,可以包括:
在步骤101中,获取检测图像。
在本实施例中,所述检测图像中包含有多个待测半导体。在一些实施例中,多个待测半导体可以排列成有序阵列,通过图像采集装置采集该有序阵列的图像,以获取包含有多个待测半导体的检测图像。在另一些实施例中,多个待测半导体也可以无序平铺,此处不作唯一限定。相较于无序平铺的方式,有序阵列的排布方式更利于图像采集装置采集完整的检测图像,以及有利于后续根据检测图像进行缺陷检测。
需要说明的是,在一些实施例中,上述检测图像可以是图像采集装置在一个采集点一次采集所得到的图像;也可以是由图像采集装置在不同采集点多次采集得到的半导体阵列局部的拍摄图像,经合成所得到的合成图像。
在一些实施例中,本披露通过预先生成的检测拍摄路径指导图像采集装置移动至预设路径点进行图像采集,具体可以包括:
根据分检机构中的图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径;
根据检测拍摄路径以及多个拍摄图像,利用图像重叠算法合成检测图像。
在上述图像采集过程中,所述多个拍摄图像为所述分检机构沿所述检测拍摄路径移动时,所述图像采集装置在不同路径点所采集的图像。
需要说明的是,在一些实施例中,图像采集装置的工作参数可以包括:图像采集装置距离采集对象的距离、采集焦距和画幅尺寸等参数,以此还可以计算出图像采集装置的视场大小。
可以理解的是,所述图像采集装置的工作参数还可以包括其他参数,例如:像素精度,用于确定图像采集装置要满足最低限度的清晰度时,其他工作参数(可以包括图像采集装置距离采集对象的距离和采集焦距)的允许范围。
在一些实施例中,待测半导体的尺寸可以包括:单个待测半导体的尺寸以及多个待测半导体所构成的半导体阵列的尺寸。根据单个待测半导体的尺寸可以预先规划出单张拍摄图像中包含的待测半导体的数量,通过半导体阵列的尺寸还可以预先确定出采集图像的路径点的数量。
在实际的半导体制程中,半导体芯片的加工一般是将晶圆片粘贴在蓝膜上后,再对晶圆片进行激光切割或划片,使得整片被分割成一粒粒晶粒。然而,由于晶粒之间的间隔仅是切割线或刻痕线的宽度,不便于将晶粒从其载体上取下,因此,实际制程中可以通过扩膜工艺将晶粒与晶粒之间的距离扩大。基于此,进一步地在一些实施例中,还可以将半导体扩膜尺寸纳入考虑,从而规划出检测拍摄路径。
需要说明的是,上述图像重叠算法可以计算出两张拍摄图像之间的重叠量,根据该重叠量可以对该两张拍摄图像进行拼接合成,以在合成图像中仅保留一份重叠部分。
进一步地,在生成检测拍摄路径的过程中,也可以通过上述图像重叠算法预先评估两个预设路径点对应的拍摄图像之间的重叠量,以减少重叠量为目的生成最优检测拍摄路径。
在一些实施例中,图像采集时所用的光源装置可以设定为常亮模式。在另一些实施例中,为了缩短光源装置的工作时长,节省资源,还可以在合成检测图像之前,通过指令控制光源装置与图像采集装置同步运作,具体如下:
响应于所述分检机构位于所述检测拍摄路径上的预设路径点,发出指令以同步控制图像采集装置执行图像采集的动作,以及控制分检机构中的光源装置开启光源。
由于该检测图像中包含有多个待测半导体,因此,经图像检测装置对该检测图像进行缺陷检测,即可实现对多个待测半导体进行同步检测,以此提高检测效率。
在步骤102中,基于检测图像在多个待测半导体中确定异常半导体。
在本实施例中,所述异常半导体可以为具有外观缺陷的半导体,具体可以包括但不限于:崩边、崩角和脏污等外观缺陷。
在一些实施例中,可以通过一个图像检测装置对检测图像中的多个待测半导体进行图像检测,以识别出其中的异常半导体。但由于该过程对应的检测工作量庞大,因此,为了提高检测效率,本披露的一些实施例还提出了一种分布式图像检测装置,其包括有多个串联的图像检测装置。参照超级计算机系统,该多个串联的图像检测装置可以视作多台计算从机,将检测图像中的数据量均匀且最大化地发送给多台计算从机进行图像检测,以此完成大批量的图像检测工作。
在本实施例中,分检机构中的信息处理装置可以视作上述多台计算从机对应的计算主机,其将所述检测图像进行切分为多张检测子图;其中,每一检测子图对应一个待测半导体;然后,其将所述多张检测子图分发至多台图像检测装置中进行半导体缺陷检测,以确定所述异常半导体。
在步骤103中,根据异常半导体在第一坐标系下的图像坐标换算异常半导体在第二坐标系下的机械坐标。
在本实施例中,第一坐标系为所述检测图像的图像坐标系;第二坐标系为所述检测图像对应的分检机构的定位坐标系。
第一坐标系为基于检测图像的平面坐标系,在一些实施例中,在第一坐标系中,检测图像的左上角或左下角均可以成立为坐标系原点,可以以检测图像的像素尺寸作为坐标单位。
