CN116542945A - 晶圆图像分割处理方法、电子设备及存储介质 - Google Patents

晶圆图像分割处理方法、电子设备及存储介质 Download PDF

Info

Publication number
CN116542945A
CN116542945A CN202310528600.4A CN202310528600A CN116542945A CN 116542945 A CN116542945 A CN 116542945A CN 202310528600 A CN202310528600 A CN 202310528600A CN 116542945 A CN116542945 A CN 116542945A
Authority
CN
China
Prior art keywords
area
image
region
grain
initial
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
Application number
CN202310528600.4A
Other languages
English (en)
Other versions
CN116542945B (zh
Inventor
陈斌
王君逸
张元�
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.)
Shenzhen Graduate School Harbin Institute of Technology
Chongqing Research Institute of Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Chongqing Research Institute of Harbin Institute of Technology
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 Shenzhen Graduate School Harbin Institute of Technology, Chongqing Research Institute of Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202310528600.4A priority Critical patent/CN116542945B/zh
Publication of CN116542945A publication Critical patent/CN116542945A/zh
Application granted granted Critical
Publication of CN116542945B publication Critical patent/CN116542945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。

Description

晶圆图像分割处理方法、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种晶圆图像分割处理方法、电子设备及存储介质。
背景技术
半导体检测是半导体市场在如今的发展规模下的一种衍生的服务形态，其中涉及到的关键技术就是晶圆检测。随着半导体的研发投入越来越大，对于设计缺陷的容忍度几乎为零，因此需要对芯片进行严格的测试和验证，主要涉及到晶圆表面或电路结构中，检测是否存在污染、划伤、异质情况等对于芯片工艺有不良影响的缺陷。
晶圆检测的流程是在晶圆成像后，将拍摄晶圆得到的图像分割为单枚晶粒芯片(Die)的图区，再使用机器视觉算法进行检测。现有的晶圆分割算法常采用定点分割、阈值分割等算法，此类分割算法难以适应光照误差和成像条件变化，容易使得分割的晶粒图区不准确或不完整。
发明内容
有鉴于此，本申请实施例的目的在于提供一种晶圆图像分割处理方法、电子设备及存储介质，能够改善分割的晶粒图区不准确或不完整的问题。
为实现上述技术目的，本申请采用的技术方案如下：
第一方面，本申请实施例提供了一种晶圆图像分割处理方法，所述方法包括：
A10，获取由摄像头拍摄晶圆的子区域得到的区域图像；
A20，对所述区域图像进行下采样，得到下采样图像；
A30，基于第一预设搜索框和预设的晶粒模板图像，在所述下采样图像的任一角中确定起始搜索区域；
A40，基于第二预设搜索框和所述起始搜索区域，以预设定位策略，在所述下采样图像中，遍历定位目标搜索区域；
A50，根据所述晶粒模板图像，判断所述目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果，其中，当所述目标搜索区域中存在所述晶粒图区时，所述第一检测结果包括晶粒的位置坐标及所述晶粒图区；
A60，统计每个搜索区域的第一检测结果，得到所述区域图像中的所有晶粒的分割结果。
结合第一方面，在一些可选的实施方式中，步骤A30包括：
