CN115546143A - 定位晶圆的中心点的方法、装置、存储介质以及电子设备 - Google Patents
定位晶圆的中心点的方法、装置、存储介质以及电子设备 Download PDFInfo
- Publication number
- CN115546143A CN115546143A CN202211215700.3A CN202211215700A CN115546143A CN 115546143 A CN115546143 A CN 115546143A CN 202211215700 A CN202211215700 A CN 202211215700A CN 115546143 A CN115546143 A CN 115546143A
- Authority
- CN
- China
- Prior art keywords
- wafer
- point
- boundary
- center
- boundary point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000003860 storage Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000001788 irregular Effects 0.000 abstract description 7
- 235000012431 wafers Nutrition 0.000 description 323
- 230000008569 process Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 108700041286 delta Proteins 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual 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
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
Abstract
本申请公开了一种定位晶圆的中心点的方法、装置、存储介质以及电子设备。其中，该方法包括：获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合；将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；确定多组边界点对中每一对边界点之间的连线得到多条连线；获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。本申请解决了由于晶圆边缘自身为不规则形状采用最小二乘法或者霍夫圆法等直接进行晶圆的中心的定位，造成晶圆的中心点位置定位不精确的技术问题。
Description
技术领域
本申请涉及晶圆检测领域，具体而言，涉及一种定位晶圆的中心点的方法、装置、存储介质以及电子设备。
背景技术
半导体产业是信息技术产业的核心，是支撑经济社会发展和保障国家安全的战略性、基础性和先导性产业。随着半导体大规模集成电路生产加工工艺的发展及技术要求，晶圆检测设备应运而生。晶圆检测设备通过机械手将待检测晶圆从料盒中取出，送至检测平台上，一般情况下晶圆的中心与检测平台中心会存在相对偏移，为满足晶圆检测的高精度要求，需要对晶圆的中心位置进行定位。
目前，相关技术中，晶圆的中心位置确定的方法主要为对成像系统获取的晶圆边缘区域图像进行边缘提取，然后用最小二乘法或霍夫圆法将边缘点拟合为圆形，以确定晶圆的中心，由于晶圆边缘不规则形状，一般为倾斜面，直接二值化将影响边缘点的确定，而采用最小二乘法或霍夫圆将边缘点拟合为圆形，不具有异常边缘点误差校正，导致晶圆位置定位不精确。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种定位晶圆的中心点的方法、装置、存储介质以及电子设备，以至少解决由于晶圆边缘自身为不规则形状采用最小二乘法或者霍夫圆法等直接进行晶圆的中心的定位，造成晶圆的中心点位置定位不精确的技术问题。
根据本申请实施例的一个方面，提供了一种定位晶圆的中心点的方法，包括：获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；确定多组边界点对中每一对边界点之间的连线得到多条连线；获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。
可选地，根据各中垂线交点确定晶圆的中心点，包括：根据各中垂线交点确定晶圆的候选中心点集合；基于候选中心点集合求取集合质心的位置；确定集合质心的位置为晶圆的中心点位置。
可选地，根据中垂线交点确定晶圆的候选中心点集合，包括：根据各中垂线交点确定晶圆的第一中心集合；剔除第一中心集合中的异常交点，得到第二中心集合；确定第二中心集合为晶圆的候选中心点集合。
可选地，基于候选中心集合求取集合质心的位置，包括：获取候选中心点集合在横轴方向两边像素和相等的第一位置，以及候选中心点集合在纵轴方向两边像素和相等的第二位置；确定第一位置与第二位置组成的坐标点位置为集合质心的位置。
可选地，根据各中垂线交点确定晶圆的中心点，包括：根据各中垂线交点确定晶圆的候选中心点集合，确定由候选中心点集合组成的几何形状的几何中心，确定几何中心为晶圆的中心点。
可选地，在根据各中垂线交点确定晶圆的中心点之后，还包括：获取晶圆中所有晶圆边界点集合，其中，所有晶圆边界点集合至少包括：第一晶圆边界点集合、第二晶圆边界点集合；计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离，并获得对应于各个晶圆边界点集合的各个距离集合；计算距离集合中的距离值与晶圆的理论半径的差值，确定各个距离集合对应的各个差值集合；根据各个差值集合获取晶圆的确定中心点。
可选地，计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值，并获得对应于各个晶圆边界点集合的各个距离集合，包括：计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值；在距离值中去除晶圆的中心点与干扰点的距离值，以得到对应于各个晶圆边界点集合的各个距离集合，其中，干扰点为大于预设阈值的边界点。
可选地，根据各个差值集合获取晶圆的确定中心点，包括：将各差值集合内的值与误差阈值作比较，若至少有两个差值集合内的值均满足预设误差范围，确定晶圆的中心点为晶圆的确定中心点；若各个差值集合的值均不满足预设误差范围，计算各个差值集合内的差值的均值，基于均值更新晶圆的中心点，获得晶圆的确定中心点。
可选地，获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合前，还包括：对晶圆边界图像进行图像滤波和/或对比度增强处理，基于动态阈值对晶圆边界图像进行二值化处理，得到二值化图像，对二值化图像进行形态学处理，获取最大轮廓后计算轮廓边界点，该轮廓边界点为晶圆边界点。
根据本申请实施例的另一方面，还提供了一种定位晶圆的中心点的装置，包括：获取模块，用于获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；组合模块，用于将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；第一确定模块，用于确定多组边界点对中每一对边界点之间的连线得到多条连线；第二确定模块，用于获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。
根据本申请实施例的另一方面，还提供了一种非易失性存储介质，包括：存储介质包括存储的程序，其中，在程序运行时控制所述存储介质所在设备执行任意一项所述定位晶圆的中心点的方法。
根据本申请实施例的另一方面，还提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，处理器被配置为执行所述指令，以实现任一项所述的定位晶圆的中心点的方法。
在本申请实施例中，采用基于边缘位置处的部分边缘点连线的中垂线定位晶圆的中心的方式，通过获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合；将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；确定多组边界点对中每一对边界点之间的连线得到多条连线；获取多条连线中各个连线对应的各中垂线，最后，根据各中垂线交点确定晶圆的中心点，并可在剔除异常中垂线的交点后，再计算晶圆的中心点，从而实现了精确定位晶圆的中心位置的技术效果，进而解决了由于晶圆边缘自身为不规则形状采用最小二乘法或者霍夫圆法等直接进行晶圆的中心的定位，造成晶圆的中心点位置定位不精确的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种定位晶圆的中心点方法的流程示意图；
图2是本申请一些实施例基于各中垂线交点确定晶圆的中心点的流程示意图；
图3是本申请一些实施例中根据各中垂线交点确定晶圆的候选中心点集合的流程示意图；
图4是本申请实施例中获取候选中心点集合质心的位置的流程示意图；
图5是本申请实施例中获取候选中心点集合质心的位置的流程示意图；
图6a是本申请实施例中更新晶圆的中心点的流程示意图；
图6b是本申请实施例中计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值的流程示意图；
图7是本申请实施例中根据各个差值集合更新晶圆的中心点的流程示意图；
图8是本申请实施例中获得准确的晶圆边界点的流程示意图；
图9是根据本申请实施例中实现定位晶圆的中心点的方法的流程图示意图；
图10是根据本申请实施例的采集的晶圆边缘位置的示意图；
图11是根据本申请实施例的各点对连线的中垂线示意图；
图12是根据本申请实施例的一种定位晶圆的中心点的装置结构示意图；
图13出示了可以用来实施本申请的实施例的示例电子设备1300的示意性框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的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它步骤或单元。
为了便于本领域技术人员更好的理解，本申请相关实施例，现对本申请可能涉及的技术术语或者部分名词进行解释：
图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
动态阈值，动态阈值分割是指在图像分割的过程中，不用认为的去设置阈值，而是根据图像中存在的特征，自动计算阈值，进行分割。
自适应阈值法，它的思想不是计算全局图像的阈值，而是根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值。
3sigma原则又称拉依达准则，其是指先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。
根据本申请实施例，提供了一种定位晶圆的中心点的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种定位晶圆的中心点的方法，如图1所示，该方法包括如下步骤：
步骤S102，获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；