第二坐标系可以为平面坐标系,也可以为三维坐标系,当采用三维坐标系时,可以固定Z坐标不变,表示图像采集装置与采集对象之间的相对距离固定。在一些实施例中,第二坐标系可以采用世界坐标系或其他自定义的定位坐标系,此处不作限定。
在本实施例中,分检机构位于不同位置,即,分检机构中的图像采集装置位于不同位置时,获取的检测图像不同,因此,可以建立起图像坐标系与定位坐标系之间的对应关系,也即是图像坐标与机械坐标之间的换算关系。根据该换算关系,基于异常半导体在检测图像中的图像坐标即可换算出该异常半导体在分检机构的定位坐标系下的机械坐标,从而指导分检机构中的挑拣装置执行剔除动作。
在步骤104中,控制分检机构中的挑拣装置移动至异常半导体的机械坐标处,以剔除异常半导体。
相对于传统人工作业,通过分检机构中的挑拣装置将异常半导体从所述多个待测半导体中挑拣出来,挑拣速度快且不易对其他合格的半导体造成损伤;进一步地还可以通过该挑拣装置将挑拣出的异常半导体进行集中收纳。
如上实施例所述的异常半导体的分检方法能够基于包含有多个待测半导体的检测图像,对多个待测半导体进行同步检测,从而大幅提高半导体检测的效率;而在确定存在异常的半导体后,通过检测图像的图像坐标系与分检机构的定位坐标系之间的换算,将图像检测时确定的异常半导体的图像坐标换算为机械坐标,以此指导分检机构中的挑拣装置移动至相应的位置,实现异常半导体的自动定位以及通过机械装置实现异常半导体的自动剔除,减少因人工挑拣造成的二次损伤。
上述提供的异常半导体的分检方法,在对异常半导体的图像坐标进行换算之前,需建立起第一坐标系与第二坐标系之间的换算关系,以指导异常半导体的机械坐标的计算。
下面结合图2来详细描述本披露中的一种换算关系建立方法的具体实施方式,图2示出了本披露的一些实施例的换算关系建立方法的流程示意图,参见图2,本披露中的一种换算关系建立方法,可以包括:
在步骤201中,计算检测图像的图像中心坐标。
其中,图像中心坐标为所述检测图像的图像中心在第一坐标系下的图像坐标。
本实施例中的检测图像可以为图像采集装置在一个采集点一次采集所得到的图像,此时,图像中心坐标可以直接基于采集的图像确定。
本实施例中的检测图像也可以是由图像采集装置在不同采集点多次采集得到的半导体阵列局部的拍摄图像,经合成所得到的合成图像。在此情况下,可以基于其中一个拍摄图像建立第一坐标系与第二坐标系的换算关系,即,将其中一个拍摄图像视作检测图像进行换算关系的建立,该拍摄图像的图像中心坐标即为上述检测图像的图像中心坐标。
在步骤202中,采集分检机构的机构定位坐标。
其中,所述机构定位坐标为获取所述检测图像时,所述分检机构在第二坐标系下的机械坐标。
需要说明的是,当检测图像也可以是由图像采集装置在不同采集点多次采集得到的半导体阵列局部的拍摄图像,经合成所得到的合成图像时,假设图像采集装置在预设路径点A处采集到拍摄图像Pa,则以预设路径点A的坐标作为所述机构定位坐标,相应地,以拍摄图像Pa的图像中心坐标作为检测图像的图像中心坐标。
在步骤203中,根据图像中心坐标以及机构定位坐标建立第一坐标系与第二坐标系之间的换算关系。
相应地,在前述实施例中,步骤103可以通过上述步骤 203建立的换算关系进行坐标换算。
为了便于本领域技术人员进行理解,本披露的一个实施例中给出如下建立换算关系的步骤,其包括:
确定所述分检机构中的图像采集装置的像素精度;
以所述像素精度作为换算比例,根据所述图像中心坐标以及所述机构定位坐标建立所述换算关系。
具体地,可以根据以下公式,以所述像素精度作为换算比例,建立起第一坐标系与第二坐标系之间的换算关系,该换算关系可以通过如下换算公式进行表示:
在一些实施例中,为了简化上述换算关系的公式,还可以先计算出第一坐标系中坐标原点(0,0)所对应的第二坐标系下的机械坐标(X,Y),计算过程如下:
接着,根据第一坐标系中坐标原点(0,0)所对应的第二坐标系下的机械坐标(X,Y)建立起图像坐标与机械坐标之间的换算关系,假设异常半导体的图像坐标为(A,B),则异常半导体的机械坐标(XA,YB)可以依照如下换算公式确定:
其中,R表示像素精度。
可以理解为,上述第一坐标系中坐标原点(0,0)所对应的第二坐标系下的机械坐标(X,Y)确定后,机械坐标(X,Y)与像素精度一同视作上述换算公式的常量进行存储,每当确定一个异常半导体时,即可调用上述换算公式进行坐标换算。
需要说明的是,上述提供的换算公式均是为了便于理解所示例性地提供的,不应构成对本披露的唯一限定。
进一步地,当检测图像为若干拍摄图像中的一张,假设检测拍摄路径以半导体阵列的左上角为起始点,则分检机构经过的第一个预设路径点处的拍摄图像的左上角即可成立为合成图像的左上角,此时,以该拍摄图像的左上角作为第一坐标系的坐标原点可以视作以合成图像的左上角作为坐标原点,由此,基于该张拍摄图像的图像中心坐标可以很容易计算出合成图像的图像中心坐标或者合成图像的图像坐标原点,从而建立起换算关系,具体的换算公式的建立已经在前文中进行了详尽说明,此处不再赘述。
