CN116108213A - 缺陷图形数据库的建立方法、装置、设备及可读存储介质 - Google Patents

缺陷图形数据库的建立方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN116108213A
CN116108213A CN202211733994.9A CN202211733994A CN116108213A CN 116108213 A CN116108213 A CN 116108213A CN 202211733994 A CN202211733994 A CN 202211733994A CN 116108213 A CN116108213 A CN 116108213A
Authority
CN
China
Prior art keywords
defect
graph
row
grouping
image
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
Application number
CN202211733994.9A
Other languages
English (en)
Inventor
请求不公布姓名
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.)
Dongfang Jingyuan Electron Ltd
Original Assignee
Dongfang Jingyuan Electron 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 Dongfang Jingyuan Electron Ltd filed Critical Dongfang Jingyuan Electron Ltd
Priority to CN202211733994.9A priority Critical patent/CN116108213A/zh
Priority to PCT/CN2023/083289 priority patent/WO2024130874A1/zh
Publication of CN116108213A publication Critical patent/CN116108213A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06T7/70—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Design And Manufacture Of Integrated Circuits (AREA)

Abstract

本申请提供了一种缺陷图形数据库的建立方法、装置、电子设备及计算机可读存储介质。该缺陷图形数据库的建立方法，包括：获取芯片生产过程中在有图形硅片上的缺陷检测结果；在将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定缺陷图像中缺陷位置在设计版图上对应的缺陷位置；基于设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，缺陷检测报告包括以设计版图上的缺陷位置为中心，预设范围内的缺陷图形；对缺陷图形进行图形分组，得到图形分组结果；基于图形分组结果，建立缺陷图形数据库。根据本申请实施例，能够保证所建立的缺陷图形数据库的高覆盖度和全信息度。