正如本申请背景技术所述，晶圆检测设备一般通过机械手将待检测晶圆从料盒中取出，送至检测平台上，一般情况下晶圆的中心与检测平台中心会存在相对偏移，为满足晶圆检测的高精度要求，需要对晶圆的中心位置进行定位，即本申请实施例中的待检测晶圆位于检测平台上，晶圆相对于检测平台中心相对静止，检测过程中检测平台搭载待检测晶圆运动，本申请实施例中图像采集过程均是在以上运动检测的过程动态实现的。
需要说明的是，第一目标位置为采集晶圆左上、右上、右下、左下其中之一的位置，第二目标位置为分别采集晶圆左上、右上、右下、左下中另一位置。
容易注意到的是，在步骤S102的技术方案中，其无需对晶圆的整个边缘进行采集，其仅需用采集晶圆边缘的预定位置，例如，左上，右下位置处的边缘点，即该技术方案最少只需采集左上、右上、右下、左下四个边界图像中的两张，通过这种图像采集方式可减少边界图像的采集时间，提高晶圆的中心的定位的时效。
步骤S104，将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；
步骤S106，确定多组边界点对中每一对边界点之间的连线得到多条连线；
步骤S108，获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。
在本申请实施例中，采用基于边缘位置处的部分边缘点连线的中垂线定位晶圆的中心的方式，通过获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；确定多组边界点对中每一对边界点之间的连线得到多条连线；获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点，达到了快速精确定位晶圆的中心位置的目的，从而实现了减少边界图像采集的时间，进一步解决由于晶圆边缘自身为不规则形状，采用最小二乘法或者霍夫圆法等方法直接进行晶圆的中心的定位，造成晶圆的中心位置定位不精确的技术问题。
图2是本申请一些实施例，根据各中垂线交点确定晶圆的中心点的流程示意图，如图2所示，该过程可通过如下步骤实现：
步骤S202，根据各中垂线交点确定晶圆的候选中心点集合；
步骤S204，基于候选中心点集合求取集合质心的位置；
步骤S206，确定集合质心的位置为晶圆的中心点位置。
作为一种可选的实施方式，图3是本申请中根据各中垂线交点确定晶圆的候选中心点集合的流程示意图，如图3所示，包括：
步骤S2021，根据各中垂线交点确定晶圆的第一中心集合；
步骤S2022，剔除第一中心集合中异常交点，得到第二中心集合；
步骤S2023，确定第二中心集合为晶圆的候选中心点集合。
其中，第二中心集合为剔除第一中心集合中异常交点后的集合。
在本申请一些实施方式中，可基于拉依达准则剔除晶圆的第一中心集合中异常交点，获得第二中心集合，基于第二中心集合获取候选中心点集合，基于候选中心点集合求取集合质心的位置，确定集合质心位置为晶圆的中心点位置。对于晶圆形状不规则情况，晶圆边界图像中第一目标位置对应的第一晶圆边界点集合与第二目标位置对应的第二晶圆边界点集合中的第二晶圆边界点选取可能存在误差，故此根据各中垂线交点确定晶圆的第一中心集合后，剔除异常交点，进一步增加晶圆的中心点的准确确定。
具体地，在确定各中垂线交点的过程中，可通过各中垂线对应的直线函数进行确定，例如，直线1：A1x+B1y+C1＝0，直线2：A2x+B2y+C2＝0，则两直线交点求法为：
x＝(B1C2-B2C1)/(B2A1-B1A2)
y＝(A1C2-A2C1)/(B1A2-A1B2)。
如图4所示，作为一种可选的实施方式，基于候选中心点集合求取集合质心的位置，包括如下步骤：
步骤S2041，获取候选中心点集合在横轴方向两边像素和相等的第一位置，以及候选中心点集合在纵轴方向两边像素和相等的第二位置；
步骤S2042，确定第一位置与第二位置组成的坐标点位置为集合质心的位置。
具体的，本申请一些实施例中候选中心点集合的集合质心位置可通过Hu矩获取。
需要说明的是，图像的Hu矩是一种具有平移、旋转和尺度不变性的图像特征。f(x,y)的p+q阶原点矩可以表示为：
而数字图像是一个二维的离散信号，对上述公式进行离散化之后：
其中C与R分别表示图像的列与行。
各阶矩的物理意义如下：
0阶矩m00：目标区域的质量；1阶矩(m01,m10)：目标区域的质心；2阶矩(m02,m11,m20)：目标区域的旋转半径；3阶矩(m03,m12,m21,m30)：目标区域的方位和斜度，反应目标的扭曲；由0阶原点矩和1阶原点矩，我们可以求得目标区域的质心坐标：
当然本领域技术人员可知，计算集合质心方法不限于计算候选中心点集合的Hu矩，主要能够实现求取集合质心即可。
例如，如图5所示，作为另一种可选的实施方式，根据各中垂线交点确定晶圆的中心点，还可以为：
步骤S502，根据各中垂线交点确定晶圆的候选中心点集合；
步骤S504，确定由候选中心点集合组成的几何形状的几何中心；
步骤S506，确定几何中心为晶圆的中心点位置。
需要说明的是，上述确定几何中心的过程可采用空间聚类算法确定，上述空间聚类算法包括但不限于：K-Means、K中心点等作为一种可选的实施方式。
在根据各中垂线交点确定晶圆的中心点之后，可进一步根据晶圆的理论半径对得到的晶圆的中心点(即待选晶圆的中心位置)进行迭代更新，以提高晶圆的中心的定位精度，获得晶圆确定中心点。
图6a是本申请实施例中更新晶圆的中心点，获得晶圆的确定中心点的流程示意图，如图6a所示，该方法包括如下步骤：
步骤S602，获取晶圆中所有晶圆边界点集合；
步骤S604，计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值，并获得对应于各个晶圆边界点集合的各个距离集合；
步骤S606，计算距离集合中的距离值与晶圆理论半径差值，确定各个距离集合对应的各差值集合；
步骤S608，根据各个差值集合获取晶圆的确定中心点。
