CN116223519A - 晶圆检测设备、检测方法、系统及可读存储介质 - Google Patents
晶圆检测设备、检测方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN116223519A CN116223519A CN202211582980.1A CN202211582980A CN116223519A CN 116223519 A CN116223519 A CN 116223519A CN 202211582980 A CN202211582980 A CN 202211582980A CN 116223519 A CN116223519 A CN 116223519A
- Authority
- CN
- China
- Prior art keywords
- wafer
- defect
- images
- template
- tested
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- 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
Abstract
本发明公开的一种晶圆检测设备、检测方法、系统及可读存储介质,其中检测设备包括:物料载台,用于承载吸附待测晶圆;光机检测装置,位于所述物料载台的上方,用于采集待测晶圆的晶圆图像,包括相机,光源,激光器,筒镜以及物镜;主机,与所述光机检测装置通信连接,用于处理所述光机检测装置采集到的晶圆图像;运动轴,与物料载台固定连接,用于带动物料载台运动;承载平台,所述运动轴与所述承载平台滑动连接,用于限定所述运动轴在承载平台上进行运动。本发明利用晶圆检测设备实时聚焦解决了运动到不同位置成像模糊的问题,改善了采集图像质量,检测准确性得以提升;收集不良训练AI模型利用机器作业代替人工作业,解决了人工对缺陷复判和分类问题。
Description
技术领域
本发明涉及图像处理以及装备制造技术领域,更具体的,涉及一种晶圆检测设备、检测方法、系统及可读存储介质。
背景技术
在工业实际生产过程中,晶圆正面工艺诸如蚀刻、显影等会受到各方面的影响,会产生各种不同的缺陷,如脏污、异物、蚀刻残留、划伤等;严重影响了芯片的质量,造成较大的损失,因此缺陷检测和缺陷分类能在工艺生产过程中发挥重要作用。
目前,市面上的晶圆缺陷检测设备是基于光学系统采集获取图像,对图像分析从而检出缺陷,并在对缺陷检出后,人工复判对缺陷进行分类,存在采集图像质量下降导致图像模糊影响检测的准确性的缺点,且需要人工进行复判,大大增加人员工作量。
发明内容
本发明的目的是提供一种晶圆检测设备、检测方法、系统及可读存储介质,利用晶圆检测设备实时聚焦解决了运动到不同位置成像模糊的问题,改善了采集图像质量,检测准确性得以提升;收集不良训练AI模型利用机器作业代替人工作业,解决了人工对缺陷复判和分类问题。
本发明第一方面提供了一种晶圆检测设备,所述晶圆检测设备包括:
物料载台,用于承载吸附待测晶圆;
光机检测装置,位于所述物料载台的上方,用于采集所述待测晶圆的晶圆图像,其中,所述光机检测装置包括相机,光源,激光器,筒镜以及物镜,所述相机用于拍摄图像,所述光源用于提供照明,所述激光器用于辅助所述相机进行图像对焦,所述筒镜用于支持所述光源和所述激光器发出的光照射到所述待测晶圆表面,所述物镜用于调整所述相机的拍摄倍率;
主机,与所述光机检测装置通信连接,用于处理所述光机检测装置采集到的所述晶圆图像;
运动轴,与所述物料载台固定连接,用于带动所述物料载台运动;
承载平台,所述运动轴与所述承载平台滑动连接,用于限定所述运动轴在承载平台上进行运动。
本方案中,所述承载平台为大理石平台。
本方案中,所述大理石平台上设有供所述运动轴运动的运动路径。
本方案中,所述待测晶圆通过真空吸附的形式吸附在所述物料载台上。
本发明第二方面还提供一种晶圆检测方法,所述方法包括如下步骤:
获取待测晶圆上的每个晶粒的定位以及拼接图像;
基于特征点匹配模板拼接待测晶圆上的每个晶粒得到晶圆完整图像;
基于差分模板在所述待测晶圆上识别2N个标准晶粒图像,并基于所述2N个标准晶粒图像构建适用于所述待测晶圆的自适应差分模板;
基于所述自适应差分模板获取所述待测晶圆上所有的缺陷区域信息;
基于所述缺陷区域信息结合预设的卡控标准进行筛选,以过滤掉未达到所述卡控标准的缺陷区域;
将筛选后的所述缺陷区域信息输入到训练好的AI分类模型进行分类,以得到晶圆检测结果。
本方案中,还包括:
基于形状匹配方式构建定位晶粒的定位模板;
建立所述特征点匹配模板,然后根据重合特征点拼接晶粒图像;
扫描待测晶圆,根据N颗标准晶粒图像构建差分模板;