Description

缺陷图形数据库的建立方法、装置、设备及可读存储介质
技术领域
本申请属于数据库建立技术领域，尤其涉及一种缺陷图形数据库的建立方法、装置、电子设备及计算机可读存储介质。
背景技术
目前，在芯片生产制造过程中，各种检测设备会在晶圆(Wafer)制造过程中检测出大量缺陷。但是目前对于检出缺陷的管理仍然主要基于晶圆图(Wafer Map)管理。基于Wafer Map管理对缺陷位置精度要求不高，位置精度容许在几百微米误差范围内。
但是，随着芯片生产工艺的不断提升，目前先进芯片生产工艺已经达到10nm级线宽。几百微米范围误差的缺陷管理明显不适用于先进芯片生产工艺。
现有技术提出基于设计版图来形成缺陷数据库，现有基于设计版图形成缺陷数据库的流程如图1所示。
基于图1可知，现有技术方案的数据来源是高分辨率图像，先后运用高分辨率图像的外形轮廓提取技术和提取得到的轮廓与设计版图的对准技术，在对准后再做后续量测。现有技术方案对数据来源的限制使得这个方案无法处理芯片生产过程中的大部分缺陷数据。因为目前的芯片生产过程中大部分缺陷数据都是来自于光学检测设备和E-beam检测设备。光学检测设备和E-beam检测设备的缺陷检查结果都不是高分辨率图像。芯片生产过程中只有一部分Review SEM产生的缺陷检查结果是高分辨率图像。现有技术解决方案只能处理和运用小部分芯片生产的数据，限制了现有技术基于设计版图给出的解决方案的技术效果。
另外，现有技术解决方案中对缺陷和感兴趣图形周围应用特征识别技术，将缺陷和周围图形依据可识别的特征进行设计图形抽取，并用抽取后的结果更新缺陷图形数据库。这种方法应用特征识别对缺陷和周围图形进行筛选，目的在于留下感兴趣的特征图形用以更新缺陷图形数据库。但这种筛选同样意味着缺陷和周围图形并未被全部保留，只有小部分筛选过的信息被更新到了缺陷图形数据库。在实际芯片生产过程中，新的缺陷类型和缺陷特征不断出现，已知的感兴趣的缺陷特征描述无法完全覆盖新出现的缺陷类型。所以，新的缺陷类型，新的感兴趣的图形特征必须经由人工添加新的特征描述才能被更新到缺陷图形数据库。因此，在人工添加新缺陷特征描述之前，新的缺陷类型和新的感兴趣图形特征就被现有技术解决方案忽视，无法进入缺陷图形数据库。这就会进一步降低现有技术方案在保存缺陷图形方面的即时性和有效性。
有鉴于此，提出本申请。
发明内容
本申请实施例提供一种缺陷图形数据库的建立方法、装置、电子设备及计算机可读存储介质，能够保证所建立的缺陷图形数据库的高覆盖度和全信息度。
第一方面，本申请实施例提供一种缺陷图形数据库的建立方法，包括：
获取芯片生产过程中在有图形硅片上的缺陷检测结果；
在将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定缺陷图像中缺陷位置在设计版图上对应的缺陷位置；
基于设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，缺陷检测报告包括以设计版图上的缺陷位置为中心，预设范围内的缺陷图形；
对缺陷图形进行图形分组，得到图形分组结果；
基于图形分组结果，建立缺陷图形数据库。
可选的，缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果；
其中，高分辨率图像为垂直分辨率大于等于720的图像；低分辨率图像为垂直分辨率小于720的图像。
可选的，将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准，包括：
提取缺陷图像的扫描电子显微镜图像轮廓；
将扫描电子显微镜图像轮廓转化为与设计版图格式相同的扫描电子显微镜图像轮廓；
将转化后的扫描电子显微镜图像轮廓与设计版图进行对准。
可选的，将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，包括：
将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，并基于预设的图形相似度指标获取对准结果；
其中，图形相似度指标用于表征扫描电子显微镜图像轮廓与设计版图之间的对准程度。
可选的，缺陷检测报告还包括缺陷图形对应的缺陷类型信息、缺陷位置信息和缺陷尺寸信息。
可选的，对缺陷图形进行图形分组，得到图形分组结果，包括：
基于多个缺陷图形构建图形比较矩阵；其中，图形比较矩阵包括用于表征不同图形之间的相似度的多个元素；
根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素；其中，预设策略包括贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略中的任意一种；
根据目标行的元素和预设策略，对缺陷图形进行图形分组，得到图形分组结果。
可选的，若预设策略包括Rich分组策略，则根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素，包括：
根据Rich分组策略，从图形比较矩阵选取包含非零元素最多的行确定为目标行；
根据目标行，确定位于目标行的元素。
可选的，根据Rich分组策略，从图形比较矩阵选取包含非零元素最多的行确定为目标行，包括：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最多的行，并确定为目标行。
可选的，若预设策略包括孤儿分组策略，则根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素，包括：
根据孤儿分组策略，从图形比较矩阵选取包含非零元素最少的行确定为目标行；
根据目标行，确定位于目标行的元素。
可选的，根据孤儿分组策略，从图形比较矩阵选取包含非零元素最少的行确定为目标行，包括：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最少的行，并确定为目标行。
可选的，缺陷图形数据库包括多组缺陷图形，以及每组缺陷图形对应的高分辨率图像的缺陷检测结果和低分辨率图像的缺陷检测结果。
可选的，在基于图形分组结果，建立缺陷图形数据库之后，方法还包括：
依据预设的评分标准，对各个缺陷图形进行图形重要性评分。
可选的，评分标准包括以下标准中的至少一种：
缺陷图形包含缺陷的严重程度；
缺陷图形出现频度、分散度；
缺陷图形出现检测结果可信度；
缺陷图形包含重要和感兴趣特征；
缺陷图形在电学性能上的重要性。
第二方面，本申请实施例提供了一种缺陷图形数据库的建立装置，包括：
缺陷检测结果获取模块，用于获取芯片生产过程中在有图形硅片上的缺陷检测结果；
缺陷位置确定模块，用于在将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定缺陷图像中缺陷位置在设计版图上对应的缺陷位置；
