CN115910889A - 晶圆检测的芯粒自动定位方法、系统、设备及介质 - Google Patents
晶圆检测的芯粒自动定位方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115910889A CN115910889A CN202211425976.4A CN202211425976A CN115910889A CN 115910889 A CN115910889 A CN 115910889A CN 202211425976 A CN202211425976 A CN 202211425976A CN 115910889 A CN115910889 A CN 115910889A
- Authority
- CN
- China
- Prior art keywords
- core
- wafer
- grain
- model
- particle
- 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
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及一种晶圆检测的芯粒自动定位方法、系统、设备及介质,属于光电半导体检测技术领域,其包括获取晶圆整体图像;基于所述晶圆整体图像,获得位于X/Y数列的至少三个芯粒位置坐标;基于所述位于X/Y数列的至少三个芯粒位置坐标、芯粒的大小以及晶圆的大小,得到芯粒预成像模型;基于所述芯粒预成像模型对芯粒位置进行校验并标记;根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓,得到芯粒模型;将所述芯粒模型嵌入到控制程序中对芯粒进行定位。本申请具有以下效果:提升晶圆的检测效率和芯粒的定位准确度。
Description
技术领域
本申请涉及光电半导体检测的技术领域,尤其是涉及一种晶圆检测的芯粒自动定位方法、系统、设备及介质。
背景技术
晶圆是指硅半导体集成电路制作所用的硅晶片,是生产集成电路所用的载体,在硅晶片上可加工制作成各种电路元件结构,而成为有特定电性功能之IC产品。芯片是晶圆切割完成的半成品,芯粒也叫小芯片,能够通过内部互联技术将多个模块芯片与底层基础芯片封装在一起,类似于搭建乐高积木,形成一个系统芯片(Soc芯片)。
随着科技的不断发展,晶圆需求持续上升的同时,对晶圆的精度和良率要求也越来越高,在晶圆制造完成之后,晶圆检测是一步非常重要的测试,在检测过程中,每一个芯片的电性能力和电路机能都被检测到。
在晶圆检测时,最主要的检测点在于对晶圆上每个芯粒的检测,而对芯粒的检测则需要对芯粒的位置有一个好的判断,即对单一芯粒进行对准,并且判断其在晶圆上的具体位置,而现有的判断晶圆上的具体位置更多的是以扫描行列上的芯粒位置,从而再图像上呈现出来,而这样的扫描方式呈现效率比较慢,并且不适用于对大晶圆上。
发明内容
为了解决目前大晶圆检测效率低的问题,本申请提供一种晶圆检测的芯粒自动定位方法、系统、设备及介质。
第一方面,本申请提供一种晶圆检测的芯粒自动定位方法,采用如下的技术方案:
一种晶圆检测的芯粒自动定位方法,包括:
获取晶圆整体图像;
基于所述晶圆整体图像,获得位于X/Y数列的至少三个芯粒位置坐标;
基于所述位于X/Y数列的至少三个芯粒位置坐标、芯粒的大小以及晶
圆的大小,得到芯粒预成像模型;
基于所述芯粒预成像模型对芯粒位置进行校验并标记;
根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓,
得到芯粒模型;
将所述芯粒模型嵌入到控制程序中对芯粒进行定位。
通过采用上述技术方案,根据晶圆的整体图像获得位于X/Y数列的至少三个芯粒位置坐标,根据上述位于X/Y数列的至少三个芯粒位置坐标,并结合芯粒的大小以及晶圆整体的尺寸得到芯粒预成像模型,此芯粒预成像模型是对全局芯粒位置的预估计,再基于该芯粒预成像模型对芯粒位置进行校验并标记,判断预估计的芯粒位置是否和实际的芯粒位置相符合,再根据上述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的整体尺寸得到芯粒模型,此芯粒模型为实际分布在晶圆上的芯粒模型,将该芯粒模型嵌入至控制程序中对芯粒进行定位操作,从而实现了在晶圆检测过程中对芯粒的自动定位,提升了检测效率,尤其是对于一些大晶圆的检测,使用行列的整体扫描需要耗费大量的时间,且利用该方法对芯粒位置进行定位,也提升了定位精准度。
优选的,所述基于所述至少三个芯粒位置坐标,得到芯粒预成像模型,
包括:
基于所述位于X/Y数列的至少三个芯粒位置坐标,获得所述位于X/Y
数列的至少三个芯粒的间距值;
基于所述间距值得到局部芯粒模型;
基于所述局部芯粒模型对整体芯粒模型进行预成像处理,得到芯粒预
成像模型。
通过采用上述技术方案,根据位于X/Y数列的至少三个芯粒位置坐标能够得到该位于X/Y数列的至少三个芯粒的两两间距值,根据上述间距值得出局部芯粒模型,再根据该局部芯粒模型对整体的芯粒模型进行预成像处理得到一个芯粒预成像模型,此芯粒预成像模型是基于晶圆尺寸对全局芯粒位置的一个预估计。
优选的,所述基于所述芯粒预成像模型对芯粒位置进行校验并标记,包括:
基于芯粒预成像模型得到对整体芯粒位置的一个预分布估计;
控制探针和显微镜对预分布的芯粒位置进行校验;
判断所述预分布的芯粒位置是否存在,得到校验后的芯粒位置图像和
晶圆轮廓;
若所述预分布的芯粒位置存在,则对所述预分布的芯粒位置进行标记;
若所述预分布的芯粒位置不存在,则对所述预分布的芯粒位置不进行
标记,对所述晶圆的轮廓进行记录。
通过采用上述技术方案,根据芯粒预成像模型得到对整体芯粒位置的一个预分布估计,使用探针和显微镜对预分布估计的芯粒位置进行校验,即判断预分布的芯粒位置是否符合于实际分布的芯粒位置,若预分布的芯粒位置存在,那么该芯粒位置与实际的芯粒位置相符,对该芯粒位置进行标记,若预分布的芯粒位置不存在,则不进行标记,对该位置下晶圆的轮廓进行记录,从而完成对预估计芯粒位置的校验。
优选的,所述根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆轮廓,得到芯粒模型,包括:
根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓进
行结合处理得到晶圆的最终图像;
结合所述晶圆的最终图像、所述晶圆的轮廓和实际的芯粒分布位置,
以获得两芯粒之间的间距特征和方位特征;
将所述间距特征和所述方位特征放入神经网络中训练,得到芯粒模型。
通过采用上述技术方案,根据芯粒预成像模型、校验后的芯粒位置图像和晶圆的轮廓进行结合处理得到晶圆的最终图像,结合该晶圆的最终图像、晶圆的轮廓以及实际的芯粒分布位置,获得晶圆上相邻两芯粒之间的间距特征和方位特征,将上述间距特征和方位特征放入神经网络中采用神经网络算法进行训练,得到芯粒模型。
优选的,将所述芯粒模型嵌入到控制程序中对芯粒位置进行定位,包括:
寻遍定位和标记点定位,用于寻找所述晶圆的首行首粒,并将探针1移至对应的芯粒上。
通过采用上述技术方案,控制程序利用寻遍定位和标记点定位的方法对芯粒位置进行定位。
优选的,所述寻遍定位包括:
向左上角寻找首行首粒;
将探针1移至所述首行首粒中心,得到所述首行首粒同识别位置的XY偏移;
点击自动定位,检查定位效果。
通过采用上述技术方案,通过寻找晶圆的首行首粒,将探针1移至对应的芯粒上,以实现自动定位。
优选的,所述标记点定位包括:
编辑标记点模板;
设定所述标记点定位的粗略坐标XY;
将所述标记点进行定位在屏幕识别区的粗略位置;
寻找所述标记点;
将首行首粒移动至探针1下,设首行首粒同标记点的XY偏移。
通过采用上述技术方案,通过寻找指定位置附近的标记点,推算首行首粒的位置,以实现自动定位。
第二方面,本申请提供一种晶圆检测的芯粒自动定位系统,采用如下的技术方案:
一种晶圆检测的芯粒自动定位系统,包括:
获取模块,用于获取晶圆整体图像;
位置坐标判断模块,用于基于所述晶圆整体图像,获得位于X/Y数列
的至少三个芯粒位置坐标;
预成像模块,用于基于所述位于X/Y数列的至少三个芯粒位置坐标、
芯粒的大小以及晶圆的大小,得到芯粒预成像模型;
校验模块,用于基于所述芯粒预成像模型对芯粒位置进行校验并标记;
芯粒模型形成模块,用于根据所述芯粒预成像模型、校验后的芯粒位