本披露提供的异常半导体的分检方法需要对异常半导体的图像坐标进行换算,以得到其机械坐标。其中,异常半导体的图像坐标可以在异常半导体识别的步骤之前,通过预先确定每一待测半导体的图像坐标,从而在确定异常半导体后直接获取到对应的图像坐标。
本披露的一个实施例提供了一种半导体定位方法,可以适用于上述确定待测半导体的图像坐标的过程。
下面结合图3对该半导体定位方法进行说明,参见图3,该半导体定位方法包括:
在步骤301中,利用预设模板对所述检测图像进行模板匹配,以得到每一待测半导体在所述检测图像中的定位框。
其中,预设模板为预先截取的单个待测半导体的模板图片,根据模板匹配算法,在检测图像中定位到与所述预设模板特征相近的区域,从而实现在检测图像中将单个待测半导体分别框选出来。
进一步地,模板匹配算法还可以用于对半导体进行图像检测,例如,选用合格半导体的模板图片作为预设模板,在含有若干半导体的检测图像中,将符合合格半导体特征的待测半导体定位出来,从而达到图像检测的效果。
需要说明的是,在前述实施例中提出了一种利用分布式图像检测装置进行大批量检测工作的方法,在该方法中,需要对检测图像进行切分以获取多张检测子图,而上述步骤301得到的每一待测半导体在检测图像中的定位框不仅可以用于对待测半导体进行定位,也可以作为前述切分操作的分界线,切分出单个待测半导体的检测子图。
在步骤302中,以每一定位框的几何中心在第一坐标系下的图像坐标作为相应的待测半导体在第一坐标系下的图像坐标。
在一些实施例中,所述定位框设置为矩形,所述矩形对角线交点位置即为定位框的几何中心,获取该交点位置的图像坐标即获取到该定位框框选的待测半导体在第一坐标系下的图像坐标。
需要说明的是,上述对于定位框形状的描述仅是本披露的一些实施例提供的示例,在实际应用中,定位框的形状还可以根据半导体的形状进行调整,此处不作唯一限定。
上述实施例提供的半导体定位方法不仅可以利用预设模板对包含有多个待测半导体的检测图像进行处理,以定位出每一待测半导体的位置,保证半导体图像坐标的准确度。
还可以进一步地为检测图像的子图切分提供分界线参考,从而保证子图切分的精准度,进而保证基于检测子图的缺陷检测结果的可靠性。
在实际的分检机构的定位过程中,往往获取的是相机的机械坐标,而在挑拣装置中,复检相机与取料组件的相对位置固定,因此,基于复检相机的位置可以推算出取料组件所在位置,从而控制取料组件移动至指定位置执行取料动作。
针对上述情况,图4示出了本披露的一些实施例的异常半导体的剔除方法的流程示意图,请参见图4,该方法可以包括:
在步骤401中,移动挑拣装置并实时获取挑拣装置中的复检相机在第二坐标系下的机械坐标。
在步骤402中,根据复检相机与挑拣装置中取料组件的相对位置关系,基于复检相机的当前机械坐标计算取料组件的当前机械坐标。
在一些实施例中,在取料组件挑拣异常半导体之前,所述复检相机还会进行二次复检,以保证半导体分检的准确度。
具体过程如下:
当所述复检相机位于所述异常半导体的机械坐标处时,对所述异常半导体复检;
若确认所述异常半导体存在缺陷,则移动所述挑拣装置直至所述取料组件的当前机械坐标与所述异常半导体的机械坐标匹配。
进一步地,所述复检相机还可以进行二次定位,根据复检相机通过定位确定的第二坐标系下的机械坐标与标准坐标之间的偏差,计算出二次定位的补偿值,以修正坐标换算过程中的误差,以保证挑拣装置在执行取料动作时吸附异常半导体的中心。其中,标准坐标是通过坐标换算所确定的,是取料组件位于异常半导体的机械坐标处时,计算得到的复检相机的机械坐标。通过计算两种方式得到的坐标之间的偏差,能够有效对下一次的剔除动作进行指导,以保证挑拣装置在执行取料动作时吸附异常半导体的中心。
在步骤403中,当取料组件的当前机械坐标与异常半导体的机械坐标匹配时,停止移动挑拣装置。
进一步地,基于上述满足的关系式,还可以直接基于复检相机的机械坐标进行取料时机的判定:
与前述异常半导体的分检方法相对应地,本披露提供了一种分检机构,用于实现异常半导体的自动定位以及通过机械装置实现异常半导体的自动剔除。
图5示出了本披露实施例的分检机构的结构框图,请参见图5,本披露实施例所提供的分检机构可以包括:
图像采集装置501,用于获取检测图像;所述检测图像中包含有多个待测半导体;
图像检测装置502,用于基于检测图像在所述多个待测半导体中确定异常半导体;
信息处理装置503,用于根据所述异常半导体在第一坐标系下的图像坐标换算所述异常半导体在第二坐标系下的机械坐标;以及用于发出移动指令以控制所述图像采集装置移动,以及控制挑拣装置移动至所述异常半导体的机械坐标处;