缺陷检测报告生成模块，用于基于设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，缺陷检测报告包括以设计版图上的缺陷位置为中心，预设范围内的缺陷图形；
图形分组模块，用于对缺陷图形进行图形分组，得到图形分组结果；
缺陷图形数据库建立模块，用于基于图形分组结果，建立缺陷图形数据库。
可选的，缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果；
其中，高分辨率图像为垂直分辨率大于等于720的图像；低分辨率图像为垂直分辨率小于720的图像。
可选的，缺陷位置确定模块，包括：
对准子模块，用于提取缺陷图像的扫描电子显微镜图像轮廓；将扫描电子显微镜图像轮廓转化为与设计版图格式相同的扫描电子显微镜图像轮廓；将转化后的扫描电子显微镜图像轮廓与设计版图进行对准。
可选的，对准子模块，用于：将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，并基于预设的图形相似度指标获取对准结果；其中，图形相似度指标用于表征扫描电子显微镜图像轮廓与设计版图之间的对准程度。
可选的，缺陷检测报告还包括缺陷图形对应的缺陷类型信息、缺陷位置信息和缺陷尺寸信息。
可选的，图形分组模块，包括：
图形比较矩阵构建子模块，用于基于多个缺陷图形构建图形比较矩阵；其中，图形比较矩阵包括用于表征不同图形之间的相似度的多个元素；
元素确定子模块，用于根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素；其中，预设策略包括贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略中的任意一种；
图形分组子模块，用于根据目标行的元素和预设策略，对缺陷图形进行图形分组，得到图形分组结果。
可选的，若预设策略包括Rich分组策略，则元素确定子模块，包括：
第一目标行确定单元，用于根据Rich分组策略，从图形比较矩阵选取包含非零元素最多的行确定为目标行；
第一元素确定单元，用于根据目标行，确定位于目标行的元素。
可选的，根据第一目标行确定单元，用于：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最多的行，并确定为目标行。
可选的，若预设策略包括孤儿分组策略，则元素确定子模块，包括：
第二目标行确定单元，用于根据孤儿分组策略，从图形比较矩阵选取包含非零元素最少的行确定为目标行；
第二元素确定单元，用于根据目标行，确定位于目标行的元素。
可选的，第二目标行确定单元，用于：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最少的行，并确定为目标行。
可选的，缺陷图形数据库包括多组缺陷图形，以及每组缺陷图形对应的高分辨率图像的缺陷检测结果和低分辨率图像的缺陷检测结果。
可选的，装置还包括：
图形重要性评分模块，用于在基于图形分组结果，建立缺陷图形数据库之后，依据预设的评分标准，对各个缺陷图形进行图形重要性评分。
可选的，评分标准包括以下标准中的至少一种：
缺陷图形包含缺陷的严重程度；
缺陷图形出现频度、分散度；
缺陷图形出现检测结果可信度；
缺陷图形包含重要和感兴趣特征；
缺陷图形在电学性能上的重要性。
第三方面，本申请实施例提供了一种电子设备，电子设备包括：处理器以及存储有计算机程序指令的存储器；
处理器执行计算机程序指令时实现如第一方面所示的缺陷图形数据库的建立方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面所示的缺陷图形数据库的建立方法。
本申请实施例的缺陷图形数据库的建立方法、装置、电子设备及计算机可读存储介质，能够保证所建立的缺陷图形数据库的高覆盖度和全信息度。
该缺陷图形数据库的建立方法，包括：获取芯片生产过程中在有图形硅片上的缺陷检测结果；在将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定缺陷图像中缺陷位置在设计版图上对应的缺陷位置；基于设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，缺陷检测报告包括以设计版图上的缺陷位置为中心，预设范围内的缺陷图形；对缺陷图形进行图形分组，得到图形分组结果；基于图形分组结果，建立缺陷图形数据库。
可见，该方法所建立的缺陷图形数据库数据来源广泛，能够保证所建立的缺陷图形数据库的高覆盖度。另外，该方法对缺陷周边图形不加任何筛选，全部纳入数据库，避免了现有技术中进行筛选时可能的漏选和遗失，能够保证所建立的缺陷图形数据库的全信息度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，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他的附图。
图1是现有技术中基于设计版图形成缺陷数据库的流程示意图；
图2是本申请一个实施例提供的缺陷图形数据库的建立方法的流程示意图；
图3是本申请一个实施例提供的针对高分辨率图像的缺陷检测结果，生成基于设计版图的缺陷检测报告的流程图；
图4是本申请一个实施例提供的高分辨率图像的基于设计版图的缺陷检测报告；
图5是本申请一个实施例提供的针对低分辨率图像的缺陷检测结果，生成基于设计版图的缺陷检测报告的流程图；
图6是本申请一个实施例提供的基于低分辨率图像和高分辨率图像的缺陷检测报告建立缺陷图形数据库的流程图；
图7是本申请一个实施例提供的缺陷图形数据库的内容示意图；
图8是本申请一个实施例提供的对图形重要性进行排序和评分的示意图；
图9是本申请一个实施例提供的缺陷图形数据库的建立装置的结构示意图；
图10是本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术问题，本申请实施例提供了一种缺陷图形数据库的建立方法、装置、电子设备及计算机可读存储介质。下面首先对本申请实施例所提供的缺陷图形数据库的建立方法进行介绍。
图2示出了本申请一个实施例提供的缺陷图形数据库的建立方法的流程示意图。如图2所示，该缺陷图形数据库的建立方法，包括：
S201、获取芯片生产过程中在有图形硅片上的缺陷检测结果；
在一个实施例中，缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果；
其中，高分辨率图像为垂直分辨率大于等于720的图像；低分辨率图像为垂直分辨率小于720的图像。
可见，因为缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果，所以最终建立的缺陷图形数据库数据来源广泛，除了高分辨率图像的缺陷检测结果，也可以将低分辨率图像的缺陷检测结果纳入数据库。这样实现了芯片生产过程中大部分缺陷图形都能被纳入数据库，保证了所建立的缺陷图形数据库的高覆盖度。