A31，将所述第一预设搜索框在所述区域图像的任一角的局部矩形区域，确定为初始定位区域，其中，所述区域图像的外轮廓呈矩形，所述第一预设搜索框的尺寸大于所述晶圆中单个晶粒的尺寸；
A32，在所述初始定位区域中，利用所述晶粒模板图像进行模板匹配；
A33，当所述初始定位区域中存在与所述晶粒模板图像的相关度超过预设阈值的目标图区时，将所述目标图区确定为候选区域；
A34，若所述初始定位区域中存在多个候选区域时，从所述多个候选区域中选取相关度最高的一个候选区域作为基准区域，基于所述基准区域的起始坐标与所述区域图像最近的横纵边界的横向距离和纵向距离，分别整除所述晶粒模板图像的宽与高，得到横向偏移倍率及纵向偏移倍率，并利用所述横向偏移倍率与所述晶粒模板图像的宽度相乘得到横向偏移距离，以及利用所述纵向偏移倍率与所述晶粒模板图像的高度相乘得到纵向偏移距离，并从所述起始坐标向对应边角移动所述横向偏移距离、所述纵向偏移距离，以作为所述起始搜索区域的起始坐标，并得到所述起始搜索区域；
A35，若所述初始定位区域中仅存在一个候选区域时，将所述候选区域确定为所述起始搜索区域；
A36，若所述初始定位区域中不存在候选区域，则基于所述第一预设搜索框在所述区域图像的剩余角中确定新的初始定位区域，并基于所述新的初始定位区域重复步骤A32至步骤A35的操作，以得到所述起始搜索区域。
结合第一方面，在一些可选的实施方式中，步骤A40包括：
A41，在所述下采样图像中，以所述起始搜索区域为起点，先纵后横依次以指定跳距确定所述第二预设搜索框的图区，以作为所述目标搜索区域。
结合第一方面，在一些可选的实施方式中，步骤A41包括：
A411，以所述起始搜索区域为起点，纵向以第一指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为所述目标搜索区域；
A412，将每次得到的所述目标搜索区域或所述目标搜索区域中的晶粒图区作为新的起点，并纵向以第一指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为新的目标搜索区域，当所述第二预设搜索框纵向跳步至所述下采样图像的边线时，通过横向以第二指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为新的目标搜索区域及新的起点；
A413，重复步骤A412，直至遍历完所述下采样图。
结合第一方面，在一些可选的实施方式中，步骤A40还包括：
A42，在所述下采样图像中，以所述起始搜索区域为起点，先横后纵依次以指定跳距确定所述第二预设搜索框的图区，以作为所述目标搜索区域。
结合第一方面，在一些可选的实施方式中，步骤A50包括：
对所述目标搜索区域进行二值化，得到二值图像；
基于所述二值图像进行轮廓提取，得到轮廓边缘信息；
基于所述晶粒模板图像的先验信息和所述轮廓边缘信息，判断所述目标搜索区域中是否存在所述晶粒图区；
当所述目标搜索区域中存在所述晶粒图区时，在预先创建的线性表中记录所述晶粒图区的位置坐标，并保存所述晶粒图区以作为分割的图区，其中，所述线性表用于在迭代搜索时进行记忆化搜索。
结合第一方面，在一些可选的实施方式中，所述方法还包括：
针对每个所述晶粒图区，采用预设的缺陷检测模型进行外观缺陷检测，以得到表征是否存在外观缺陷的第二检测结果。
第二方面，本申请实施例还提供一种电子设备，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。
第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
采用上述技术方案的发明，具有如下优点：
在本申请提供的技术方案中，通过对摄像头拍摄晶圆的子区域得到的区域图像进行下采样，有利于降低后续搜索时的运算量；在区域图像中确定出起始搜索区域后，基于第二预设搜索框以预设定位策略，在下采样图像中，遍历定位目标搜索区域，再根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；最后，统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，利用搜索框遍历区域图像，提高分割的晶粒图区的准确性及完整性，能够适应不同区域、不同明暗度的晶圆分割，对于脏污、印刷以及检测无关的定位区域干扰具有较强鲁棒性。
附图说明
本申请可以通过附图给出的非限定性实施例进一步说明。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的晶圆图像分割处理方法的流程示意图。
图2为本申请实施例提供的晶圆图像、区域图像及晶粒图区的示意图。
具体实施方式
以下将结合附图和具体实施例对本申请进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本申请实施例提供一种电子设备，电子设备可以包括处理模块及存储模块。存储模块内存储计算机程序，当计算机程序被所述处理模块执行时，使得电子设备能够执行下述晶圆图像分割处理方法中的相应步骤。
可理解地，电子设备采用下述的晶圆图像分割处理方法，可以自适应地对晶圆的区域图像进行晶粒图区分割，且能够改善分割的晶粒图区不准确或不完整的问题。