挑拣装置504,用于执行剔除所述异常半导体的动作;
其中,所述第一坐标系为所述检测图像的图像坐标系;所述第二坐标系为所述检测图像对应的分检机构的定位坐标系。
在一些实施例中,所述图像采集装置可以为工业CCD相机。进一步地,所述工业CCD相机601还可以如图6所示,设置在高精度的可调z轴602上,以实现对相机焦距的微米级调整。更进一步地,高精度的可调z轴602还可以固定在如图7所示的运动平台上,通过所述运动平台以控制工业CCD相机沿检测拍摄路径移动。该运动平台具有一滑轨以及设置在滑轨上的滑块,该滑块上还设置有滑槽,该滑槽的长度方向与滑轨的长度方向垂直,滑槽与一运动底座滑动连接。当高精度的可调z轴602固定在运动底座上时,通过移动滑块能够使高精度的可调z轴602沿着滑轨的长度方向移动,通过移动运动底座能够使高精度的可调z轴602沿着滑槽的长度方向移动,从而控制工业CCD相机在二维平面上的移动,结合可调z轴,进一步实现工业CCD相机三维方向上的移动。
需要说明的是,上述高精度的可调z轴以及运动平台均可以通过所述信息处理装置503进行控制。
在一些实施例中,为了提高检测效率,所述分检机构可以包括多台串联的图像检测装置,以形成一种分布式图像检测装置。该多个串联的图像检测装置可以视作多台计算从机,将检测图像中的数据量均匀且最大化地发送给多台计算从机进行图像检测,以此完成大批量的图像检测工作。相应地,所述信息处理装置还配置成:将所述检测图像进行切分为多张检测子图以分发至所述多台串联的图像检测装置中进行半导体缺陷检测;其中,每一检测子图对应一个待测半导体。
需要说明的是,上述实施例中信息处理装置充当了计算主机的角色,负责检测图像的处理、检测子图的分发和图像检测结果的汇总。但在实际应用中,也可以设置一个图像检测装置作为计算主机,负责检测子图的分发和图像检测结果的汇总,该作为计算主机的图像检测装置与信息处理装置对接。
可以理解的是,上述对分布式图像检测装置的说明不应构成对本披露的限制。
在一些实施例中,分检机构中还可以包括:光源装置(图中未示出);该光源装置通过信息处理装置进行控制。相应地,所述信息处理装置还配置成:根据所述图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径,在所述图像采集装置沿所述检测拍摄路径移动至预设路径点时,向所述图像采集装置及所述光源装置发出指令,以同步控制所述图像采集装置执行图像采集的动作,以及控制所述分检机构中的光源装置开启光源。相应地,所述光源装置配置成:基于所述信息处理装置发出的指令执行开启光源的动作。
下面参考图8对分检机构中的挑拣装置进行说明,在本披露的一些实施例中,挑拣装置可以包括:复检相机801、凸轮组件802和取料组件803;进一步地,还可以包括:离子风机804和实时监控相机(图中未示出);
其中,所述复检相机801用于对所述异常半导体进行复检,并在确定所述异常半导体存在缺陷后,发出指令以指示所述凸轮组件移动所述挑拣装置,以执行剔除所述异常半导体的动作;并通过如上实施例中的二次定位方法计算二次定位的补偿值以指导凸轮组件控制所述挑拣装置移动。
所述实时监控相机可以采用大倍率小视野的相机,用于对取料组件的取料过程进行实时监控录制,以记录异常半导体剔除过程。
所述凸轮组件802用于控制所述挑拣装置移动。
所述取料组件803可以包括吸头部件和抛料口,用于在所述多个待测半导体中取出所述异常半导体。所述吸头部件上固定有陶瓷吸嘴,可稳定吸附半导体。
所述离子风机804用于消除所述取料组件与所述异常半导体之间的静电。
在本披露实施例中,信息处理装置在分检机构中起控制作用,下面对信息处理装置进行说明,本披露实施例提供的信息处理装置可以包括:轨迹规划模块901、图像处理模块902、数据收发模块903、定位模块904和视觉取像控制模块905。
其中,所述轨迹规划模块901配置成:根据所述图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径;
所述数据收发模块903配置成:基于所述检测拍摄路径发出移动指令以控制所述图像采集装置移动;
所述视觉取像控制模块905配置成:在所述图像采集装置移动至预设路径点时,控制所述数据收发模块发出指令以同步控制所述图像采集装置执行图像采集的动作,以及控制所述分检机构中的光源装置开启光源;
所述图像处理模块902配置成:将所述图像采集装置采集的多个拍摄图像合成为检测图像,以通过所述数据收发模块将所述检测图像发送至所述图像检测装置;
所述定位模块904配置成:基于确定的异常半导体的图像坐标换算出所述异常半导体的机械坐标;