构建所述卡控标准基于拼接好的拼接图像建立缺陷类型映射,其中,缺陷类型包括缺陷区域,缺陷大小,缺陷亮暗以及缺陷形态;
基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型。
本方案中,还包括获取不良缺陷数据训练所述AI分类模型。
本发明第三方面提供了一种晶圆检测系统,包括存储器和处理器,所述存储器中包括晶圆检测方法程序,所述晶圆检测方法程序被所述处理器执行时实现如下步骤:
基于特征点匹配模板定位待测晶圆上的每个晶粒;
基于差分模板在所述待测晶圆上识别2N个标准晶粒图像,并基于所述2N个标准晶粒图像构建适用于所述待测晶圆的自适应差分模板;
基于所述自适应差分模板获取所述待测晶圆上所有的缺陷区域信息;
基于所述缺陷区域信息结合预设的卡控标准进行筛选,以过滤掉未达到所述卡控标准的缺陷区域;
将筛选后的所述缺陷区域信息输入到训练好的AI分类模型进行分类,以得到晶圆检测结果。
本方案中,还包括实现如下步骤:
建立所述特征点匹配模板,然后根据重合特征点拼接图像;
扫描待测晶圆,根据N颗标准晶粒图像构建差分模板;
构建所述卡控标准基于拼接好的拼接图像建立缺陷类型映射,其中,缺陷类型包括缺陷区域,缺陷大小,缺陷亮暗以及缺陷形态;
基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型。
本发明第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种晶圆检测方法程序,所述晶圆检测方法程序被处理器执行时,实现如上述任一项所述的一种晶圆检测方法的步骤。
本发明公开的一种晶圆检测设备、检测方法、系统及可读存储介质,利用晶圆检测设备实时聚焦解决了运动到不同位置成像模糊的问题,改善了采集图像质量,检测准确性得以提升;收集不良训练AI模型利用机器作业代替人工作业,解决了人工对缺陷复判和分类问题。
附图说明
图1示出了本发明一种晶圆检测方法的流程图;
图2示出了本发明一种晶圆检测方法的流程图;
图3示出了本发明一种晶圆检测系统的框图;
图4示出了本发明一种晶圆检测设备的结构示意图;
图5a~图5b示出了晶圆检测的模糊图像示意图;
图6示出了本发明一种晶圆检测设备的运动路径示意图;
图7a~图7b示出了晶圆检测的清晰图像示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种晶圆检测方法的流程图。
如图1所示,本申请公开了一种晶圆检测方法,包括以下步骤:
S102,获取待测晶圆上的每个晶粒的定位以及拼接图像;
S104,基于特征点匹配模板拼接待测晶圆上的每个晶粒得到晶圆完整图像;
S106,基于差分模板在所述待测晶圆上识别2N个标准晶粒图像,并基于所述2N个标准晶粒图像构建适用于所述待测晶圆的自适应差分模板;
S108,基于所述自适应差分模板获取所述待测晶圆上所有的缺陷区域信息;
S110,基于所述缺陷区域信息结合预设的卡控标准进行筛选,以过滤掉未达到所述卡控标准的缺陷区域;
S112,将筛选后的所述缺陷区域信息输入到训练好的AI分类模型进行分类,以得到晶圆检测结果。
需要说明的是,于本实施例中,检测阶段流程包括:“定位—拼接—构建自适应差分模板—缺陷探测—缺陷卡控—缺陷分析”,在检测阶段开始前,还包括预备阶段,具体地,如图2所示,预备阶段的步骤包括:
S202,基于形状匹配方式构建定位晶粒的定位模板;
S204,建立所述特征点匹配模板,然后根据重合特征点拼接晶粒图像;
S206,扫描待测晶圆,根据N颗标准晶粒图像构建差分模板;
S208,构建所述卡控标准基于拼接好的拼接图像建立缺陷类型映射,其中,缺陷类型包括缺陷区域,缺陷大小,缺陷亮暗以及缺陷形态;
S210,基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型。
进一步地,于本实施例中,预备阶段流程包括:“构建定位模板—构建拼接模板—构建差分模板—构建卡控标准—构建AI分类模型”,具体地,晶圆制造时,一般晶粒上的图形相对稳定,颜色等稳定性不佳,因此使用形状匹配的方式比基于特征的匹配方式更稳定,本申请中使用形状匹配的方式制作定位模板来定位晶粒,对于一些尺寸较大的功率器件,相机视野不能同时满足检测精度和视野的需求,所以需要对拍摄的图片进行拼接,本申请使用基于特征点匹配的拼接方式,将图像拼接起来组成一张张完整晶粒的图片,因此需要首先建立特征点匹配模板,然后根据重合特征点拼接图像,扫描整片晶圆,将同一颗晶圆拼接成一副图片,随机获取晶圆上N(10-100)颗标准晶粒图像,根据N颗标准晶粒图像,构建平均差分模板,在一颗拼接好标准晶粒上按照缺陷区域,缺陷大小,缺陷亮暗,缺陷形态建立缺陷类型映射以构建所述卡控标准,然后基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型,在传统差分模板检测方式不能对缺陷类别细分,为了满足工艺分析需要,在传统检测方式的基础上,本申请还提出收集不良缺陷数据以训练AI分类模型,具体训练过程在本申请中不做赘述。