S202、在将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定缺陷图像中缺陷位置在设计版图上对应的缺陷位置；
在一个实施例中，将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准，包括：
提取缺陷图像的扫描电子显微镜图像轮廓；
将扫描电子显微镜图像轮廓转化为与设计版图格式相同的扫描电子显微镜图像轮廓；
将转化后的扫描电子显微镜图像轮廓与设计版图进行对准。
可见，该实施例将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，不必依赖扫描电子显微镜图像仿真效果，故能够提高对准精度。
在一个实施例中，将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，包括：
将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，并基于预设的图形相似度指标获取对准结果；
其中，图形相似度指标用于表征扫描电子显微镜图像轮廓与设计版图之间的对准程度。
可见，该实施例基于预设的图形相似度指标表征扫描电子显微镜图像轮廓与设计版图之间的对准程度，可以更加准确地量化转化后的扫描电子显微镜图像轮廓与设计版图之间的对准程度。
S203、基于设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，缺陷检测报告包括以设计版图上的缺陷位置为中心，预设范围内的缺陷图形；
在一个实施例中，缺陷检测报告还包括缺陷图形对应的缺陷类型信息、缺陷位置信息和缺陷尺寸信息。
结合上文可知，缺陷检测结果可以包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果，故生成基于设计版图的缺陷检测报告存在以下两种情况：
(1)针对高分辨率图像的缺陷检测结果，生成基于设计版图的缺陷检测报告的流程图如图3所示，且得到的高分辨率图像的基于设计版图的缺陷检测报告如图4所示，该缺陷检测报告除了包含缺陷设计版图Gds位置信息，缺陷大小尺寸信息等，还可包含多个clipsize的gds clip，每个缺陷所对应的image也可以有多张image。并且，该实施例中所产生的缺陷检测报告对缺陷没有任何筛选，确保所有的缺陷都能进入缺陷报告，最终进入数据库。
(2)针对低分辨率图像的缺陷检测结果，生成基于设计版图的缺陷检测报告的流程图如图5所示，且得到的低分辨率图像的基于设计版图的缺陷检测报告与前述高分辨率图像的基于设计版图的缺陷检测报告类似。
该低分辨率图像的基于设计版图的缺陷检测报告，除了包含缺陷设计版图Gds位置信息，缺陷大小尺寸信息等，还可包含多个clip size的gds clip，每个缺陷所对应的image也可以有多张image。
该低分辨率图像的基于设计版图的缺陷检测报告，主要依据低分辨率图像的缺陷检测结果所产生。由于低分辨率图像本身分辨率不足，所以本实施例不对低分辨率图像进行基于设计版图的缺陷检测，只是依据对准结果，将原有Wafer坐标的缺陷位置转换为基于设计版图坐标的缺陷位置。并且，本实施例中所产生的缺陷报告对缺陷没有任何筛选，确保所有的缺陷都能进入缺陷报告，最终进入数据库，避免了现有技术中进行筛选时可能的漏选和遗失，能够保证所建立的缺陷图形数据库的全信息度。
S204、对缺陷图形进行图形分组，得到图形分组结果；
在一个实施例中，对缺陷图形进行图形分组，得到图形分组结果，包括：
基于多个缺陷图形构建图形比较矩阵；其中，图形比较矩阵包括用于表征不同图形之间的相似度的多个元素；
根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素；其中，预设策略包括贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略中的任意一种；
根据目标行的元素和预设策略，对缺陷图形进行图形分组，得到图形分组结果。
在一个实施例中，若预设策略包括Rich分组策略，则根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素，包括：
根据Rich分组策略，从图形比较矩阵选取包含非零元素最多的行确定为目标行；
根据目标行，确定位于目标行的元素。
在一个实施例中，根据Rich分组策略，从图形比较矩阵选取包含非零元素最多的行确定为目标行，包括：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最多的行，并确定为目标行。
在一个实施例中，若预设策略包括孤儿分组策略，则根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素，包括：
根据孤儿分组策略，从图形比较矩阵选取包含非零元素最少的行确定为目标行；
根据目标行，确定位于目标行的元素。
在一个实施例中，根据孤儿分组策略，从图形比较矩阵选取包含非零元素最少的行确定为目标行，包括：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最少的行，并确定为目标行。
S205、基于图形分组结果，建立缺陷图形数据库。
在一个实施例中，基于低分辨率图像和高分辨率图像的缺陷检测报告建立缺陷图形数据库的流程图如图6所示，基于低分辨率图像和高分辨率图像的缺陷检测报告，确定缺陷在设计版图上的Clips，再进行图形分组，基于图形分组结果，建立缺陷图形数据库。
如图7所示，在一个实施例中，缺陷图形数据库包括多组缺陷图形，以及每组缺陷图形对应的高分辨率图像的缺陷检测结果和低分辨率图像的缺陷检测结果。
在一个实施例中，在基于图形分组结果，建立缺陷图形数据库之后，方法还包括：
依据预设的评分标准，对各个缺陷图形进行图形重要性评分。
具体地，在基于图形分组结果，建立缺陷图形数据库之后，对缺陷图形数据库中的缺陷图形，还可以根据缺陷图形在生产中的重复出现次数，出现缺陷的检测结果类型等对图形重要性进行排序和评分，以方便对广泛出现和可信度高的缺陷给予关注和改善。
示例性的，对图形重要性进行排序和评分如图8所示，结合图形重要性，图形分为：重点关注图形，次重点关注图形和低关注图形。图8中每个柱状图中的数字即为对应的评分。
在一个实施例中，评分标准包括以下标准中的至少一种：
缺陷图形包含缺陷的严重程度；
缺陷图形出现频度、分散度；
缺陷图形出现检测结果可信度；
缺陷图形包含重要和感兴趣特征；
缺陷图形在电学性能上的重要性。
可见，该实施例可应用多种图形评分手段，对缺陷图形的重要性给予评分，以方便关注数据库中重要的以及用户感兴趣的缺陷图形。
具体地，缺陷图形包含缺陷的严重程度可包括Killer或非Killer；缺陷图形出现频度、分散度可包括缺陷图形出现在产品，Lot，Wafer，Shot，Die层次的重复率；针对缺陷图形出现检测结果可信度，高分辨率图像的缺陷检测结果可信度高，低分辨率图像的缺陷检测结果可信度低；缺陷图形包含重要和感兴趣特征可基于设计版图规则打分；缺陷图形在电学性能上的重要性可基于设计版图上下层连接关系打分。
图9是本申请一个实施例提供的缺陷图形数据库的建立装置的结构示意图，该缺陷图形数据库的建立装置，包括：
缺陷检测结果获取模块901，用于获取芯片生产过程中在有图形硅片上的缺陷检测结果；
缺陷位置确定模块902，用于在将缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定缺陷图像中缺陷位置在设计版图上对应的缺陷位置；
缺陷检测报告生成模块903，用于基于设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，缺陷检测报告包括以设计版图上的缺陷位置为中心，预设范围内的缺陷图形；
图形分组模块904，用于对缺陷图形进行图形分组，得到图形分组结果；
缺陷图形数据库建立模块905，用于基于图形分组结果，建立缺陷图形数据库。
在一个实施例中，缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果；
其中，高分辨率图像为垂直分辨率大于等于720的图像；低分辨率图像为垂直分辨率小于720的图像。
在一个实施例中，缺陷位置确定模块902，包括：
对准子模块，用于提取缺陷图像的扫描电子显微镜图像轮廓；将扫描电子显微镜图像轮廓转化为与设计版图格式相同的扫描电子显微镜图像轮廓；将转化后的扫描电子显微镜图像轮廓与设计版图进行对准。
在一个实施例中，对准子模块，用于：将转化后的扫描电子显微镜图像轮廓与设计版图进行对准，并基于预设的图形相似度指标获取对准结果；其中，图形相似度指标用于表征扫描电子显微镜图像轮廓与设计版图之间的对准程度。
在一个实施例中，缺陷检测报告还包括缺陷图形对应的缺陷类型信息、缺陷位置信息和缺陷尺寸信息。
在一个实施例中，图形分组模块904，包括：
图形比较矩阵构建子模块，用于基于多个缺陷图形构建图形比较矩阵；其中，图形比较矩阵包括用于表征不同图形之间的相似度的多个元素；
元素确定子模块，用于根据预设策略，从图形比较矩阵选取满足预设条件的目标行，以及确定位于目标行的元素；其中，预设策略包括贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略中的任意一种；
图形分组子模块，用于根据目标行的元素和预设策略，对缺陷图形进行图形分组，得到图形分组结果。
在一个实施例中，若预设策略包括Rich分组策略，则元素确定子模块，包括：
第一目标行确定单元，用于根据Rich分组策略，从图形比较矩阵选取包含非零元素最多的行确定为目标行；
第一元素确定单元，用于根据目标行，确定位于目标行的元素。
在一个实施例中，根据第一目标行确定单元，用于：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最多的行，并确定为目标行。
在一个实施例中，若预设策略包括孤儿分组策略，则元素确定子模块，包括：
第二目标行确定单元，用于根据孤儿分组策略，从图形比较矩阵选取包含非零元素最少的行确定为目标行；
第二元素确定单元，用于根据目标行，确定位于目标行的元素。
在一个实施例中，第二目标行确定单元，用于：
确定图形比较矩阵中各行所包含的非零元素的数量；
根据非零元素的数量，对图形比较矩阵中各行进行排序，得到排序结果；
根据排序结果，从图形比较矩阵选取包含非零元素的数量最少的行，并确定为目标行。
在一个实施例中，缺陷图形数据库包括多组缺陷图形，以及每组缺陷图形对应的高分辨率图像的缺陷检测结果和低分辨率图像的缺陷检测结果。
在一个实施例中，装置还包括：
图形重要性评分模块，用于在基于图形分组结果，建立缺陷图形数据库之后，依据预设的评分标准，对各个缺陷图形进行图形重要性评分。
在一个实施例中，评分标准包括以下标准中的至少一种：
缺陷图形包含缺陷的严重程度；
缺陷图形出现频度、分散度；
缺陷图形出现检测结果可信度；
缺陷图形包含重要和感兴趣特征；
缺陷图形在电学性能上的重要性。
图9所示装置中的各个模块具有实现图2中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
图10示出了本申请实施例提供的电子设备的结构示意图。
电子设备可以包括处理器1001以及存储有计算机程序指令的存储器1002。
具体地，上述处理器1001可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1002可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器1002可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器1002可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器1002可在电子设备的内部或外部。在特定实施例中，存储器1002可以是非易失性固态存储器。
在一个实施例中，存储器1002可以是只读存储器(Read Only Memory，ROM)。在一个实施例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器1001通过读取并执行存储器1002中存储的计算机程序指令，以实现上述实施例中的任意一种缺陷图形数据库的建立方法。
在一个示例中，电子设备还可包括通信接口1003和总线1010。其中，如图10所示，处理器1001、存储器1002、通信接口1003通过总线1010连接并完成相互间的通信。
通信接口1003，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线1010包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线1010可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，结合上述实施例中的缺陷图形数据库的建立方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种缺陷图形数据库的建立方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，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，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (28)