所述数据收发模块903还配置成:发出取料指令以控制所述挑拣装置移动至所述异常半导体的机械坐标处。
进一步地,所述信息处理装置上还可以预留有MES接口,用于实现半导体产线的自动化生产,同时将生产数据实时反馈给处理终端。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图10是本披露实施例示出的电子设备的结构示意图。
参见图10,本披露实施例示出的电子设备1000包括存储器1010和处理器1020。
处理器1020可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1010可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器1010可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器1010可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码,当可执行代码被处理器1020处理时,可以使处理器1020执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本披露的方案。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,可以参见其他实施例的相关描述。本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本披露所必须的。另外,可以理解,本披露实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,本披露实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外,根据本披露的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本披露的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本披露还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时,使所述处理器执行根据本披露的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本披露的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
虽然本文已经示出和描述了本披露的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式来提供。本领域技术人员可以在不偏离本披露思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本披露的过程中,可以采用对本文所描述的本披露实施例的各种替代方案。所附权利要求书旨在限定本披露的保护范围,并因此覆盖这些权利要求范围内的等同或替代方案。
Claims (10)
1.一种异常半导体的分检方法,其特征在于,包括:
获取检测图像;所述检测图像中包含有多个待测半导体;
基于所述检测图像在所述多个待测半导体中确定异常半导体;
根据所述异常半导体在第一坐标系下的图像坐标换算所述异常半导体在第二坐标系下的机械坐标;所述第一坐标系为所述检测图像的图像坐标系;所述第二坐标系为所述检测图像对应的分检机构的定位坐标系;
控制所述分检机构中的挑拣装置移动至所述异常半导体的机械坐标处,以剔除所述异常半导体。
2.根据权利要求1所述的异常半导体的分检方法,其特征在于,换算步骤之前,还包括:
计算所述检测图像的图像中心坐标;所述图像中心坐标为所述检测图像的图像中心在第一坐标系下的图像坐标;
采集所述分检机构的机构定位坐标;所述机构定位坐标为获取所述检测图像时,所述分检机构在第二坐标系下的机械坐标;
根据所述图像中心坐标以及所述机构定位坐标建立第一坐标系与第二坐标系之间的换算关系;
相应地,所述换算步骤包括:
根据所述换算关系将所述异常半导体的图像坐标换算为所述异常半导体的机械坐标。
3.根据权利要求2所述的异常半导体的分检方法,其特征在于,建立换算关系的步骤包括:
确定所述分检机构中的图像采集装置的像素精度;
以所述像素精度作为换算比例,根据所述图像中心坐标以及所述机构定位坐标建立所述换算关系。
5.根据权利要求1所述的异常半导体的分检方法,其特征在于,所述获取检测图像,包括:
根据所述分检机构中的图像采集装置的工作参数、待测半导体的尺寸以及半导体扩膜尺寸生成检测拍摄路径;
根据所述检测拍摄路径以及多个拍摄图像,利用图像重叠算法合成所述检测图像;所述多个拍摄图像为所述分检机构沿所述检测拍摄路径移动时,所述图像采集装置在不同路径点所采集的图像。
6.根据权利要求1所述的异常半导体的分检方法,其特征在于,所述基于所述检测图像在所述多个待测半导体中确定异常半导体,包括:
将所述检测图像进行切分为多张检测子图;其中,每一检测子图对应一个待测半导体;
将所述多张检测子图分发至多台图像检测装置中进行半导体缺陷检测,以确定所述异常半导体。
7.根据权利要求1所述的异常半导体的分检方法,其特征在于,所述基于所述检测图像在所述多个待测半导体中确定异常半导体之前,还包括:
利用预设模板对所述检测图像进行模板匹配,以得到每一待测半导体在所述检测图像中的定位框;
以每一定位框的几何中心在第一坐标系下的图像坐标作为相应的待测半导体在第一坐标系下的图像坐标。
8.一种分检机构,其特征在于,包括:
图像采集装置,用于获取检测图像;所述检测图像中包含有多个待测半导体;
图像检测装置,用于基于检测图像在所述多个待测半导体中确定异常半导体;
信息处理装置,用于根据所述异常半导体在第一坐标系下的图像坐标换算所述异常半导体在第二坐标系下的机械坐标;以及用于发出移动指令以控制所述图像采集装置移动,以及控制挑拣装置移动至所述异常半导体的机械坐标处;
挑拣装置,用于执行剔除所述异常半导体的动作;
其中,所述第一坐标系为所述检测图像的图像坐标系;所述第二坐标系为所述检测图像对应的分检机构的定位坐标系。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的方法。
10.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211326917.1A CN115457032B (zh) | 2022-10-27 | 2022-10-27 | 异常半导体的分检方法、分检机构、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211326917.1A CN115457032B (zh) | 2022-10-27 | 2022-10-27 | 异常半导体的分检方法、分检机构、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115457032A true CN115457032A (zh) | 2022-12-09 |
CN115457032B CN115457032B (zh) | 2023-03-24 |
Family
ID=84311507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211326917.1A Active CN115457032B (zh) | 2022-10-27 | 2022-10-27 | 异常半导体的分检方法、分检机构、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457032B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117524945A (zh) * | 2024-01-08 | 2024-02-06 | 矽电半导体设备(深圳)股份有限公司 | 一种扩膜后晶圆检查测试一体机及检查方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0613417A (ja) * | 1992-06-25 | 1994-01-21 | Toshiba Corp | 半導体チップ認識装置 |
CN112767399A (zh) * | 2021-04-07 | 2021-05-07 | 惠州高视科技有限公司 | 半导体焊线缺陷检测方法、电子设备及存储介质 |
CN113034435A (zh) * | 2021-02-24 | 2021-06-25 | 上海华力微电子有限公司 | 一种缺陷检测方法 |
CN115078392A (zh) * | 2022-07-29 | 2022-09-20 | 深圳市泽信智能装备有限公司 | 一种半导体芯片缺陷检测设备及方法 |
-
2022
- 2022-10-27 CN CN202211326917.1A patent/CN115457032B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0613417A (ja) * | 1992-06-25 | 1994-01-21 | Toshiba Corp | 半導体チップ認識装置 |
CN113034435A (zh) * | 2021-02-24 | 2021-06-25 | 上海华力微电子有限公司 | 一种缺陷检测方法 |
CN112767399A (zh) * | 2021-04-07 | 2021-05-07 | 惠州高视科技有限公司 | 半导体焊线缺陷检测方法、电子设备及存储介质 |
CN115078392A (zh) * | 2022-07-29 | 2022-09-20 | 深圳市泽信智能装备有限公司 | 一种半导体芯片缺陷检测设备及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117524945A (zh) * | 2024-01-08 | 2024-02-06 | 矽电半导体设备(深圳)股份有限公司 | 一种扩膜后晶圆检查测试一体机及检查方法 |
CN117524945B (zh) * | 2024-01-08 | 2024-04-19 | 矽电半导体设备(深圳)股份有限公司 | 一种扩膜后晶圆检查测试一体机及检查方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115457032B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9464992B2 (en) | Automated wafer defect inspection system and a process of performing such inspection | |
US9734568B2 (en) | Automated inline inspection and metrology using shadow-gram images | |
CN115457032B (zh) | 异常半导体的分检方法、分检机构、电子设备及存储介质 | |
WO2020144784A1 (ja) | 画像処理装置、作業ロボット、基板検査装置および検体検査装置 | |
WO2010090605A1 (en) | Methods for examining a bonding structure of a substrate and bonding structure inspection devices | |
JP2008128651A (ja) | パターン位置合わせ方法、パターン検査装置及びパターン検査システム | |
WO2014205385A1 (en) | Wafer inspection using free-form care areas | |
SG187136A1 (en) | Apparatus and method for three dimensional inspection of wafer saw marks | |
CN105396801A (zh) | 一种金属应变计自动检测、裁切、分选、包装系统 | |
JP2020017653A (ja) | アライメント方法 | |
CN112204384A (zh) | 切割芯片检查装置 | |
CN211401101U (zh) | 高精度3d轮廓建模设备 | |
CN112834528A (zh) | 3d缺陷检测系统及方法 | |
CN108080293B (zh) | 一种六面检的芯片检测装置 | |
JPS6394139A (ja) | 高さ補正による自動焦点合せ装置 | |
CN114299049A (zh) | 检测方法及装置、电子设备和存储介质 | |
CN205341323U (zh) | 一种金属应变计自动检测、裁切、分选、包装系统 | |
CN113744298B (zh) | 数据处理方法、装置及存储介质 | |
CN116385418B (zh) | 整叠硅片的图像处理方法及硅片整叠检测系统 | |
WO2021261302A1 (ja) | 欠陥検査装置 | |
CN118122655B (zh) | 一种执行机构与相机的标定系统、方法及计算机存储介质 | |
TW201818348A (zh) | 工件導電特徵檢查方法及工件導電特徵檢查系統 | |
JPH10148616A (ja) | 結晶体の自動選別方法および装置 | |
KR20230083172A (ko) | 반도체 자재 검사 장치 및 이를 이용한 반도체 자재 검사 방법 | |
JPH04369851A (ja) | 半導体装置の製造方法および製造装置 |
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 |