进一步地,在检测时,对每个待测晶圆进行定位后,使用预备阶段建立的特征点匹配模板对晶粒图像进行拼接,获取到一张晶圆上所有晶粒的完整图像,根据预先构建的差分模板在晶圆上挑选2N个疑似标准晶粒的图像,使用挑选的2N张图像动态构建适用于本张晶圆的自适应差分模板,根据预备阶段中构建的自适应差分模板,比对本张晶圆上所有的晶粒获取所有的缺陷区域信息,根据预备阶段构建的卡控标准,将检测阶段探知到的缺陷区域映射到对应的缺陷类型,并将未达到对应卡控标准的缺陷区域过滤掉,根据预备阶段构建的AI分类模型,对获取的缺陷图片进行分类,以提供工艺进行分析得到晶圆检测结果。
图3示出了本发明一种晶圆检测系统的框图。
如图3所示,本发明公开了一种晶圆检测系统,包括存储器和处理器,所述存储器中包括晶圆检测方法程序,所述晶圆检测方法程序被所述处理器执行时实现如下步骤:
基于特征点匹配模板定位待测晶圆上的每个晶粒;
基于差分模板在所述待测晶圆上识别2N个标准晶粒图像,并基于所述2N个标准晶粒图像构建适用于所述待测晶圆的自适应差分模板;
基于所述自适应差分模板获取所述待测晶圆上所有的缺陷区域信息;
基于所述缺陷区域信息结合预设的卡控标准进行筛选,以过滤掉未达到所述卡控标准的缺陷区域;
将筛选后的所述缺陷区域信息输入到训练好的AI分类模型进行分类,以得到晶圆检测结果。
需要说明的是,于本实施例中,检测阶段流程包括:“定位—拼接—构建自适应差分模板—缺陷探测—缺陷卡控—缺陷分析”,在检测阶段开始前,还包括预备阶段,具体地,如图2所示,预备阶段的步骤包括:
基于形状匹配方式构建定位晶粒的定位模板;
建立所述特征点匹配模板,然后根据重合特征点拼接晶粒图像;
扫描待测晶圆,根据N颗标准晶粒图像构建差分模板;
构建所述卡控标准基于拼接好的拼接图像建立缺陷类型映射,其中,缺陷类型包括缺陷区域,缺陷大小,缺陷亮暗以及缺陷形态;
基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型。
进一步地,于本实施例中,预备阶段流程包括:“构建定位模板—构建拼接模板—构建差分模板—构建卡控标准—构建AI分类模型”,具体地,晶圆制造时,一般晶粒上的图形相对稳定,颜色等稳定性不佳,因此使用形状匹配的方式比基于特征的匹配方式更稳定,本申请中使用形状匹配的方式制作定位模板来定位晶粒,对于一些尺寸较大的功率器件,相机视野不能同时满足检测精度和视野的需求,所以需要对拍摄的图片进行拼接,本申请使用基于特征点匹配的拼接方式,将图像拼接起来组成一张张完整晶粒的图片,因此需要首先建立特征点匹配模板,然后根据重合特征点拼接图像,扫描整片晶圆,将同一颗晶圆拼接成一副图片,随机获取晶圆上N(10-100)颗标准晶粒图像,根据N颗标准晶粒图像,构建平均差分模板,在一颗拼接好标准晶粒上按照缺陷区域,缺陷大小,缺陷亮暗,缺陷形态建立缺陷类型映射以构建所述卡控标准,然后基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型,在传统差分模板检测方式不能对缺陷类别细分,为了满足工艺分析需要,在传统检测方式的基础上,本申请还提出收集不良缺陷数据以训练AI分类模型,具体训练过程在本申请中不做赘述。
进一步地,在检测时,对每个待测晶圆进行定位后,使用预备阶段建立的特征点匹配模板对晶粒图像进行拼接,获取到一张晶圆上所有晶粒的完整图像,根据预先构建的差分模板在晶圆上挑选2N个疑似标准晶粒的图像,使用挑选的2N张图像动态构建适用于本张晶圆的自适应差分模板,根据预备阶段中构建的自适应差分模板,比对本张晶圆上所有的晶粒获取所有的缺陷区域信息,根据预备阶段构建的卡控标准,将检测阶段探知到的缺陷区域映射到对应的缺陷类型,并将未达到对应卡控标准的缺陷区域过滤掉,根据预备阶段构建的AI分类模型,对获取的缺陷图片进行分类,以提供工艺进行分析得到晶圆检测结果。
图4示出了本发明一种晶圆检测设备的结构示意图。
目前市面上的晶圆检测设备不会基于图像最佳焦点去采集图像,由于载台的不平性及晶圆图形本身的高阶差,晶圆在不同位置的竖轴会不一致,竖轴为检测坐标系的Z轴,从而不同位置的最佳焦点也一样,当竖轴高度波动范围超出光学系统的景深时,采集获取的图像质量下降,图像会变得模糊,进而影响检测的准确性,如图5a-5b所示,其中,图5b为模糊图像的示意图,表明现有技术中采集的图像存在模糊问题。