需要说明的是，所有晶圆边界点集合至少包括：第一晶圆边界点集合、第二晶圆边界点集合，可以理解的，上述所有晶圆边界点集合指的是在晶圆四个预定位置对应的晶圆边界，即，左上，右上，右下，左下四个边界位置对应的边界点集合。
图6b示出了一种计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值，并获得对应于各个晶圆边界点集合的各个距离集合的流程图，如图6b所示，包括以下：
步骤S6041，计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值；
步骤S6042，在距离值中去除晶圆的中心点与干扰点的距离值，以得到对应于各个晶圆边界点集合的各个距离集合，其中，干扰点为大于预设阈值的边界点。
可选地，如图7所示，根据各个差值集合获取晶圆的确定中心点，包括：
步骤S6081，将各差值集合内的值与误差阈值比较；
步骤S6082，若至少有两个差值集合内的值均满足预设误差范围，确定晶圆的中心点为晶圆确定中心点；
步骤S6083，若各个差值集合的值均不满足预设误差范围，计算各个差值集合内的差值的均值，基于均值更新晶圆的中心点，获得晶圆的确定中心点。
其中，预设误差范围为各差值集合内的值小于或等于误差阈值。需要说明的是，理论半径为晶圆对应的标准半径，其可以用R表示。正常情况下，若晶圆的中心点计算正确，则距离集合中的距离值与晶圆理论半径差值R应在设定的误差范围内。若各个差值集合的值均不满足预设误差范围，则代表晶圆的中心点计算错误。此时，可根据各个差值集内差值的均值，按一定步长迭代，更新晶圆的中心点位置，以获得晶圆的确定中心点。该方法可避免晶圆的中心点定位错误时，需重新采集图像和定位计算，从而提高算法的鲁棒性及定位时效。
作为一种可选的实施方式，为了进一步提高定位晶圆的中心点的准确度，其在获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合前，可对晶圆边界图像进行图像处理，进而去除边界干扰点，获得准确的晶圆边界点，如图8所示，获得准确的晶圆边界点，可具体包括：
步骤S802，对晶圆边界图像进行图像滤波和/或对比度增强处理；
步骤S804，基于动态阈值对晶圆边界图像进行二值化处理，得到二值化图像；
步骤S806，对二值化图像进行形态学处理，获取最大轮廓后计算轮廓边界点，该轮廓边界点为晶圆边界点。
在本实施方式中，对晶圆边界图像进行滤波和对比度增强处理后得到第一图像，对第一图像进行二值化处理得到第二图像；基于第二图像中的最大轮廓边得到晶圆边界点，进而获得第一晶圆边界点集合与第二晶圆边界点集合。当然本领域技术人员可知，在图像处理允许的情况下，可对晶圆边界图像进行图像滤波或对比度增强处理。
具体的，对第一图像进行二值化处理得到第二图像，包括：调用动态阈值法确定第一图像对应的二值化阈值，基于二值化阈值对第一图像进行二值化处理得到第二图像。需要说明的是，对于二值化阈值的选取可采用动态阈值的方式，可采用动态阈值算法但不限于：自适应阈值、OTSU、迭代法等。
需要说明的，自适应阈值对边界图像进行二值化，其思想不是计算图像的全局阈值，而是根据图像不同区域亮度分布，计算其局部阈值，对于图像不同区域,能够自适应计算不同的阈值，因此，被称为自适应阈值法(其实就是局部阈值法)，这种方法能够保证图像中各个像素的阈值会随着其周围邻域像素的变化而变化，可以确保得到二值图像更加准确，有利于更加准确得到晶圆的边缘点，避免直接二值化存在无法确定边缘点的问题。为了便于本领域技术人员更好的理解本申请的技术方案，现结合一具体实施例进行说明。
图9是根据本申请实施例中实现定位晶圆的中心点的方法的流程图示意图，如图9所示，该流程主要包括如下步骤：
步骤S901，成像系统获取晶圆左上、右上、右下以及左下四个位置中至少两个位置的晶圆边界图像。
具体地，以运动平台中心为原点，晶圆的理论半径R为采样距离，控制运动平台和成像系统分别采集晶圆左上、右上、右下以及左下四个位置至少两个位置的FOV图像，如图10所示，从图10可以看出，在FOV图像中晶圆的局部边界近似于弧形。
步骤S902，对获取的晶圆边界图像进行图像预处理及二值化等操作，取最大轮廓，计算其轮廓边界点。
计算各位置图像晶圆边界点集合，若某边界图像中没有足够满足条件的边界点，则在原有理论边界图像采集位置周围重新采集该边界图像；
其中，晶圆边界点可通过如下流程处理：
(1)对边界图像进行图像滤波和对比度增强处理。其中，对比度增强公式可以为：
g(x,y)＝f(x,y)*h(x,y)
其中f(x,y)是原图像，h(x,y)是空间转换函数，g(x,y)表示进行处理后的图像
(2)晶圆边界图像二值化。对于图像f(x,y)，若其二值化阈值为TSelect，则：
正如上文所述，对于二值化阈值为TSelect的获取，可采用动态阈值的方式，例如，采用自适应阈值、OTSU、迭代法等进行计算。
(3)根据二值化图像，对其进行图像形态学处理，消除二值化噪声，增强边界判决置信区，然后取最大轮廓(可去除局部空洞引起的边界干扰点)，计算其轮廓边界点。
步骤S903，获取晶圆边界图像中两个目标位置对应的晶圆边界点集合，将各晶圆边界点集合中的晶圆边界点随机组合连线，得到各点对连线的中垂线。
具体地，获取晶圆边界图像中两位置的晶圆边界点集合，即获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，生成若干组边界点对，并计算各边界点对连线的中垂线，其示意图，如图11所示：
边界点集合配对的数量N：
其中m为采集的边缘图像张数，且m≥2；
若有线段y＝kx+b(k≠0)(一端坐标为(x1,y1),另一端坐标为(x2,y2))，则其中垂线(垂直平分线)的函数解析式为：
步骤S904，根据各中垂线交点确定晶圆的第一中心集合P1,P2,P3,P4......，如图11所示，两中垂线交点的计算格式如下所示：
直线1：A1x+B1y+C1＝0，直线2：A2x+B2y+C2＝0，则两直线交点求法为：
x＝(B1C2-B2C1)/(B2A1-B1A2)
y＝(A1C2-A2C1)/(B1A2-A1B2)
步骤S905，剔除晶圆的第一中心集合中异常交点，获取晶圆的候选中心点集合，基于晶圆的候选中心点集合求取晶圆的中心点位置。
具体地，对晶圆的候选中心点集合进行空间聚类分析或计算晶圆的候选中心点集合的Hu矩，得到集合质心的位置，即为晶圆的中心点位置。空间聚类算法包括K-Means、K中心点等。具体包括如下步骤：
(1)对于晶圆的第一中心集合采用3sigma原则，剔除异常交点，得到第二中心集合。
3sigma原则又称为拉依达准则，该准则具体来说，就是先假设一组检测数据只含有随机误差，对原始数据进行计算处理得到标准差，然后按一定的概率确定一个区间，认为误差超过这个区间的就属于异常值。
(2)确定第二中心集合为晶圆的候选中心点集合，计算其Hu矩，得到集合质心的位置。
图像的Hu矩是一种具有平移、旋转和尺度不变性的图像特征。f(x,y)的p+q阶原点矩可以表示为：
而数字图像是一个二维的离散信号，对上述公式进行离散化之后：
其中C与R分别表示图像的列与行。
各阶矩的物理意义如下：
0阶矩m00：目标区域的质量；1阶矩(m01,m10)：目标区域的质心；2阶矩(m02,m11,m20)：目标区域的旋转半径；3阶矩(m03,m12,m21,m30)：目标区域的方位和斜度，反应目标的扭曲；由0阶原点矩和1阶原点矩，我们可以求得目标区域的质心坐标：
(3)集合质心的位置即为晶圆的中心点位置。
步骤S906、晶圆的中心点更新，获取晶圆的确定中心点。
计算晶圆的中心点与各个晶圆边界点集合中的每个边界点的距离值，获得集合D1(d1,d2,d3......)、D2(d1,d2,d3......)…Dn(d1,d2,d3......)，n≤4，此处各个晶圆边界点集合中的每个边界点包括干扰点，干扰点为大于预设阈值的边界点，再利用3sigma原则去除晶圆的中心点与干扰点的距离值，得到距离集合D1'(d'1,d'2,d'3......)、D2'(d'1,d'2,d'3......)，计算距离集合D'中的距离值与晶圆理论半径R的差值，获得差值集合Δ1(Δ1,Δ2,Δ3......)，Δ2(Δ1,Δ2,Δ3........)……。
(1)若差值集合Δ1,Δ2.......至少两个在设定的误差容忍范围内，则晶圆的中心点为所述晶圆的确定中心点；
(2)若差值集合Δ1,Δ2.......不在误差容忍范围内，计算差值集合Δ1,Δ2.......的差值的均值(带±)，并根据差值的均值的反方向按一定步长进行迭代，直至满足(1)后，迭代结束，获得所述晶圆的确定中心点。
容易注意到的是，本方案采用动态阈值二值化，并结合形态学的方式去除边界干扰点，解决了模板匹配精度过低或匹配不上的问题，且该方式适用于有图案晶圆，能快速准确查找到边缘点。而采用动态阈值与形态学相结合查找边缘点，节省时间，避免参考点位置选取影响晶圆定位精度。
图12是根据本申请实施例的一种定位晶圆的中心点的装置，如图12所示，该装置包括：
获取模块120，用于获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；
组合模块122，用于将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；
第一确定模块124，用于确定多组边界点对中每一对边界点之间的连线得到多条连线；
第二确定模块126，用于获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。
该装置中，获取模块120，用于获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；组合模块122，用于将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；第一确定模块124，用于确定多组边界点对中每一对边界点之间的连线得到多条连线；第二确定模块126，用于获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点，达到了快速精确定位晶圆的中心位置的目的，从而实现了减少边界图像采集的时间，避免了参考点位置不准确对晶圆定位精度造成影响的技术效果，进而解决了由于晶圆边缘自身为不规则形状采用最小二乘法或者霍夫圆法等直接进行晶圆的中心的定位，造成晶圆的中心点位置定位不精确的技术问题。
本申请一些实施例中，上述第二确定模块还包括：第一确定单元，用于根据各中垂线交点确定晶圆的候选中心点集合；求取单元，用于基于候选中心点集合求取集合质心的位置；第二确定单元，用于确定集合质心的位置为晶圆的中心点位置。
本申请一示例性实施例中，上述第一确定单元，还包括：第三确定单元，用于根据各中垂线交点确定晶圆的第一中心集合；剔除单元，用于剔除第一中心集合中的异常交点，得到第二中心集合；第四确定单元，用于确定第二中心集合为晶圆的候选中心点集合。
在本申请一些实施方式中，可基于拉依达准则剔除晶圆的第一中心集合中异常交点，获得第二中心集合，基于第二中心集合获取候选中心点集合，基于候选中心点集合求取集合质心的位置，确定集合质心位置为晶圆的中心点位置。对于晶圆形状不规则情况，晶圆边界图像中第一目标位置对应的第一晶圆边界点集合与第二目标位置对应的第二晶圆边界点集合中的第二晶圆边界点选取可能存在误差，故此根据各中垂线交点确定晶圆的第一中心集合后，剔除异常交点，进一步增加晶圆的中心点的准确确定。
关于定位晶圆的中心点的装置的具体限定可以参见上文中对定位晶圆的中心点的方法的限定，在此不再赘述。
根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种定位晶圆的中心点的方法。
