CN116759326A - 芯片外观检测方法、装置、设备及存储介质 - Google Patents

芯片外观检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116759326A
CN116759326A CN202311062252.2A CN202311062252A CN116759326A CN 116759326 A CN116759326 A CN 116759326A CN 202311062252 A CN202311062252 A CN 202311062252A CN 116759326 A CN116759326 A CN 116759326A
Authority
CN
China
Prior art keywords
chip
character information
token
appearance
data
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
CN202311062252.2A
Other languages
English (en)
Other versions
CN116759326B (zh
Inventor
夏俊杰
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 Chaoying Intelligent Technology Co ltd
Original Assignee
Shenzhen Chaoying Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Chaoying Intelligent Technology Co ltd filed Critical Shenzhen Chaoying Intelligent Technology Co ltd
Priority to CN202311062252.2A priority Critical patent/CN116759326B/zh
Publication of CN116759326A publication Critical patent/CN116759326A/zh
Application granted granted Critical
Publication of CN116759326B publication Critical patent/CN116759326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G01N22/02—Investigating the presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • G06T2207/10024—Color image
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Character Input (AREA)

Abstract

本发明涉及一种芯片外观检测方法、装置、设备及存储介质，通过获取多模态采集数据；利用token串替换符转换多模态采集数据，生成第一token字符信息；通过若干个的第一token字符信息链接各个模态获取芯片外观的数据，以得到一条归一完整的第二token字符信息；采用多维图像虚拟算法进行芯片虚拟构成，得到数字态芯片；将数字态芯片与优品芯片母版进行图像误差值判断；若图像误差值小于劣品阈值，则判定芯片外观符合检测标准，提高了检测的准确性和全面性，而且通过构建数字态芯片并与优品母版的图像识别，使得芯片质量的评价更加直观、准确，大大提升了检测效率和质量控制的精确度。

Description

芯片外观检测方法、装置、设备及存储介质
技术领域
本发明涉及芯片检测的技术领域，特别涉及一种芯片外观检测方法、装置、设备及存储介质。
背景技术
在现有的芯片制造过程中，包括衬底基材的杂质、湿洗杂质去除的不完全、镀膜过程中的遗漏、化学气相淀积和物理气相淀积的不均匀、离子注入杂散、氧化异常、因热处理温度不均匀导致的裂纹等都可能引入外观缺陷。并且，在芯片切割过程中，可能造成芯片的损伤和表面划痕。
基于这个问题现在已经有较多的类似“芯片外观检测装置”能够克服，但依然存在以下的技术问题：
（1）当前芯片外观检测设备可能对微小的外观缺陷反应不足，例如，薄膜均匀性差异、微小裂纹或离子注入产生的微小缺陷；
（2）当前的检测设备获得的数据可能复杂且难以解释，还需要经过进一步的处理才能进行评估。
发明内容
本发明的主要目的为提供一种芯片外观检测方法、装置、设备及存储介质，实现了多个检测手段的集成与相互校准，提高了检测的准确性和全面性，而且通过构建数字态芯片并与优品母版的图像识别，使得芯片质量的评价更加直观、准确，大大提升了检测效率和质量控制的精确度。
为实现上述目的，本发明提供了一种芯片外观检测方法，包括以下步骤：
获取各个模态的采集单元组合输入的多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；
利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；
通过若干个的所述第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；
采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；
将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；
若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准。
进一步地，利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息的步骤，包括：
将所述多模态采集数据携带的测量长度信息、色彩图像以及材料配置信息进行基于token串替换符的相等转换计算，生成第一token字符信息；所述相等转换计算为，
式中，若干个第一token字符信息p分类分别有三项，测量长度信息对应的第一token字符信息、色彩图像对应的第一token字符信息/>、材料配置信息对应的第一token字符信息/>，测量长度信息/>及其token串替换符/>，坐标系工具/>以基于/>在坐标系上构建芯片素描图，而坐标系为三维坐标系/>，色彩图像/>及其token串替换符/>，图像识别工具/>和像素色彩像素阈值/>构建芯片色彩，材料配置信息/>及其token串替换符，材料类型/>以及各个类型的配比s。
进一步地，将所述多模态采集数据携带的测量长度信息、色彩图像以及材料配置信息进行基于token串替换符的相等转换计算的步骤，包括：
基于多模态采集的采集类型，适应性选择所述相等转换计算的累乘符，及相等转换计算；其中，相等转换计算包括，
；
或，
；
或，
。
进一步地，通过所述若干个的第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息的步骤，包括：
将若干个的第一token字符信息一一对应的链接芯片外观；
通过所述相等转换计算组合、/>、/>和/>，以将若干个的第一token字符信息验证校准为一个准确代表芯片外观的第二token字符信息、/>和/>。
进一步地，采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片的步骤，包括：
采用多维图像虚拟算法对第二token字符信息进行点、线、面、色和材的像素排列和像素密度识别过程；
将所述第二token字符信息逐像素的成像在预创建的三维坐标系上，得到数字态芯片。
进一步地，采用多维图像虚拟算法对第二token字符信息进行点、线、面、色和材的像素排列和像素密度识别过程的步骤，包括：
确定所述第二token字符信息的字符起点；
基于测量长度信息在预创建的三维坐标系上逐像素的生成芯片线条图，以设定第一排序，所述第一排序为排列第二token字符信息在三维坐标系上虚拟构建芯片外观的线条；
基于色彩图像在所述芯片线条图上进行数字化色彩填涂，生成芯片初图，设定第二排序，所述第二排序为排列第二token字符信息以在三维坐标系上的芯片线条图进行色彩填涂；
基于材料配置信息针对芯片初图进行数字化建模，生成数字态芯片，设定第三排序，所述第三排序为排序第二token字符信息以在三维坐标系上的芯片初图进行建模过程，其中，所述第一排序、第二排序和第三排序用于排列token字符杂乱的第二token字符信息，以虚拟构建数字态芯片。
进一步地，多维图像虚拟算法，包括：
式中，利用预创建的三维坐标系排序测量长度信息a和排序色彩图像b，在程序上排列好所述测量长度信息a和排序色彩图像b后，进行材质建模S的排列，使用sim存储排序程序，并在程序上，最大保留/>第二token字符信息的损失字符/>，并通过验证校准进行补全。
本发明还提出一种芯片外观检测装置，包括：
获取单元，用于获取各个模态的采集单元组合输入的多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；
转换单元，用于利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；
校验单元，用于通过若干个的所述第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；
虚构单元，用于采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；
对比单元，用于将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；
判定单元，用于若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述芯片外观检测方法的步骤。
本发明还提供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上述任一项所述的芯片外观检测方法的步骤。
本发明提供的芯片外观检测方法、装置、设备及存储介质，具有以下有益效果：
（1）提升检测准确性和全面性：通过多模态采集数据，包括光学、电镜、X射线和射频波的检测，这种多角度、全方位的检测方式，极大地提升了检测的准确性和全面性。
（2）数据编码和解码能力强：通过使用token串替换符对多模态采集数据进行转换，这种数据编码和解码的方法，使得数据更加清晰且易于理解和处理，并且实现了由实体化检测向数字化检测转变的方式。
（3）实现数据的效率同步和归一化： 通过各模态的第一token字符信息的相互关联和验证校准，可以对数据进行归一化处理，大大提升了数据处理的效率和精确性。
（4）数字态芯片构建： 利用预设的多维图像虚拟算法接入第二token字符信息，通过这种方式构建数字态芯片，增加了面向未来的创新适应性，同时也增加了技术处理的透明度。
附图说明
图1是本发明一实施例中芯片外观检测方法步骤示意图；
图2是本发明一实施例中芯片外观检测装置结构框图；
图3是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。
参照图1为本发明提出的一种芯片外观检测方法的流程示意图，包括以下步骤：
S1，获取各个模态的采集单元组合输入的多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；
S2，利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；
S3，通过若干个的所述第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；
S4，采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；
S5，将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；
S6，若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准。
具体的，收集来自多种模态的数据，这些数据可能来自光学、电子显微镜、X射线以及射频波等设备的检测。这意味着可能的检测方案包括对芯片外观的单项或多项检查，每个模态可为我们提供一种独特的观察方式，综合这些观察结果将使我们对芯片有更全面的理解。将使用token串替换符来对收集的多模态数据进行转换，生成各个模态对应的第一token字符信息。Token串替换符在这里类似于一个编码器，通过这种方式对各种检查结果进行编码，使其变得可以管理和处理。转换得到的第一token字符信息，可用来链接各种模态，从而获取芯片外观的数据。然后，这些数据将进行相互验证和校准，使得芯片外观数据可以统一（归一化）。在这种归一化的基础上，我们能得到一条完整的第二token字符信息。将预设的多维图像虚拟算法应用到第二token字符信息上，基于这个信息对芯片进行虚拟构建，从而得到数字态芯片。这种构建方式不仅高度模拟了实际芯片的结构，同时也方便我们进行后续的分析和对比。将数字态芯片与优品芯片母版进行图像识别，以确定它们之间的图像误差值。这种直接的对比方式，使得错误和偏差能够直观地显现出来。最后，如果图像误差值小于预设的劣品阈值，那么我们就可以说这个多模态采集数据对应的芯片外观符合检测标准，即其质量是可接受的。总的来说，这个技术方案系统化地通过多模态数据的收集、编码、关联、虚拟化、比对和判断，对芯片进行全面的检测和评估，旨在最大限度地保证芯片的质量。
具体的，利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息的步骤，包括：
将所述多模态采集数据携带的测量长度信息、色彩图像以及材料配置信息进行基于token串替换符的相等转换计算，生成第一token字符信息；所述相等转换计算为，
式中，若干个第一token字符信息p分类分别有三项，测量长度信息对应的第一token字符信息、色彩图像对应的第一token字符信息/>、材料配置信息对应的第一token字符信息/>，测量长度信息/>及其token串替换符/>，坐标系工具/>以基于/>在坐标系上构建芯片素描图，而坐标系为三维坐标系/>，色彩图像/>及其token串替换符/>，图像识别工具/>和像素色彩像素阈值/>构建芯片色彩，材料配置信息/>及其token串替换符，材料类型/>以及各个类型的配比s。
在具体实施的过程中，token串替换符被用于处理测量长度信息。这意味着对于每个由测量设备采集到的长度值，我们都会生成一个对应的token字符串，作为其在我们系统中的表达。此外，我们使用坐标系工具在一个三维坐标系上构建芯片的素描图，这提供了一个纵览芯片形状和结构的视角。对于色彩图像，我们也使用token串替换符进行处理。通过图像识别工具和设定的像素色彩阈值，我们可以获得芯片的色彩信息。这一步不仅会生成色彩图像对应的token字符串信息，而且还会描绘出芯片的色彩分布情况，这对于理解芯片的视觉特性和性能至关重要。对于材料配置信息，我们再次使用token串替换符进行处理。通过分析材料类型以及各个类型的配比，我们能够生成材料配置信息对应的token字符信息。通过这样的处理方式，我们可以在系统内部直观地理解和描述芯片的物质组成和配置情况。以上各步骤均基于token串替换符的相等转换计算，将各种种类的信息（如尺寸信息、色彩信息、材料信息）进行有效转化，形成易于处理和表述的token字符信息。这使得对于复杂的芯片信息我们可以进行更高效和准确的处理和分析。
具体的，将所述多模态采集数据携带的测量长度信息、色彩图像以及材料配置信息进行基于token串替换符的相等转换计算的步骤，包括：
基于多模态采集的采集类型，适应性选择所述相等转换计算的累乘符，及相等转换计算；其中，相等转换计算包括，
；
或，
；
或，
。
在一个实施例中，通过所述若干个的第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息的步骤，包括：
将若干个的第一token字符信息一一对应的链接芯片外观；
通过所述相等转换计算组合、/>、/>和/>，以将若干个的第一token字符信息验证校准为一个准确代表芯片外观的第二token字符信息、/>和/>。
在一个实施例中，采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片的步骤，包括：
采用多维图像虚拟算法对第二token字符信息进行点、线、面、色和材的像素排列和像素密度识别过程；
将所述第二token字符信息逐像素的成像在预创建的三维坐标系上，得到数字态芯片。
在具体实施的过程中，首先，施加多维图像虚拟算法到第二级的token字符信息上。多维图像虚拟算法被用于对点、线、面、色彩以及材质的像素进行排列和密度识别。根据这些信息，算法可以全面了解芯片的结构和属性，从各个维度（包括空间维度和色彩、材质等其他维度）进行精准描述。在获得上述逐像素信息后，我们将它们重新编排和渲染在一个预创建的三维坐标系中。因为这个过程是根据原始的token字符信息进行的，所以构建出来的数字态芯片是非常精确的。这个数字态芯片可以被看作是原始芯片的完整复制，但数字化的特性让我们可以更灵活、更深度地进行分析和比对。创建出了一种新型的数字态芯片，这种芯片可以逐像素地真实反映原始芯片的特性，同时也具备数字信息所带来的便利性，大大增强了我们在进行芯片质量控制、对比分析等各种任务时的能力。
在一个实施例中，采用多维图像虚拟算法对第二token字符信息进行点、线、面、色和材的像素排列和像素密度识别过程的步骤，包括：
确定所述第二token字符信息的字符起点；
基于测量长度信息在预创建的三维坐标系上逐像素的生成芯片线条图，设定第一排序，所述第一排序为排列第二token字符信息在三维坐标系上虚拟构建芯片外观的线条；
基于色彩图像在所述芯片线条图上进行数字化色彩填涂，生成芯片初图，设定第二排序，所述第二排序为排列第二token字符信息以在三维坐标系上的芯片线条图进行色彩填涂；
基于材料配置信息针对芯片初图进行数字化建模，生成数字态芯片，设定第三排序，所述第三排序为排序第二token字符信息以在三维坐标系上的芯片初图进行建模过程，其中，所述第一排序、第二排序和第三排序用于排列token字符杂乱的第二token字符信息，以虚拟构建数字态芯片。
在具体实施时，确定字符起点：首先，我们需要确定第二级token字符信息的起始点。这是重要的一步，因为所有的点、线、面、色彩以及材质都将基于这个起点进行处理和将来的对比。生成线条图：在确定了起始点后，我们会使用测量长度信息在预创建的三维坐标系上逐像素地生成芯片的线条图。这个线条图为我们提供了芯片的基础结构框架，是构建数字态芯片的第一步。这一阶段的处理顺序被设定为第一排序。添加色彩信息：接下来，我们会基于色彩图像在这个线条图上进行数字化色彩填涂，得到芯片的初级图像──芯片初图。这个初图不仅有芯片的结构信息，也添加了基本的色彩信息，让我们对芯片的视觉特性有了初步的了解。这一阶段的处理顺序被设定为第二排序。添加材料信息：最后，我们会基于材料配置信息对这个芯片初图进行数字化建模，进一步增加芯片的详细信息，如材料的类型和分布。这样我们就完成了数字态芯片的生成。这一阶段的处理顺序被设定为第三排序。通过以上步骤，我们能按照顺序逐一考虑长度、色彩和材料等关键信息，达到一种全面、分层次的对芯片进行模拟的效果。
具体的，多维图像虚拟算法，包括：
式中，利用预创建的三维坐标系排序测量长度信息a和排序色彩图像b，在程序上排列好所述测量长度信息a和排序色彩图像b后，进行材质建模S的排列，使用sim存储排序程序，并在程序上，最大保留/>第二token字符信息的损失字符/>，并通过验证校准进行补全。
参考附图2为本发明还提出的一种芯片外观检测装置的结构框图，包括：
获取单元1，用于获取多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；
转换单元2，用于利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；
校验单元3，用于通过所述若干个的第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；
虚构单元4，用于采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；
对比单元5，用于将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；
判定单元6，用于若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准。
在本实施例中，上述装置实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3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、显示屏、输入装置、网络接口和数据库。其中，该计算机设计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本实施例中对应的数据。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上述方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供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上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
综上所述，通过获取多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；通过所述若干个的第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准，实现了多个检测手段的集成与相互校准，提高了检测的准确性和全面性，而且通过构建数字态芯片并与优品母版的图像识别，使得芯片质量的评价更加直观、准确，大大提升了检测效率和质量控制的精确度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种芯片外观检测方法，其特征在于，包括以下步骤：
获取各个模态的采集单元组合输入的多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；
利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；
通过若干个的所述第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；
采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；
将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；
若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准。
2.根据权利要求1所述的芯片外观检测方法，其特征在于，利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息的步骤，包括：
将所述多模态采集数据携带的测量长度信息、色彩图像以及材料配置信息进行基于token串替换符的相等转换计算，生成第一token字符信息；所述相等转换计算为，
式中，若干个第一token字符信息p分类分别有三项，测量长度信息对应的第一token字符信息、色彩图像对应的第一token字符信息/>、材料配置信息对应的第一token字符信息/>，测量长度信息/>及其token串替换符/>，坐标系工具/>以基于/>在坐标系上构建芯片素描图，而坐标系为三维坐标系/>，色彩图像/>及其token串替换符/>，图像识别工具/>和像素色彩像素阈值/>构建芯片色彩，材料配置信息/>及其token串替换符/>，材料类型/>以及各个类型的配比s。
3.根据权利要求2所述的芯片外观检测方法，其特征在于，将所述多模态采集数据携带的测量长度信息、色彩图像以及材料配置信息进行基于token串替换符的相等转换计算的步骤，包括：
基于多模态采集的采集类型，适应性选择所述相等转换计算的累乘符，及相等转换计算；其中，相等转换计算包括，
；
或，
；
或，
。
4.根据权利要求3所述的芯片外观检测方法，其特征在于，通过所述若干个的第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息的步骤，包括：
将若干个的第一token字符信息一一对应的链接芯片外观；
通过所述相等转换计算组合、/>、/>和/>，以将若干个的第一token字符信息验证校准为一个准确代表芯片外观的第二token字符信息/>、和/>。
5.根据权利要求1所述的芯片外观检测方法，其特征在于，采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片的步骤，包括：
采用多维图像虚拟算法对第二token字符信息进行点、线、面、色和材的像素排列和像素密度识别过程；
将所述第二token字符信息逐像素的成像在预创建的三维坐标系上，得到数字态芯片。
6.根据权利要求5所述的芯片外观检测方法，其特征在于，采用多维图像虚拟算法对第二token字符信息进行点、线、面、色和材的像素排列和像素密度识别过程的步骤，包括：
确定所述第二token字符信息的字符起点；
基于测量长度信息在预创建的三维坐标系上逐像素的生成芯片线条图，以设定第一排序，所述第一排序为排列第二token字符信息在三维坐标系上虚拟构建芯片外观的线条；
基于色彩图像在所述芯片线条图上进行数字化色彩填涂，生成芯片初图，设定第二排序，所述第二排序为排列第二token字符信息以在三维坐标系上的芯片线条图进行色彩填涂；
基于材料配置信息针对芯片初图进行数字化建模，生成数字态芯片，设定第三排序，所述第三排序为排序第二token字符信息以在三维坐标系上的芯片初图进行建模过程，其中，所述第一排序、第二排序和第三排序用于排列token字符杂乱的第二token字符信息，以虚拟构建数字态芯片。
7.根据权利要求5所述的芯片外观检测方法，其特征在于，多维图像虚拟算法，包括：
式中，利用预创建的三维坐标系排序测量长度信息a和排序色彩图像b，在程序上排列好所述测量长度信息a和排序色彩图像b后，进行材质建模S的排列，使用sim存储排序程序，并在程序上，最大保留/>第二token字符信息的损失字符/>，并通过验证校准进行补全。
8.一种芯片外观检测装置，其特征在于，包括：
获取单元，用于获取各个模态的采集单元组合输入的多模态采集数据，所述多模态采集数据包括但不限于光学、电镜、X射线及射频波对芯片外观进行单项检测或多项检测后得到的数据；
转换单元，用于利用token串替换符对所述多模态采集数据进行token串转换，生成各个模态对应的第一token字符信息；
校验单元，用于通过若干个的所述第一token字符信息链接各个模态获取芯片外观的数据，并进行相互验证校准，验证校准以得到数据归一的芯片外观数据，基于所述芯片外观数据得到一条归一完整的第二token字符信息；
虚构单元，用于采用预设的多维图像虚拟算法接入第二token字符信息，并以此基于第二token字符信息进行芯片虚拟构成，得到数字态芯片；
对比单元，用于将所述数字态芯片与优品芯片母版进行图像识别以判断图像误差值；
判定单元，用于若所述图像误差值小于劣品阈值，则判定所述多模态采集数据对应的芯片外观符合检测标准。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，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中任一项所述芯片外观检测方法的步骤。
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中任一项所述的芯片外观检测方法的步骤。
CN202311062252.2A 2023-08-23 2023-08-23 芯片外观检测方法、装置、设备及存储介质 Active CN116759326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311062252.2A CN116759326B (zh) 2023-08-23 2023-08-23 芯片外观检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311062252.2A CN116759326B (zh) 2023-08-23 2023-08-23 芯片外观检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116759326A true CN116759326A (zh) 2023-09-15
CN116759326B CN116759326B (zh) 2024-01-26

Family

ID=87953821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311062252.2A Active CN116759326B (zh) 2023-08-23 2023-08-23 芯片外观检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116759326B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117073543A (zh) * 2023-10-17 2023-11-17 深圳华海达科技有限公司 双旋转平面度量测机的外观测量方法、装置及设备
CN117890380A (zh) * 2024-03-14 2024-04-16 蓝芯存储技术(赣州)有限公司 一种芯片外观缺陷检测方法及检测装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08181178A (ja) * 1994-12-27 1996-07-12 Lintec Corp ウェハ外観検査装置およびウェハ外観検査方法
CN110178019A (zh) * 2016-12-07 2019-08-27 奥博泰克有限公司 用于判断缺陷质量的方法和设备
CN110942060A (zh) * 2019-10-22 2020-03-31 清华大学 基于激光散斑和模态融合的材质识别方法及装置
CN111370345A (zh) * 2020-03-17 2020-07-03 广西天微电子有限公司 芯片检测方法、装置、电子设备和计算机可读存储介质
CN112435222A (zh) * 2020-11-11 2021-03-02 深圳技术大学 一种电路板检测方法、装置及计算机可读存储介质
CN112734760A (zh) * 2021-03-31 2021-04-30 惠州高视科技有限公司 半导体bump缺陷检测方法、电子设备及存储介质
CN114813757A (zh) * 2022-05-19 2022-07-29 昆山缔微致精密电子有限公司 一种塑胶产品全角度外观检测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08181178A (ja) * 1994-12-27 1996-07-12 Lintec Corp ウェハ外観検査装置およびウェハ外観検査方法
CN110178019A (zh) * 2016-12-07 2019-08-27 奥博泰克有限公司 用于判断缺陷质量的方法和设备
CN110942060A (zh) * 2019-10-22 2020-03-31 清华大学 基于激光散斑和模态融合的材质识别方法及装置
CN111370345A (zh) * 2020-03-17 2020-07-03 广西天微电子有限公司 芯片检测方法、装置、电子设备和计算机可读存储介质
CN112435222A (zh) * 2020-11-11 2021-03-02 深圳技术大学 一种电路板检测方法、装置及计算机可读存储介质
CN112734760A (zh) * 2021-03-31 2021-04-30 惠州高视科技有限公司 半导体bump缺陷检测方法、电子设备及存储介质
CN114813757A (zh) * 2022-05-19 2022-07-29 昆山缔微致精密电子有限公司 一种塑胶产品全角度外观检测方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117073543A (zh) * 2023-10-17 2023-11-17 深圳华海达科技有限公司 双旋转平面度量测机的外观测量方法、装置及设备
CN117073543B (zh) * 2023-10-17 2023-12-15 深圳华海达科技有限公司 双旋转平面度量测机的外观测量方法、装置及设备
CN117890380A (zh) * 2024-03-14 2024-04-16 蓝芯存储技术(赣州)有限公司 一种芯片外观缺陷检测方法及检测装置
CN117890380B (zh) * 2024-03-14 2024-05-14 蓝芯存储技术(赣州)有限公司 一种芯片外观缺陷检测方法及检测装置

Also Published As

Publication number Publication date
CN116759326B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
CN116759326B (zh) 芯片外观检测方法、装置、设备及存储介质
JP6807639B2 (ja) 奥行きカメラを校正する方法
CN111462120B (zh) 一种基于语义分割模型缺陷检测方法、装置、介质及设备
US10223782B2 (en) Digital rock physics-based trend determination and usage for upscaling
JP2019109563A (ja) データ生成装置、データ生成方法及びデータ生成プログラム
TW201335588A (zh) 用於在檢查圖像內分類的系統、方法以及電腦程式產品
TWI533383B (zh) 使用重覆結構之基於設計之檢測
US10755139B2 (en) Random sample consensus for groups of data
US20200279359A1 (en) Inspection apparatus, inspection method, and non-volatile storage medium
US20190293669A1 (en) System, method and computer program product for classifying defects
CN112967272A (zh) 基于改进U-net的焊接缺陷检测方法、装置及终端设备
Wang et al. Defect simulation in SEM images using generative adversarial networks
US10991101B2 (en) Multi-stage segmentation using synthetic images
CN117751382A (zh) 基于异常的缺陷检查方法和系统
Houben et al. Training procedure for scanning electron microscope 3D surface reconstruction using unsupervised domain adaptation with simulated data
CN111583417A (zh) 一种图像语义和场景几何联合约束的室内vr场景构建的方法、装置、电子设备和介质
CN116205918A (zh) 基于图卷积的多模态融合半导体检测方法、装置及介质
TWI818367B (zh) 用於增強經積層製造產品之２ｄ影像序列之影像解析度之方法、電子裝置及非暫時性電腦可讀儲存媒體
Tao et al. Anomaly detection for fabricated artifact by using unstructured 3D point cloud data
JP2016206909A (ja) 情報処理装置、情報処理方法
Gehre et al. Feature Curve Co‐Completion in Noisy Data
CN114443880A (zh) 一种装配式建筑的大样图审图方法及审图系统
CN113312970A (zh) 目标物体识别方法、装置、计算机设备和存储介质
Lopez-Escogido et al. Automatic extraction of geometric models from 3D point cloud datasets
CN112560834A (zh) 一种坐标预测模型生成方法、装置及图形识别方法、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