如图4所示,本发明公开了一种晶圆检测设备40,其特征在于,所述晶圆检测设备包括:
物料载台41,用于承载吸附待测晶圆;
光机检测装置42,位于所述物料载台41的上方,用于采集所述待测晶圆的晶圆图像,其中,所述光机检测装置42包括相机421,光源422,激光器423,筒镜424以及物镜425,所述相机421用于拍摄图像,所述光源422用于提供照明,所述激光器423用于辅助所述相机421进行图像对焦,所述筒镜424用于支持所述光源422和所述激光器423发出的光照射到所述待测晶圆表面,所述物镜425用于调整所述相机421的拍摄倍率;
主机43,与所述光机检测装置42通信连接,用于处理所述光机检测装置42采集到的所述晶圆图像;
运动轴44,与所述物料载台41固定连接,用于带动所述物料载台41运动;
承载平台45,所述运动轴44与所述承载平台45滑动连接,用于限定所述运动轴44在承载平台45上进行运动。
需要说明的是,所述承载平台45为大理石平台,可以在运动拍照时进行减震,如图6所示,所述大理石平台上设有供所述运动轴44运动的运动路径,所述待测晶圆通过真空吸附的形式吸附在所述物料载台上,在具体操作过程中,待测晶圆被放在在物料载台41上,并吸真空进行吸附,通过图6宽体箭头所示的运动路径对运动轴44进行设定,使得运动轴44依据运动路径移动到检测位置,激光器对焦,实时调整Z轴,利用光机检测装置42获取晶粒的采集图像,其中,所述相机421用于拍摄图像,所述光源422用于提供照明,所述激光器423用于辅助所述相机421进行图像对焦,所述筒镜424用于支持所述光源422和所述激光器423发出的光照射到所述待测晶圆表面,并且支持所述激光器423发出的光照射到晶圆表明并反射回光路系统,所述物镜425用于调整所述相机421的拍摄倍率,可以根据不同检测要求,支持不同的放大倍率,如图7a-图7b所示,分别为图6中的点位pm和点位pn拍摄得到的清晰图像。
本发明第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括一种晶圆检测方法程序,所述晶圆检测方法程序被处理器执行时,实现如上述任一项所述的一种晶圆检测方法的步骤。
本发明公开的一种晶圆检测设备、检测方法、系统及可读存储介质,利用晶圆检测设备实时聚焦解决了运动到不同位置成像模糊的问题,改善了采集图像质量,检测准确性得以提升;收集不良训练AI模型利用机器作业代替人工作业,解决了人工对缺陷复判和分类问题。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的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(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种晶圆检测设备,其特征在于,所述晶圆检测设备包括:
物料载台,用于承载吸附待测晶圆;
光机检测装置,位于所述物料载台的上方,用于采集所述待测晶圆的晶圆图像,其中,所述光机检测装置包括相机,光源,激光器,筒镜以及物镜,所述相机用于拍摄图像,所述光源用于提供照明,所述激光器用于辅助所述相机进行图像对焦,所述筒镜用于支持所述光源和所述激光器发出的光照射到所述待测晶圆表面,所述物镜用于调整所述相机的拍摄倍率;
主机,与所述光机检测装置通信连接,用于处理所述光机检测装置采集到的所述晶圆图像;
运动轴,与所述物料载台固定连接,用于带动所述物料载台运动;
承载平台,所述运动轴与所述承载平台滑动连接,用于限定所述运动轴在承载平台上进行运动。
2.根据权利要求1所述的一种晶圆检测设备,其特征在于,所述承载平台为大理石平台。
3.根据权利要求2所述的一种晶圆检测设备,其特征在于,所述大理石平台上设有供所述运动轴运动的运动路径。
4.根据权利要求1所述的一种晶圆检测设备,其特征在于,所述待测晶圆通过真空吸附的形式吸附在所述物料载台上。
5.一种晶圆检测方法,其特征在于,所述方法应用于权利要求1至4所述的晶圆检测设备,其中,所述方法包括如下步骤:
获取待测晶圆上的每个晶粒的定位以及拼接图像;
基于特征点匹配模板拼接待测晶圆上的每个晶粒得到晶圆完整图像;
基于差分模板在所述待测晶圆上识别2N个标准晶粒图像,并基于所述2N个标准晶粒图像构建适用于所述待测晶圆的自适应差分模板;
基于所述自适应差分模板获取所述待测晶圆上所有的缺陷区域信息;
基于所述缺陷区域信息结合预设的卡控标准进行筛选,以过滤掉未达到所述卡控标准的缺陷区域;
将筛选后的所述缺陷区域信息输入到训练好的AI分类模型进行分类,以得到晶圆检测结果。
6.根据权利要求5所述的一种晶圆检测方法,其特征在于,还包括:
基于形状匹配方式构建定位晶粒的定位模板;
建立所述特征点匹配模板,然后根据重合特征点拼接晶粒图像;
扫描待测晶圆,根据N颗标准晶粒图像构建差分模板;
构建所述卡控标准基于拼接好的拼接图像建立缺陷类型映射,其中,缺陷类型包括缺陷区域,缺陷大小,缺陷亮暗以及缺陷形态;
基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型。
7.根据权利要求6所述的一种晶圆检测方法,其特征在于,还包括获取不良缺陷数据训练所述AI分类模型。
8.一种晶圆检测系统,其特征在于,包括存储器和处理器,所述存储器中包括晶圆检测方法程序,所述晶圆检测方法程序被所述处理器执行时实现如下步骤:
基于特征点匹配模板定位待测晶圆上的每个晶粒;
基于差分模板在所述待测晶圆上识别2N个标准晶粒图像,并基于所述2N个标准晶粒图像构建适用于所述待测晶圆的自适应差分模板;
基于所述自适应差分模板获取所述待测晶圆上所有的缺陷区域信息;
基于所述缺陷区域信息结合预设的卡控标准进行筛选,以过滤掉未达到所述卡控标准的缺陷区域;
将筛选后的所述缺陷区域信息输入到训练好的AI分类模型进行分类,以得到晶圆检测结果。
9.根据权利要求8所述的一种晶圆检测系统,其特征在于,还包括实现如下步骤:
建立所述特征点匹配模板,然后根据重合特征点拼接图像;
扫描待测晶圆,根据N颗标准晶粒图像构建差分模板;
构建所述卡控标准基于拼接好的拼接图像建立缺陷类型映射,其中,缺陷类型包括缺陷区域,缺陷大小,缺陷亮暗以及缺陷形态;
基于映射后的缺陷数据构建分类模型进行训练得到AI分类模型。
10.一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中包括一种晶圆检测方法程序,所述晶圆检测方法程序被处理器执行时,实现如权利要求5至7中任一项所述的一种晶圆检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211582980.1A CN116223519A (zh) | 2022-12-09 | 2022-12-09 | 晶圆检测设备、检测方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211582980.1A CN116223519A (zh) | 2022-12-09 | 2022-12-09 | 晶圆检测设备、检测方法、系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116223519A true CN116223519A (zh) | 2023-06-06 |
Family
ID=86581317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211582980.1A Pending CN116223519A (zh) | 2022-12-09 | 2022-12-09 | 晶圆检测设备、检测方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116223519A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116645362A (zh) * | 2023-06-29 | 2023-08-25 | 日照鲁光电子科技有限公司 | 一种碳化硅晶圆的质量智能检测方法及系统 |
CN116973380A (zh) * | 2023-09-25 | 2023-10-31 | 苏州高视半导体技术有限公司 | 晶圆检测系统、检测方法、电子设备及存储介质 |
CN117557786A (zh) * | 2024-01-11 | 2024-02-13 | 深圳思谋信息科技有限公司 | 物料质量检测方法、装置、计算机设备及存储介质 |
CN117576092A (zh) * | 2024-01-15 | 2024-02-20 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
CN117878025A (zh) * | 2024-03-11 | 2024-04-12 | 江苏芯德半导体科技有限公司 | 一种自动卡控晶圆图谱上缺陷芯片的方法 |
CN117557786B (zh) * | 2024-01-11 | 2024-05-10 | 深圳思谋信息科技有限公司 | 物料质量检测方法、装置、计算机设备及存储介质 |
-
2022
- 2022-12-09 CN CN202211582980.1A patent/CN116223519A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116645362A (zh) * | 2023-06-29 | 2023-08-25 | 日照鲁光电子科技有限公司 | 一种碳化硅晶圆的质量智能检测方法及系统 |
CN116645362B (zh) * | 2023-06-29 | 2024-01-23 | 日照鲁光电子科技有限公司 | 一种碳化硅晶圆的质量智能检测方法及系统 |
CN116973380A (zh) * | 2023-09-25 | 2023-10-31 | 苏州高视半导体技术有限公司 | 晶圆检测系统、检测方法、电子设备及存储介质 |
CN117557786A (zh) * | 2024-01-11 | 2024-02-13 | 深圳思谋信息科技有限公司 | 物料质量检测方法、装置、计算机设备及存储介质 |
CN117557786B (zh) * | 2024-01-11 | 2024-05-10 | 深圳思谋信息科技有限公司 | 物料质量检测方法、装置、计算机设备及存储介质 |
CN117576092A (zh) * | 2024-01-15 | 2024-02-20 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
CN117576092B (zh) * | 2024-01-15 | 2024-03-29 | 成都瑞迪威科技有限公司 | 一种基于图像处理的晶圆元器件统计方法 |
CN117878025A (zh) * | 2024-03-11 | 2024-04-12 | 江苏芯德半导体科技有限公司 | 一种自动卡控晶圆图谱上缺陷芯片的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116223519A (zh) | 晶圆检测设备、检测方法、系统及可读存储介质 | |
CN104749184B (zh) | 自动光学检测方法和系统 | |
CN109030498B (zh) | 一种叶片刀纹及表面缺陷的视觉检测装置及方法 | |
EP2198279B1 (en) | Apparatus and method for detecting semiconductor substrate anomalies | |
JP5348765B2 (ja) | 平板状透明体の微小凹凸欠陥検査方法及び装置 | |
CN106645197B (zh) | 检测精密光学元件表面颗粒物的在线检测系统及应用方法 | |
CN102590218A (zh) | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 | |
CN109827974B (zh) | 一种树脂滤光片膜裂检测设备及检测方法 | |
CN108422321B (zh) | 化学机械研磨的抛光垫图像检测系统及方法 | |
CN112730456A (zh) | 半球谐振子智能检测方法 | |
CN112599438A (zh) | MiniLED晶圆缺陷的高精度检测系统及其检测方法 | |
EP3973502A1 (en) | A system and method for determining whether a camera component is damaged | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN114820475A (zh) | 边缘识别方法、系统、晶圆加工装置及晶圆与加工台同心状态确定方法 | |
KR100878955B1 (ko) | 카메라모듈 이물검사장치 및 검사방법 | |
CN117054447A (zh) | 异形玻璃边部缺陷的检测方法及检测装置 | |
CN114688969A (zh) | 一种光学镜片尺寸检测装置及方法 | |
CN209745834U (zh) | 具有亮度调整的光学式瑕疵检测系统 | |
JP2009236760A (ja) | 画像検出装置および検査装置 | |
CN116256366A (zh) | 一种芯片缺陷的检测方法、检测系统及存储介质 | |
CN110412056A (zh) | 一种车载玻璃模组自动光学检测方法及装置 | |
CN210375628U (zh) | 一种镜片检测系统 | |
CN113984790A (zh) | 镜片质量检测方法及装置 | |
CN110333248A (zh) | 玻璃表面缺陷与表面落尘的区分方法 | |
CN114286078A (zh) | 摄像头模组镜片外观检查方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |