CN116864411B - 一种晶圆传送过程中定位及校准的方法及装置 - Google Patents

一种晶圆传送过程中定位及校准的方法及装置 Download PDF

Info

Publication number
CN116864411B
CN116864411B CN202311127099.7A CN202311127099A CN116864411B CN 116864411 B CN116864411 B CN 116864411B CN 202311127099 A CN202311127099 A CN 202311127099A CN 116864411 B CN116864411 B CN 116864411B
Authority
CN
China
Prior art keywords
wafer
historical
image
correction data
model
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
CN202311127099.7A
Other languages
English (en)
Other versions
CN116864411A (zh
Inventor
洪国华
林坚
王彭
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.)
Honghu Suzhou Semiconductor Technology Co ltd
Original Assignee
Honghu Suzhou Semiconductor 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 Honghu Suzhou Semiconductor Technology Co ltd filed Critical Honghu Suzhou Semiconductor Technology Co ltd
Priority to CN202311127099.7A priority Critical patent/CN116864411B/zh
Publication of CN116864411A publication Critical patent/CN116864411A/zh
Application granted granted Critical
Publication of CN116864411B publication Critical patent/CN116864411B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Geometry (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

本发明涉及半导体技术领域，具体涉及一种晶圆传送过程中定位及校准的方法及装置，本发明通过实时采集晶圆在传送过程中的晶圆图像，实现对晶圆的θ偏移角度计算、晶圆的水平偏移量计算，磁悬浮平台可以根据偏移角度计算、水平偏移量计算和摄像头提供的信息，调整磁场的强度和磁场方向，以使晶圆在传送过程中达到预定的位置和姿态，通过结合磁悬浮平台的应用，实现了高精度的晶圆定位和校准，通过自适应地调整定位和校准参数，以适应不同的晶圆尺寸和工艺需求，该方法在半导体制造等领域中提高晶圆传送的精确性和效率，从而改善生产过程中的质量和产能。