置图像以及晶圆的轮廓,得到芯粒模型;
应用模块,用于将所述芯粒模型嵌入到控制程序中对芯粒位置进行定位。
通过采用上述技术方案,位置坐标判断模块根据获取模块获取的晶圆整体图像,得到X/Y数列的至少三个芯粒位置坐标,预成像模块根据位于上述X/Y数列的至少三个芯粒位置坐标、芯粒的大小以及晶圆的整体尺寸,得到芯粒预成像模型,校验模块根据芯粒预成像模型对预估计的全局芯粒位置进行校验并标记,芯粒模型形成模块根据上述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓对整体芯粒位置进行处理,得到芯粒模型,将上述芯粒模型嵌入控制程序中,以实现对芯粒位置的自动定位。
第三方面,本申请提供一种设备,采用如下的技术方案:
一种设备,包括存储器、处理器以及存储在所述存储器中并可在所述
处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述矿物识别分类方法。
通过采用上述技术方案,通过将上述的一种晶圆检测的芯粒自动定位方法生成计算机指令,并存储于存储器中,以被处理器加载并执行,从而,根据存储器及处理器制作终端设备,方便使用。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述晶圆检测的芯粒自动定位方法。
通过采用上述技术方案,通过将上述的一种晶圆检测的芯粒自动定位方法生成计算机指令,并存储于计算机可读存储介质中,以被处理器加载并执行,通过计算机可读存储介质,方便计算机指令的可读及存储
综上所述,本申请包括以下至少一种有益技术效果:
1.通过获取位于X/Y数列的至少三个芯粒位置坐标,再结合芯粒的大小和晶圆整体的尺寸,对整体的芯粒位置进行一个初步预估,即芯粒预成像模型,接着对初步预估的芯粒位置进行校验并对预估准确的芯粒进行标记,不准确的记录该位置下晶圆的轮廓,以得到实际情况下的芯粒位置分布图像,即芯粒模型,将该芯粒模型放入到控制程序中实现对芯粒位置的自动定位,利用局部对整体进行预估,提升了检测效率,再对预估的位置进行校验并标记,同时也提升了定位的准确度。
附图说明
图1是本申请实施例晶圆检测的芯粒自动定位方法的应用环境示意图。
图2是本申请实施例晶圆检测的芯粒自动定位方法的第一流程框图。
图3是本申请实施例晶圆检测的芯粒自动定位方法的第二流程框图。
图4是本申请实施例晶圆检测的芯粒自动定位方法的第三流程框图。
图5是本申请实施例晶圆检测的芯粒自动定位方法的第四流程框图。
图6是本申请实施例晶圆检测的芯粒自动定位方法的第五流程框图。
图7是本申请实施例晶圆检测的芯粒自动定位方法的第六流程框图。
图8是本申请实施例晶圆检测的芯粒自动定位系统的流程框图。
图9是本申请实施例设备的内部结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的晶圆检测的芯粒自动定位方法,可应用在如图1的应用环境中,该晶圆检测的芯粒自动定位方法应用在晶圆检测的芯粒自动定位系统中,该晶圆检测的芯粒自动定位系统包括客户端和服务器,其中,客户端通过网络与服务器进行通信。客户端又称为用户端,是指与服务器相对应,为客户端提供本地服务的程序。进一步地,客户端为计算机端程序、智能设备的APP程序或嵌入其他APP的第三方小程序。该客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本申请实施例公开一种晶圆检测的芯粒自动定位方法。参照图2,包括:
S10.获取晶圆整体图像。
S20.基于晶圆整体图像,获得位于X/Y数列的至少三个芯粒位置坐标。
S30.基于位于X/Y数列的至少三个芯粒位置坐标、芯粒的大小以及晶
圆的大小,得到芯粒预成像模型。
S40.基于芯粒预成像模型对芯粒位置进行校验并标记。
S50.根据芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓,
得到芯粒模型。
S60.将芯粒模型嵌入到控制程序中对芯粒位置进行定位。
其中,芯粒预成像模型是对整体芯粒位置的预估,芯粒模型为实际分布在晶圆上的芯粒模型;基于芯粒预成像模型对芯粒位置进行校验并标记,指的是对预估的整体芯粒位置进行校验和标记。
具体地,位于X/Y数列的至少三个芯粒位置坐标指的是先确定一个芯粒的位置,相邻于该芯粒且位于X/Y数列的芯粒各有一个。
其作用在于,根据晶圆的整体图像获得位于X\Y数列的至少三个芯粒
位置坐标,本申请采用位于X\Y数列的前列的3-5个芯粒位置,根据上述至少三个芯粒位置坐标,并结合芯粒的大小以及晶圆整体的尺寸得到芯粒预成像模型,此芯粒预成像模型是对全局芯粒位置的预估计,再基于该芯粒预成像模型对芯粒位置进行校验并标记,判断预估计的芯粒位置是否和实际的芯粒位置相符合,再根据上述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的整体尺寸得到芯粒模型,此芯粒模型为实际分布在晶圆上的芯粒模型,将该芯粒模型嵌入至控制程序中对芯粒进行定位操作,从而实现了在晶圆检测过程中对芯粒的自动定位,提升了工作效率,尤其对于一些大晶圆,扫描整体行列上的芯粒位置的方法已不再适用,此外,利用该方法对芯粒自动定位,精准度也更高。
参照图3,基于位于X/Y数列的至少三个芯粒位置坐标,得到芯粒预成像模型,包括:
S301.基于位于X/Y数列的至少三个芯粒位置坐标,获得位于X/Y数列
的至少三个芯粒的两两间距值。
S302.基于间距值得到局部芯粒模型;
S303.基于局部芯粒模型对整体芯粒模型进行预成像处理,得到芯粒预
成像模型。
其作用在于,根据位于X/Y数列的至少三个芯粒位置坐标能够得到该位于X/Y数列的至少三个芯粒的两两间距值,根据上述间距值得出局部芯粒模型,再根据该局部芯粒模型对整体的芯粒模型进行预成像处理得到一个芯粒预成像模型,此芯粒预成像模型是基于晶圆尺寸对全局芯粒位置的一个预估计。
参照图4,基于芯粒预成像模型对芯粒位置进行校验并标记,包括:
S401.基于芯粒预成像模型得到对整体芯粒位置的一个预分布估计;
S402.控制探针和显微镜对预分布的芯粒位置进行校验;
S403.判断预分布的芯粒位置是否存在,得到校验后的芯粒位置图像和
晶圆轮廓;
若预分布的芯粒位置存在,则对预分布的芯粒位置进行标记;
若预分布的芯粒位置不存在,则对预分布的芯粒位置不进行标记,对
晶圆的轮廓进行记录。
其作用在于,根据芯粒预成像模型得到对整体芯粒位置的一个预分布估计,使用探针和显微镜对预分布估计的芯粒位置进行校验,即判断预分布的芯粒位置是否符合于实际分布的芯粒位置,若预分布的芯粒位置存在,那么该芯粒位置与实际的芯粒位置相符,对该芯粒位置进行标记,若预分布的芯粒位置不存在,则不进行标记,对该位置下晶圆的轮廓进行记录,从而完成对预估计芯粒位置的校验。
参照图5,根据芯粒预成像模型、校验后的芯粒位置图像以及晶圆轮廓,得到芯粒模型,包括:
根据芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓进行结
合处理得到晶圆的最终图像;
结合晶圆的最终图像、晶圆的轮廓和实际的芯粒分布位置,以获得两
芯粒之间的间距特征和方位特征;
将间距特征和方位特征放入神经网络中训练,得到芯粒模型。
其作用在于,根据芯粒预成像模型、校验后的芯粒位置图像和晶圆的轮廓进行结合处理得到晶圆的最终图像,结合该晶圆的最终图像、晶圆的轮廓以及实际的芯粒分布位置,获得晶圆上相邻两芯粒之间的间距特征和方位特征,将上述间距特征和方位特征放入神经网络中采用神经网络算法进行训练,得到芯粒模型,神经网络算法包括但不限于以下几种,MLP神经网络、GMM高斯混合模型、KNN最近邻算法以及支持向量机SVM算法等。
将芯粒模型嵌入到控制程序中对芯粒进行定位,包括:
寻遍定位和标记点定位,用于寻找晶圆的首行首粒,并将探针1移至对应的芯粒上。
参照图6,寻遍定位包括:
向左上角寻找首行首粒;
将探针1移至首行首粒中心,得到首行首粒同识别位置的XY偏移;
点击自动定位,检查定位效果。
其作用在于,通过寻找晶圆的首行首粒,将探针1移至对应的芯粒上,以实现自动定位。
参照图7,标记点定位包括:
编辑标记点模板;
设定标记点定位的粗略坐标XY;
将标记点进行定位在屏幕识别区的粗略位置;
寻找标记点;
将首行首粒移动至探针1下,设首行首粒同标记点的XY偏移。
其作用在于,通过寻找指定位置附近的标记点,推算首行首粒的位置,以实现自动定位。
在一实施例中,提供了一种晶圆检测的芯粒自动定位系统,参照图8,包括:
获取模块10,用于获取晶圆整体图像;
位置坐标判断模块20,用于基于晶圆整体图像,获得位于X/Y数列的
至少三个芯粒位置坐标;
预成像模块30,用于基于位于X/Y数列的至少三个芯粒位置坐标、芯
粒的大小以及晶圆的大小,得到芯粒预成像模型;
校验模块40,用于基于芯粒预成像模型对芯粒位置进行校验并标记;
芯粒模型形成模块50,用于根据芯粒预成像模型、校验后的芯粒位置
图像以及晶圆的轮廓,得到芯粒模型;
应用模块60,用于将芯粒模型嵌入到控制程序中对芯粒位置进行定位。
其作用在于,位置坐标判断模块20根据获取模块获取10的晶圆整体
图像,获得位于X/Y数列的至少三个芯粒位置坐标,预成像模块30根据位于上述X/Y数列的至少三个芯粒位置坐标、芯粒的大小以及晶圆的整体尺寸,得到芯粒预成像模型,校验模块40根据芯粒预成像模型对预估计的全局芯粒位置进行校验并标记,芯粒模型形成模块50根据上述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓对整体芯粒位置进行处理,得到芯粒模型,应用模块60将上述芯粒模型嵌入控制程序中,以实现对芯粒位置的自动定位。
关于晶圆检测的芯粒自动定位系统的具体限定可以参见上文中对于晶圆检测的芯粒自动定位方法的限定,在此不再赘述。上述晶圆检测的芯粒自动定位系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于设备中的处理器中,也可以以软件形式存储于设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一实施例中,提供了一种设备,该设备可以是服务器,其内部结构图可以如图9所示。该设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该设备的处理器用于提供计算和控制能力。该设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该设备的数据库用于晶圆检测的芯粒自动定位方法相关的数据。该设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种晶圆检测的芯粒自动定位方法。
在一实施例中,提供一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例晶圆检测的芯粒自动定位方法,例如图2所示S10至步骤S60。或者,处理器执行计算机程序时实现上述实施例中晶圆检测的芯粒自动定位系统的各模块/单元的功能,例如图8所示模块10至模块60的功能。为避免重复,此处不再赘述。
在一实施例中,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例晶圆检测的芯粒自动定位方法,例如图2所示S10至步骤S60。或者,该计算机程序被处理器执行时实现上述装置实施例中晶圆检测的芯粒自动定位系统中各模块/单元的功能,例如图8所示模块10至模块60的功能。为避免重复,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种晶圆检测的芯粒自动定位方法,其特征在于,包括:
获取晶圆整体图像;
基于所述晶圆整体图像,获得位于X/Y数列的至少三个芯粒位置坐标;
基于所述位于X/Y数列的至少三个芯粒位置坐标、芯粒的大小以及晶
圆的大小,得到芯粒预成像模型;
基于所述芯粒预成像模型对芯粒位置进行校验并标记;
根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓,
得到芯粒模型;
将所述芯粒模型嵌入到控制程序中对芯粒进行定位。
2.根据权利要求1所述的晶圆检测的芯粒自动定位方法,其特征在于,所述基于所述至少三个芯粒位置坐标,得到芯粒预成像模型,包括:
基于所述位于X/Y数列的至少三个芯粒位置坐标,获得所述位于X/Y
数列的至少三个芯粒的间距值;
基于所述间距值得到局部芯粒模型;
基于所述局部芯粒模型对整体芯粒模型进行预成像处理,得到芯粒预
成像模型。
3.根据权利要求1所述的晶圆检测的芯粒自动定位方法,其特征在于,
所述基于所述芯粒预成像模型对芯粒位置进行校验并标记,包括:
基于芯粒预成像模型得到对整体芯粒位置的一个预分布估计;
控制探针和显微镜对预分布的芯粒位置进行校验;
判断所述预分布的芯粒位置是否存在,得到校验后的芯粒位置图像和
晶圆轮廓;
若所述预分布的芯粒位置存在,则对所述预分布的芯粒位置进行标记;
若所述预分布的芯粒位置不存在,则对所述预分布的芯粒位置不进行
标记,对所述晶圆的轮廓进行记录。
4.根据权利要求1所述的晶圆检测的芯粒自动定位方法,其特征在于,
所述根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆轮廓,得到芯粒模型,包括:
根据所述芯粒预成像模型、校验后的芯粒位置图像以及晶圆的轮廓进
行结合处理得到晶圆的最终图像;
结合所述晶圆的最终图像、所述晶圆的轮廓和实际的芯粒分布位置,
以获得两芯粒之间的间距特征和方位特征;
将所述间距特征和所述方位特征放入神经网络中训练,得到芯粒模型。
5.根据权利要求 1所述的晶圆检测的芯粒自动定位方法,其特征在于,
将所述芯粒模型嵌入到控制程序中对芯粒进行定位,包括:
寻遍定位和标记点定位,用于寻找所述晶圆的首行首粒,并将探针1移至对应的芯粒上。
6.根据权利要求5所述的晶圆检测的芯粒自动定位方法,其特征在于,
所述寻遍定位包括:
向左上角寻找首行首粒;
将探针1移至所述首行首粒中心,得到所述首行首粒同识别位置的XY偏移;
点击自动定位,检查定位效果。
7.根据权利要求5所述的晶圆检测的芯粒自动定位方法,其特征在于,
所述标记点定位包括:
编辑标记点模板;
设定所述标记点定位的粗略坐标XY;
将所述标记点进行定位在屏幕识别区的粗略位置;
寻找所述标记点;
将首行首粒移动至探针1下,设首行首粒同标记点的XY偏移。
8.一种晶圆检测的芯粒自动定位系统,其特征在于,包括:
获取模块,用于获取晶圆整体图像;
位置坐标判断模块,用于基于所述晶圆整体图像,获得位于X/Y数列
的至少三个芯粒位置坐标;
预成像模块,用于基于所述位于X/Y数列的至少三个芯粒位置坐标、
芯粒的大小以及晶圆的大小,得到芯粒预成像模型;
校验模块,用于基于所述芯粒预成像模型对芯粒位置进行校验并标记;
芯粒模型形成模块,用于根据所述芯粒预成像模型、校验后的芯粒位
置图像以及晶圆的轮廓,得到芯粒模型;
应用模块,用于将所述芯粒模型嵌入到控制程序中对芯粒位置进行定
位。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的晶圆检测的芯粒自动定位方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的晶圆检测的芯粒自动定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211425976.4A CN115910889A (zh) | 2022-11-15 | 2022-11-15 | 晶圆检测的芯粒自动定位方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211425976.4A CN115910889A (zh) | 2022-11-15 | 2022-11-15 | 晶圆检测的芯粒自动定位方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115910889A true CN115910889A (zh) | 2023-04-04 |
Family
ID=86475721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211425976.4A Pending CN115910889A (zh) | 2022-11-15 | 2022-11-15 | 晶圆检测的芯粒自动定位方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115910889A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115143A (zh) * | 2023-10-16 | 2023-11-24 | 深圳市壹倍科技有限公司 | 一种检测晶圆芯粒的方法、装置、计算机设备及存储介质 |
-
2022
- 2022-11-15 CN CN202211425976.4A patent/CN115910889A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115143A (zh) * | 2023-10-16 | 2023-11-24 | 深圳市壹倍科技有限公司 | 一种检测晶圆芯粒的方法、装置、计算机设备及存储介质 |
CN117115143B (zh) * | 2023-10-16 | 2024-01-02 | 深圳市壹倍科技有限公司 | 一种检测晶圆芯粒的方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108519550A (zh) | 集成电路晶圆测试优化方法 | |
CN102142355B (zh) | 物体制造缺陷的应用方法 | |
WO2013040063A2 (en) | Determining design coordinates for wafer defects | |
CN108241765B (zh) | 一种芯片晶体管测试芯片设计方法 | |
CN115910889A (zh) | 晶圆检测的芯粒自动定位方法、系统、设备及介质 | |
CN114742819B (zh) | Mos管背金工艺中硅片贴膜质检管理方法及系统 | |
TWI733221B (zh) | 系統性故障定位系統及系統性故障定位的方法 | |
US8100317B2 (en) | Method of teaching eyepoints for wire bonding and related semiconductor processing operations | |
CN115097282A (zh) | 阵列芯片测试方法、系统、计算机设备和存储介质 | |
CN110957231B (zh) | 电性失效图形判别装置及判别方法 | |
EP4050560B1 (en) | Wafer testing method and apparatus, and device and storage medium | |
CN115223882A (zh) | 晶圆测试映射图错位的确定方法、装置、设备及存储介质 | |
CN114798479A (zh) | 一种裸片的筛选方法、装置、设备及存储介质 | |
CN113128247A (zh) | 一种图像定位标识验证方法及服务器 | |
CN113420525A (zh) | 一种在eda软件中建立芯片三维扩散模型的建模方法 | |
CN115063432B (zh) | 对准标记图形的识别方法及装置、计算机设备和存储介质 | |
CN115175095B (zh) | 室内定位方法、装置、存储介质及终端 | |
CN117808803B (zh) | 一种基于图像处理的工件质量检测方法及系统、电子设备 | |
CN108805929B (zh) | 插片方法、装置、系统、计算机设备和存储介质 | |
US11854186B2 (en) | Comparison method and modeling method for chip product, device and storage medium | |
CN117934804B (zh) | 确定晶圆是否扎针合格的方法及相关装置 | |
CN116757973B (zh) | 一种面板产品自动修补方法、系统、设备及存储介质 | |
TW522468B (en) | Method of determining exposure reference point on wafer | |
CN118116819A (zh) | 一种晶粒位置校正方法、晶圆点测方法和点测设备 | |
CN118366878A (zh) | 晶圆检测处方创建方法、装置、设备和介质 |
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 |