1.一种缺陷图形数据库的建立方法，其特征在于，包括：
获取芯片生产过程中在有图形硅片上的缺陷检测结果；
在将所述缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定所述缺陷图像中缺陷位置在所述设计版图上对应的缺陷位置；
基于所述设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，所述缺陷检测报告包括以所述设计版图上的缺陷位置为中心，预设范围内的缺陷图形；
对所述缺陷图形进行图形分组，得到图形分组结果；
基于所述图形分组结果，建立缺陷图形数据库。
2.根据权利要求1所述的缺陷图形数据库的建立方法，其特征在于，所述缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果；
其中，所述高分辨率图像为垂直分辨率大于等于720的图像；所述低分辨率图像为垂直分辨率小于720的图像。
3.根据权利要求1所述的缺陷图形数据库的建立方法，其特征在于，所述将所述缺陷检测结果对应的缺陷图像与预设的设计版图进行对准，包括：
提取所述缺陷图像的扫描电子显微镜图像轮廓；
将所述扫描电子显微镜图像轮廓转化为与设计版图格式相同的扫描电子显微镜图像轮廓；
将转化后的扫描电子显微镜图像轮廓与所述设计版图进行对准。
4.根据权利要求3所述的缺陷图形数据库的建立方法，其特征在于，所述将转化后的扫描电子显微镜图像轮廓与所述设计版图进行对准，包括：
将转化后的扫描电子显微镜图像轮廓与所述设计版图进行对准，并基于预设的图形相似度指标获取对准结果；
其中，所述图形相似度指标用于表征扫描电子显微镜图像轮廓与设计版图之间的对准程度。
5.根据权利要求1所述的缺陷图形数据库的建立方法，其特征在于，所述缺陷检测报告还包括所述缺陷图形对应的缺陷类型信息、缺陷位置信息和缺陷尺寸信息。
6.根据权利要求1所述的缺陷图形数据库的建立方法，其特征在于，所述对所述缺陷图形进行图形分组，得到图形分组结果，包括：
基于多个所述缺陷图形构建图形比较矩阵；其中，所述图形比较矩阵包括用于表征不同图形之间的相似度的多个元素；
根据预设策略，从所述图形比较矩阵选取满足预设条件的目标行，以及确定位于所述目标行的所述元素；其中，所述预设策略包括贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略中的任意一种；
根据所述目标行的所述元素和所述预设策略，对所述缺陷图形进行图形分组，得到所述图形分组结果。
7.根据权利要求6所述的缺陷图形数据库的建立方法，其特征在于，若所述预设策略包括所述Rich分组策略，则根据预设策略，从所述图形比较矩阵选取满足预设条件的目标行，以及确定位于所述目标行的所述元素，包括：
根据所述Rich分组策略，从所述图形比较矩阵选取包含非零元素最多的行确定为所述目标行；
根据所述目标行，确定位于所述目标行的所述元素。
8.根据权利要求7所述的缺陷图形数据库的建立方法，其特征在于，根据所述Rich分组策略，从所述图形比较矩阵选取包含非零元素最多的行确定为所述目标行，包括：
确定所述图形比较矩阵中各行所包含的非零元素的数量；
根据所述非零元素的数量，对所述图形比较矩阵中各行进行排序，得到排序结果；
根据所述排序结果，从所述图形比较矩阵选取包含所述非零元素的数量最多的行，并确定为所述目标行。
9.根据权利要求6所述的缺陷图形数据库的建立方法，其特征在于，若所述预设策略包括所述孤儿分组策略，则根据预设策略，从所述图形比较矩阵选取满足预设条件的目标行，以及确定位于所述目标行的所述元素，包括：
根据所述孤儿分组策略，从所述图形比较矩阵选取包含非零元素最少的行确定为所述目标行；
根据所述目标行，确定位于所述目标行的所述元素。
10.根据权利要求9所述的缺陷图形数据库的建立方法，其特征在于，根据所述孤儿分组策略，从所述图形比较矩阵选取包含非零元素最少的行确定为所述目标行，包括：
确定所述图形比较矩阵中各行所包含的非零元素的数量；
根据所述非零元素的数量，对所述图形比较矩阵中各行进行排序，得到排序结果；
根据所述排序结果，从所述图形比较矩阵选取包含所述非零元素的数量最少的行，并确定为所述目标行。
11.根据权利要求2所述的缺陷图形数据库的建立方法，其特征在于，所述缺陷图形数据库包括多组所述缺陷图形，以及每组所述缺陷图形对应的高分辨率图像的缺陷检测结果和低分辨率图像的缺陷检测结果。
12.根据权利要求1所述的缺陷图形数据库的建立方法，其特征在于，在所述基于所述图形分组结果，建立缺陷图形数据库之后，所述方法还包括：
依据预设的评分标准，对各个所述缺陷图形进行图形重要性评分。
13.根据权利要求12所述的缺陷图形数据库的建立方法，其特征在于，所述评分标准包括以下标准中的至少一种：
缺陷图形包含缺陷的严重程度；
缺陷图形出现频度、分散度；
缺陷图形出现检测结果可信度；
缺陷图形包含重要和感兴趣特征；
缺陷图形在电学性能上的重要性。
14.一种缺陷图形数据库的建立装置，其特征在于，包括：
缺陷检测结果获取模块，用于获取芯片生产过程中在有图形硅片上的缺陷检测结果；
缺陷位置确定模块，用于在将所述缺陷检测结果对应的缺陷图像与预设的设计版图进行对准后，确定所述缺陷图像中缺陷位置在所述设计版图上对应的缺陷位置；
缺陷检测报告生成模块，用于基于所述设计版图上的缺陷位置，生成基于设计版图的缺陷检测报告；其中，所述缺陷检测报告包括以所述设计版图上的缺陷位置为中心，预设范围内的缺陷图形；
图形分组模块，用于对所述缺陷图形进行图形分组，得到图形分组结果；
缺陷图形数据库建立模块，用于基于所述图形分组结果，建立缺陷图形数据库。
15.根据权利要求14所述的缺陷图形数据库的建立装置，其特征在于，所述缺陷检测结果包括高分辨率图像的缺陷检测结果和/或低分辨率图像的缺陷检测结果；
其中，所述高分辨率图像为垂直分辨率大于等于720的图像；所述低分辨率图像为垂直分辨率小于720的图像。
16.根据权利要求14所述的缺陷图形数据库的建立装置，其特征在于，所述缺陷位置确定模块，包括：
对准子模块，用于提取所述缺陷图像的扫描电子显微镜图像轮廓；将所述扫描电子显微镜图像轮廓转化为与设计版图格式相同的扫描电子显微镜图像轮廓；将转化后的扫描电子显微镜图像轮廓与所述设计版图进行对准。
17.根据权利要求16所述的缺陷图形数据库的建立装置，其特征在于，所述对准子模块，用于：将转化后的扫描电子显微镜图像轮廓与所述设计版图进行对准，并基于预设的图形相似度指标获取对准结果；其中，所述图形相似度指标用于表征扫描电子显微镜图像轮廓与设计版图之间的对准程度。
18.根据权利要求14所述的缺陷图形数据库的建立装置，其特征在于，所述缺陷检测报告还包括所述缺陷图形对应的缺陷类型信息、缺陷位置信息和缺陷尺寸信息。
19.根据权利要求14所述的缺陷图形数据库的建立装置，其特征在于，所述图形分组模块，包括：
图形比较矩阵构建子模块，用于基于多个所述缺陷图形构建图形比较矩阵；其中，所述图形比较矩阵包括用于表征不同图形之间的相似度的多个元素；
元素确定子模块，用于根据预设策略，从所述图形比较矩阵选取满足预设条件的目标行，以及确定位于所述目标行的所述元素；其中，所述预设策略包括贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略中的任意一种；
图形分组子模块，用于根据所述目标行的所述元素和所述预设策略，对所述缺陷图形进行图形分组，得到所述图形分组结果。
20.根据权利要求19所述的缺陷图形数据库的建立装置，其特征在于，若所述预设策略包括所述Rich分组策略，则元素确定子模块，包括：
第一目标行确定单元，用于根据所述Rich分组策略，从所述图形比较矩阵选取包含非零元素最多的行确定为所述目标行；
第一元素确定单元，用于根据所述目标行，确定位于所述目标行的所述元素。
21.根据权利要求20所述的缺陷图形数据库的建立装置，其特征在于，根据第一目标行确定单元，用于：
确定所述图形比较矩阵中各行所包含的非零元素的数量；
根据所述非零元素的数量，对所述图形比较矩阵中各行进行排序，得到排序结果；
根据所述排序结果，从所述图形比较矩阵选取包含所述非零元素的数量最多的行，并确定为所述目标行。
22.根据权利要求19所述的缺陷图形数据库的建立装置，其特征在于，若所述预设策略包括所述孤儿分组策略，则元素确定子模块，包括：
第二目标行确定单元，用于根据所述孤儿分组策略，从所述图形比较矩阵选取包含非零元素最少的行确定为所述目标行；
第二元素确定单元，用于根据所述目标行，确定位于所述目标行的所述元素。
23.根据权利要求22所述的缺陷图形数据库的建立装置，其特征在于，第二目标行确定单元，用于：
确定所述图形比较矩阵中各行所包含的非零元素的数量；
根据所述非零元素的数量，对所述图形比较矩阵中各行进行排序，得到排序结果；
根据所述排序结果，从所述图形比较矩阵选取包含所述非零元素的数量最少的行，并确定为所述目标行。
24.根据权利要求15所述的缺陷图形数据库的建立装置，其特征在于，所述缺陷图形数据库包括多组所述缺陷图形，以及每组所述缺陷图形对应的高分辨率图像的缺陷检测结果和低分辨率图像的缺陷检测结果。
25.根据权利要求14所述的缺陷图形数据库的建立装置，其特征在于，所述装置还包括：
图形重要性评分模块，用于在所述基于所述图形分组结果，建立缺陷图形数据库之后，依据预设的评分标准，对各个所述缺陷图形进行图形重要性评分。
26.根据权利要求25所述的缺陷图形数据库的建立装置，其特征在于，所述评分标准包括以下标准中的至少一种：
缺陷图形包含缺陷的严重程度；
缺陷图形出现频度、分散度；
缺陷图形出现检测结果可信度；
缺陷图形包含重要和感兴趣特征；
缺陷图形在电学性能上的重要性。
27.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-13任意一项所述的缺陷图形数据库的建立方法。
28.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-13任意一项所述的缺陷图形数据库的建立方法。
CN202211733994.9A 2022-12-21 2022-12-21 缺陷图形数据库的建立方法、装置、设备及可读存储介质 Pending CN116108213A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211733994.9A CN116108213A (zh) 2022-12-21 2022-12-21 缺陷图形数据库的建立方法、装置、设备及可读存储介质
PCT/CN2023/083289 WO2024130874A1 (zh) 2022-12-21 2023-03-23 缺陷图形数据库的建立方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211733994.9A CN116108213A (zh) 2022-12-21 2022-12-21 缺陷图形数据库的建立方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116108213A true CN116108213A (zh) 2023-05-12