其中，电子设备可以是但不限于个人电脑、服务器等设备，这里不作具体限定。
请参照图1，本申请还提供一种晶圆图像分割处理方法，可以应用于上述的电子设备，由电子设备执行或实现方法的各步骤。其中，晶圆图像分割处理方法可以包括如下步骤：
步骤A10，获取由摄像头拍摄晶圆的子区域得到的区域图像；
步骤A20，对所述区域图像进行下采样，得到下采样图像；
步骤A30，基于第一预设搜索框和预设的晶粒模板图像，在所述下采样图像的任一角中确定起始搜索区域；
步骤A40，基于第二预设搜索框和所述起始搜索区域，以预设定位策略，在所述下采样图像中，遍历定位目标搜索区域；
步骤A50，根据所述晶粒模板图像，判断所述目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果，其中，当所述目标搜索区域中存在所述晶粒图区时，所述第一检测结果包括晶粒的位置坐标及所述晶粒图区；
步骤A60，统计每个搜索区域的第一检测结果，得到所述区域图像中的所有晶粒的分割结果。
下面将对晶圆图像分割处理方法的各步骤进行详细阐述，如下：
请参照图2，由于单个晶粒的尺寸较小，为了使得拍摄的图像中能清晰观看到每个晶粒，摄像头通常是对整片晶圆的局部区域进行拍摄。即，摄像头每次拍摄晶圆的一个局部区域或子区域，所得到的图像即为区域图像。通过遍历的方式对晶圆的表面进行拍摄，便可以实现对整个晶圆表面的图像采集。其中，在每次拍摄区域图像时，可以记录所拍摄的子区域在整个晶圆上的相对位置，以便于后续对区域图像中的晶粒进行定位。
在步骤A10中，电子设备可以实时从摄像头获取区域图像，或者，电子设备可以从其他存储有区域图像的设备获取到区域图像，这里对获取区域图像的方式不作具体限定。
在步骤A20中，电子设备可以对所述区域图像进行双线性插值下采样，以得到下采样图像。其中，通过双线性插值下采样，有利于减少后续的晶粒搜索时间，降低运算量，提升晶粒图区的分割效率。
在步骤A30之前，方法还可以包括对区域图像进行水平对齐的步骤。例如，针对下采样图像中的晶粒，判断晶粒的长度方向的轮廓线是否处于水平或垂直状态，若晶粒长度方向的轮廓线未处于水平或垂直状态，则可以通过对区域图像进行旋转，使得旋转后的采样图像中晶粒长度方向的轮廓线处于水平或垂直状态，以便于后续进行晶粒的准确定位搜索。
在步骤A30中，下采样图像中晶粒长度方向的轮廓线处于水平或接近水平的状态；或者处于垂直或接近垂直的状态。第一预设搜索框的尺寸大于下述的第二预设搜索框的尺寸，且第二预设搜索框的尺寸大于单个晶粒的尺寸。例如，请再次参照图2，第一预设搜索框的长度可以为单个晶粒长度的3倍，第一预设搜索框的宽度可以为单个晶粒宽度的3倍。第二预设搜索框的长度可以为单个晶粒长度的1.5倍，第二预设搜索框的宽度可以为单个晶粒宽度的1.5倍。
需要说明的是，预设的晶粒模板图像为拍摄没有外观缺陷的正常晶粒得到的图像。另外，在图2中，晶粒图区所示的晶粒仅为一种示意图，在其他实施方式中，晶粒的外观和长宽尺寸比例可以不同于图2所示。
在本实施例中，步骤A30可以包括：
步骤A31，将所述第一预设搜索框在所述区域图像的任一角的局部矩形区域，确定为初始定位区域，其中，所述区域图像的外轮廓呈矩形，所述第一预设搜索框的尺寸大于所述晶圆中单个晶粒的尺寸；
步骤A32，在所述初始定位区域中，利用所述晶粒模板图像进行模板匹配；
步骤A33，当所述初始定位区域中存在与所述晶粒模板图像的相关度超过预设阈值的目标图区时，将所述目标图区确定为候选区域；
步骤A34，若所述初始定位区域中存在多个候选区域时，从所述多个候选区域中选取相关度最高的一个候选区域作为基准区域，并基于所述基准区域的起始坐标(x1,y1)与所述区域图像最近的横纵边界的横向距离x2和纵向距离y2，分别整除所述晶粒模板图像的宽(记为w)与高(记为h)；x2除以w得到的商的整数部分记为横向偏移倍率nx，y2除以h得到的商的整数部分记为纵向偏移倍率ny，并利用所述横向偏移倍率与所述晶粒模板图像的宽度相乘得到横向偏移距离dx(即，dx＝nx*w)，以及利用所述纵向偏移倍率与所述晶粒模板图像的高度相乘得到纵向偏移距离dy(即，dy＝ny*h)，并从所述起始坐标向最近应边角移动所述横向偏移距离dx、所述纵向偏移距离dy，以作为所述起始搜索区域的起始坐标，并得到所述起始搜索区域；
步骤A35，若所述初始定位区域中仅存在一个候选区域时，将所述候选区域确定为所述起始搜索区域；
步骤A36，若所述初始定位区域中不存在候选区域，则基于所述第一预设搜索框在所述区域图像的剩余角中确定新的初始定位区域，并基于所述新的初始定位区域重复步骤A32至步骤A35的操作，以得到所述起始搜索区域。
可理解地，区域图像为矩形图像，第一预设搜索框可以以四个直角中的任一直角进行对准，然后，将第一预设搜索框在区域图像中的图区作为初始定位区域。例如，在图2中，左上角的第一预设搜索框区域即为初始定位区域。
在对初始定位区域进行模板匹配时，可以通过计算初始定位区域中与晶粒模板图像的相关度，该相关度可理解为初始定位区域中的图区与晶粒模板图像的相似度。计算相似度/相关度的方式为常规方式，相关度的预设阈值可以根据实际情况灵活设置，这里不再赘述。