具体地，上述存储介质用于存储以下功能的程序指令，实现以下功能：
获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；确定多组边界点对中每一对边界点之间的连线得到多条连线；获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。
可选地，在本实施例中，上述存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。上述存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
在本申请一示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一项定位晶圆的中心点的方法。
可选地，该计算机程序在被处理器执行时可实现如下步骤：
获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，第一目标位置与第二目标位置为沿着晶圆的边缘划分的两个预定位置；将第一晶圆边界点集合中的第一晶圆边界点与第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；确定多组边界点对中每一对边界点之间的连线得到多条连线；获取多条连线中各个连线对应的各中垂线，根据各中垂线交点确定晶圆的中心点。
根据本申请的实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项定位晶圆的中心点的方法。
可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入设备输出设备和上述处理器连接。
图13示出了可以用来实施本申请的实施例的示例电子设备1300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示，设备1300包括计算单元1301，其可以根据存储在只读存储器(ROM)1302中的计算机程序或者从存储单元1308加载到随机访问存储器(RAM)1303中的计算机程序，来执行各种适当的动作和处理。在RAM 1303中，还可存储设备1300操作所需的各种程序和数据。计算单元1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。
设备1300中的多个部件连接至I/O接口1305，包括：输入单元1306，例如键盘、鼠标等；输出单元1307，例如各种类型的显示器、扬声器等；存储单元1308，例如磁盘、光盘等；以及通信单元1309，例如网卡、调制解调器、无线通信收发机等。通信单元1309允许设备1300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1301执行上文所描述的各个方法和处理，例如定位晶圆的中心点的方法。例如，在一些实施例中，定位晶圆的中心点的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到RAM 1303并由计算单元1301执行时，可以执行上文描述的定位晶圆的中心点的方法的一个或多个步骤。备选地，在其他实施例中，计算单元1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行定位晶圆的中心点的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种定位晶圆的中心点的方法，其特征在于，包括：
获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，所述第一目标位置与所述第二目标位置为沿着晶圆的边缘划分的两个预定位置；
将所述第一晶圆边界点集合中的第一晶圆边界点与所述第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；
确定所述多组边界点对中每一对边界点之间的连线得到多条连线；
获取所述多条连线中各个连线对应的各中垂线，根据所述各中垂线交点确定所述晶圆的中心点。
2.根据权利要求1所述的方法，其特征在于，根据所述各中垂线交点确定所述晶圆的中心点，包括：
根据所述各中垂线交点确定晶圆的候选中心点集合；
基于所述候选中心点集合求取集合质心的位置；
确定所述集合质心的位置为晶圆的中心点位置。
3.根据权利要求2所述的方法，其特征在于，根据各中垂线交点确定晶圆的候选中心点集合，包括：
根据所述各中垂线交点确定晶圆的第一中心集合；
剔除所述第一中心集合中的异常交点，得到第二中心集合；
确定所述第二中心集合为所述晶圆的候选中心点集合。
4.根据权利要求2所述的方法，其特征在于，基于所述候选中心点集合求取集合质心的位置，包括：
获取所述候选中心点集合在横轴方向两边像素和相等的第一位置，以及所述候选中心点集合在纵轴方向两边像素和相等的第二位置；
确定所述第一位置与所述第二位置组成的坐标点位置为所述集合质心的位置。
5.根据权利要求2所述的方法，其特征在于，根据所述各中垂线交点确定所述晶圆的中心点，包括：
根据所述各中垂线交点确定晶圆的候选中心点集合；
确定由所述候选中心点集合组成的几何形状的几何中心；
确定所述几何中心为所述晶圆的中心点位置。
6.根据权利要求1所述的方法，其特征在于，在根据所述各中垂线交点确定所述晶圆的中心点之后，所述方法还包括：
获取所述晶圆中所有晶圆边界点集合，其中，所有晶圆边界点集合至少包括：所述第一晶圆边界点集合、所述第二晶圆边界点集合；
计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值，并获得对应于各个晶圆边界点集合的各个距离集合；
计算距离集合中的距离值与晶圆理论半径的差值，确定各个距离集合对应的各个差值集合；
根据各个差值集合获取晶圆的确定中心点。
7.根据权利要求6所述的方法，其特征在于，计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值，并获得对应于各个晶圆边界点集合的各个距离集合，包括：
计算晶圆的中心点至各个晶圆边界点集合中的每个边界点的距离值；
在所述距离值中去除晶圆的中心点与干扰点的距离值，以得到对应于各个晶圆边界点集合的各个距离集合，其中，所述干扰点为大于预设阈值的边界点。
8.根据权利要求6或7所述的方法，其特征在于，根据各个所述差值集合获取晶圆的确定中心点，包括：
将各差值集合内的值与误差阈值比较；
若至少有两个差值集合内的值均满足预设误差范围，确定所述晶圆的中心点为所述晶圆的确定中心点；
若各个差值集合的值均不满足所述预设误差范围，计算各个差值集合内的差值的均值，基于所述均值更新所述晶圆的中心点，获得所述晶圆的确定中心点。
9.根据权利要求1所述的方法，其特征在于，获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合前，还包括：
对晶圆边界图像进行图像滤波和/或对比度增强处理；
基于动态阈值对所述晶圆边界图像进行二值化处理，得到二值化图像；
对所述二值化图像进行形态学处理，获取最大轮廓后计算轮廓边界点，该轮廓边界点为晶圆边界点。
10.一种定位晶圆的中心点的装置，其特征在于，包括：
获取模块，用于获取晶圆边界图像中第一目标位置对应的第一晶圆边界点集合，以及第二目标位置对应的第二晶圆边界点集合，其中，所述第一目标位置与所述第二目标位置为沿着晶圆的边缘划分的两个预定位置；
组合模块，用于将所述第一晶圆边界点集合中的第一晶圆边界点与所述第二晶圆边界点集合中的第二晶圆边界点进行随机组合，得到多组边界点对；
第一确定模块，用于确定所述多组边界点对中每一对边界点之间的连线得到多条连线；
第二确定模块，用于获取所述多条连线中各个连线对应的各中垂线，根据所述各中垂线交点确定所述晶圆的中心点。
11.一种非易失性存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述定位晶圆的中心点的方法。
12.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至9中任一项所述的定位晶圆的中心点的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211215700.3A CN115546143A (zh) | 2022-09-30 | 2022-09-30 | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211215700.3A CN115546143A (zh) | 2022-09-30 | 2022-09-30 | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115546143A true CN115546143A (zh) | 2022-12-30 |
Family
ID=84731063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211215700.3A Pending CN115546143A (zh) | 2022-09-30 | 2022-09-30 | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115546143A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117080142A (zh) * | 2023-10-11 | 2023-11-17 | 迈为技术(珠海)有限公司 | 对准标记中心点的定位方法和晶圆键合方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW516152B (en) * | 2001-07-13 | 2003-01-01 | Uni Tek System Inc | Method for finding wafer boundary |
| CN106503704A (zh) * | 2016-10-21 | 2017-03-15 | 河南大学 | 一种自然场景中圆形交通标志定位方法 |
| CN109614858A (zh) * | 2018-10-31 | 2019-04-12 | 北京航天晨信科技有限责任公司 | 一种瞳孔中心的检测方法和装置 |
| CN110927549A (zh) * | 2019-11-21 | 2020-03-27 | 广西天微电子有限公司 | 晶圆重定位方法及其系统 |
| CN111106055A (zh) * | 2019-12-31 | 2020-05-05 | 上海精测半导体技术有限公司 | 一种晶圆位置确定方法 |
| CN112258383A (zh) * | 2020-10-20 | 2021-01-22 | 杭州海康威视数字技术股份有限公司 | 一种鱼眼图像中有效区域的确定方法、装置及设备 |
| WO2022151716A1 (zh) * | 2021-01-14 | 2022-07-21 | 长鑫存储技术有限公司 | 晶圆量测方法、装置、介质和电子设备 |
| CN114975212A (zh) * | 2022-04-21 | 2022-08-30 | 理想晶延半导体设备(上海)股份有限公司 | 一种晶圆中心定位方法、装置、设备及介质 |
| CN114999908A (zh) * | 2022-04-29 | 2022-09-02 | 深圳市青虹激光科技有限公司 | 晶圆加工方法、设备以及计算机可读存储介质 |