Family

ID=86259154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211733994.9A Pending CN116108213A (zh) 2022-12-21 2022-12-21 缺陷图形数据库的建立方法、装置、设备及可读存储介质

Country Status (2)

Country Link
CN (1) CN116108213A (zh)
WO (1) WO2024130874A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204598B (zh) * 2016-07-13 2019-02-05 东方晶源微电子科技（北京）有限公司 在自动缺陷分类流程中管理缺陷的方法及系统
TWI692700B (zh) * 2017-10-05 2020-05-01 敖翔科技股份有限公司 智慧型的缺陷校正系統與其實施方法
CN110727247B (zh) * 2018-07-17 2022-10-04 敖翔科技股份有限公司 半导体厂缺陷操作系统及装置
CN115272764A (zh) * 2022-07-28 2022-11-01 东方晶源微电子科技（北京）有限公司 允许位置偏差的图形分组方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2024130874A1 (zh) 2024-06-27

Similar Documents

Publication Publication Date Title
CN106952250B (zh) 一种基于Faster R-CNN网络的金属板带表面缺陷检测方法及装置
US11016035B2 (en) Smart defect calibration system and the method thereof
JP4155496B2 (ja) 分類支援装置、分類装置およびプログラム
CN113344857B (zh) 缺陷检测网络的训练方法、缺陷检测方法和存储介质
CN113763312B (zh) 使用弱标记检测半导体试样中的缺陷
US10719655B2 (en) Method and system for quickly diagnosing, classifying, and sampling in-line defects based on CAA pre-diagnosis database
CN111862025A (zh) 基于深度学习的pcb缺陷自动检测方法
CN113222913B (zh) 一种电路板缺陷检测定位方法、装置和存储介质
CN113781391A (zh) 图像缺陷检测方法以及相关设备
CN111103307A (zh) 一种基于深度学习的pcb板缺陷检测方法
WO2020129041A1 (en) Classifying defects in a semiconductor specimen
CN115690064A (zh) 对准方法、装置、电子设备及计算机可读存储介质
CN113240623A (zh) 一种路面病害检测方法及装置
CN108596115A (zh) 一种基于卷积神经网络的车辆检测方法、装置及系统
CN113763364B (zh) 一种基于卷积神经网络的图像缺陷检测方法
CN111091534A (zh) 一种基于目标检测的pcb板缺陷检测与定位方法
CN116108213A (zh) 缺陷图形数据库的建立方法、装置、设备及可读存储介质
Zhang et al. A machine vision-based character recognition system for suspension insulator iron caps
CN116958052A (zh) 一种基于yolo和注意力机制的印刷电路板缺陷检测方法
JP6425468B2 (ja) 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置
CN116434054A (zh) 一种基于线面结合的密集遥感地物提取方法
JP2013205320A (ja) 検査条件決定方法、検査方法および検査装置
CN112702905B (zh) 印刷电路板良率和生产设备错误率之回溯方法及其系统
US20220172458A1 (en) Individual identification information generation method, individual identification information generation device, and program
CN109949330B (zh) 一种汽车表盘指针的快速并行细化方法

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
CB02 Change of applicant information

Address after: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Dongfang Jingyuan Microelectronics Technology (Beijing) Co.,Ltd.

Address before: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant before: DONGFANG JINGYUAN ELECTRON Ltd.

CB02 Change of applicant information