Description

一种晶圆传送过程中定位及校准的方法及装置
技术领域
本发明涉及半导体技术领域，尤其涉及一种晶圆传送过程中定位及校准的方法及装置。
背景技术
晶圆是指制作硅半导体积体电路所用的硅晶片，外形为圆形，目前国内晶圆生产线以 8英寸和 12 英寸为主。现在众多晶圆厂商对于设备的自动化程度要求越来越高，对晶圆的上料速度和上料时的位置精度提出了很高的要求，晶圆倾斜矫正和定位工作仍然通过放大然后手动调节电机完成摆正工作，这种人工摆正工作存在诸多的缺陷，比如操作繁琐，精度不高易出错等。
授权公告号为CN111430289B的中国专利，公开到了一种晶圆定位校准方法，包括：将一具有定位缺口的晶圆放置在承载台上；图像采集装置采集晶圆位于所述承载台的不同角度的实际位置图像；将所述实际位置图像与晶圆位于所述承载台上的第一基准位置的基准图像进行对比分析，以获取晶圆的外轮廓和定位缺口的偏差数据，其中，将不同角度的所述实际位置图像与对应角度的所述基准图像进行对比分析以获取多组偏差数据；根据多组所述偏差数据调节晶圆传送装置取片位置，使得晶圆落在所述晶圆传送装置的第二基准位置，该申请通过图像对比的方式进行晶圆的定位校准，晶圆定位精度不高，无法实现实时校准，且校准效率偏低。
发明内容
本发明提供了一种晶圆传送过程中定位及校准的方法及装置，以解决现有技术中晶圆定位精度不高，无法实现实时校准，且校准效率偏低的问题。
本发明提供了一种晶圆传送过程中定位及校准的方法，包括：
实时采集晶圆在传送过程中的晶圆图像；
将所述晶圆图像输入最优晶圆定位模型，得到晶圆的水平偏移量、晶圆的θ偏移角度；
将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第一晶圆校准模型，得到磁场强度校正数据、磁场方向校正数据；
利用所述磁场强度校正数据、所述磁场方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
优选的，在采集晶圆在传送过程中的晶圆图像之前，包括：
获取晶圆在传送过程中的历史晶圆图像；
对所述历史晶圆图像进行预处理，得到预处理历史晶圆图像；
对所述预处理历史晶圆图像进行位置标注，得到图像位置标注数据；
获取所述历史晶圆图像对应的晶圆的历史水平偏移量、晶圆的历史θ偏移角度；
将所述历史晶圆图像、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度划分为图像训练集、图像测试集，所述历史晶圆图像与所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度相对应；
构建卷积神经网络模型；
利用所述图像训练集对所述卷积神经网络模型进行训练，得到晶圆定位模型；
利用所述图像测试集对所述晶圆定位模型进行验证，得到最优晶圆定位模型。
优选的，在采集晶圆在传送过程中的晶圆图像之前，还包括：
获取所述晶圆在历史位置校正过程中磁悬浮平台的历史磁场强度校正数据、历史磁场方向校正数据；
建立第一贝叶斯网络模型；
利用所述历史磁场强度校正数据、所述历史磁场方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第一贝叶斯网络模型，得到第一晶圆校准模型。
优选的，所述方法还包括：
将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第二晶圆校准模型，得到拉绳的拉力校正数据、拉力方向校正数据；
利用所述拉力校正数据、所述拉力方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
优选的，在采集晶圆在传送过程中的晶圆图像之前，还包括：
获取所述晶圆在历史位置校正过程中拉绳的历史拉力校正数据、历史拉力方向校正数据；
建立第二贝叶斯网络模型；
利用所述历史拉力校正数据、所述历史拉力方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第二贝叶斯网络模型，得到第二晶圆校准模型。
优选的，在实时采集晶圆在传送过程中的晶圆图像之后，包括：
对所述晶圆图像进行预处理。
优选的，所述对所述晶圆图像进行预处理，包括：
将所述晶圆图像的图像尺寸调整为预设尺寸格式，以及利用平滑滤波器对尺寸调整后的晶圆图像进行平滑处理。
本发明还提供一种晶圆传送过程中定位及校准的装置，装置包括：
图像采集模块，用于实时采集晶圆在传送过程中的晶圆图像；
第一模型处理模块，用于将所述晶圆图像输入最优晶圆定位模型，得到晶圆的水平偏移量、晶圆的θ偏移角度；
第二模型处理模块，用于将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第一晶圆校准模型，得到磁场强度校正数据、磁场方向校正数据；
晶圆校准模块，用于利用所述磁场强度校正数据、所述磁场方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
一种电子设备，其中，该电子设备包括：
处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，当所述一个或多个指令被处理器执行时，实现上述方法。
本发明通过实时采集晶圆在传送过程中的晶圆图像，实现对晶圆的θ偏移角度计算、晶圆的水平偏移量计算，磁悬浮平台可以根据偏移角度计算、水平偏移量计算和摄像头提供的信息，调整磁场的强度和磁场方向，以使晶圆在传送过程中达到预定的位置和姿态，通过结合磁悬浮平台的应用，实现了高精度的晶圆定位和校准，通过自适应地调整定位和校准参数，以适应不同的晶圆尺寸和工艺需求，该方法在半导体制造等领域中提高晶圆传送的精确性和效率，从而改善生产过程中的质量和产能。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例一提供的一种晶圆传送过程中定位及校准的方法的原理示意图；
图2为本发明实施例二提供的一种晶圆传送过程中定位及校准的装置的结构示意图；
图3为本发明实施例三提供的一种电子设备的结构示意图；
图4为本发明实施例四提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
实施例一
图1为本实施例提供的一种晶圆传送过程中定位及校准的方法的原理示意图，晶圆传送装置包括晶圆传送机械臂，所述晶圆传送机械臂上设有晶圆旋转结构，所述晶圆旋转结构包括磁悬浮平台，方法包括：
S101：实时采集晶圆在传送过程中的晶圆图像；
在较佳的实施例中，晶圆传送机器臂的末端装有一个磁悬浮平台，平台上有一组强大的电磁铁或永磁体，通过控制电磁铁或永磁体的磁场，可以产生悬浮力和控制力，以使晶圆浮起并保持在空中，从而可以在不接触晶圆的情况下对晶圆进行传送和定位，提高晶圆制造过程的效率和质量，同时减少晶圆损伤的风险。同时在EFEM（Equipment Front EndModule，设备前端模块）内安装高速摄像头，通过高速摄像头实时采集晶圆在传送过程中的晶圆图像，为晶圆的定位和校准提供必要的数据。其中，EFEM指在高洁净环境下，将单片晶圆通过精密机械手传输至工艺、检测模块的晶圆前端传输系统；高速摄像头应当能够提供足够的分辨率和帧率以捕捉到晶圆的位置和运动图像。
S102：将所述晶圆图像输入最优晶圆定位模型，得到晶圆的水平偏移量、晶圆的θ偏移角度；
进一步的，在采集晶圆在传送过程中的晶圆图像之前，包括：
获取晶圆在传送过程中的历史晶圆图像；
对所述历史晶圆图像进行预处理，得到预处理历史晶圆图像；
对所述预处理历史晶圆图像进行位置标注，得到图像位置标注数据；
获取所述历史晶圆图像对应的晶圆的历史水平偏移量、晶圆的历史θ偏移角度；
将所述历史晶圆图像、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度划分为图像训练集、图像测试集，所述历史晶圆图像与所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度相对应；
构建卷积神经网络模型；
利用所述图像训练集对所述卷积神经网络模型进行训练，得到晶圆定位模型；
优选的，所述得到晶圆定位模型的方式为：
将图像训练集中，每张历史晶圆图像作为晶圆定位模型的输入，所述晶圆定位模型中的两个任务层分别以对每张历史晶圆图像的预测的水平偏移量和θ偏移角度为输出，以图像训练集中，每张历史晶圆图像对应的历史水平偏移量和历史θ偏移角度的加权和为预测目标，以最小化对所有历史水平偏移量和历史θ偏移角度的加权和的预测误差之和作为训练目标；对晶圆定位模型进行训练，直至预测误差之和达到收敛时停止训练，训练出对于每张历史晶圆图像，输出预测的水平偏移量和θ偏移角度的晶圆定位模型；所述晶圆定位模型是多任务学习的CNN神经网络模型；所述预测误差之和可以是均方差误差或交叉熵误差；
利用所述图像测试集对所述晶圆定位模型进行验证，得到最优晶圆定位模型；
优选的，所述得到最优晶圆定位模型的方式为：
通过调整若干次晶圆定位模型的预设参数，获得对应数量训练完成的晶圆定位模型，对每个晶圆定位模型使用图像测试集进行验证，获得对图像测试集的预测准确率；将对图像测试集的预测准确率最大的晶圆定位模型作为最优晶圆定位模型。
在较佳的实施例中，因为最优晶圆定位模型是预先训练好的，最优晶圆定位模型的输入是历史晶圆图像，最优晶圆定位模型的输出是晶圆的历史水平偏移量、晶圆的历史θ偏移角度，因此，在实际晶圆校准中，我们直接将高速摄像头采集到的晶圆图像输入最优晶圆定位模型，最优晶圆定位模型会直接输出晶圆的水平偏移量、晶圆的θ偏移角度，从而为晶圆的定位和校准提供必要的数据。具体的，得到最优晶圆定位模型前，需要先获取晶圆在传送过程中的历史晶圆图像、历史晶圆图像对应的晶圆的历史水平偏移量、晶圆的历史θ偏移角度，然后对历史晶圆图像进行预处理，包括但不限于尺寸调整、平滑处理等，从而提升图像质量，之后将获取的数据划分为图像训练集和图像测试集，并构建卷积神经网络模型，利用图像训练集对卷积神经网络模型进行模型训练，利用图像测试集对训练好的卷积神经网络模型进行验证，根据验证结果进行调优，选择最优的晶圆定位模型作为最终应用到实际场景的模型，即最优晶圆定位模型，由于卷积神经网络模型对图像的识别和处理能力较强，能够自动提取特征，因此，此处采用卷积神经网络模型作为初始模型，从而提升最优晶圆定位模型对晶圆的高精度定位效果，并为晶圆的校正提供数据支撑。
S103：将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第一晶圆校准模型，得到磁场强度校正数据、磁场方向校正数据；
S104：利用所述磁场强度校正数据、所述磁场方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
进一步的，在采集晶圆在传送过程中的晶圆图像之前，还包括：
获取所述晶圆在历史位置校正过程中磁悬浮平台的历史磁场强度校正数据、历史磁场方向校正数据；
建立第一贝叶斯网络模型；
利用所述历史磁场强度校正数据、所述历史磁场方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第一贝叶斯网络模型，得到第一晶圆校准模型。
优选的，所述得到第一晶圆校准模型的方式为：
将每组历史磁场强度校正数据、历史磁场方向校正数据作为第一贝叶斯网络模型第一层节点的输入，所述第一贝叶斯网络模型的第二层包含两个节点，分别用于输出预测的晶圆的水平偏移量以及晶圆的θ偏移角度，所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度为预测目标，以最小化对所有晶圆的水平偏移量以及晶圆的θ偏移角度的加权误差之和作为训练目标；对第一贝叶斯网络模型进行训练，直至加权误差之和达到收敛时停止训练，训练出对于每组历史磁场强度校正数据、历史磁场方向校正数据输出预测的水平偏移量以及θ偏移角度的第一贝叶斯网络模型；该第一贝叶斯网络模型作为第一晶圆校准模型；
在较佳的实施例中，因为第一晶圆校准模型是预先训练好的，因此，可以直接在实际场景中直接利用，便于数据的处理，为晶圆的校正提供数据支持。第一晶圆校准模型的输入是晶圆的历史水平偏移量、晶圆的历史θ偏移角度，第一晶圆校准模型的输出是历史磁场强度校正数据、历史磁场方向校正数据，因此，在通过上述最优晶圆定位模型得到晶圆的历史水平偏移量、晶圆的历史θ偏移角度后，可以直接将得到的晶圆的水平偏移量、晶圆的θ偏移角度输入到第一晶圆校准模型，从而得到磁场强度校正数据、磁场方向校正数据，由于磁悬浮平台是安装于晶圆传送机械臂上，晶圆悬浮于磁悬浮平台，因此，可以利用磁场强度校正数据、磁场方向校正数据对磁悬浮平台的磁场强度和磁场方向进行调整，实现晶圆的实时校准，通过实时调整磁场强度和磁场方向，以使晶圆在传送过程中达到预定的位置和姿态，使得所述晶圆传送到目标位置时位置姿态均符合预期要求。通过上述方式提升了对晶圆在传送过程中的高精度定位和实现实时调整，通过自适应地调整定位和校准参数，以适应不同的晶圆尺寸和工艺需求，在半导体制造等领域中提高晶圆传送的精确性和效率，从而改善生产过程中的质量和产能。在选择模型上，由于晶圆的历史水平偏移量、晶圆的历史θ偏移角度与历史磁场强度校正数据、历史磁场方向校正数据之间存在着线性关系，因此，选择第一贝叶斯网络模型作为初始模型，能够提升数据的拟合效果，从而提升第一晶圆校准模型的校准效果。
进一步的，所述晶圆旋转结构包括轻量化拉绳；
所述方法还包括：
将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第二晶圆校准模型，得到所述轻量化拉绳的拉力校正数据、拉力方向校正数据；
利用所述拉力校正数据、所述拉力方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
进一步的，在采集晶圆在传送过程中的晶圆图像之前，还包括：
获取所述晶圆在历史位置校正过程中轻量化拉绳的历史拉力校正数据、历史拉力方向校正数据；
建立第二贝叶斯网络模型；
利用所述历史拉力校正数据、所述历史拉力方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第二贝叶斯网络模型，得到第二晶圆校准模型。
优选的，所述得到第二晶圆校准模型的方式为：
将每组晶圆的历史水平偏移量、晶圆的历史θ偏移角度作为第二贝叶斯网络模型第一层节点的输入，所述第二贝叶斯网络模型的第二层包含两个节点，分别用于输出预测的拉力校正数据和拉力方向校正数据，所述历史拉力校正数据、历史拉力方向校正数据为预测目标，以最小化对所有历史拉力校正数据、历史拉力方向校正数据的加权误差之和作为训练目标；对第二贝叶斯网络模型进行训练，直至加权误差之和达到收敛时停止训练，训练出对于每组历史水平偏移量、晶圆的历史θ偏移角度输出预测的拉力校正数据和拉力方向校正数据的第二贝叶斯网络模型；该第二贝叶斯网络模型作为第一晶圆校准模型；
在较佳的实施例中，也可以通过轻量化拉绳的方式对晶圆进行校准，因为第二晶圆校准模型是预先训练好的，因此，可以直接在实际场景中直接利用，便于数据的处理，为晶圆的校正提供数据支持。第二晶圆校准模型的输入是晶圆的历史水平偏移量、晶圆的历史θ偏移角度，第二晶圆校准模型的输出是轻量化拉绳的历史拉力校正数据、历史拉力方向校正数据，因此，在通过上述最优晶圆定位模型得到晶圆的历史水平偏移量、晶圆的历史θ偏移角度后，可以直接将得到的晶圆的水平偏移量、晶圆的θ偏移角度输入到第二晶圆校准模型，从而得到拉力校正数据、拉力方向校正数据，然后将拉力校正数据、拉力方向校正数据输入到拉绳控制模块，拉升控制模块根据拉力校正数据、拉力方向校正数据对轻量化拉绳进行控制，由于拉绳套设于晶圆边缘，因此，当拉绳被操控时，晶圆受拉绳的作用实现实时校准，通过实时调整拉力校正数据、拉力方向校正数据，以使晶圆在传送过程中达到预定的位置和姿态，使得所述晶圆传送到目标位置时位置姿态均符合预期要求。通过上述方式提升了对晶圆在传送过程中的高精度定位和实时调整，提高晶圆传送的效率。在选择模型上，由于晶圆的历史水平偏移量、晶圆的历史θ偏移角度与轻量化拉绳的历史拉力校正数据、历史拉力方向校正数据之间存在着线性关系，因此，选择第二贝叶斯网络模型作为初始模型，能够提升数据的拟合效果，从而提升第二晶圆校准模型的校准效果。
进一步的，在实时采集晶圆在传送过程中的晶圆图像之后，包括：
对所述晶圆图像进行预处理。
进一步的，所述对所述晶圆图像进行预处理，包括：
将所述晶圆图像的图像尺寸调整为预设尺寸格式，以及利用平滑滤波器对尺寸调整后的晶圆图像进行平滑处理。
在较佳的实施例中，对晶圆图像进行预处理不仅可以包括图像尺寸调整、平滑处理，还可以对晶圆图像进行图像增强处理、图像剪切、图像填充等，以提升图像质量和清晰图，以及保持一致的输入尺寸或移除不相关的图片区域，降低最优晶圆定位模型的计算量，提升最优晶圆定位模型的处理效率。通过对晶圆图像的图像尺寸进行预设尺寸格式的调整，能够更适应最优晶圆定位模型的输入要求，减少最优晶圆定位模型的计算量。
在较佳的实施例中，利用平滑滤波器对尺寸调整后的晶圆图像进行平滑处理，以减少晶圆图像中的噪音和细节，提升最优晶圆定位模型对晶圆图像的小处理效率。
本发明通过实时采集晶圆在传送过程中的晶圆图像，实现对晶圆的θ偏移角度计算、晶圆的水平偏移量计算，磁悬浮平台可以根据偏移角度计算、水平偏移量计算和摄像头提供的信息，调整磁场的强度和磁场方向，以使晶圆在传送过程中达到预定的位置和姿态，通过结合磁悬浮平台的应用，实现了高精度的晶圆定位和校准，通过自适应地调整定位和校准参数，以适应不同的晶圆尺寸和工艺需求，该方法在半导体制造等领域中提高晶圆传送的精确性和效率，从而改善生产过程中的质量和产能。
实施例二
图2为本实施例提供的一种晶圆传送过程中定位及校准的装置的结构示意图，包括晶圆传送机械臂，所述晶圆传送机械臂上设有晶圆旋转结构，所述晶圆旋转结构包括磁悬浮平台，所述装置包括：
图像采集模块201，用于实时采集晶圆在传送过程中的晶圆图像；
第一模型处理模块202，用于将所述晶圆图像输入最优晶圆定位模型，得到晶圆的水平偏移量、晶圆的θ偏移角度；
第二模型处理模块203，用于将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第一晶圆校准模型，得到磁场强度校正数据、磁场方向校正数据；
第一晶圆校准模块204，用于利用所述磁场强度校正数据、所述磁场方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
进一步的，在采集晶圆在传送过程中的晶圆图像之前，包括：
第一历史数据获取模块，用于获取晶圆在传送过程中的历史晶圆图像；
历史数据预处理模块，用于对所述历史晶圆图像进行预处理，得到预处理历史晶圆图像；
位置标注模块，用于对所述预处理历史晶圆图像进行位置标注，得到图像位置标注数据；
第二历史数据获取模块，用于获取所述历史晶圆图像对应的晶圆的历史水平偏移量、晶圆的历史θ偏移角度；
数据划分模块，用于将所述历史晶圆图像、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度划分为图像训练集、图像测试集，所述历史晶圆图像与所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度相对应；
第一模型构建模块，用于构建卷积神经网络模型；
第一模型训练模块，用于利用所述图像训练集对所述卷积神经网络模型进行训练，得到晶圆定位模型；
第一模型验证模块，用于利用所述图像测试集对所述晶圆定位模型进行验证，得到最优晶圆定位模型。
进一步的，在采集晶圆在传送过程中的晶圆图像之前，还包括：
第三历史数据获取模块，用于获取所述晶圆在历史位置校正过程中磁悬浮平台的历史磁场强度校正数据、历史磁场方向校正数据；
第二模型构建模块，用于建立第一贝叶斯网络模型；
第二模型训练模块，用于利用所述历史磁场强度校正数据、所述历史磁场方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第一贝叶斯网络模型，得到第一晶圆校准模型。
进一步的，所述晶圆旋转结构包括轻量化拉绳；
所述装置还包括：
第三模型处理模块，用于将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第二晶圆校准模型，得到所述轻量化拉绳的拉力校正数据、拉力方向校正数据；
第二晶圆校准模块，用于利用所述拉力校正数据、所述拉力方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
进一步的，在采集晶圆在传送过程中的晶圆图像之前，还包括：
第四历史数据获取模块，用于获取所述晶圆在历史位置校正过程中轻量化拉绳的历史拉力校正数据、历史拉力方向校正数据；
第三模型构建模块，用于建立第二贝叶斯网络模型；
第三模型训练模块，用于利用所述历史拉力校正数据、所述历史拉力方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第二贝叶斯网络模型，得到第二晶圆校准模型。
进一步的，在实时采集晶圆在传送过程中的晶圆图像之后，包括：
图像预处理模块，用于对所述晶圆图像进行预处理。
进一步的，所述图像预处理模块，包括：
图像预处理单元，用于将所述晶圆图像的图像尺寸调整为预设尺寸格式，以及利用平滑滤波器对尺寸调整后的晶圆图像进行平滑处理。
实施例三
基于同一发明构思，本实施例还提供一种电子设备。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
参照图3为本实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同装置组件（包括存储单元320和处理单元310）的总线330、显示单元340等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元（ROM）3203。
所述存储单元320还可以包括具有一组（至少一个）程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作装置、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白，尽管图3中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID装置、磁带驱动器以及数据备份存储装置等。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式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计算机可读的存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：如图1所示的方法。
实施例四
参照图4为本实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，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，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (9)

1.一种晶圆传送过程中定位及校准的方法，其特征在于，所述方法包括：
实时采集晶圆在传送过程中的晶圆图像；
将所述晶圆图像输入最优晶圆定位模型，得到晶圆的水平偏移量、晶圆的θ偏移角度；
将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第一晶圆校准模型，得到磁场强度校正数据、磁场方向校正数据；
利用所述磁场强度校正数据、所述磁场方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置；
在采集晶圆在传送过程中的晶圆图像之前，包括：
获取晶圆在传送过程中的历史晶圆图像；
对所述历史晶圆图像进行预处理，得到预处理历史晶圆图像；
对所述预处理历史晶圆图像进行位置标注，得到图像位置标注数据；
获取所述历史晶圆图像对应的晶圆的历史水平偏移量、晶圆的历史θ偏移角度；
将所述历史晶圆图像、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度划分为图像训练集、图像测试集，所述历史晶圆图像与所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度相对应；
构建卷积神经网络模型；
利用所述图像训练集对所述卷积神经网络模型进行训练，得到晶圆定位模型；
利用所述图像测试集对所述晶圆定位模型进行验证，得到最优晶圆定位模型。
2.如权利要求1所述的一种晶圆传送过程中定位及校准的方法，其特征在于，在采集晶圆在传送过程中的晶圆图像之前，还包括：
获取所述晶圆在历史位置校正过程中磁悬浮平台的历史磁场强度校正数据、历史磁场方向校正数据；
建立第一贝叶斯网络模型；
利用所述历史磁场强度校正数据、所述历史磁场方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第一贝叶斯网络模型，得到第一晶圆校准模型。
3.如权利要求1所述的一种晶圆传送过程中定位及校准的方法，其特征在于，所述方法还包括：
将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第二晶圆校准模型，得到拉绳的拉力校正数据、拉力方向校正数据；
利用所述拉力校正数据、所述拉力方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
4.如权利要求1所述的一种晶圆传送过程中定位及校准的方法，其特征在于，在采集晶圆在传送过程中的晶圆图像之前，还包括：
获取所述晶圆在历史位置校正过程中拉绳的历史拉力校正数据、历史拉力方向校正数据；
建立第二贝叶斯网络模型；
利用所述历史拉力校正数据、所述历史拉力方向校正数据、所述晶圆的历史水平偏移量、所述晶圆的历史θ偏移角度训练所述第二贝叶斯网络模型，得到第二晶圆校准模型。
5.如权利要求1所述的一种晶圆传送过程中定位及校准的方法，其特征在于，在实时采集晶圆在传送过程中的晶圆图像之后，包括：
对所述晶圆图像进行预处理。
6.如权利要求1所述的一种晶圆传送过程中定位及校准的方法，其特征在于，所述对所述晶圆图像进行预处理，包括：
将所述晶圆图像的图像尺寸调整为预设尺寸格式，以及利用平滑滤波器对尺寸调整后的晶圆图像进行平滑处理。
7.一种晶圆传送过程中定位及校准的装置，其基于权利要求1-6中任一项所述的一种晶圆传送过程中定位及校准的方法实现，所述装置包括：
图像采集模块，用于实时采集晶圆在传送过程中的晶圆图像；
第一模型处理模块，用于将所述晶圆图像输入最优晶圆定位模型，得到晶圆的水平偏移量、晶圆的θ偏移角度；
第二模型处理模块，用于将所述晶圆的水平偏移量、所述晶圆的θ偏移角度输入第一晶圆校准模型，得到磁场强度校正数据、磁场方向校正数据；
晶圆校准模块，用于利用所述磁场强度校正数据、所述磁场方向校正数据对所述晶圆进行实时校准，使得所述晶圆传送到目标位置。
8.一种电子设备，其中，该电子设备包括：
处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，当所述一个或多个程指令被处理器执行时，实现权利要求1-6中任一项所述的方法。
CN202311127099.7A 2023-09-04 2023-09-04 一种晶圆传送过程中定位及校准的方法及装置 Active CN116864411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311127099.7A CN116864411B (zh) 2023-09-04 2023-09-04 一种晶圆传送过程中定位及校准的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311127099.7A CN116864411B (zh) 2023-09-04 2023-09-04 一种晶圆传送过程中定位及校准的方法及装置

Publications (2)

Publication Number Publication Date
CN116864411A CN116864411A (zh) 2023-10-10
CN116864411B true CN116864411B (zh) 2023-11-10

Family

ID=88230797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311127099.7A Active CN116864411B (zh) 2023-09-04 2023-09-04 一种晶圆传送过程中定位及校准的方法及装置

Country Status (1)

Country Link
CN (1) CN116864411B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117855132B (zh) * 2024-03-07 2024-05-03 泓浒(苏州)半导体科技有限公司 基于伯努利原理的晶圆传送控制方法及传送控制系统
CN118212234B (zh) * 2024-05-20 2024-07-12 北京中电科电子装备有限公司 一种晶圆清洗方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018834A (zh) * 2022-08-08 2022-09-06 山东光岳九州半导体科技有限公司 一种半导体晶片图像对准方法
CN115112666A (zh) * 2022-06-24 2022-09-27 昂坤视觉(北京)科技有限公司 一种晶圆的校准方法及校准系统
CN116190299A (zh) * 2021-11-29 2023-05-30 东京毅力科创株式会社 基板搬送装置和基板搬送方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116190299A (zh) * 2021-11-29 2023-05-30 东京毅力科创株式会社 基板搬送装置和基板搬送方法
CN115112666A (zh) * 2022-06-24 2022-09-27 昂坤视觉(北京)科技有限公司 一种晶圆的校准方法及校准系统
CN115018834A (zh) * 2022-08-08 2022-09-06 山东光岳九州半导体科技有限公司 一种半导体晶片图像对准方法

Also Published As

Publication number Publication date
CN116864411A (zh) 2023-10-10

Similar Documents

Publication Publication Date Title
CN116864411B (zh) 一种晶圆传送过程中定位及校准的方法及装置
CN109521403B (zh) 多线激光雷达的参数标定方法及装置、设备及可读介质
CN110640746B (zh) 机器人的坐标系标定及定位方法、系统、设备、介质
CN110048151B (zh) 一种电池包的组装方法、装置、电子设备及存储介质
CN113787522B (zh) 消除机械臂累积误差的手眼标定方法
CN112668696A (zh) 一种基于嵌入式深度学习的无人机电网巡检方法和系统
CN111801198A (zh) 一种手眼标定方法、系统及计算机存储介质
CN109788277B (zh) 防抖机芯的光轴偏差的补偿方法、装置和存储介质
CN113610968B (zh) 目标检测模型的更新方法及装置
US20080050006A1 (en) Method and apparatus for semiconductor wafer alignment
CN112629413B (zh) 基于cad的线激光全自动扫描系统及扫描方法
CN113997295B (zh) 机械臂的手眼标定方法、装置、电子设备及存储介质
CN111098306A (zh) 机器人的标定方法、装置、机器人和存储介质
CN117080139B (zh) 基于真空吸附技术的晶圆传送控制方法及传送控制系统
CN112643665A (zh) 一种绝对位姿传感器安装误差的标定方法和装置
CN112449104B (zh) 存储有计算机程序的计算机存储介质
CN110582733A (zh) 用于估计工业机器人的调试工具的系统误差的方法和装置
CN113099160A (zh) 基于麦克风阵列的视频会议方法、系统、设备及存储介质
Hoffman et al. IEC 61131-3-based holonic control of a reconfigurable manufacturing subsystem
JP5228856B2 (ja) 作業対象物の位置検出方法および位置検出装置
CN110319771B (zh) 在线测量方法、装置、系统、电子设备、存储介质
CN115096902B (zh) 一种运动控制方法及中框缺陷的检测系统
CN113172636A (zh) 一种自动手眼标定方法、装置及存储介质
CN112975947A (zh) 元器件引脚的矫正方法、装置、设备及存储介质
CN113561181B (zh) 目标检测模型的更新方法、装置及系统

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