-
2022
- 2022-09-30 CN CN202211215700.3A patent/CN115546143A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW516152B (en) * | 2001-07-13 | 2003-01-01 | Uni Tek System Inc | Method for finding wafer boundary |
| CN106503704A (zh) * | 2016-10-21 | 2017-03-15 | 河南大学 | 一种自然场景中圆形交通标志定位方法 |
| CN109614858A (zh) * | 2018-10-31 | 2019-04-12 | 北京航天晨信科技有限责任公司 | 一种瞳孔中心的检测方法和装置 |
| CN110927549A (zh) * | 2019-11-21 | 2020-03-27 | 广西天微电子有限公司 | 晶圆重定位方法及其系统 |
| CN111106055A (zh) * | 2019-12-31 | 2020-05-05 | 上海精测半导体技术有限公司 | 一种晶圆位置确定方法 |
| CN112258383A (zh) * | 2020-10-20 | 2021-01-22 | 杭州海康威视数字技术股份有限公司 | 一种鱼眼图像中有效区域的确定方法、装置及设备 |
| WO2022151716A1 (zh) * | 2021-01-14 | 2022-07-21 | 长鑫存储技术有限公司 | 晶圆量测方法、装置、介质和电子设备 |
| CN114975212A (zh) * | 2022-04-21 | 2022-08-30 | 理想晶延半导体设备(上海)股份有限公司 | 一种晶圆中心定位方法、装置、设备及介质 |
| CN114999908A (zh) * | 2022-04-29 | 2022-09-02 | 深圳市青虹激光科技有限公司 | 晶圆加工方法、设备以及计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117080142A (zh) * | 2023-10-11 | 2023-11-17 | 迈为技术(珠海)有限公司 | 对准标记中心点的定位方法和晶圆键合方法 |
| CN117080142B (zh) * | 2023-10-11 | 2024-02-06 | 迈为技术(珠海)有限公司 | 对准标记中心点的定位方法和晶圆键合方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111860060A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
| CN111259890A (zh) | 一种水位尺的水位识别方法、装置及设备 | |
| CN111507055B (zh) | 电路设计版图和电镜扫描图像的配准方法及系统、电路设计版图和其成像误差计算方法 | |
| CN109685764B (zh) | 产品定位方法、装置及终端设备 | |
| CN116071272A (zh) | 一种图像校正方法、装置、电子设备及其存储介质 | |
| CN115546143A (zh) | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 | |
| CN113362420A (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
| CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN114596431A (zh) | 信息确定方法、装置及电子设备 | |
| CN114359383A (zh) | 一种图像定位方法、装置、设备以及存储介质 | |
| CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
| CN113378837A (zh) | 车牌遮挡识别方法、装置、电子设备和存储介质 | |
| CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| CN115311624A (zh) | 一种边坡位移监测方法、装置、电子设备及存储介质 | |
| CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
| CN114387318A (zh) | 遥感影像自动配准方法、装置、电子设备及存储介质 | |
| CN110399892B (zh) | 环境特征提取方法和装置 | |
| CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
| CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
| CN111695551B (zh) | 表盘的读数方法、装置、计算机设备及可读存储介质 | |
| CN117368879B (zh) | 雷达图的生成方法、装置、终端设备及可读存储介质 | |
| CN111340715B (zh) | 一种图像的网格纹弱化方法、装置及电子设备 | |
| CN112232348B (zh) | 一种基于机器视觉的甲骨文识别方法及系统 | |
| CN114842084B (zh) | 一种地图构建方法、装置及移动探测设备 |
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 |