CN116754568A - 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 - Google Patents
一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 Download PDFInfo
- Publication number
- CN116754568A CN116754568A CN202311055134.9A CN202311055134A CN116754568A CN 116754568 A CN116754568 A CN 116754568A CN 202311055134 A CN202311055134 A CN 202311055134A CN 116754568 A CN116754568 A CN 116754568A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- defect
- subsurface
- interference
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 193
- 238000003384 imaging method Methods 0.000 title claims abstract description 37
- 238000000926 separation method Methods 0.000 title claims abstract description 24
- 238000003475 lamination Methods 0.000 title claims description 17
- 238000013507 mapping Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000003287 optical effect Effects 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000000399 optical microscopy Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 4
- 238000006073 displacement reaction Methods 0.000 claims description 18
- 239000000919 ceramic Substances 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000000879 optical micrograph Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
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
- G01N21/8851—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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G01N2021/8887—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 based on image processing techniques
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置。该方法包括:利用过焦扫描光学显微技术对标准样品的干扰缺陷进行扫描,得到基于暗场成像的干扰缺陷的弥散斑图像,并利用图像映射模型处理干扰缺陷的弥散斑图像,得到图像映射关系数据库;利用过焦扫描光学显微技术从光轴方向上对待测样品进行扫描,得到待测样品的灰度图;基于图像映射关系数据库,通过差分操作对待测样品的灰度图进行分离,得到亚表面缺陷的灰度变化图;对亚表面缺陷的灰度变化图像进行特征截取并将截取所得到的特征进行矩阵运算,得到待测样品的亚表面缺陷的过焦扫描光学显微图像;基于亚表面缺陷的过焦扫描光学显微图像得到待测样品的亚表面缺陷的属性信息。
Description
技术领域
本发明涉及光学检测和人工智能技术领域,特别涉及一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置、电子设备和存储介质。
背景技术
当以超出物镜数值孔径的角度照明时,由于大角度照明产生衍射光或者散射光,包含在物镜数值孔径内的衍射光或者散射光由物镜收集,按照明场光路投射到探测器上。当光斜照明在透明光学元件上时,样品沿Z方向向上移动,光斑往样品内移动,干扰缺陷则为景深范围外的一个光点,随着光斑往样品内移动,会形成带有衍射环的弥散斑。若干扰缺陷尺寸小于被检测缺陷一个数量级甚至更小,则随着光斑往玻璃内移动,干扰缺陷的弥散斑快速消失。若干扰缺陷较大,在微米级,则光斑移动到被测亚表面缺陷附近时,弥散斑仍然很明显,而被测亚表面缺陷散射光很微弱,干扰缺陷降低被测亚表面缺陷的对比度。如果被测亚表面缺陷较小且与干扰缺陷在Z方向上有交叠,则干扰缺陷的弥散斑图像会覆盖被测亚表面缺陷微弱的散射信号,使得被测亚表面缺陷无法被识别、检测。目前有缺陷的荧光和散射检测图特征提取与比较、利用光谱仪接受并分析缺陷光波信息、分析表面和亚表面散射和反射光的幅值相位变化以及激光共聚焦等方法,这些方法都是针对表面以及亚表面缺陷的检测以及识别、区分缺陷在表面还是亚表面,还没有技术方案可以解决亚表面缺陷层叠分离的问题。因此需要提出一种方法解决该问题。
发明内容
鉴于上述问题,本发明提供了一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置,以期至少能够解决上述问题之一。
根据本发明的第一个方面,提供了一种基于暗场成像过焦扫描的层叠缺陷分离方法,包括:
利用过焦扫描光学显微技术对标准样品的干扰缺陷进行从表面到亚表面的扫描,得到基于暗场成像的标准样品的干扰缺陷的弥散斑图像,并利用图像映射模型处理标准样品的干扰缺陷的弥散斑图像,得到图像映射关系数据库;
利用过焦扫描光学显微技术从光轴方向上对具有层叠缺陷的待测样品进行从表面到亚表面的扫描,得到待测样品的灰度图;
基于图像映射关系数据库,通过差分操作从待测样品的灰度图中将待测样品的亚表面缺陷的图像分离出来,得到待测样品的亚表面缺陷的灰度变化图,其中,亚表面缺陷的灰度变化图包括表示聚焦的亚表面缺陷图像和表示离焦的亚表面缺陷的弥散斑图像;
沿光轴方向上对待测样品的亚表面缺陷的灰度变化图像进行特征截取并将截取所得到的特征进行矩阵运算,得到待测样品的亚表面缺陷的过焦扫描光学显微图像;
基于待测样品的亚表面缺陷的过焦扫描光学显微图像得到待测样品的亚表面缺陷的属性信息。
根据本发明的实施例,上述标准样品是透明且没有层叠缺陷的样品;
其中,标准样品的干扰缺陷在从表面到亚表面的扫描过程中具有不同的尺寸、形状和深度且互相不重叠。
根据本发明的实施例,上述待测样品的灰度图由在光轴方向上待测样品的干扰缺陷的弥散斑图像与待测样品的亚表面缺陷的弥散斑图像叠加形成。
根据本发明的实施例,上述待测样品的亚表面缺陷的属性信息包括亚表面缺陷的尺寸信息、形状信息和深度信息。
根据本发明的实施例,上述利用过焦扫描光学显微技术对标准样品的干扰缺陷进行从表面到亚表面的扫描,得到基于暗场成像的标准样品的干扰缺陷的弥散斑图像,并利用图像映射模型处理标准样品的干扰缺陷的弥散斑图像,得到图像映射关系数据库包括:
将激光器发射的照明激光以预设角度斜入射到标准样品上,经标准样品的干扰缺陷进行散射后,在图像探测器的焦平面上形成干扰缺陷的亮斑;
按照预设的移动距离,通过垂直移动纳米压电陶瓷位移台对标准样品的干扰缺陷进行从表面到亚表面的扫描,其中,标准样品位于纳米压电陶瓷位移台上;
通过上下移动纳米压电陶瓷位移台,得到干扰缺陷的亮斑随着上下距离变化所形成的带衍射环的弥散斑图像;
利用图像映射模型对带衍射环的弥散斑图像进行处理,得到弥散斑图像与干扰缺陷的属性信息之间的映射对应关系,得到图像映射关系数据库。
根据本发明的实施例,上述预设的移动距离包括0~200um。
根据本发明的实施例,上述图像探测器包括CMOS探测器或CCD探测器。
根据本发明的第二个方面,提供了一种基于暗场成像过焦扫描的层叠缺陷分离装置,应用于基于暗场成像过焦扫描的层叠缺陷分离方法,包括:
激光器,用于按照预设角度发射照明激光对标准样品或待测样品进行过焦扫描时以便进行照明;
纳米压电陶瓷位移台,用于支撑和垂直移动标准样品或待测样品;
物镜,用于收集标准样品或待测样品的干扰缺陷所散射的光,并将进入的散射光变为平行光束;
管镜,用于对物镜出射的散射光进行聚焦;
延长管,用于控制散射光的传输,并阻止环境中的杂散光进入;
相机,用于将聚焦后的散射光进行成像;
光学平台,用于放置激光器、物镜、管镜、延长管、相机以及纳米压电陶瓷位移台。
根据本发明的第三个方面,提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行基于暗场成像过焦扫描的层叠缺陷分离方法。
根据本发明的第四个方面,提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行基于暗场成像过焦扫描的层叠缺陷分离方法。
本发明提供的上述基于暗场成像过焦扫描的层叠缺陷分离方法通过人工智能方法深入挖掘干扰缺陷和弥散斑图像之间的对应关系进而构建标准样品的图像映射数据库;在对待测样品进行亚表面干扰缺陷属性信息的获取中,应用到图像映射数据库进行待测样品扫描图像的层叠分离,得到待测样品亚表面缺陷的尺寸、形状以及深度信息。本发明提供的上述方法能够实现待测样品的亚表面层叠缺陷分离、去除表面和亚表面干扰缺陷对于待测亚表面缺陷的影响,能够准确分离、检测和定位与干扰缺陷层叠一起的待测亚表面缺陷,同时能够检测微弱亚表面缺陷。
附图说明
图1是根据本发明实施例的于暗场成像过焦扫描的层叠缺陷分离方法的流程图;
图2是根据本发明实施例的获取图像映射关系数据库的流程图;
图3是根据本发明实施例的基于暗场成像过焦扫描的层叠缺陷分离方法的工作原理示意图;
图4是根据本发明实施例的层叠缺陷分离装置的结构示意图;
图5是根据本发明实施例干扰缺陷聚焦图;
图6是根据本发明实施例的干扰缺陷在表面以下10um处的弥散斑图;
图7是根据本发明实施例的干扰缺陷在表面以下25um的弥散斑图;
图8是根据本发明实施例的干扰缺陷的弥散斑与亚表面缺陷层叠图;
图9示意性示出了根据本发明实施例的适于实现基于暗场成像过焦扫描的层叠缺陷分离方法的电子设备的方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
过焦扫描光学显微技术(Through-focus Scanning Optical Microscopy,TSOM)是一种基于模型的高灵敏度无损的光学计算成像方法。沿光轴进行扫描,获取沿光场传播方向从焦点上方到焦点下方一定范围内离焦位置的一组光学图像,并将采集到的图像按照空间位置进行堆叠,形成图像立方体,取沿光场传播方向的TSOM立方体截面,生成 TSOM 图像,通过数据分析算法能够获取待测结构的尺寸、形状、位置信息。
暗场成像是使用侧向或斜向光源照射待测样品,进入物镜成像的只是由微粒散射的光线束。暗场成像可以提高待测样品的对比度,使得样品的结构和形态更加清晰,可观察小于显微镜分辨极限的微小物体。所以暗场成像在观察透明样品的亚表面缺陷时极为重要。
图1是根据本发明实施例的于暗场成像过焦扫描的层叠缺陷分离方法的流程图。
如图1所示,上述基于暗场成像过焦扫描的层叠缺陷分离方法包括操作S110~操作S150。
在操作S110,利用过焦扫描光学显微技术对标准样品的干扰缺陷进行从表面到亚表面的扫描,得到基于暗场成像的标准样品的干扰缺陷的弥散斑图像,并利用图像映射模型处理标准样品的干扰缺陷的弥散斑图像,得到图像映射关系数据库。使用训练集的图像训练残差网络、密集卷积网络、反向传播神经网络,使用测试集的图像进行测试,最后得到优化后的图像映射模型。
根据本发明的实施例,上述标准样品是透明且没有层叠缺陷的样品;其中,标准样品的干扰缺陷在从表面到亚表面的扫描过程中具有不同的尺寸、形状和深度且互相不重叠。
图形映射模型用于挖掘干扰缺陷与弥散斑图像之间的内在联系,从而使得本领域技术人员能够根据干扰缺陷的尺寸、形状和深度信息来推断不同深度下的弥散斑图像。
在操作S120,利用过焦扫描光学显微技术从光轴方向上对具有层叠缺陷的待测样品进行从表面到亚表面的扫描,得到待测样品的灰度图。图像映射关系数据库表示干扰缺陷和弥散斑图像之间的一一对应关系。
根据本发明的实施例,上述待测样品的灰度图由在光轴方向上待测样品的干扰缺陷的弥散斑图像与待测样品的亚表面缺陷的弥散斑图像叠加形成。
在操作S130,基于图像映射关系数据库,通过差分操作从待测样品的灰度图中将待测样品的亚表面缺陷的图像进行分离,得到待测样品的亚表面缺陷的灰度变化图,其中,亚表面缺陷的灰度变化图包括表示聚焦的亚表面缺陷图像和表示离焦的亚表面缺陷的弥散斑图像。
在操作S140,沿光轴方向上对待测样品的亚表面缺陷的灰度变化图像进行特征截取并将截取所得到的特征进行矩阵运算,得到待测样品的亚表面缺陷的过焦扫描光学显微图像。
在操作S150,基于待测样品的亚表面缺陷的过焦扫描光学显微图像得到待测样品的亚表面缺陷的属性信息。
根据本发明的实施例,上述待测样品的亚表面缺陷的属性信息包括亚表面缺陷的尺寸信息、形状信息和深度信息。
本发明提供的上述基于暗场成像过焦扫描的层叠缺陷分离方法通过人工智能方法深入挖掘干扰缺陷和弥散斑图像之间的对应关系进而构建标准样品的图像映射数据库;在对待测样品进行亚表面干扰缺陷属性信息的获取中,应用到图像映射数据库进行待测样品扫描图像的层叠分离,得到待测样品亚表面缺陷的尺寸、形状以及深度信息。本发明提供的上述方法能够实现待测样品的亚表面层叠缺陷分离、去除表面和亚表面干扰缺陷对于待测亚表面缺陷的影响,能够准确分离、检测和定位与干扰缺陷层叠一起的待测亚表面缺陷,同时能够检测微弱亚表面缺陷。
图2是根据本发明实施例的获取图像映射关系数据库的流程图。
如图2所示,上述利用过焦扫描光学显微技术对标准样品的干扰缺陷进行从表面到亚表面的扫描,得到基于暗场成像的标准样品的干扰缺陷的弥散斑图像,并利用图像映射模型处理标准样品的干扰缺陷的弥散斑图像,得到图像映射关系数据库包括操作S210~操作S240。
在操作S210,将激光器发射的照明激光以预设角度斜入射到标准样品上,经标准样品的干扰缺陷进行散射后,在图像探测器的焦平面上形成干扰缺陷的亮斑。
上述预设角度可选得是45°。
根据本发明的实施例,上述图像探测器包括CMOS(Complementary Metal OxideSemiconductor,互补金属氧化物半导体)探测器或CCD(Charge-coupled Device,电耦合器件)探测器。
在操作S220,按照预设的移动距离,通过垂直移动纳米压电陶瓷位移台对标准样品的干扰缺陷进行从表面到亚表面的扫描,其中,标准样品位于纳米压电陶瓷位移台上。
根据本发明的实施例,上述预设的移动距离包括0~200um。
在操作S230,通过上下移动纳米压电陶瓷位移台,得到干扰缺陷的亮斑随着上下距离变化所形成的带衍射环的弥散斑图像。
在操作S240,利用图像映射模型对带衍射环的弥散斑图像进行处理,得到弥散斑图像与干扰缺陷的属性信息之间的映射对应关系,得到图像映射关系数据库。
图3是根据本发明实施例的基于暗场成像过焦扫描的层叠缺陷分离方法的工作原理示意图。
下面结合图3以及具体实时方式,对上述层叠缺陷分离方法的优点做进一步详细地说明。
如图3所示,上述方法整体上分为两个阶段,即从标准样品的检测中构建用于图像映射关系的数据库,然后基于上述数据库对具有待测亚表面缺陷的样品进行实际层叠分离。
以照明激光斜入射到标准样品上,标准样品的表面以及亚表面不同深度存在互不重叠的不同形状尺寸的干扰缺陷,干扰缺陷在探测器的焦平面上成像为一个亮斑,通过纳米压电陶瓷位移台移动样品,移动的过程中干扰缺陷的亮斑会随着距离的变化形成带衍射环的弥散斑。利用TSOM从样品表面扫描到亚表面,然后将干扰缺陷在不同深度下弥散斑的图像用于人工智能训练,建立数据库,数据库中干扰缺陷的尺寸形状,在不同深度下的弥散斑图像一一对应。TSOM(Through-focus Scanning Optical Microscopy)扫描具有待测亚表面缺陷的样品,样品中干扰缺陷与亚表面缺陷在Z方向上(即光轴方向上)垂直分布,在Z方向上干扰缺陷的弥散斑与待测亚表面的弥散斑部分重叠或全部重叠,扫描深度0-200um。此时干扰缺陷的弥散斑叠加亚表面缺陷弥散斑的灰度图,调用深度学习数据库,将干扰缺陷在不同深度位置的弥散斑图像与对应深度位置上扫描的层叠弥散斑图像差分,将亚表面缺陷的图像从干扰缺陷的弥散斑中分离出来,从而得到亚表面缺陷的灰度变化图,得到一组亚表面缺陷的离焦-聚焦-离焦图像,然后对亚表面缺陷的散焦图进行处理,得到亚表面缺陷TSOM图,进而得到亚表面缺陷的尺寸、形状以及深度信息。
图4是根据本发明实施例的层叠缺陷分离装置的结构示意图。
如图4所示,上述基于暗场成像过焦扫描的层叠缺陷分离装置,应用于基于暗场成像过焦扫描的层叠缺陷分离方法,包括激光器、光学平台、纳米压电陶瓷位移台、物镜、管镜、延长管以及相机。
激光器,用于按照预设角度发射照明激光对标准样品或待测样品进行过焦扫描以便进行斜入射照明。
纳米压电陶瓷位移台,用于支撑和垂直移动标准样品或待测样品;
物镜,用于收集标准样品或待测样品的干扰缺陷所散射的光,并将进入的散射光变为平行光束。
管镜,用于对物镜出射的散射光进行聚焦。
延长管,用于控制散射光的传输,并阻止环境中的杂散光进入。
相机,用于将聚焦后的散射光进行成像;
光学平台,用于放置激光器、物镜、管镜、延长管、相机以及纳米压电陶瓷位移台。
下面利用图4所示的装置以及附图5~8对本发明提供的上述装置做进一步详细地说明。
图5是根据本发明实施例干扰缺陷聚焦图。
图6是根据本发明实施例的干扰缺陷在表面以下10um处的弥散斑图。
图7是根据本发明实施例的干扰缺陷在表面以下25um的弥散斑图。
图8是根据本发明实施例的干扰缺陷的弥散斑与亚表面缺陷层叠图。
首先激光波长405nm,激光器出射的激光45°斜入射到透明样品表面,透明样品中无待测亚表面缺陷,样品表面及亚表面存在不同形状、尺寸的干扰缺陷。经过10X物镜、管镜以及延长管,干扰缺陷的散射光汇聚到COMS探测器上,得到干扰缺陷的图像,如图5所示。利用高精度纳米压电升降位移台将透明样品向上移动,升降台量程10mm,分辨率2nm,进行TSOM扫描,扫描范围从表面开始到表面以下200um,得到一系列干扰缺陷在不同深度的弥散斑图像,如图6和7所示。对不同形状、尺寸的干扰缺陷均进行TSOM扫描,然后将这些数据用于深度学习的样本,进行训练。深度学习训练后,将干扰缺陷的形状、尺寸与其不同深度的弥散斑一一对应,生成数据库。检测亚表面缺陷与干扰缺陷在Z方向上垂直分布,且干扰缺陷的弥散斑与亚表面缺陷图像部分重叠的透明样品,如图8所示,此时干扰缺陷弥散斑叠加亚表面缺陷的灰度图。调用深度学习数据库,将相应深度位置的弥散斑减去,从而将亚表面缺陷的灰度图从干扰缺陷的弥散斑中分离出来,从而得到亚表面缺陷的离焦-聚焦-离焦图像,对亚表面缺陷的散焦图进行处理,得到亚表面缺陷TSOM图,进而得到亚表面缺陷的尺寸、形状以及深度信息。
图9示意性示出了根据本发明实施例的适于实现基于暗场成像过焦扫描的层叠缺陷分离方法的电子设备的方框图。
如图9所示,根据本发明实施例的电子设备900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有电子设备900操作所需的各种程序和数据。处理器 901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 8902和/或RAM 903中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,程序也可以存储在除ROM902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,上述模块、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。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
以上的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于暗场成像过焦扫描的层叠缺陷分离方法,其特征在于,包括:
利用过焦扫描光学显微技术对标准样品的干扰缺陷进行从表面到亚表面的扫描,得到基于暗场成像的所述标准样品的干扰缺陷的弥散斑图像,并利用图像映射模型处理所述标准样品的干扰缺陷的弥散斑图像,得到图像映射关系数据库;
利用所述过焦扫描光学显微技术从光轴方向上对具有层叠缺陷的待测样品进行从表面到亚表面的扫描,得到所述待测样品的灰度图;
基于所述图像映射关系数据库,通过差分操作从所述待测样品的灰度图中将所述待测样品的亚表面缺陷的图像分离出来,得到所述待测样品的亚表面缺陷的灰度变化图,其中,所述亚表面缺陷的灰度变化图包括表示聚焦的亚表面缺陷图像和表示离焦的亚表面缺陷的弥散斑图像;
沿所述光轴方向上对所述待测样品的亚表面缺陷的灰度变化图像进行特征截取并将截取所得到的特征进行矩阵运算,得到所述待测样品的亚表面缺陷的过焦扫描光学显微图像;
基于所述待测样品的亚表面缺陷的过焦扫描光学显微图像得到所述待测样品的亚表面缺陷的属性信息。
2.根据权利要求1所述的方法,其特征在于,所述标准样品是透明且没有层叠缺陷的样品;
其中,所述标准样品的干扰缺陷在从表面到亚表面的扫描过程中具有不同的尺寸、形状和深度且互相不重叠。
3.根据权利要求1所述的方法,其特征在于,所述待测样品的灰度图由在光轴方向上所述待测样品的干扰缺陷的弥散斑图像与所述待测样品的亚表面缺陷的弥散斑图像叠加形成。
4.根据权利要求1所述的方法,其特征在于,所述待测样品的亚表面缺陷的属性信息包括所述亚表面缺陷的尺寸信息、形状信息和深度信息。
5.根据权利要求1所述的方法,其特征在于,利用过焦扫描光学显微技术对标准样品的干扰缺陷进行从表面到亚表面的扫描,得到基于暗场成像的所述标准样品的干扰缺陷的弥散斑图像,并利用图像映射模型处理所述标准样品的干扰缺陷的弥散斑图像,得到图像映射关系数据库包括:
将激光器发射的照明激光以预设角度斜入射到所述标准样品上,经所述标准样品的干扰缺陷进行散射后,在图像探测器的焦平面上形成所述干扰缺陷的亮斑;
按照预设的移动距离,通过垂直移动纳米压电陶瓷位移台对所述标准样品的干扰缺陷进行从表面到亚表面的扫描,其中,所述标准样品位于所述纳米压电陶瓷位移台上;
通过上下移动所述纳米压电陶瓷位移台,得到所述干扰缺陷的亮斑随着上下距离变化所形成的带衍射环的弥散斑图像;
利用图像映射模型对所述带衍射环的弥散斑图像进行处理,得到所述弥散斑图像与所述干扰缺陷的属性信息之间的映射对应关系,得到所述图像映射关系数据库。
6.根据权利要求5所述的方法,其特征在于,所述预设的移动距离包括0~200um。
7.根据权利要求5所述的方法,其特征在于,所述图像探测器包括CMOS探测器或CCD探测器。
8.一种基于暗场成像过焦扫描的层叠缺陷分离装置,应用于权利要求1-7任一项所述的方法,其特征在于,包括:
激光器,用于按照预设角度发射照明激光对标准样品或待测样品进行过焦扫描时以便进行斜入射照明;
纳米压电陶瓷位移台,用于支撑和垂直移动所述标准样品或所述待测样品;
物镜,用于收集所述标准样品或所述待测样品的干扰缺陷所散射的光,并将进入的散射光变为平行光束;
管镜,用于对所述物镜出射的散射光进行聚焦;
延长管,用于控制所述散射光的传输,并阻止环境中的杂散光进入;
相机,用于将聚焦后的散射光进行成像;
光学平台,用于放置所述激光器、所述物镜、所述管镜、所述延长管、所述相机以及所述纳米压电陶瓷位移台。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311055134.9A CN116754568B (zh) | 2023-08-22 | 2023-08-22 | 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311055134.9A CN116754568B (zh) | 2023-08-22 | 2023-08-22 | 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116754568A true CN116754568A (zh) | 2023-09-15 |
CN116754568B CN116754568B (zh) | 2024-01-23 |
Family
ID=87953776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311055134.9A Active CN116754568B (zh) | 2023-08-22 | 2023-08-22 | 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116754568B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306157A (ja) * | 1994-05-11 | 1995-11-21 | Konica Corp | 欠陥検査方法と欠陥検査装置 |
JP2004286782A (ja) * | 2003-03-19 | 2004-10-14 | Nippon Petrochemicals Co Ltd | 積層体の欠陥部位の表示方法 |
JP2005108801A (ja) * | 2003-09-11 | 2005-04-21 | Nissan Motor Co Ltd | 積層体の欠陥検出装置及び燃料電池の検査装置 |
US20160284505A1 (en) * | 2015-03-25 | 2016-09-29 | Hermes Microvision Inc. | Apparatus of Plural Charged-Particle Beams |
CN106707484A (zh) * | 2016-12-16 | 2017-05-24 | 上海理工大学 | 基于微粒散射光近场照明的超分辨光学显微成像方法 |
CN111208064A (zh) * | 2020-03-06 | 2020-05-29 | 中国工程物理研究院激光聚变研究中心 | 一种光学元件亚表面缺陷快速检测装置和检测方法 |
US20210055230A1 (en) * | 2018-11-13 | 2021-02-25 | Zhejiang University | Device and method for simultaneously inspecting defects of surface and subsurface of optical element |
CN113720861A (zh) * | 2021-09-16 | 2021-11-30 | 中国科学院微电子研究所 | 透明样品的亚表面缺陷检测方法 |
US20210396510A1 (en) * | 2020-06-18 | 2021-12-23 | Samsung Electronics Co., Ltd. | Through-focus image-based metrology device, operation method thereof, and computing device for executing the operation |
CN113916891A (zh) * | 2021-09-24 | 2022-01-11 | 哈尔滨工业大学 | 基于光纤环形光束的暗场共焦布里渊显微测量装置与方法 |
CN115165889A (zh) * | 2022-05-25 | 2022-10-11 | 中国科学院微电子研究所 | 基于过焦扫描成像的样品特征分析方法及其装置 |
CN115219504A (zh) * | 2022-07-15 | 2022-10-21 | 北京航空航天大学 | 微纳器件三维缺陷快速检测装置和方法 |
WO2022241672A1 (zh) * | 2021-05-19 | 2022-11-24 | 浙江大学 | 共聚焦扫描式暗场显微成像方法与装置 |
CN116359249A (zh) * | 2023-04-07 | 2023-06-30 | 复旦大学 | 基于tdi的线扫描暗场散射晶圆表面缺陷检测装置及方法 |
-
2023
- 2023-08-22 CN CN202311055134.9A patent/CN116754568B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306157A (ja) * | 1994-05-11 | 1995-11-21 | Konica Corp | 欠陥検査方法と欠陥検査装置 |
JP2004286782A (ja) * | 2003-03-19 | 2004-10-14 | Nippon Petrochemicals Co Ltd | 積層体の欠陥部位の表示方法 |
JP2005108801A (ja) * | 2003-09-11 | 2005-04-21 | Nissan Motor Co Ltd | 積層体の欠陥検出装置及び燃料電池の検査装置 |
US20160284505A1 (en) * | 2015-03-25 | 2016-09-29 | Hermes Microvision Inc. | Apparatus of Plural Charged-Particle Beams |
CN106707484A (zh) * | 2016-12-16 | 2017-05-24 | 上海理工大学 | 基于微粒散射光近场照明的超分辨光学显微成像方法 |
US20210055230A1 (en) * | 2018-11-13 | 2021-02-25 | Zhejiang University | Device and method for simultaneously inspecting defects of surface and subsurface of optical element |
CN111208064A (zh) * | 2020-03-06 | 2020-05-29 | 中国工程物理研究院激光聚变研究中心 | 一种光学元件亚表面缺陷快速检测装置和检测方法 |
US20210396510A1 (en) * | 2020-06-18 | 2021-12-23 | Samsung Electronics Co., Ltd. | Through-focus image-based metrology device, operation method thereof, and computing device for executing the operation |
WO2022241672A1 (zh) * | 2021-05-19 | 2022-11-24 | 浙江大学 | 共聚焦扫描式暗场显微成像方法与装置 |
CN113720861A (zh) * | 2021-09-16 | 2021-11-30 | 中国科学院微电子研究所 | 透明样品的亚表面缺陷检测方法 |
CN113916891A (zh) * | 2021-09-24 | 2022-01-11 | 哈尔滨工业大学 | 基于光纤环形光束的暗场共焦布里渊显微测量装置与方法 |
CN115165889A (zh) * | 2022-05-25 | 2022-10-11 | 中国科学院微电子研究所 | 基于过焦扫描成像的样品特征分析方法及其装置 |
CN115219504A (zh) * | 2022-07-15 | 2022-10-21 | 北京航空航天大学 | 微纳器件三维缺陷快速检测装置和方法 |
CN116359249A (zh) * | 2023-04-07 | 2023-06-30 | 复旦大学 | 基于tdi的线扫描暗场散射晶圆表面缺陷检测装置及方法 |
Non-Patent Citations (2)
Title |
---|
JINLONG ZHU等: "Optical wafer defect inspection at the 10 nm technology node and beyond", 《INTERNATIONAL JOURNAL OF EXTREME MANUFACTURING》 * |
张璇;宋德林;张涛;刘乾;耿鹏武;: "光学表面微缺陷的高对比度暗场成像检测方法", 机电技术, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN116754568B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102438824B1 (ko) | 3차원 반도체 구조체들의 검사를 위한 결함 발견 및 레시피 최적화 | |
US8045145B1 (en) | Systems and methods for acquiring information about a defect on a specimen | |
KR102235580B1 (ko) | 반도체 웨이퍼 검사를 위한 결함 마킹 | |
US7747062B2 (en) | Methods, defect review tools, and systems for locating a defect in a defect review process | |
KR101624433B1 (ko) | 결함 관찰 방법 및 그 장치 | |
US11808929B2 (en) | Quantitative phase image generating method, quantitative phase image generating device, and program | |
CN107003229B (zh) | 包括全息确定生物粒子的位置的分析方法及相应的设备 | |
US20120207397A1 (en) | Pattern Matching Method and Pattern Matching Apparatus | |
WO2012073673A1 (ja) | 欠陥検査装置および欠陥検査方法 | |
WO2004063734A1 (ja) | 欠陥検査装置および欠陥検査方法 | |
WO2015175894A1 (en) | Defect sampling for electron beam review based on defect attributes from optical inspection and optical review | |
US20060210144A1 (en) | Method and apparatus for reviewing defects | |
TW201409021A (zh) | 檢測樣品表面缺陷之檢測系統及其檢測方法 | |
JP6891795B2 (ja) | フォトマスクブランクの欠陥検査方法、選別方法及び製造方法 | |
KR102630492B1 (ko) | 광학 표면 결함 재료 특성화를 위한 방법 및 시스템 | |
CN116754568B (zh) | 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 | |
JPH0636016A (ja) | 物体表面の欠陥の光学的検査法とその装置 | |
JP3332096B2 (ja) | 欠陥検査方法および装置 | |
JP4523310B2 (ja) | 異物識別方法及び異物識別装置 | |
KR100913508B1 (ko) | 공초점을 이용한 3차원 스캐닝 장치 및 스캐닝 방법 | |
CN115165889A (zh) | 基于过焦扫描成像的样品特征分析方法及其装置 | |
JP2003015270A (ja) | 位相シフトマスク検査装置及び位相シフトマスク検査方法 | |
JP2011185715A (ja) | 検査装置及び検査方法 | |
US7457454B1 (en) | Detailed grey scale inspection method and apparatus | |
JP2006074065A (ja) | 試料の検査装置 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Na Inventor after: Liu Lituo Inventor after: Zhou Weihu Inventor after: Song Xiaojiao Inventor after: Wang Jiayu Inventor before: Wang Na |
|
CB03 | Change of inventor or designer information |