CN116823821B - 基于相位恢复的芯片掩膜板瑕疵检测方法 - Google Patents

基于相位恢复的芯片掩膜板瑕疵检测方法 Download PDF

Info

Publication number
CN116823821B
CN116823821B CN202311091113.2A CN202311091113A CN116823821B CN 116823821 B CN116823821 B CN 116823821B CN 202311091113 A CN202311091113 A CN 202311091113A CN 116823821 B CN116823821 B CN 116823821B
Authority
CN
China
Prior art keywords
shooting
image
images
different angles
phase
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.)
Active
Application number
CN202311091113.2A
Other languages
English (en)
Other versions
CN116823821A (zh
Inventor
杨伟
王波
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.)
Chengdu Zhongkezhuoer Intelligent Technology Group Co ltd
Original Assignee
Chengdu Zhongkezhuoer Intelligent Technology Group 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 Chengdu Zhongkezhuoer Intelligent Technology Group Co ltd filed Critical Chengdu Zhongkezhuoer Intelligent Technology Group Co ltd
Priority to CN202311091113.2A priority Critical patent/CN116823821B/zh
Publication of CN116823821A publication Critical patent/CN116823821A/zh
Application granted granted Critical
Publication of CN116823821B publication Critical patent/CN116823821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于相位恢复的芯片掩模版瑕疵检测方法，通过拍摄相机在同一平面内的不同角度位置拍摄掩膜版得到不同角度的拍摄图像，对拍摄图像进行傅里叶变换以将拍摄图像从空域转换至频域，并将不同角度的拍摄图像在频域中的频谱叠加合并，对叠加合并后的频谱进行傅里叶逆变换以将拍摄图像从频域转换至空域；对拍摄图像在空域与频与之间进行往返迭代与约束，实现对拍摄图像的相位信息的增补复原，并根据增补复原后相位信息增强拍摄图像的强度以准确识别瑕疵，根据增补复原后相位信息解算瑕疵的深度，进而能够实现对掩膜版上的瑕疵进行更加精确的定位以及深度检测。

Description

基于相位恢复的芯片掩膜板瑕疵检测方法
技术领域
本发明属于半导体检测的技术领域，涉及基于相位恢复的芯片掩膜板瑕疵检测方法。
背景技术
在半导体制造过程中，掩膜板是极其关键的组成部分。掩膜板实际上是一种用于光刻的模板，有助于在半导体晶圆上创建集成电路的复杂模式。一张掩膜板通常由透明的基板制成，基板上覆盖有一层模式化的镀铬材料，镀铬材料的模式对应于晶圆上的电路模式。在光刻过程中，掩膜板被放置在晶圆和光源之间。光线通过透明的部分照射到晶圆上，而被镀铬材料部分阻挡。每一张掩膜板对应于晶圆制程中的一步，通常需要一套掩膜板来创建一个完整的集成电路。因此，掩膜板的设计和制造是整个半导体制造过程中非常关键的一步。掩膜板的质量、精度和准确性直接影响到最终产出的集成电路的性能和可靠性。
掩膜板的瑕疵可能导致严重的问题，掩膜板的瑕疵可以归类为几种基本类型：
颗粒瑕疵：这是最常见的瑕疵类型，通常由镀铬层上的尘粒或其他杂质引起。这些颗粒可能阻挡光线的通过，导致晶圆上的电路模式出现问题。
缺陷瑕疵：这种瑕疵是由于在制造过程中，掩膜板上的某个区域未能正确的覆盖或者去除镀铬层。这可能导致电路图案的不完整或者额外的图案。
划痕和裂纹：这种瑕疵通常是由于处理或存储掩膜板时不慎引起的。划痕和裂纹可能改变光线的传播路径，从而导致模式传输的失真。
无论是哪种类型的掩膜板瑕疵，都可能导致严重的问题，因此在制造和使用掩膜板时需要采取严格的质量控制措施。其中一项关键的步骤就是掩膜板的检验，通过高分辨率的成像系统和自动化的检测算法来寻找并标记出可能的瑕疵。
但是，由于掩膜板是透明玻璃，光线经过透明和半透明基体的光波信息很难被光学显微镜直接探测。这就造成直接采用成像系统拍摄掩膜板时得到的图像的对比度、清晰度不足，难以准确识别掩膜板上的瑕疵，同时也能以对瑕疵的深度进行准确的检测。
因此，针对现有技术中对掩膜板上的瑕疵进行检测时存在的成像对比度、清晰度不足导致难以精确识别瑕疵，以及难以准确检测瑕疵的深度的缺陷，本发明公开了基于相位恢复的芯片掩膜板瑕疵检测方法。
发明内容
本发明的目的在于提供基于相位恢复的芯片掩膜板瑕疵检测方法，使用不同拍摄角度对掩膜板进行拍摄成像，通过恢复掩膜板上瑕疵目标的光学相位来增强图像以提高成像的对比度与清晰度，进而保证准确检出瑕疵，同时通过恢复的光学相位准确检测瑕疵的深度。
本发明通过下述技术方案实现：
基于相位恢复的芯片掩膜板瑕疵检测方法，通过拍摄相机在同一平面内的不同角度位置拍摄掩膜板得到不同角度的拍摄图像，对拍摄图像进行傅里叶变换以将拍摄图像从空域转换至频域，并将不同角度的拍摄图像在频域中的频谱叠加合并，对叠加合并后的频谱进行傅里叶逆变换以将拍摄图像从频域转换至空域；对拍摄图像在空域与频与之间进行往返迭代与约束，实现对拍摄图像的相位信息的增补复原，并根据增补复原后相位信息增强拍摄图像的强度以准确识别瑕疵，根据增补复原后相位信息解算瑕疵的深度。
本发明利用光的波动性，当光从不同的角度照射到掩膜板上，光会以不同的方式反射和折射。通过从不同的角度拍摄掩膜板得到不同角度的拍摄图像，通过对不同角度的拍摄图像进行空域与频域之间的往复迭代处理，即可增补复原出相位信息，进而通过相位信息可以对掩膜板拍摄图像进行增强以提高其分辨率，进而能够更加准确的识别掩膜板上的瑕疵。同时，由于光经过瑕疵时会发生相位的偏移，因此通过增补复原后的相位信息能够得到光经过具有瑕疵的掩膜板与光经过没有瑕疵的掩膜板上同一位置的相位差，进而通过相位差即可解算出瑕疵的深度。
从而实现对掩膜板上瑕疵目标的增强和深度测量
为了更好地实现本发明，进一步的，具体包括以下步骤：
步骤1、采用拍摄相机在同一平面内位于拍摄轴线与铅锤线呈不同角度的若干位置拍摄掩膜板得到掩膜板不同角度的拍摄图像；
步骤2、对不同角度的拍摄图像进行对齐处理，然后计算对齐后的拍摄图像之间的图像差异以得到图像复原相位初始值；
步骤3、对拍摄图像进行傅里叶变换，以将拍摄图像从空域转换至频域，然后在频域中对不同角度的拍摄图像的频谱进行叠加合并得到扩增频谱；
步骤4、对步骤3中得到的扩增频谱进行逆傅里叶变换；
步骤5、基于图像复原相位初始值重复迭代上述步骤2-步骤4，直到增补复原拍摄图像在整个频域上的相位信息；
步骤6、利用增补复原的相位信息增强拍摄图像的强度以准确识别瑕疵，利用增补复原的相位信息计算瑕疵的深度。
为了更好地实现本发明，进一步的，所述步骤3具体包括：
步骤3.1、对不同角度的拍摄图像进行傅里叶变换以得到当前拍摄图像的频谱图像；
步骤3.2、对频谱图像进行去噪处理；
步骤3.3、在频谱图像的中心处提取中心部分；
步骤3.4、将频谱图像的中心部分叠加合并得到扩增频谱。
为了更好地实现本发明，进一步的，所述步骤3.3具体包括：
步骤3.3.1、以拍摄相机的拍摄轴线与铅锤线之间的夹角为0°的位置拍摄得到的拍摄图像作为初始图像，对初始图像进行傅里叶变换以得到初始图像在频域中的初始频谱图像；步骤3.3.2、提取初始频谱图像中心处的中心部分；
步骤3.3.3、逐渐增大摄相机的拍摄轴线与铅锤线之间的夹角进行拍摄以得到若干后续图像，对后续图像进行傅里叶变换以得到后续图像在频域中的后续频谱图像；
步骤3.3.4、按照拍摄轴线与铅锤线之间的夹角越大提取范围越大的规则，提取后续频谱图像中心处的中心部分。
为了更好地实现本发明，进一步的，所述步骤6中利用增补复原的相位信息计算瑕疵的深度具体包括：
步骤A、提取瑕疵所在位置的瑕疵相位；
步骤B、计算掩膜板上同一位置不存在瑕疵时的理想相位；
步骤C、计算瑕疵相位与理想相位之间的相位差；
步骤D、根据相位差解算光线经过当前位置的光程差，光程差即为瑕疵深度。
为了更好地实现本发明，进一步的，所述步骤2具体包括：
步骤2.1、从不同角度的拍摄图像中提取特征点，并生成用于表示特征点的特征信息的描述子；
步骤2.2、比较不同角度的拍摄图像中特征点的描述子，以得到不同角度的拍摄图像中相似的特征点对；
步骤2.3、通过对比特征点对以解算出不同角度的拍摄图像之间的变换模型，利用变换模型将不同角度的拍摄图像进行对齐处理；
为了更好地实现本发明，进一步的，采用SIFT算法从拍摄图像中提取特征点。
为了更好地实现本发明，进一步的，所述步骤1中拍摄相机的拍摄轴线与铅锤线之间的夹角为0°-60°。
为了更好地实现本发明，进一步的，所述拍摄相机的拍摄轴线与铅锤线之间的夹角每变化5°就进行一次拍摄。
本发明与现有技术相比，具有以下优点及有益效果：
本发明通过拍摄相机在同一平面内的不同角度位置拍摄掩膜板得到不同角度的拍摄图像，对拍摄图像进行傅里叶变换以将拍摄图像从空域转换至频域，并将不同角度的拍摄图像在频域中的频谱叠加合并，对叠加合并后的频谱进行傅里叶逆变换以将拍摄图像从频域转换至空域；对拍摄图像在空域与频域与之间进行往返迭代与约束，实现对拍摄图像的相位信息的增补复原，并根据增补复原后相位信息增强拍摄图像的强度以准确识别瑕疵，根据增补复原后相位信息解算瑕疵的深度，进而能够实现对掩膜板上的瑕疵进行更加精确的定位以及深度检测。
附图说明
图1为本发明的步骤流程示意图；
图2为拍摄相机在不同角度对掩膜板进行拍摄的示意图；
图3为初始频谱图像的示意图；
图4为后续频谱图像的示意图；
图5为叠加合并后得到的扩增频谱的示意图；
图6为原始的拍摄图像中瑕疵的示意图；
图7为拍摄图像中瑕疵的相位图；
图8为通过相位信息增补复原的瑕疵的示意图。
具体实施方式
以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非本发明另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1：
本实施例的基于相位恢复的芯片掩膜板瑕疵检测方法，通过拍摄相机在同一平面内的不同角度位置拍摄掩膜板得到不同角度的拍摄图像，对拍摄图像进行傅里叶变换以将拍摄图像从空域转换至频域，并将不同角度的拍摄图像在频域中的频谱叠加合并，对叠加合并后的频谱进行傅里叶逆变换以将拍摄图像从频域转换至空域；对拍摄图像在空域与频与之间进行往返迭代与约束，实现对拍摄图像的相位信息的增补复原，并根据增补复原后相位信息增强拍摄图像的强度以准确识别瑕疵，根据增补复原后相位信息解算瑕疵的深度。
如图1所示，具体包括以下步骤：
步骤1、采用拍摄相机在同一平面内位于拍摄轴线与铅锤线呈不同角度的若干位置拍摄掩膜板得到掩膜板不同角度的拍摄图像；
步骤2、对不同角度的拍摄图像进行对齐，以实现多张图片的频谱的精确拼接；
步骤3、对拍摄图像进行傅里叶变换，以将拍摄图像从空域转换至频域，然后在频域中对不同角度的拍摄图像的频谱进行叠加合并得到扩增频谱；
步骤4、对步骤3中得到的扩增频谱进行逆傅里叶变换；
步骤5、基于图像复原相位初始值重复迭代上述步骤2-步骤4，直到增补复原拍摄图像在整个频域上的相位信息；
步骤6、利用增补复原的相位信息增强拍摄图像的强度以准确识别瑕疵，利用增补复原的相位信息计算瑕疵的深度。
将拍摄相机安装在一个可以在同一平面内的多个角度上移动的移动装置上，确保拍摄的准确性和一致性，通过使用精密的控制系统和校准程序控制移动装置带动拍摄相机在同一平面内的不同角度位置移动，进而在多个角度拍摄掩膜板。
对多角度的拍摄图像进行处理，由于不同角度的拍摄图像之间有偏移，因此需要预先将多角度的拍摄图像对齐。通过对不同角度的拍摄图像进行逐一像素比较，计算像素之间的图像差异，通过图像差异即可解算得到不同角度的拍摄图像之间的变换模型，如不同角度的拍摄图像之间进行仿射模型变换、透视模型变换等。利用变换模型即可将不同角度的拍摄图像进行配准对齐，进而避免了后续图像处理过程中因拍摄图像偏移差异带来的误差。
针对对齐后的拍摄图像进行傅里叶变换，将拍摄图像从空域转换到频域。每一个拍摄图像转换至频域后都具有对应的频谱，不同角度的拍摄图像对应的频谱的频域范围、频谱信息不同。将不同角度的拍摄图像对应的频谱叠加合并即可得到扩增频谱。扩增频谱覆盖了更大的频域，因此可以提供更高的分辨率与更加丰富的信息。接下来对扩增频谱进行傅里叶逆变换，将扩增频谱转换至空域得到融合后的拍摄图像。通过不断拍摄不同角度的拍摄图像，并迭代上述傅里叶变换与傅里叶逆变换的过程，进而对掩膜板的拍摄图像进行增补复原，使得最终迭代完成后得到的拍摄图像的频谱包含更加丰富完善的相位信息。
如图6-图8所示，根据增补复原得到的相位信息即可提升拍摄图像的强度，使得拍摄图像的清晰度、分辨率更高，进而能更加准确的识别瑕疵。同时根据相位信息可以进一步解算得到瑕疵的深度，取代了传统瑕疵检测过程中直接测量瑕疵深度的过程，保证了瑕疵定位与深度测量的精度。
实施例2：
本实施例的基于相位恢复的芯片掩膜板瑕疵检测方法，在实施例1的基础上进行改进，所述步骤3具体包括：
步骤3.1、如图2所示，对不同角度的拍摄图像进行傅里叶变换以得到当前拍摄图像的频谱图像；
步骤3.2、对频谱图像进行去噪处理；
步骤3.3、在频谱图像的中心处提取中心部分；
步骤3.4、将频谱图像的中心部分叠加合并得到扩增频谱。
进一步的，所述步骤3.3具体包括：
步骤3.3.1、以拍摄相机的拍摄轴线与铅锤线之间的夹角为0°的位置拍摄得到的拍摄图像作为初始图像，对初始图像进行傅里叶变换以得到初始图像在频域中的初始频谱图像；
步骤3.3.2、提取初始频谱图像中心处的中心部分；
步骤3.3.3、逐渐增大摄相机的拍摄轴线与铅锤线之间的夹角进行拍摄以得到若干后续图像，对后续图像进行傅里叶变换以得到后续图像在频域中的后续频谱图像；
步骤3.3.4、按照拍摄轴线与铅锤线之间的夹角越大提取范围越大的规则，提取后续频谱图像中心处的中心部分。
如图3所示，为以拍摄相机的拍摄轴线与铅锤线之间的夹角为0°的位置拍摄得到初始图像，对初始图像进行傅里叶变换得到如图所示的初始频谱图像，在初始频谱图像的中心处提取中心部分。以初始频谱图像的中心处提取中心部分的相位作为图像复原相位初始值。
如图4所示，为逐渐增加拍摄相机的拍摄轴线与铅锤线之间的夹角拍摄得到的后续图像，对后续图像进行傅里叶变换得到如图所示的后续频谱图像，并在后续频谱图像的中心处提取中心部分。
如图5所述，将对应不同拍摄角度的频谱图像中心处提取的中心部分进行叠加融合以得到扩增频谱。
本实施例的其他部分与实施例1或2相同，故不再赘述。
实施例3：
本实施例的基于相位恢复的芯片掩膜板瑕疵检测方法，在实施例1或2的基础上进行改进，所述步骤6中利用增补复原的相位信息计算瑕疵的深度具体包括：
步骤A、提取瑕疵所在位置的瑕疵相位；
步骤B、计算掩膜板上同一位置不存在瑕疵时的理想相位；
步骤C、计算瑕疵相位与理想相位之间的相位差；
步骤D、根据相位差解算光线经过当前位置的光程差，光程差即为瑕疵深度。
因为相位与光程呈正相关，即；其中/>表示相位差，/>表示光程差，表示光在真空中的波长，/>表示圆周率。
通过对扩增频谱进行傅里叶逆变换得到增强的拍摄图像，并能够得到光线经过瑕疵位置的瑕疵相位。在理想情况下，掩膜板上不存在瑕疵，光线经过没有瑕疵的掩膜板上的同一位置具有理想相位。瑕疵相位与理想相位之间的相位差即可带入上述公式以反算出光线经过瑕疵与光线只经过掩膜板的光程差，这个光程差就反映了瑕疵的深度。
本实施例的其他部分与实施例1或2相同，故不再赘述。
实施例4：
本实施例的基于相位恢复的芯片掩膜板瑕疵检测方法，在实施例1-3任一项的基础上进行改进，所述步骤2具体包括：
步骤2.1、从不同角度的拍摄图像中提取特征点，并生成用于表示特征点的特征信息的描述子；
步骤2.2、比较不同角度的拍摄图像中特征点的描述子，以得到不同角度的拍摄图像中相似的特征点对；特征信息包括图像中具有旋转不变性或平移不变性的斑点、角点、物体边缘交叉点等：
步骤2.3、通过对比特征点对以解算出不同角度的拍摄图像之间的变换模型，利用变换模型将不同角度的拍摄图像进行对齐处理；描述子能够表达特征点的局部特征。两个图像中的特征点，通过比较描述子之间的相似性来进行匹配。对于两个描述子向量，通常通过计算它们之间的欧氏距离来比较相似性。距离越小表示两个描述子越相似。
进一步的，采用SIFT算法从不同角度的拍摄图像中提取特征点。
本实施例的其他部分与实施例1-3任一项相同，故不再赘述。
实施例5：
本实施例的基于相位恢复的芯片掩膜板瑕疵检测方法，在实施例1-4任一项的基础上进行改进，所述步骤1中拍摄相机的拍摄轴线与铅锤线之间的夹角为0°-60°。
进一步的，所述拍摄相机的拍摄轴线与铅锤线之间的夹角每变化5°就进行一次拍摄。
本实施例的其他部分与实施例1-4任一项相同，故不再赘述。
以上，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (8)

1.基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，通过拍摄相机在同一平面内的不同角度位置拍摄掩膜板得到不同角度的拍摄图像，对拍摄图像进行傅里叶变换以将拍摄图像从空域转换至频域，并将不同角度的拍摄图像在频域中的频谱叠加合并，对叠加合并后的频谱进行傅里叶逆变换以将拍摄图像从频域转换至空域；对拍摄图像在空域与频与之间进行往返迭代与约束，实现对拍摄图像的相位信息的增补复原，并根据增补复原后相位信息增强拍摄图像的强度以准确识别瑕疵，根据增补复原后相位信息解算瑕疵的深度；
具体包括以下步骤：
步骤1、采用拍摄相机在同一平面内位于拍摄轴线与铅锤线呈不同角度的若干位置拍摄掩膜板得到掩膜板不同角度的拍摄图像；
步骤2、对不同角度的拍摄图像进行对齐处理，以实现多张图片的频谱的精确拼接；
步骤3、对拍摄图像进行傅里叶变换，以将拍摄图像从空域转换至频域，然后在频域中对不同角度的拍摄图像的频谱进行叠加合并得到扩增频谱；
步骤4、对步骤3中得到的扩增频谱进行逆傅里叶变换；
步骤5、基于图像复原相位初始值重复迭代上述步骤2-步骤4，直到增补复原拍摄图像在整个频域上的相位信息；
步骤6、利用增补复原的相位信息增强拍摄图像的强度以准确识别瑕疵，利用增补复原的相位信息计算瑕疵的深度；所述步骤3具体包括：
步骤3.1、对不同角度的拍摄图像进行傅里叶变换以得到当前拍摄图像的频谱图像；
步骤3.2、对频谱图像进行去噪处理；
步骤3.3、在频谱图像的中心处提取中心部分；
步骤3.4、将频谱图像的中心部分叠加合并得到扩增频谱。
2.根据权利要求1所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，所述步骤3.3具体包括：
步骤3.3.1、以拍摄相机的拍摄轴线与铅锤线之间的夹角为0°的位置拍摄得到的拍摄图像作为初始图像，对初始图像进行傅里叶变换以得到初始图像在频域中的初始频谱图像；步骤3.3.2、提取初始频谱图像中心处的中心部分；
步骤3.3.3、逐渐增大摄相机的拍摄轴线与铅锤线之间的夹角进行拍摄以得到若干后续图像，对后续图像进行傅里叶变换以得到后续图像在频域中的后续频谱图像；
步骤3.3.4、按照拍摄轴线与铅锤线之间的夹角越大提取范围越大的规则，提取后续频谱图像中心处的中心部分。
3.根据权利要求1或2所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，所述步骤6中利用增补复原的相位信息计算瑕疵的深度具体包括：
步骤A、提取瑕疵所在位置的瑕疵相位；
步骤B、计算掩膜板上同一位置不存在瑕疵时的理想相位；
步骤C、计算瑕疵相位与理想相位之间的相位差；
步骤D、根据相位差解算光线经过当前位置的光程差，光程差即为瑕疵深度。
4.根据权利要求1或2所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，所述步骤2具体包括：
步骤2.1、从不同角度的拍摄图像中提取特征点，并生成用于表示特征点的特征信息的描述子；
步骤2.2、比较不同角度的拍摄图像中特征点的描述子，以得到不同角度的拍摄图像中相似的特征点对；
步骤2.3、通过对比特征点对以解算出不同角度的拍摄图像之间的变换模型，利用变换模型将不同角度的拍摄图像进行对齐处理。
5.根据权利要求4所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，采用SIFT算法从不同角度的拍摄图像中提取特征点。
6.根据权利要求5所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，采用光流法将对齐后的拍摄图像中的像素进行逐一比较。
7.根据权利要求1或2所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，所述步骤1中拍摄相机的拍摄轴线与铅锤线之间的夹角为0°-60°。
8.根据权利要求7所述的基于相位恢复的芯片掩膜板瑕疵检测方法，其特征在于，所述拍摄相机的拍摄轴线与铅锤线之间的夹角每变化5°就进行一次拍摄。
CN202311091113.2A 2023-08-29 2023-08-29 基于相位恢复的芯片掩膜板瑕疵检测方法 Active CN116823821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311091113.2A CN116823821B (zh) 2023-08-29 2023-08-29 基于相位恢复的芯片掩膜板瑕疵检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311091113.2A CN116823821B (zh) 2023-08-29 2023-08-29 基于相位恢复的芯片掩膜板瑕疵检测方法

Publications (2)

Publication Number Publication Date
CN116823821A CN116823821A (zh) 2023-09-29
CN116823821B true CN116823821B (zh) 2023-12-15

Family

ID=88116963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311091113.2A Active CN116823821B (zh) 2023-08-29 2023-08-29 基于相位恢复的芯片掩膜板瑕疵检测方法

Country Status (1)

Country Link
CN (1) CN116823821B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108073035A (zh) * 2016-11-08 2018-05-25 中芯国际集成电路制造(上海)有限公司 一种光刻掩膜版和光刻掩膜版缺陷的修复方法
CN109934802A (zh) * 2019-02-02 2019-06-25 浙江工业大学 一种基于傅里叶变换和图像形态学的布匹疵点检测方法
CN110146521A (zh) * 2019-06-17 2019-08-20 电子科技大学 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置
TW202043759A (zh) * 2019-05-21 2020-12-01 中華學校財團法人中華科技大學 三維相位移瑕疵檢測方法及系統
CN112611455A (zh) * 2020-12-07 2021-04-06 上海交通大学 一种多角度、多光谱频率编码成像技术及其装置
CN113834818A (zh) * 2021-09-15 2021-12-24 江苏维普光电科技有限公司 基于频闪切换照明的掩膜版缺陷检测方法及系统
CN113935998A (zh) * 2021-12-16 2022-01-14 武汉帕克橡塑制品有限公司 一种基于机器视觉的橡塑件花斑检测方法
CN114660060A (zh) * 2022-03-07 2022-06-24 南京理工大学 一种基于矩阵扫描的宏观傅里叶叠层超分辨成像方法
CN114862843A (zh) * 2022-06-06 2022-08-05 东北大学 一种基于滤波器融合的金属带材表面缺陷快速检测方法
CN115984157A (zh) * 2023-02-17 2023-04-18 安徽理工大学 一种基于分频域融合的多模态医学图像融合方法
CN116609442A (zh) * 2023-07-17 2023-08-18 南京工业大学 基于非线性超声导波和深度学习的管道裂纹评估定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6753965B2 (en) * 2001-01-09 2004-06-22 The University Of Hong Kong Defect detection system for quality assurance using automated visual inspection
US8559014B2 (en) * 2009-09-25 2013-10-15 Hwan J. Jeong High-resolution, common-path interferometric imaging systems and methods

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108073035A (zh) * 2016-11-08 2018-05-25 中芯国际集成电路制造(上海)有限公司 一种光刻掩膜版和光刻掩膜版缺陷的修复方法
CN109934802A (zh) * 2019-02-02 2019-06-25 浙江工业大学 一种基于傅里叶变换和图像形态学的布匹疵点检测方法
TW202043759A (zh) * 2019-05-21 2020-12-01 中華學校財團法人中華科技大學 三維相位移瑕疵檢測方法及系統
CN110146521A (zh) * 2019-06-17 2019-08-20 电子科技大学 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置
CN112611455A (zh) * 2020-12-07 2021-04-06 上海交通大学 一种多角度、多光谱频率编码成像技术及其装置
CN113834818A (zh) * 2021-09-15 2021-12-24 江苏维普光电科技有限公司 基于频闪切换照明的掩膜版缺陷检测方法及系统
CN113935998A (zh) * 2021-12-16 2022-01-14 武汉帕克橡塑制品有限公司 一种基于机器视觉的橡塑件花斑检测方法
CN114660060A (zh) * 2022-03-07 2022-06-24 南京理工大学 一种基于矩阵扫描的宏观傅里叶叠层超分辨成像方法
CN114862843A (zh) * 2022-06-06 2022-08-05 东北大学 一种基于滤波器融合的金属带材表面缺陷快速检测方法
CN115984157A (zh) * 2023-02-17 2023-04-18 安徽理工大学 一种基于分频域融合的多模态医学图像融合方法
CN116609442A (zh) * 2023-07-17 2023-08-18 南京工业大学 基于非线性超声导波和深度学习的管道裂纹评估定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Rolling element bearing defect detection using the generalized synchrosqueezing transform guided by time–frequency ridge enhancement;Chuan Li等;《ISA Transactions》;第60卷;274-284 *
超光滑球面光学元件表面缺陷检测及定量化评价研究;李阳;《中国优秀硕士学位论文全文数据库基础科学辑》(第03期);A005-146 *
高分辨率遥感图像频谱能量分析与典型地物特征识别研究;吴桂平;《中国博士学位论文全文数据库信息科技辑》(第04期);I140-47 *

Also Published As

Publication number Publication date
CN116823821A (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
JP3998334B2 (ja) 欠陥検査方法
US6842538B2 (en) Automatic detection of alignment or registration marks
US10475179B1 (en) Compensating for reference misalignment during inspection of parts
US20080144922A1 (en) Pattern alignment method, pattern inspection apparatus, and pattern inspection system
CN111553897B (zh) 晶圆缺陷检测设备
US7197178B2 (en) Photoresist edge bead removal measurement
CN111554591B (zh) 半导体芯片处理装置
CN111106055A (zh) 一种晶圆位置确定方法
TWI667530B (zh) Inspection method and inspection device
CN112289726B (zh) 晶圆对准模板图像生成方法
US7567699B2 (en) Center determination of rotationally symmetrical alignment marks
JP2018529088A (ja) 半導体マスク検査のためのポリゴンベースの幾何学的分類
JPH06307826A (ja) マスク検査装置
CN113513981A (zh) 基于双目立体视觉的多目标并行测量方法、系统、设备及存储介质
CN116823821B (zh) 基于相位恢复的芯片掩膜板瑕疵检测方法
CN111916366B (zh) 晶圆检测设备
Von Gioi et al. Lens distortion correction with a calibration harp
JP2007281126A (ja) 位置計測方法、位置計測装置及び露光装置
KR101962830B1 (ko) 사전 정렬 측정 장치 및 방법
CN115628685B (zh) 关键尺寸的测量方法、设备及关键尺寸的分级定位方法
JP2009294123A (ja) パターン識別装置、パターン識別方法及び試料検査装置
Liu et al. Inspection of IC wafer Defects Based on Image Registration
CN115698687A (zh) 有噪声经图案化特征的检验
US11847777B1 (en) Correlation-based overlay key centering system and method thereof
JP2561193B2 (ja) 印刷パターン検査装置

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