在步骤A34中，若相关度最高的候选区域有多个，则可以随机选择一个候选区域作为基准区域。其中，基准区域的起始坐标可以为该图区的左下角的顶点坐标。
作为一种示例，假设区域图像的宽高为1000*1000像素；晶粒模板图像的宽高为25*10像素，即，晶粒模板图像的宽w为25个像素，高h为10个像素；假设，以区域图像的左下角的顶点为直角坐标系的原点，并建立直角坐标系，第一预设搜索框在区域图像的左下角，且选取的基准区域的起始坐标为(35,25)，即，x1＝x2＝35,y1＝y2＝25，则可以得到横向偏移倍率nx＝1,纵向偏移倍率ny＝2,以及横向偏移距离dx＝nx*w＝1*25＝25，纵向偏移距离dy＝ny*h＝2*10＝20。然后，将基准区域的起始坐标为(35,25)向左移动25，向下移动20，从而得到坐标(10,5)作为起始搜索区域的起始坐标。在得到起始搜索区域的起始坐标后，将该坐标所在的晶粒图像的区域即为起始搜索区域。当然，在其他实施方式中，可以将最靠近区域图像的左下角的候选图区确定为起始搜索区域。
由于区域图像为晶圆的局部图像，因此，区域图像的四角通常不会均无法搜索到候选区域。若区域图像中的其中一角无法搜索到候选区域，即，通过步骤A36，便可以得到候选区域和起始搜索区域。
若区域图像的四角均无法搜索到候选区域，通常表示该区域图像为无效图区，无需进行晶粒图区的分割。
作为一种可选的实施方式，步骤A40可以包括：
A41，在所述下采样图像中，以所述起始搜索区域为起点，先纵后横依次以指定跳距确定所述第二预设搜索框的图区，以作为所述目标搜索区域。
其中，步骤A41可以包括：
A411，以所述起始搜索区域为起点，纵向以第一指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为所述目标搜索区域；
A412，将每次得到的所述目标搜索区域或所述目标搜索区域中的晶粒图区作为新的起点，并纵向以第一指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为新的目标搜索区域，当所述第二预设搜索框纵向跳步至所述下采样图像的边线时，通过横向以第二指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为新的目标搜索区域及新的起点；
A413，重复步骤A412，直至遍历完所述下采样图。
在本实施例中，第一指定跳距与第二指定跳距均可以根据实际情况灵活设置。例如，在图2中，在纵向跳步时，第一指定跳距可以为纵向两个相邻晶粒的平移距离(比如，纵向两个相邻晶粒各自左上角顶点的间距，该距离通常略大于单个晶粒的宽度)。在横向跳步时，第二指定条件可以为横向两个相邻晶粒的平移距离(比如，横向两个相邻晶粒各自左上角顶点的间距，该距离通常略大于单个晶粒的长度)。如此，有利于避免遗漏搜索。
在步骤A412中，电子设备可以利用第二预设搜索框逐列地在区域图像中确定目标搜索区域。若目标搜索区域中存在晶粒图区，则以晶粒图区作为新的起点，如此，有利于降低因累计跳步造成的误差，避免第二预设搜索框无法完整地框住一个完整的晶粒。若目标搜索区域中不存在晶粒图区，则将该目标搜索区域作为新的起点。
作为一种可选的实施方式，步骤A40可以包括：
A42，在所述下采样图像中，以所述起始搜索区域为起点，先横后纵依次以指定跳距确定所述第二预设搜索框的图区，以作为所述目标搜索区域。
可理解地，步骤A42的实现过程与步骤A41类似，区别在于，在步骤A42中采用的是先横后纵地方式进行搜索，在步骤A41中采用的是先纵后横的方式进行搜索。
在本实施例中，步骤A50可以包括：
对目标搜索区域进行二值化，得到二值图像；
基于二值图像进行轮廓提取，得到轮廓边缘信息；
基于晶粒模板图像的先验信息和轮廓边缘信息，判断目标搜索区域中是否存在晶粒图区；
当目标搜索区域中存在晶粒图区时，在预先创建的线性表中记录晶粒图区的位置坐标，并保存晶粒图区以作为分割的图区，其中，线性表用于在迭代搜索时进行记忆化搜索。
在本实施例中，晶粒模板图像的先验信息可以包括正常晶粒的轮廓边缘信息。后续可以通过检测晶粒模板图像的先验信息和轮廓边缘信息的相似度，来确定目标搜索区域中是否存在晶粒图区。比如，相似度大于等于指定阈值，便确认目标搜索区域中存在晶粒图区；若相似度小于指定阈值，便确定目标搜索区域中不存在晶粒图区。
若在目标搜索区域在搜索到晶粒图区，则可以对该晶粒图区的二值化区域进行形态学膨胀操作后记录该晶粒图区的左上角起始坐标，后续可以基于该起始坐标对该晶粒进行分割，以保证完整且独立地分割出晶粒芯片的图区，从而得到晶粒图区。
在采用先纵后横的搜索方式时，在每列的迭代搜索中对成功搜索到的晶粒坐标信息(比如为晶粒的左上角的顶点坐标)保存在对应位置的线性表中，在下一列迭代搜索的过程中进行记忆化搜索，以减跳距计算开销，也减少重新计算位置信息的误差累积。
其中，记忆化搜索可理解为：若在第一列迭代搜索过程中(此时，第二预设搜索框的长度通常大于等于晶粒的2倍长度)，有记录一个晶粒的位置坐标，而在第二列迭代搜索过程中，搜索到同一个晶粒的图区，此时，便无需再计算该晶粒的位置坐标，可以直接复用线性表中已有该晶粒的坐标。
在步骤A60中，通过统计每个搜索区域的第一检测结果，便可以得到区域图像中的所有晶粒的晶粒图区及位置坐标。
基于上述设计，本申请提供的方法能够很好的适应不同区域、不同明暗度的晶圆图像的晶粒分割，对于脏污、印刷以及检测无关的定位区域干扰具有较强鲁棒性，对于成像时具有一定倾斜角度的晶圆图像，方法可以基于局部自适应迭代位置搜索的策略能够很好的减少累计误差，实现精确分割。
在本实施例中，方法还可以包括：
针对每个所述晶粒图区，采用预设的缺陷检测模型进行外观缺陷检测，以得到表征是否存在外观缺陷的第二检测结果。
预设的缺陷检测模型为常规模型，可以用于对晶粒图区中的污染、划伤等外观缺陷进行检测。若检测到晶粒图区存在外观缺陷，则可以对该晶粒图区进行高亮标注，以对该晶粒图区的位置进行差异化展示，从而方便操作人员快速定位异常的晶粒。
在本实施例中，处理模块可以是一种集成电路芯片，具有信号的处理能力。上述处理模块可以是通用处理器。例如，该处理器可以是中央处理器(Central Processing Unit，CPU)、数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储模块可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储模块可以用于存储晶圆的区域图像、第一预设搜索框、第二预设搜索框、晶粒模板图像、第一检测结果、第二检测结果、晶粒的分割结果等。当然，存储模块还可以用于存储程序，处理模块在接收到执行指令后，执行该程序。
需要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法中的各步骤对应过程，在此不再过多赘述。
本申请实施例还提供一种计算机可读存储介质。计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的晶圆图像分割处理方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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，电子设备，或者网络设备等)执行本申请各个实施场景所述的方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，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，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种晶圆图像分割处理方法，其特征在于，所述方法包括：
A10，获取由摄像头拍摄晶圆的子区域得到的区域图像；
A20，对所述区域图像进行下采样，得到下采样图像；
A30，基于第一预设搜索框和预设的晶粒模板图像，在所述下采样图像的任一角中确定起始搜索区域；
A40，基于第二预设搜索框和所述起始搜索区域，以预设定位策略，在所述下采样图像中，遍历定位目标搜索区域；
A50，根据所述晶粒模板图像，判断所述目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果，其中，当所述目标搜索区域中存在所述晶粒图区时，所述第一检测结果包括晶粒的位置坐标及所述晶粒图区；
A60，统计每个搜索区域的第一检测结果，得到所述区域图像中的所有晶粒的分割结果。
2.根据权利要求1所述的方法，其特征在于，步骤A30包括：
A31，将所述第一预设搜索框在所述区域图像的任一角的局部矩形区域，确定为初始定位区域，其中，所述区域图像的外轮廓呈矩形，所述第一预设搜索框的尺寸大于所述晶圆中单个晶粒的尺寸；
A32，在所述初始定位区域中，利用所述晶粒模板图像进行模板匹配；
A33，当所述初始定位区域中存在与所述晶粒模板图像的相关度超过预设阈值的目标图区时，将所述目标图区确定为候选区域；
A34，若所述初始定位区域中存在多个候选区域时，从所述多个候选区域中选取相关度最高的一个候选区域作为基准区域，基于所述基准区域的起始坐标与所述区域图像最近的横纵边界的横向距离和纵向距离，分别整除所述晶粒模板图像的宽与高，得到横向偏移倍率及纵向偏移倍率，并利用所述横向偏移倍率与所述晶粒模板图像的宽度相乘得到横向偏移距离，以及利用所述纵向偏移倍率与所述晶粒模板图像的高度相乘得到纵向偏移距离，并从所述起始坐标向对应边角移动所述横向偏移距离、所述纵向偏移距离，以作为所述起始搜索区域的起始坐标，并得到所述起始搜索区域；
A35，若所述初始定位区域中仅存在一个候选区域时，将所述候选区域确定为所述起始搜索区域；
A36，若所述初始定位区域中不存在候选区域，则基于所述第一预设搜索框在所述区域图像的剩余角中确定新的初始定位区域，并基于所述新的初始定位区域重复步骤A32至步骤A35的操作，以得到所述起始搜索区域。
3.根据权利要求1所述的方法，其特征在于，步骤A40包括：
A41，在所述下采样图像中，以所述起始搜索区域为起点，先纵后横依次以指定跳距确定所述第二预设搜索框的图区，以作为所述目标搜索区域。
4.根据权利要求3所述的方法，其特征在于，步骤A41包括：
A411，以所述起始搜索区域为起点，纵向以第一指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为所述目标搜索区域；
A412，将每次得到的所述目标搜索区域或所述目标搜索区域中的晶粒图区作为新的起点，并纵向以第一指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为新的目标搜索区域，当所述第二预设搜索框纵向跳步至所述下采样图像的边线时，通过横向以第二指定跳距确定所述第二预设搜索框在所述下采样图像中的图区，以作为新的目标搜索区域及新的起点；
A413，重复步骤A412，直至遍历完所述下采样图。
5.根据权利要求1所述的方法，其特征在于，步骤A40还包括：
A42，在所述下采样图像中，以所述起始搜索区域为起点，先横后纵依次以指定跳距确定所述第二预设搜索框的图区，以作为所述目标搜索区域。
6.根据权利要求1所述的方法，其特征在于，步骤A50包括：
对所述目标搜索区域进行二值化，得到二值图像；
基于所述二值图像进行轮廓提取，得到轮廓边缘信息；
基于所述晶粒模板图像的先验信息和所述轮廓边缘信息，判断所述目标搜索区域中是否存在所述晶粒图区；
当所述目标搜索区域中存在所述晶粒图区时，在预先创建的线性表中记录所述晶粒图区的位置坐标，并保存所述晶粒图区以作为分割的图区，其中，所述线性表用于在迭代搜索时进行记忆化搜索。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
针对每个所述晶粒图区，采用预设的缺陷检测模型进行外观缺陷检测，以得到表征是否存在外观缺陷的第二检测结果。
8.一种电子设备，其特征在于，所述电子设备包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1-7中任一项所述的方法。
9.一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存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-7中任一项所述的方法。
CN202310528600.4A 2023-05-11 2023-05-11 晶圆图像分割处理方法、电子设备及存储介质 Active CN116542945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310528600.4A CN116542945B (zh) 2023-05-11 2023-05-11 晶圆图像分割处理方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310528600.4A CN116542945B (zh) 2023-05-11 2023-05-11 晶圆图像分割处理方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116542945A true CN116542945A (zh) 2023-08-04
CN116542945B CN116542945B (zh) 2024-01-05

Family

ID=87444922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310528600.4A Active CN116542945B (zh) 2023-05-11 2023-05-11 晶圆图像分割处理方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116542945B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117058005A (zh) * 2023-10-13 2023-11-14 珠海埃克斯智能科技有限公司 晶圆的晶粒图像重构方法、装置、电子设备及存储介质
CN117132603A (zh) * 2023-10-28 2023-11-28 武汉罗博半导体科技有限公司 晶圆map生成方法、装置、设备及存储介质
CN117274365A (zh) * 2023-11-22 2023-12-22 武汉罗博半导体科技有限公司 晶圆焊球直径检测方法、装置、设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR980012210A (ko) * 1996-07-09 1998-04-30 이시다 아키라 피측정 웨이퍼의 회전방향 검출방법과 측정위치 결정방법 및 그 장치
WO2001069534A2 (en) * 2000-03-10 2001-09-20 Corning Incorporated Methods and apparatus for image analysis
JP2005214980A (ja) * 2005-01-31 2005-08-11 Miyazaki Oki Electric Co Ltd ウエハのマクロ検査方法および自動ウエハマクロ検査装置
JP2010092319A (ja) * 2008-10-09 2010-04-22 Nikon Corp 位置検出方法およびプログラム、並びに測定装置
WO2013136591A1 (ja) * 2012-03-14 2013-09-19 オムロン株式会社 画像検査方法および検査領域設定方法
WO2014013865A1 (ja) * 2012-07-20 2014-01-23 株式会社日立ハイテクノロジーズ ウエハ外観検査装置及びウエハ外観検査装置における感度しきい値設定方法
CN105205840A (zh) * 2015-08-07 2015-12-30 中国科学院计算技术研究所 一种电子断层图像中胶体金的直径估计及自动识别方法
CN112465838A (zh) * 2020-12-10 2021-03-09 桂林理工大学 陶瓷晶粒图像分割方法、系统、储存介质及计算机设备
CN112988557A (zh) * 2019-12-17 2021-06-18 腾讯科技（深圳）有限公司 一种搜索框定位方法、数据采集方法、装置及介质
CN113362331A (zh) * 2020-03-04 2021-09-07 阿里巴巴集团控股有限公司 图像分割方法、装置、电子设备及计算机存储介质
CN114910480A (zh) * 2022-05-09 2022-08-16 北京工业大学 一种基于机器视觉的晶圆表面缺陷检测方法
WO2022180792A1 (ja) * 2021-02-26 2022-09-01 株式会社日立ハイテク 位置特定方法、位置特定プログラムおよび検査装置
WO2022252487A1 (zh) * 2021-06-04 2022-12-08 浙江商汤科技开发有限公司 位姿获取方法及装置、电子设备、存储介质和程序
CN115791822A (zh) * 2022-11-08 2023-03-14 磐柔(厦门)工业智能有限公司 晶圆表面缺陷的视觉检测算法及检测系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR980012210A (ko) * 1996-07-09 1998-04-30 이시다 아키라 피측정 웨이퍼의 회전방향 검출방법과 측정위치 결정방법 및 그 장치
WO2001069534A2 (en) * 2000-03-10 2001-09-20 Corning Incorporated Methods and apparatus for image analysis
JP2005214980A (ja) * 2005-01-31 2005-08-11 Miyazaki Oki Electric Co Ltd ウエハのマクロ検査方法および自動ウエハマクロ検査装置
JP2010092319A (ja) * 2008-10-09 2010-04-22 Nikon Corp 位置検出方法およびプログラム、並びに測定装置
WO2013136591A1 (ja) * 2012-03-14 2013-09-19 オムロン株式会社 画像検査方法および検査領域設定方法
WO2014013865A1 (ja) * 2012-07-20 2014-01-23 株式会社日立ハイテクノロジーズ ウエハ外観検査装置及びウエハ外観検査装置における感度しきい値設定方法
CN105205840A (zh) * 2015-08-07 2015-12-30 中国科学院计算技术研究所 一种电子断层图像中胶体金的直径估计及自动识别方法
CN112988557A (zh) * 2019-12-17 2021-06-18 腾讯科技（深圳）有限公司 一种搜索框定位方法、数据采集方法、装置及介质
CN113362331A (zh) * 2020-03-04 2021-09-07 阿里巴巴集团控股有限公司 图像分割方法、装置、电子设备及计算机存储介质
CN112465838A (zh) * 2020-12-10 2021-03-09 桂林理工大学 陶瓷晶粒图像分割方法、系统、储存介质及计算机设备
WO2022180792A1 (ja) * 2021-02-26 2022-09-01 株式会社日立ハイテク 位置特定方法、位置特定プログラムおよび検査装置
WO2022252487A1 (zh) * 2021-06-04 2022-12-08 浙江商汤科技开发有限公司 位姿获取方法及装置、电子设备、存储介质和程序
CN114910480A (zh) * 2022-05-09 2022-08-16 北京工业大学 一种基于机器视觉的晶圆表面缺陷检测方法
CN115791822A (zh) * 2022-11-08 2023-03-14 磐柔(厦门)工业智能有限公司 晶圆表面缺陷的视觉检测算法及检测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TAKESHI NAKAZAWA AND DEEPAK V. KULKARNI: "Anomaly Detection and Segmentation for Wafer Defect Patterns Using Deep Convolutional Encoder–Decoder Neural Network Architectures in Semiconductor Manufacturing", IEEE TRANSACTIONS ON SEMICONDUCTOR MANUFACTURING, vol. 32, no. 2, XP011722128, DOI: 10.1109/TSM.2019.2897690 *
刘娜;岳琪琪;陈加宏;孙健;: "搜索区域和目标尺度自适应的无人艇海面目标跟踪", 光学精密工程, no. 03 *
杨静，尚夏，荣海军，杜少毅: "采用仿射迭代最近点的晶圆分割方法", 西 安 交 通 大 学 学 报, vol. 51, no. 12 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117058005A (zh) * 2023-10-13 2023-11-14 珠海埃克斯智能科技有限公司 晶圆的晶粒图像重构方法、装置、电子设备及存储介质
CN117058005B (zh) * 2023-10-13 2024-01-16 珠海埃克斯智能科技有限公司 晶圆的晶粒图像重构方法、装置、电子设备及存储介质
CN117132603A (zh) * 2023-10-28 2023-11-28 武汉罗博半导体科技有限公司 晶圆map生成方法、装置、设备及存储介质
CN117132603B (zh) * 2023-10-28 2024-02-02 武汉罗博半导体科技有限公司 晶圆map生成方法、装置、设备及存储介质
CN117274365A (zh) * 2023-11-22 2023-12-22 武汉罗博半导体科技有限公司 晶圆焊球直径检测方法、装置、设备及存储介质
CN117274365B (zh) * 2023-11-22 2024-02-13 武汉罗博半导体科技有限公司 晶圆焊球直径检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN116542945B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN116542945B (zh) 晶圆图像分割处理方法、电子设备及存储介质
US7471809B2 (en) Method, apparatus, and program for processing stereo image
US7693348B2 (en) Method of registering and aligning multiple images
JP4891712B2 (ja) 類似度分布を利用したテンプレートマッチング方法を用いた検査装置
US7010157B2 (en) Stereo image measuring device
JP3212777B2 (ja) 画像処理装置
JP3764364B2 (ja) 画像特徴点検出方法、画像処理方法、及びプログラム
JP4574981B2 (ja) 画像データ処理方法
JP4521235B2 (ja) 撮影画像の変化抽出装置及び方法
JPH11219407A (ja) 文書画像認識装置および文書画像認識プログラムの記憶媒体
CN110211185B (zh) 在一组候选点内识别校准图案的特征点的方法
CN106469455B (zh) 图像处理方法、图像处理设备以及记录介质
US7941008B2 (en) Pattern search method
US11928805B2 (en) Information processing apparatus, information processing method, and storage medium for defect inspection and detection
CN114387515A (zh) 一种基于机器视觉的切割路径规划方法及装置
CN116740062B (zh) 基于不规则胶圈的缺陷检测方法及系统
CN114936997A (zh) 检测方法、装置、电子设备及可读存储介质
CN111145098A (zh) 图像处理设备
CN113822883B (zh) 一种基于寻找晶圆直边的晶圆对位方法和系统
CN116258666A (zh) 一种晶圆检测Mark点定位方法及应用
JP2010091525A (ja) 電子部品のパターンマッチング方法
JP4097255B2 (ja) パターンマッチング装置、パターンマッチング方法およびプログラム
KR102175021B1 (ko) 웨이퍼 노치 검출
JP3066137B2 (ja) パターンマッチング方法
CN109087338B (zh) 一种图像稀疏光流的提取方法和装置

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