CN116525517A - 一种半导体晶圆输送的定位控制方法及系统 - Google Patents
一种半导体晶圆输送的定位控制方法及系统 Download PDFInfo
- Publication number
- CN116525517A CN116525517A CN202310720774.0A CN202310720774A CN116525517A CN 116525517 A CN116525517 A CN 116525517A CN 202310720774 A CN202310720774 A CN 202310720774A CN 116525517 A CN116525517 A CN 116525517A
- Authority
- CN
- China
- Prior art keywords
- wafer
- conveying
- information
- semiconductor wafer
- processing
- 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 201
- 238000000034 method Methods 0.000 title claims abstract description 79
- 235000012431 wafers Nutrition 0.000 title description 437
- 238000012545 processing Methods 0.000 claims abstract description 197
- 238000004458 analytical method Methods 0.000 claims abstract description 100
- 230000004927 fusion Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 230000006399 behavior Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000013433 optimization analysis Methods 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical group [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 239000010703 silicon Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000407 epitaxy Methods 0.000 description 3
- 238000005530 etching Methods 0.000 description 3
- 238000000227 grinding Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- H01L21/68—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 for positioning, orientation or alignment
- H01L21/681—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 for positioning, orientation or alignment using optical controlling means
-
- 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
- H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
-
- 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
- H01L21/677—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 for conveying, e.g. between different workstations
- H01L21/67703—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 for conveying, e.g. between different workstations between different workstations
-
- 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
- H01L21/677—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 for conveying, e.g. between different workstations
- H01L21/67739—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 for conveying, e.g. between different workstations into and out of processing chamber
-
- 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
- H01L21/68—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 for positioning, orientation or alignment
-
- 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)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
Abstract
本申请涉及半导体加工控制技术领域，提供一种半导体晶圆输送的定位控制方法及系统。所述方法包括：对半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；基于半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；基于半导体晶圆输送策略对晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；当晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；将晶圆目标制程工艺、晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。采用本方法能够达到提高输送定位控制精确性，进而保证半导体晶圆加工质量的技术效果。
Description
技术领域
本申请涉及半导体加工控制技术领域，特别是涉及一种半导体晶圆输送的定位控制方法及系统。
背景技术
晶圆是指制作硅半导体电路所用的硅晶片，是半导体集成电路制作中最关键的原料，由于其形状为圆形，故称为晶圆。在半导体制程中，晶圆还需经过光刻、成膜外延、蚀刻、研磨等多道半导体制程才能完成集成电路的制作。因此在晶圆加工流程中，需要对晶圆进行多次定位输送，以进入下一加工流程，由此晶圆输送精准控制对晶圆加工质量至关重要。
然而，现有技术存在晶圆加工流程固定，输送定位控制精确性较低，进而影响半导体晶圆加工质量的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高输送定位控制精确性，进而保证半导体晶圆加工质量的一种半导体晶圆输送的定位控制方法及系统。
一种半导体晶圆输送的定位控制方法，所述方法包括：通过图像视觉模块获取半导体晶圆图像信息；按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
进一步的，所述方法还包括：
对所述半导体晶圆图像信息进行预处理，获得标准半导体晶圆图像信息；将所述标准半导体晶圆图像信息按照预定尺寸进行网格划分，获得晶圆图像分割信息；获取晶圆应用标准，根据所述晶圆应用标准获得所述预定卷积特征集合，所述预定卷积特征集合包括晶圆结构特征、表面缺陷特征、晶圆损伤特征；按照所述预定卷积特征集合对网格划分后的所述半导体晶圆图像信息进行遍历卷积计算，获得图像卷积计算结果；基于所述图像卷积计算结果，获得符合预定卷积数值范围的所述半导体晶圆特征集合。
进一步的，所述方法还包括：
对所述半导体晶圆图像信息进行滤波处理，获得去噪半导体晶圆图像信息；基于所述去噪半导体晶圆图像信息进行均衡化处理，获得均值半导体晶圆图像信息；基于自适应阈值法对所述均值半导体晶圆图像信息进行计算，获得目标像素动态阈值；基于所述目标像素动态阈值，对所述均值半导体晶圆图像信息进行二值化处理，获得所述标准半导体晶圆图像信息。
进一步的，所述方法还包括：
对所述晶圆融合特征信息进行质量评价，获得晶圆加工质量系数；分析所述晶圆加工质量系数是否满足预设质量系数，确定质量分析结果；根据所述半导体晶圆输送策略，生成晶圆质量输送逻辑；基于所述晶圆质量输送逻辑对所述质量分析结果进行逻辑判定，确定所述晶圆输送逻辑信息。
进一步的，所述方法还包括：
搭建晶圆加工分析模型，所述晶圆加工分析模型包括加工路线分析模型和加工角度分析模型；将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输入所述晶圆加工分析模型中，基于所述晶圆加工分析模型，分别获得晶圆加工路线分析信息和晶圆加工角度分析信息；基于所述晶圆加工路线分析信息和晶圆加工角度分析信息，输出所述晶圆输送参数方案。
进一步的，所述方法还包括：
获取所述输送定位模块的控制精度参数；根据所述控制精度参数，确定输送定位补偿参数；基于输送定位补偿参数对所述晶圆加工分析模型进行迭代更新，获得晶圆加工优化分析模型；基于所述晶圆加工优化分析模型的输出参数信息对所述晶圆输送参数方案进行修正。
进一步的，所述方法还包括：
对半导体晶圆加工状态实时监测，获得晶圆加工姿态信息；根据所述晶圆加工姿态信息，构建姿态加工补偿状态空间；在所述姿态加工补偿状态空间内，获取多种姿态补偿行为信息；在所述多种姿态补偿行为信息内进行寻优评价，获得最优姿态补偿行为信息，并采用所述最优姿态补偿行为信息进行输送姿态补偿。
一种半导体晶圆输送的定位控制系统，所述系统包括：晶圆图像获取模块，用于通过图像视觉模块获取半导体晶圆图像信息；图像特征提取模块，用于按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；加权特征融合模块，用于基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；晶圆位置识别模块，用于对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；输送逻辑分析模块，用于获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；目标制程工艺获取模块，用于当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；输送定位控制模块，用于将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
通过图像视觉模块获取半导体晶圆图像信息；
按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；
基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；
对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；
获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；
当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；
将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
通过图像视觉模块获取半导体晶圆图像信息；
按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；
基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；
对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；
获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；
当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；
将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
上述一种半导体晶圆输送的定位控制方法及系统，解决了现有技术晶圆加工流程固定，输送定位控制精确性较低，进而影响半导体晶圆加工质量的技术问题，达到了通过对半导体晶圆进行输送逻辑分析，匹配晶圆输送参数方案，提高输送定位控制精确性，进而保证半导体晶圆加工质量的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为一个实施例中一种半导体晶圆输送的定位控制方法的流程示意图；
图2为一个实施例中一种半导体晶圆输送的定位控制方法中获得半导体晶圆特征集合的流程示意图；
图3为一个实施例中一种半导体晶圆输送的定位控制系统的结构框图；
图4为一个实施例中计算机设备的内部结构图；
附图标记说明：晶圆图像获取模块11，图像特征提取模块12，加权特征融合模块13，晶圆位置识别模块14，输送逻辑分析模块15，目标制程工艺获取模块16，输送定位控制模块17。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，本申请提供了一种半导体晶圆输送的定位控制方法，所述方法包括：
步骤S100：通过图像视觉模块获取半导体晶圆图像信息；
具体而言，晶圆是指制作硅半导体电路所用的硅晶片，是半导体集成电路制作中最关键的原料，由于其形状为圆形，故称为晶圆。在半导体制程中，晶圆还需经过光刻、成膜外延、蚀刻、研磨等多道半导体制程才能完成集成电路的制作。因此在晶圆加工流程中，需要对晶圆进行多次定位输送，以进入下一加工流程，由此晶圆输送精准控制对晶圆加工质量至关重要。
为对半导体晶圆加工状态实时监测，通过图像视觉模块获取半导体晶圆图像信息，所述图像视觉模块为图像采集传感器，包括CCD和CMOS以及阵列激光传感器等。主要用于半导体晶圆表面图像的采集与处理，以此获取半导体晶圆图像信息，图像包括晶圆高清结构信息以及表面信息，为后续晶圆质量分析提供图像数据基础，进而保证晶圆加工质量。
步骤S200：按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；
在一个实施例中，如图2所示，所述获得半导体晶圆特征集合，本申请步骤S200还包括：
步骤S210：对所述半导体晶圆图像信息进行预处理，获得标准半导体晶圆图像信息；
步骤S220：将所述标准半导体晶圆图像信息按照预定尺寸进行网格划分，获得晶圆图像分割信息；
步骤S230：获取晶圆应用标准，根据所述晶圆应用标准获得所述预定卷积特征集合，所述预定卷积特征集合包括晶圆结构特征、表面缺陷特征、晶圆损伤特征；
步骤S240：按照所述预定卷积特征集合对网格划分后的所述半导体晶圆图像信息进行遍历卷积计算，获得图像卷积计算结果；
步骤S250：基于所述图像卷积计算结果，获得符合预定卷积数值范围的所述半导体晶圆特征集合。
在一个实施例中，所述获得标准半导体晶圆图像信息，本申请步骤S210还包括：
步骤S211：对所述半导体晶圆图像信息进行滤波处理，获得去噪半导体晶圆图像信息；
步骤S212：基于所述去噪半导体晶圆图像信息进行均衡化处理，获得均值半导体晶圆图像信息；
步骤S213：基于自适应阈值法对所述均值半导体晶圆图像信息进行计算，获得目标像素动态阈值；
步骤S214：基于所述目标像素动态阈值，对所述均值半导体晶圆图像信息进行二值化处理，获得所述标准半导体晶圆图像信息。
具体而言，对所采集的半导体晶圆图像信息进行分析处理，为提高图像处理准确性，首先对所述半导体晶圆图像信息进行预处理。预处理具体步骤为首先对所述半导体晶圆图像信息进行滤波处理，通过滤波算法消除半导体晶圆图像中无关的信息，恢复有用的真实信息，使得图像更加清晰、减少噪声图像对后续数据处理结果以及计算量的影响，常用滤波算法包括中值滤波算法、高斯滤波、双边滤波或导向滤波等，以此获得去噪半导体晶圆图像信息。
为达到图像灰度均衡增强图像信息量，对所述去噪半导体晶圆图像信息进行均衡化处理，因此对所述去噪半导体晶圆图像信息进行均衡化处理，即对图像进行非线性拉伸，重新分配图像的灰度值，使一定范围内图像的灰度值大致相等，以此获得均值半导体晶圆图像信息。均衡化处理后的半导体晶圆图像灰度均匀分布，细节清晰，从而达到增大图像反差，提高图像对比度，使半导体晶圆图像细节更加清晰的目的。再基于自适应阈值法对所述均值半导体晶圆图像信息进行二值化计算，自适应阈值法为局部二值化算法，是用与像素位置相关的一组阈值对图像各部分分别进行分割的算法，自适应是指保证计算机能够通过判断和计算取得该图像区域的平均阈值进行迭代，该算法极大地降低了阴影对于图片本身的影响。
具体二值化处理过程为首先获取所述均值半导体晶圆图像信息的像素处理点，再获取其邻域相关像素点，邻域的大小应当足够小以便保存局部细节，但同时也要足够大来抑制噪声，通常可优选为1515邻域，再对邻域相关点的灰度值进行目标像素动态阈值计算，计算函数可根据图像像素分布自行确定。基于各像素处理点的所述目标像素动态阈值，对所述均值半导体晶圆图像信息进行二值化处理，获得最终标准半导体晶圆图像信息，图像二值化就是将图像上的像素点的灰度值设置为0或255，当目标处理点的灰度值小于目标像素动态阈值时，设置为0，其余情况则设置为255。能够有效降低半导体晶圆图像的噪声，保留图像细节，进而提升半导体晶圆图像处理效果。
依据所述半导体晶圆图像信息，以预定尺寸为基准对图像信息进行网格划分，所述预定尺寸指自行设置的用于划分所述图像信息的区域限定范围，获取多个均匀度一致的晶圆图像分割信息。进一步对晶圆应用标准进行获取，所述晶圆应用标准指晶圆加工流程对应的多个质量参数标准，基于所述晶圆应用标准，对晶圆的标准晶圆结构特征、表面缺陷特征、晶圆损伤特征进行确定，将其作为所述预定卷积特征集合进行存储。进一步的，按照所述预定卷积特征集合对网格划分后的所述半导体晶圆图像信息，遍历提取的多个网格区域的卷积特征，并进行卷积计算，以获取相应的图像卷积计算结果，基于所述图像卷积计算结果，与所述预定卷积特征数值范围进行比对，以进行筛选，获取符合所述预定卷积特征数值范围的半导体晶圆特征集合，以筛选半导体晶圆感兴趣特征进行后续晶圆质量分析处理。
步骤S300：基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；
步骤S400：对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；
具体而言，基于所述半导体晶圆特征集合进行加权特征融合，首先对晶圆结构特征、表面缺陷特征、晶圆损伤特征进行晶圆质量影响程度权重分配，再按照各特征对应权值进行特征融合，获得对应的晶圆融合特征信息，可有效降低后期特征分析模拟的复杂度。同时对所述晶圆融合特征信息进行位置识别，即基于晶圆结构特征进行中心位置以及定位边确定，准确定位获得晶圆中心位置和晶圆加工所在的工位信息即晶圆定位信息，以用于向下一工艺流程进行晶圆加工精确输送。
步骤S500：获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；
在一个实施例中，所述获得晶圆输送逻辑信息，本申请步骤S500还包括：
步骤S510：对所述晶圆融合特征信息进行质量评价，获得晶圆加工质量系数；
步骤S520：分析所述晶圆加工质量系数是否满足预设质量系数，确定质量分析结果；
步骤S530：根据所述半导体晶圆输送策略，生成晶圆质量输送逻辑；
步骤S540：基于所述晶圆质量输送逻辑对所述质量分析结果进行逻辑判定，确定所述晶圆输送逻辑信息。
具体而言，为保证晶圆下一加工流程质量，对所述晶圆融合特征信息进行质量评价，以结构标准性以及表面缺陷程度和损伤程度范围、数量进行质量分级，质量分级标准可由专家组确定，以此获得晶圆加工质量系数，质量系数越大，表明晶圆特征越符合加工质量标准。分析所述晶圆加工质量系数是否满足预设质量系数，所述预设质量系数为晶圆进入下一加工流程的质量标准，以此确定质量分析结果，即是否满足加工质量标准。根据所述半导体晶圆输送策略，生成晶圆质量输送逻辑，所述晶圆质量输送逻辑包含两条输送逻辑，当晶圆质量达到标准时，进行下一加工流程输送，当未满足质量标准时，进行晶圆筛选剔除处理。基于所述晶圆质量输送逻辑对所述质量分析结果进行逻辑判定，确定该半导体晶圆所对应的晶圆输送逻辑信息。通过对半导体晶圆质量进行输送逻辑分析，提高输送控制精确性，以保证晶圆加工质量。
步骤S600：当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；
步骤S700：将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
在一个实施例中，所述获得晶圆输送参数方案，本申请步骤S700还包括：
步骤S710：搭建晶圆加工分析模型，所述晶圆加工分析模型包括加工路线分析模型和加工角度分析模型；
步骤S720：将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输入所述晶圆加工分析模型中，基于所述晶圆加工分析模型，分别获得晶圆加工路线分析信息和晶圆加工角度分析信息；
步骤S730：基于所述晶圆加工路线分析信息和晶圆加工角度分析信息，输出所述晶圆输送参数方案。
具体而言，当晶圆加工质量达到标准时，进行下一加工流程输送，即所述晶圆输送逻辑信息为质量通过继续工艺序列流程，此时获取晶圆目标制程工艺，即晶圆的下一加工流程，例如光刻、成膜外延、蚀刻、研磨等工艺制程。将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，通过历史晶圆加工经验数据训练搭建晶圆加工分析模型，所述晶圆加工分析模型包括加工路线分析模型和加工角度分析模型。
将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输入所述晶圆加工分析模型中进行分析，基于所述加工路线分析模型和加工角度分析模型，分别获取晶圆加工路线分析信息和晶圆加工角度分析信息。并基于所述晶圆加工路线分析信息和晶圆加工角度分析信息，共同确定输出晶圆输送参数方案，以用于下一流程晶圆输送加工。且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制，输送定位模块为输送晶圆的机械装置，可由晶圆输送传动机械臂或输送智能机器人进行输送控制，加强晶圆输送加工灵活性，满足加工输送需求，提高输送控制精确性。
在一个实施例中，本申请步骤S800还包括：
步骤S810：获取所述输送定位模块的控制精度参数；
步骤S820：根据所述控制精度参数，确定输送定位补偿参数；
步骤S830：基于输送定位补偿参数对所述晶圆加工分析模型进行迭代更新，获得晶圆加工优化分析模型；
步骤S840：基于所述晶圆加工优化分析模型的输出参数信息对所述晶圆输送参数方案进行修正。
在一个实施例中，申请步骤S840还包括：
步骤S841：对半导体晶圆加工状态实时监测，获得晶圆加工姿态信息；
步骤S842：根据所述晶圆加工姿态信息，构建姿态加工补偿状态空间；
步骤S843：在所述姿态加工补偿状态空间内，获取多种姿态补偿行为信息；
步骤S844：在所述多种姿态补偿行为信息内进行寻优评价，获得最优姿态补偿行为信息，并采用所述最优姿态补偿行为信息进行输送姿态补偿。
具体而言，由于晶圆输送定位装置的控制频率、整机噪声以及运转时间过长等因素，会造成控制精度影响，因此为加强晶圆输送控制精确性，获取所述输送定位模块的控制精度参数，可通过实际输送比对获得。根据所述控制精度参数，确定输送定位补偿参数，所述输送定位补偿参数包括角度补偿参数、输送偏移补偿参数等。基于输送定位补偿参数对所述晶圆加工分析模型进行迭代更新，获得结合输送定位补偿参数优化训练后的晶圆加工优化分析模型。并基于所述晶圆加工优化分析模型的输出参数信息对所述晶圆输送参数方案进行修正，基于输送定位补偿参数进行参数方案优化，提高晶圆输送控制参数精度，进而保证晶圆加工质量。
同时对半导体晶圆加工状态实时监测，以便进行加工参数及时调整，获得晶圆加工姿态信息，即晶圆的加工位姿信息。根据所述晶圆加工姿态信息，构建姿态加工补偿状态空间，所述姿态加工补偿状态空间为晶圆加工位姿所对应的所有可选加工位姿补偿参数集合。在所述姿态加工补偿状态空间内，获取多种姿态补偿行为信息，包括位姿偏移补偿参数以及位姿角度补偿参数等。在所述多种姿态补偿行为信息内进行寻优评价，以晶圆加工质量预测结果为评价标准件筛选，获得最优姿态补偿行为信息，在并采用所述最优姿态补偿行为信息进行输送姿态补偿，在最优姿态补偿行为信息控制补偿下，晶圆加工质量最优。通过晶圆加工状态及时调整输送姿态，实现晶圆输送控制实时性以及控制精确性，进而保证半导体晶圆加工效果。
在一个实施例中，如图3所示，提供了一种半导体晶圆输送的定位控制系统，包括：晶圆图像获取模块11，图像特征提取模块12，加权特征融合模块13，晶圆位置识别模块14，输送逻辑分析模块15，目标制程工艺获取模块16，输送定位控制模块17，其中：
晶圆图像获取模块11，用于通过图像视觉模块获取半导体晶圆图像信息；
图像特征提取模块12，用于按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；
加权特征融合模块13，用于基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；
晶圆位置识别模块14，用于对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；
输送逻辑分析模块15，用于获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；
目标制程工艺获取模块16，用于当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；
输送定位控制模块17，用于将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
在一个实施例中，所述系统还包括：
图像预处理单元，用于对所述半导体晶圆图像信息进行预处理，获得标准半导体晶圆图像信息；
尺寸网格划分单元，用于将所述标准半导体晶圆图像信息按照预定尺寸进行网格划分，获得晶圆图像分割信息；
卷积特征集合获得单元，用于获取晶圆应用标准，根据所述晶圆应用标准获得所述预定卷积特征集合，所述预定卷积特征集合包括晶圆结构特征、表面缺陷特征、晶圆损伤特征；
遍历卷积计算单元，用于按照所述预定卷积特征集合对网格划分后的所述半导体晶圆图像信息进行遍历卷积计算，获得图像卷积计算结果；
半导体晶圆特征获得单元，用于基于所述图像卷积计算结果，获得符合预定卷积数值范围的所述半导体晶圆特征集合。
在一个实施例中，所述系统还包括：
滤波处理单元，用于对所述半导体晶圆图像信息进行滤波处理，获得去噪半导体晶圆图像信息；
均衡化处理单元，用于基于所述去噪半导体晶圆图像信息进行均衡化处理，获得均值半导体晶圆图像信息；
动态阈值获得单元，用于基于自适应阈值法对所述均值半导体晶圆图像信息进行计算，获得目标像素动态阈值；
二值化处理单元，用于基于所述目标像素动态阈值，对所述均值半导体晶圆图像信息进行二值化处理，获得所述标准半导体晶圆图像信息。
在一个实施例中，所述系统还包括：
特征质量评价单元，用于对所述晶圆融合特征信息进行质量评价，获得晶圆加工质量系数；
质量分析结果确定单元，用于分析所述晶圆加工质量系数是否满足预设质量系数，确定质量分析结果；
输送逻辑生成单元，用于根据所述半导体晶圆输送策略，生成晶圆质量输送逻辑；
输送逻辑判定单元，用于基于所述晶圆质量输送逻辑对所述质量分析结果进行逻辑判定，确定所述晶圆输送逻辑信息。
在一个实施例中，所述系统还包括：
分析模型搭建单元，用于搭建晶圆加工分析模型，所述晶圆加工分析模型包括加工路线分析模型和加工角度分析模型；
模型输入单元，用于将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输入所述晶圆加工分析模型中，基于所述晶圆加工分析模型，分别获得晶圆加工路线分析信息和晶圆加工角度分析信息；
输送参数方案输出单元，用于基于所述晶圆加工路线分析信息和晶圆加工角度分析信息，输出所述晶圆输送参数方案。
在一个实施例中，所述系统还包括：
控制精度参数获取单元，用于获取所述输送定位模块的控制精度参数；
定位补偿参数确定单元，用于根据所述控制精度参数，确定输送定位补偿参数；
单元，用于基于输送定位补偿参数对所述晶圆加工分析模型进行迭代更新，获得晶圆加工优化分析模型；
参数方案修正单元，用于基于所述晶圆加工优化分析模型的输出参数信息对所述晶圆输送参数方案进行修正。
在一个实施例中，所述系统还包括：
加工实时监测单元，用于对半导体晶圆加工状态实时监测，获得晶圆加工姿态信息；
补偿状态空间构建单元，用于根据所述晶圆加工姿态信息，构建姿态加工补偿状态空间；
补偿行为获取单元，用于在所述姿态加工补偿状态空间内，获取多种姿态补偿行为信息；
输送姿态补偿单元，用于在所述多种姿态补偿行为信息内进行寻优评价，获得最优姿态补偿行为信息，并采用所述最优姿态补偿行为信息进行输送姿态补偿。
关于一种半导体晶圆输送的定位控制系统的具体实施例可以参见上文中对于一种半导体晶圆输送的定位控制方法的实施例，在此不再赘述。上述一种半导体晶圆输送的定位控制装置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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机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。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机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半导体晶圆输送的定位控制方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：通过图像视觉模块获取半导体晶圆图像信息；按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
在一个实施例中，提供了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以下步骤：通过图像视觉模块获取半导体晶圆图像信息；按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种半导体晶圆输送的定位控制方法，其特征在于，所述方法包括：
通过图像视觉模块获取半导体晶圆图像信息；
按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；
基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；
对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；
获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；
当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；
将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
2.如权利要求1所述的方法，其特征在于，所述获得半导体晶圆特征集合，包括：
对所述半导体晶圆图像信息进行预处理，获得标准半导体晶圆图像信息；
将所述标准半导体晶圆图像信息按照预定尺寸进行网格划分，获得晶圆图像分割信息；
获取晶圆应用标准，根据所述晶圆应用标准获得所述预定卷积特征集合，所述预定卷积特征集合包括晶圆结构特征、表面缺陷特征、晶圆损伤特征；
按照所述预定卷积特征集合对网格划分后的所述半导体晶圆图像信息进行遍历卷积计算，获得图像卷积计算结果；
基于所述图像卷积计算结果，获得符合预定卷积数值范围的所述半导体晶圆特征集合。
3.如权利要求2所述的方法，其特征在于，所述获得标准半导体晶圆图像信息，包括：
对所述半导体晶圆图像信息进行滤波处理，获得去噪半导体晶圆图像信息；
基于所述去噪半导体晶圆图像信息进行均衡化处理，获得均值半导体晶圆图像信息；
基于自适应阈值法对所述均值半导体晶圆图像信息进行计算，获得目标像素动态阈值；
基于所述目标像素动态阈值，对所述均值半导体晶圆图像信息进行二值化处理，获得所述标准半导体晶圆图像信息。
4.如权利要求1所述的方法，其特征在于，所述获得晶圆输送逻辑信息，包括：
对所述晶圆融合特征信息进行质量评价，获得晶圆加工质量系数；
分析所述晶圆加工质量系数是否满足预设质量系数，确定质量分析结果；
根据所述半导体晶圆输送策略，生成晶圆质量输送逻辑；
基于所述晶圆质量输送逻辑对所述质量分析结果进行逻辑判定，确定所述晶圆输送逻辑信息。
5.如权利要求1所述的方法，其特征在于，所述获得晶圆输送参数方案，包括：
搭建晶圆加工分析模型，所述晶圆加工分析模型包括加工路线分析模型和加工角度分析模型；
将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输入所述晶圆加工分析模型中，基于所述晶圆加工分析模型，分别获得晶圆加工路线分析信息和晶圆加工角度分析信息；
基于所述晶圆加工路线分析信息和晶圆加工角度分析信息，输出所述晶圆输送参数方案。
6.如权利要求1所述的方法，其特征在于，所述方法包括：
获取所述输送定位模块的控制精度参数；
根据所述控制精度参数，确定输送定位补偿参数；
基于输送定位补偿参数对所述晶圆加工分析模型进行迭代更新，获得晶圆加工优化分析模型；
基于所述晶圆加工优化分析模型的输出参数信息对所述晶圆输送参数方案进行修正。
7.如权利要求1所述的方法，其特征在于，所述方法包括：
对半导体晶圆加工状态实时监测，获得晶圆加工姿态信息；
根据所述晶圆加工姿态信息，构建姿态加工补偿状态空间；
在所述姿态加工补偿状态空间内，获取多种姿态补偿行为信息；
在所述多种姿态补偿行为信息内进行寻优评价，获得最优姿态补偿行为信息，并采用所述最优姿态补偿行为信息进行输送姿态补偿。
8.一种半导体晶圆输送的定位控制系统，其特征在于，所述系统包括：
晶圆图像获取模块，用于通过图像视觉模块获取半导体晶圆图像信息；
图像特征提取模块，用于按照预定卷积特征集合对所述半导体晶圆图像信息进行特征提取，获得半导体晶圆特征集合；
加权特征融合模块，用于基于所述半导体晶圆特征集合进行加权特征融合，获得晶圆融合特征信息；
晶圆位置识别模块，用于对所述晶圆融合特征信息进行位置识别，获得晶圆中心位置和晶圆定位信息；
输送逻辑分析模块，用于获取半导体晶圆输送策略，基于所述半导体晶圆输送策略对所述晶圆融合特征信息进行输送逻辑分析，获得晶圆输送逻辑信息；
目标制程工艺获取模块，用于当所述晶圆输送逻辑信息为工艺序列流程时，获取晶圆目标制程工艺；
输送定位控制模块，用于将所述晶圆目标制程工艺、所述晶圆中心位置和晶圆定位信息输送至晶圆加工分析模型中，获得晶圆输送参数方案，且输送定位模块基于所述晶圆输送参数方案对半导体晶圆进行输送定位控制。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310720774.0A CN116525517B (zh) | 2023-06-19 | 2023-06-19 | 一种半导体晶圆输送的定位控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310720774.0A CN116525517B (zh) | 2023-06-19 | 2023-06-19 | 一种半导体晶圆输送的定位控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116525517A true CN116525517A (zh) | 2023-08-01 |
| CN116525517B CN116525517B (zh) | 2023-10-13 |
Family
ID=87408503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310720774.0A Active CN116525517B (zh) | 2023-06-19 | 2023-06-19 | 一种半导体晶圆输送的定位控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116525517B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117218119A (zh) * | 2023-11-07 | 2023-12-12 | 苏州瑞霏光电科技有限公司 | 用于晶圆生产的质量检测方法及系统 |
| CN117226829A (zh) * | 2023-09-06 | 2023-12-15 | 泓浒(苏州)半导体科技有限公司 | 一种用于晶圆传输机器人的控制方法及系统 |
| CN117711994A (zh) * | 2024-02-06 | 2024-03-15 | 泓浒(苏州)半导体科技有限公司 | 一种基于链路逻辑图的晶圆单片运输控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI642126B (zh) * | 2017-06-30 | 2018-11-21 | 中華大學 | 半導體晶圓檢測系統及其方法 |
| CN110766660A (zh) * | 2019-09-25 | 2020-02-07 | 上海众壹云计算科技有限公司 | 基于融合深度学习模型的集成电路缺陷图像识别分类系统 |
| CN111554601A (zh) * | 2020-04-27 | 2020-08-18 | 上海果纳半导体技术有限公司 | 晶圆前端传送系统 |
| CN113782470A (zh) * | 2021-09-10 | 2021-12-10 | 长鑫存储技术有限公司 | 晶圆传送位置的调整方法、调整装置及半导体设备 |
| CN114905515A (zh) * | 2022-05-26 | 2022-08-16 | 无锡斯帝尔科技有限公司 | 一种基于柔性感知神经网络的机器人控制方法及系统 |
| CN114998324A (zh) * | 2022-07-19 | 2022-09-02 | 深圳新视智科技术有限公司 | 半导体晶圆缺陷检测模型的训练方法及装置 |
| CN115642098A (zh) * | 2022-09-14 | 2023-01-24 | 深圳源明杰科技股份有限公司 | 芯片安装定位方法、装置、设备及可读存储介质 |
-
2023
- 2023-06-19 CN CN202310720774.0A patent/CN116525517B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI642126B (zh) * | 2017-06-30 | 2018-11-21 | 中華大學 | 半導體晶圓檢測系統及其方法 |
| CN110766660A (zh) * | 2019-09-25 | 2020-02-07 | 上海众壹云计算科技有限公司 | 基于融合深度学习模型的集成电路缺陷图像识别分类系统 |
| CN111554601A (zh) * | 2020-04-27 | 2020-08-18 | 上海果纳半导体技术有限公司 | 晶圆前端传送系统 |
| CN113782470A (zh) * | 2021-09-10 | 2021-12-10 | 长鑫存储技术有限公司 | 晶圆传送位置的调整方法、调整装置及半导体设备 |
| CN114905515A (zh) * | 2022-05-26 | 2022-08-16 | 无锡斯帝尔科技有限公司 | 一种基于柔性感知神经网络的机器人控制方法及系统 |
| CN114998324A (zh) * | 2022-07-19 | 2022-09-02 | 深圳新视智科技术有限公司 | 半导体晶圆缺陷检测模型的训练方法及装置 |
| CN115642098A (zh) * | 2022-09-14 | 2023-01-24 | 深圳源明杰科技股份有限公司 | 芯片安装定位方法、装置、设备及可读存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117226829A (zh) * | 2023-09-06 | 2023-12-15 | 泓浒(苏州)半导体科技有限公司 | 一种用于晶圆传输机器人的控制方法及系统 |
| CN117218119A (zh) * | 2023-11-07 | 2023-12-12 | 苏州瑞霏光电科技有限公司 | 用于晶圆生产的质量检测方法及系统 |
| CN117218119B (zh) * | 2023-11-07 | 2024-01-26 | 苏州瑞霏光电科技有限公司 | 用于晶圆生产的质量检测方法及系统 |
| CN117711994A (zh) * | 2024-02-06 | 2024-03-15 | 泓浒(苏州)半导体科技有限公司 | 一种基于链路逻辑图的晶圆单片运输控制方法及系统 |
| CN117711994B (zh) * | 2024-02-06 | 2024-04-19 | 泓浒(苏州)半导体科技有限公司 | 一种基于链路逻辑图的晶圆单片运输控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116525517B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116525517B (zh) | 一种半导体晶圆输送的定位控制方法及系统 | |
| CN111860670B (zh) | 域自适应模型训练、图像检测方法、装置、设备及介质 | |
| CN109410127B (zh) | 一种基于深度学习与多尺度图像增强的图像去噪方法 | |
| CN110909663B (zh) | 一种人体关键点识别方法、装置及电子设备 | |
| CN111199523B (zh) | 电力设备识别方法、装置、计算机设备和存储介质 | |
| CN108205707A (zh) | 生成深度神经网络的方法、装置和计算机可读存储介质 | |
| CN113808036B (zh) | 基于Retinex模型的低照度图像增强与去噪方法 | |
| CN117422936B (zh) | 一种遥感图像分类方法及系统 | |
| CN111783693A (zh) | 果蔬采摘机器人的智能识别方法 | |
| CN112419202A (zh) | 基于大数据及深度学习的野生动物图像自动识别系统 | |
| CN117498321A (zh) | 一种分布式光伏出力预测方法、系统及存储介质 | |
| CN116228780A (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
| CN112257504B (zh) | 脸型识别方法、脸型识别模型训练方法及相关装置 | |
| CN115409991B (zh) | 目标识别方法、装置、电子设备和存储介质 | |
| CN112381084A (zh) | 断层图像的轮廓自动识别方法 | |
| CN116385898A (zh) | 一种卫星影像处理的方法和系统 | |
| CN109064425A (zh) | 一种自适应非局部总变分的图像去噪方法 | |
| CN112634226B (zh) | 头部ct图像检测装置、方法、电子设备及存储介质 | |
| CN114998358A (zh) | 多聚焦图像融合方法、装置、计算机设备和存储介质 | |
| CN113781368A (zh) | 基于局部信息熵的红外成像装置 | |
| CN116888621A (zh) | 图像检测方法、装置和电子设备 | |
| Chen et al. | GADO-Net: an improved AOD-Net single image dehazing algorithm | |
| CN112288643A (zh) | 图像去噪方法及系统 | |
| CN112884681B (zh) | 图像阴影处理方法、装置、计算机设备和存储介质 | |
| CN112053300B (zh) | 一种光照不均匀图像的矫正方法、装置和设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |