CN117115261A - 一种基于薄型晶圆片的刀轮切割定位方法及系统 - Google Patents
一种基于薄型晶圆片的刀轮切割定位方法及系统 Download PDFInfo
- Publication number
- CN117115261A CN117115261A CN202311339552.0A CN202311339552A CN117115261A CN 117115261 A CN117115261 A CN 117115261A CN 202311339552 A CN202311339552 A CN 202311339552A CN 117115261 A CN117115261 A CN 117115261A
- Authority
- CN
- China
- Prior art keywords
- determining
- thin wafer
- gray
- image
- cutter wheel
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 32
- 239000013078 crystal Substances 0.000 claims description 26
- 239000002245 particle Substances 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 235000012431 wafers Nutrition 0.000 description 166
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004377 microelectronic Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000010420 art technique Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Abstract
本申请提供了一种基于薄型晶圆片的刀轮切割定位方法及系统，通过选取薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，确定每个偏离因子集对应的灰度像素点的平滑像素值，进而确定薄型晶圆片平滑图像，对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标，可提高刀轮切割的定位精度。
Description
技术领域
本申请涉及薄型晶圆片技术领域，更具体的说，本申请涉及一种基于薄型晶圆片的刀轮切割定位方法及系统。
背景技术
薄型晶圆片是一种在微电子制造领域广泛应用的关键组件，通常由硅或其他半导体材料制成，具有极薄的平坦结构，在半导体和微电子工业中起着至关重要的作用，薄型晶圆片具有如下特点：材料高度纯净、厚度均匀、表面平整以及能够容纳微小电子元件的微米级结构，是现代电子技术的基础，常用于制造处理器、存储器、传感器和其他各种电子产品。
刀轮切割晶圆片技术是半导体制造中关键的工艺步骤，用于将大尺寸的半导体晶圆分割成小尺寸芯片，在半导体和微电子制造领域具有不可替代的作用，该技术利用带有硬质磨料的刀轮与晶圆相对运动逐渐切割晶圆材料，它降低了半导体材料消耗、提高了晶圆利用率、适应多种器件制造需求、改善性能、支持新技术的发展，同时促进可持续制造，成为推动电子技术进步和创新的不可或缺的工艺。在切割薄型晶圆片等脆性材料时，工件容易受到机械应力和热应力的影响，导致工件发生变形，而现有的机械定位装置和传感器控制系统无法应对变形带来的影响，进而致使切割位置产生偏差，从而导致刀轮切割的定位精度过低。
发明内容
本申请提供一种基于薄型晶圆片的刀轮切割定位方法及系统，以解决刀轮切割的定位精度过低的技术问题。
为解决上述技术问题，本申请采用如下技术方案：
第一方面，本申请提供一种基于薄型晶圆片的刀轮切割定位方法，包括如下步骤：
获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像；
选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集；
确定每个偏离因子集对应的灰度像素点的平滑像素值，根据确定的各个灰度像素点的平滑像素值进一步确定薄型晶圆片平滑图像；
对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点；
确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
在一些实施例中，确定该灰度像素点的相似图界集具体包括：
确定灰度像素点的待定图界集；
确定所述待定图界集中每个待定图界与目标图界的图界相似度，进而确定该灰度像素点的相似图界集。
在一些实施例中，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集具体包括：
根据所述目标图界和所述相似图界集确定相似图界集中各个相似图界的偏离因子；
将确定的各个灰度像素点的偏离因子的集合作为该灰度像素点的偏离因子集。
在一些实施例中，根据所述目标图界和所述相似图界集确定相似图界集中各个相似图界的偏离因子具体包括：
确定偏离差异因子；
获取目标图界中位于处的灰度像素点的灰度像素值/>；
获取相似图界集中第个相似图界中位于/>处的灰度像素点的灰度像素值；
根据所述偏离差异因子、所述目标图界中位于/>处的灰度像素点的灰度像素值/>和所述相似图界集中第/>个相似图界中位于/>处的灰度像素点的灰度像素值/>确定相似图界集中各个相似图界的偏离因子，其中，所述偏离因子采用下述公式确定：
其中，表示相似图界集中第/>个相似图界的偏离因子，/>表示目标图界的灰度像素点的灰度像素值/>与相似图界的灰度像素点的灰度像素值/>的高斯加权欧式距离，/>表示高斯核函数的标准方差，/>表示卷积运算。
在一些实施例中，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓具体包括：
确定所述薄型晶圆片稀疏图像中每个晶粒的边缘点集；
根据每个晶粒的边缘点集确定该个晶粒的拟合轮廓。
在一些实施例中，确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标具体包括：
确定每个晶粒拟合轮廓的局部质点对应的可信矩形；
根据该个可信矩形确定该个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标。
在一些实施例中，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹具体包括：
根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割坐标系；
将切割的薄型晶圆片投影到孪生刀轮切割坐标系中，得到孪生刀轮切割轨迹。
第二方面，本申请提供一种基于薄型晶圆片的刀轮切割定位系统，包括：
薄型晶圆片灰度图像确定模块，用于获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像；
偏离因子集确定模块，用于选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集；
薄型晶圆片平滑图像确定模块，用于确定每个偏离因子集对应的灰度像素点的平滑像素值，根据确定的各个灰度像素点的平滑像素值进一步确定薄型晶圆片平滑图像；
局部质点确定模块，用于对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点；
实际刀轮切割片坐标确定模块，用于确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的基于薄型晶圆片的刀轮切割定位方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于薄型晶圆片的刀轮切割定位方法。
本申请公开的实施例提供的技术方案具有以下有益效果：
本申请提供的基于薄型晶圆片的刀轮切割定位方法及系统中，通过获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像，选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集，确定每个偏离因子集对应的灰度像素点的平滑像素值，根据确定的各个灰度像素点的平滑像素值进一步确定薄型晶圆片平滑图像，对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点，确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
本申请中，首先，通过对薄型晶圆片图像进行灰度处理，将薄型晶圆片图像从彩色空间转换为灰度空间，显著减少了数据的维度，增强了薄型晶圆片图像的特征，其次，通过计算待定图界与目标图界的图界相似度确定该个目标图界对应的灰度像素点的相似图界集，通过计算目标图界与相似图界的偏离因子确定该个目标图界对应的灰度像素点的偏离因子集，根据每个灰度像素点的偏离因子集确定该个灰度像素点的平滑像素值，利用薄型晶圆片灰度图像中相似图界的信息，不仅考虑了灰度像像素点周围的相似图界的信息，还能够保留更多的薄型晶圆片灰度图像中的细节和结构，从而提高了薄型晶圆片灰度图像中冗杂信息的去除效果，然后，对薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像中每个晶粒的轮廓信息，对每个晶粒的轮廓信息进行凸包处理，能够精准提取每个晶粒的轮廓信息，最后，构建高保真性的孪生刀轮切割坐标系，通过孪生刀轮切割坐标完成实际刀轮切割薄型晶圆片的坐标的精准定位，避免了传统机械定位装置在刀轮切割薄型晶圆片时受到切割环境的影响导致切割位置产生偏差的问题，最终，通过上述方法提高了切割薄型晶圆片时刀轮切割的定位精度。
附图说明
图1是根据本申请一些实施例所示的基于薄型晶圆片的刀轮切割定位方法的示例性流程图；
图2是根据本申请一些实施例所示的基于薄型晶圆片的刀轮切割定位系统的示例性硬件和/或软件的示意图；
图3是根据本申请一些实施例所示的实现基于薄型晶圆片的刀轮切割定位方法的计算机设备的结构示意图。
具体实施方式
本申请核心是对薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像，选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，确定每个偏离因子集对应的灰度像素点的平滑像素值，进而确定薄型晶圆片平滑图像，对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆片的实际刀轮切割坐标。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的基于薄型晶圆片的刀轮切割定位方法的示例性流程图，该基于薄型晶圆片的刀轮切割定位方法100主要包括如下步骤：
在步骤101，获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像。
具体实现时，利用光学传感器获取覆盖所有晶粒的薄型晶圆片图像，对于薄型晶圆片图像的每个像素点，获取该个像素点的红、绿、蓝三个颜色通道的数值，将红、绿、蓝三个颜色通道的数值分别乘以对应的系数0.299、0.587、0.114，将三个颜色通道的数值与对应系数的乘积作为红、绿、蓝三个颜色通道的加权数值，再将红、绿、蓝三个颜色通道的加权数值的和作为该像素点的灰度值，将每个灰度值对薄型晶圆片图像中该灰度值对应的像素值进行替换，将替换后的薄型晶圆片图像作为薄型晶圆片灰度图像。
需要说明的是，本申请中的红、绿、蓝三个颜色通道分别对应的系数可根据现有技术全国电视系统委员会标准（NTSC，National Television System Committee）进行确定，在其它实施例中也可以采用其它现有技术标准确定，这里不做限定。
另外需要说明的是，本申请中通过对薄型晶圆片图像进行灰度处理，将薄型晶圆片图像从红绿蓝（RGB，Red Green Blue）彩色空间转换为灰度空间，显著减少了数据的维度，从而减少处理的需求，增强了薄型晶圆片图像的特征，有助于后续晶圆片图像关键特征的提取，将薄型晶圆片灰度图像中所有像素点均作为灰度像素点。
在步骤102，选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集。
具体实现时，以薄型晶圆片灰度图像中的每个灰度像素点为中心、长为宽为/>的矩形区域/>作为该灰度像素点的目标图界，通过设置大小不同的目标图界，可以实现对薄型晶圆片灰度图像不同程度的去噪，目标图界越大的去噪效果越好，目标图界越小的去噪效果越差例如：假设薄型晶圆片灰度图像中一部分灰度像素点的分布情况为：，以薄型晶圆片灰度图像中的灰度像素点/>为中心、长为3宽为3的矩形区域/>作为该灰度像素点/>的目标图界。
需要说明的是，本申请中的矩形区域大小可根据大量实验数据进行预设，在其它实施例中也可以使用其它方法进行预设，这里不做限定。
在一些实施例中，确定该灰度像素点的相似图界集可采用下述步骤实现：
确定灰度像素点的待定图界集；
确定所述待定图界集中每个待定图界与目标图界的图界相似度，进而确定该灰度像素点的相似图界集。
具体实现时，假设薄型晶圆片灰度图像中一部分灰度像素点的分布情况为：，将长为5宽为5的矩形区域/>作为灰度像素点/>的搜索界域，以长为3宽为3的矩形区域对搜索界域按照从左到右、从上到下的顺序依次进行划分，依次得到图界如/>、/>、/>、......、/>所示，将划分得到的图界作为灰度像素点/>的待定图界，将该搜索界域中所有待定图界的集合作为该灰度像素点的待定图界集；获取所述待定图界集中每个待定图界与目标图界的图界相似度，当图界相似度小于图界相似度阈值时，将该图界相似度对应的待定图界作为相似图界，遍历待定图界集中所有待定图界，重复上述步骤，得到待定图界集中所有的相似图界，将所有的相似图界的集合作为该灰度像素点的相似图界集。
需要说明的是，本申请中的图界相似度阈值可根据大量实验数据进行预设，在其它实施例中也可以使用其它现有技术实现，这里不做限定。
在一些实施例中，确定所述待定图界集中每个待定图界与目标图界的图界相似度可采用下述步骤实现：
获取目标图界中位于处的灰度像素点的灰度像素值/>；
获取待定图界集中第个待定图界中位于/>处的灰度像素点的灰度像素值；
根据所述目标图界中位于处的灰度像素点的灰度像素值/>和所述待定图界集中第/>个待定图界中位于/>处的灰度像素点的灰度像素值/>确定每个待定图界与目标图界的图界相似度，其中，所述图界相似度可采用下述公式确定：
其中，表示待定图界集中第/>个待定图界的图界相似度，/>表示目标图界的灰度像素点的灰度像素值/>和待定图界的灰度像素点的灰度像素值/>的高斯加权欧式距离，/>表示高斯核函数的标准方差，/>表示目标图界中灰度像素点所在的行数，/>表示目标图界中灰度像素点所在的列数。
在一些实施例中，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集可采用下述步骤实现：
根据所述目标图界和所述相似图界集确定相似图界集中各个相似图界的偏离因子；
将确定的各个相似图界的偏离因子组成的集合作为该灰度像素点的偏离因子集。
在一些实施例中，根据所述目标图界和所述相似图界集确定相似图界集中各个相似图界的偏离因子可采用下述步骤实现：
确定偏离差异因子；
获取目标图界中位于处的灰度像素点的灰度像素值/>；
获取相似图界集中第个相似图界中位于/>处的灰度像素点的灰度像素值；
根据所述偏离因子归一系数、所述目标图界中位于/>处的灰度像素点的灰度像素值/>和所述相似图界集中第/>个相似图界中位于/>处的灰度像素点的灰度像素值/>确定相似图界集中各个相似图界的偏离因子，其中，所述偏离因子可采用下述公式确定：
其中，表示相似图界集中第/>个相似图界的偏离因子，/>表示目标图界的灰度像素点的灰度像素值/>和相似图界的灰度像素点的灰度像素值/>的高斯加权欧式距离，/>表示高斯核函数的标准方差，/>表示卷积运算。
需要说明的是，本申请中偏离差异因子用于确保灰度像素点的偏离因子集中所有偏离因子的总和为1，偏离因子归一系数/>可采用现有技术归一化均值系数进行确定，在其它实施例中也可以使用其它现有技术实现，这里不做限定。
需要说明的是，本申请中通过计算待定图界与目标图界的图界相似度确定该个目标图界对应的灰度像素点的相似图界集，通过计算目标图界与相似图界的偏离因子确定该个目标图界对应的灰度像素点的偏离因子集，不仅考虑了灰度像像素点周围的相似图界的信息，还能够保留更多的薄型晶圆片灰度图像中的细节和结构。
在步骤103，确定每个偏离因子集对应的灰阶像素点的平滑像素值，根据确定的各个灰阶像素点的平滑像素值进一步确定薄型晶圆片平滑图像。
在一些实施例中，确定每个偏离因子集对应的灰阶像素点的平滑像素值可采用下述步骤实现：
获取薄型晶圆片灰度图像中位于处的灰度像素点的偏离因子集中第/>个偏离因子/>；
获取薄型晶圆片灰度图像中位于处的灰度像素点的偏离因子集中第/>个偏离因子对应的相似图界中位于/>处的灰度像素值/>；
根据所述薄型晶圆片灰度图像中位于处的灰度像素点的偏离因子集中第个偏离因子/>和所述薄型晶圆片灰度图像中位于/>处的灰度像素点的相似图界集中第/>个相似图界中位于/>处的灰度像素值/>确定该偏离因子集对应的灰度像素点的平滑像素值，其中，所述灰度像素点的平滑像素值可采用下述公式确定：
其中，表示薄型晶圆片灰度图像中位于/>处的灰度像素点的平滑像素值，/>表示偏离因子集偏离因子的总数，/>表示相似图界中灰度像素点所在的行数，/>表示相似图界中灰度像素点所在的列数。
具体实现时，获取薄型晶圆片灰度图像中每个灰度像素点的平滑像素值，由每个灰度像素点的平滑像素值对薄型晶圆片灰度图像中该个灰度像素点对应的灰度像素值进行替换，将替换后的薄型晶圆片灰度图像作为薄型晶圆片平滑图像，这里不再赘述。
需要说明的是，本申请中利用薄型晶圆片灰度图像中相似图界的信息，根据每个灰度像素点的偏离因子集确定该个灰度像素点的平滑像素值，能够提高去噪效果，可为薄型晶圆片灰度图像中晶圆轮廓特征的提取提供良好的基础；将薄型晶圆片平滑图像中的所有像素点均作为平滑像素点。
在步骤104，对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点。
具体实现时，对所述薄型晶圆片平滑图像进行稀疏处理，所述稀疏处理即将薄型晶圆片平滑图像中每个平滑像素点的平滑像素值与稀疏像素阈值进行比较，当平滑像素值大于稀疏像素阈值时，将该个平滑像素点的平滑像素值设置为255，当平滑像素值小于稀疏像素阈值时，将该个平滑像素点的平滑像素值设置为0，将稀疏处理后的薄型晶圆片平滑图像作为薄型晶圆片稀疏图像。
需要说明的是，本申请中的稀疏像素阈值可根据历史实验数据进行预设，在其它实施例中也可以使用其它现有技术实现，这里不做限定。
具体实现时，将薄型晶圆片稀疏图像中的每个晶粒所处位置的所有稀疏像素值为0的稀疏像素点的集合作为该个晶粒的边缘点集，对每个晶粒的边缘点集进行凸包处理，得到该个晶粒的拟合轮廓，所述拟合轮廓用于计算机识别晶粒的任务中，以便计算机快速检测到每个晶粒的实际轮廓，提高计算机检测效率，这里不再赘述。
需要说明的是，本申请中的凸包处理可采用现有的凸包技术进行处理，在其它实施例中也可以采用其它现有技术实现，这里不做限定。
具体实现时，获取每个晶粒的拟合轮廓的上下左右4个方位上的中线位置的凸包点，将4个凸包点之间用直线连接得到一个矩形，将该矩形的几何中心作为该个晶粒拟合轮廓的局部质点。
需要说明的是，本申请中通过对薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像中每个晶粒的轮廓信息，再对每个晶粒的轮廓信息进行凸包处理，能够精准提取每个晶粒的轮廓信息。
在步骤105，确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
在一些实施例中，确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标可采用下述步骤实现：
确定每个晶粒拟合轮廓的局部质点对应的可信矩形；
根据该个可信矩形确定该个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标。
具体实现时，对于每个晶粒拟合轮廓的局部质点，获取多个相邻的晶粒拟合轮廓的局部质点构成一个可信矩形，对该可信矩形进行栅格分割，将分割得到的每个栅格的中心作为孪生可信坐标，例如：假设晶粒拟合轮廓的局部质点之间的距离为1，对于晶粒拟合轮廓的局部质点，获取8个相邻的晶粒拟合轮廓的局部质点构成一个大小为2*2的可信矩形/>，按照栅格大小为1*1、分割方向从左到右从上到下依次对所述可信矩形进行栅格分割，得到4个大小为1*1的栅格/>、/>、/>、/>，再将每个大小为1*1的栅格的中心作为孪生可信坐标，对薄型晶圆片中每个晶粒拟合轮廓的局部质点进行遍历，重复上述步骤，得到所有的孪生可信坐标。
在一些实施例中，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹可采用下述步骤实现：
根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割坐标系；
将切割的薄型晶圆片投影到孪生刀轮切割坐标系中，得到孪生刀轮切割轨迹。
在一些实施例中，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割坐标系可采用下述步骤实现：
根据薄型晶圆片图像确定孪生刀轮切割坐标系的原点；
根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割坐标系的x轴；
根据所述孪生刀轮切割坐标系的x轴确定孪生刀轮切割坐标系的y轴；
由所述孪生刀轮切割坐标系的原点、所述孪生刀轮切割坐标系的x轴和所述孪生刀轮切割坐标系的y轴确定孪生刀轮切割坐标系。
具体实现时，若薄型晶圆片图像的圆心位置是孪生可信坐标，则将薄型晶圆片图像的圆心作为孪生刀轮切割坐标系的原点，若薄型晶圆片图像的圆心位置不是孪生可信坐标，则将与薄型晶圆片图像的圆心距离最小的孪生可信坐标作为孪生刀轮切割坐标系的原点；将所述原点与该原点左边第一个孪生可信坐标点的连线所在的直线作为孪生刀轮切割坐标系的x轴；将经过所述原点、与孪生刀轮切割坐标系的x轴垂直的直线作为孪生刀轮切割坐标系的y轴；由所述孪生刀轮切割坐标系的原点、所述孪生刀轮切割坐标系的x轴和所述孪生刀轮切割坐标系的y轴组成孪生刀轮切割坐标系。
具体实现时，通过传感器获取实际刀轮的坐标位置，通过现有技术中的平行投影技术将实际刀轮的坐标位置投影到孪生刀轮切割坐标系中，将实际刀轮位置投影得到的坐标作为孪生刀轮切割坐标，通过现有技术中的平行投影技术将切割的薄型晶圆片投影到孪生刀轮切割坐标系中，将投影得到的所有孪生刀轮切割坐标点相连得到薄型晶圆片的孪生刀轮切割轨迹。
具体实现时，根据所述孪生刀轮切割轨迹设置薄型晶圆的实际刀轮切割片坐标，以实现薄型晶圆片的刀轮切割定位，这里不再赘述。
需要说明的是，本申请中构建高保真性的孪生刀轮切割坐标系，通过孪生刀轮切割坐标完成实际刀轮切割薄型晶圆片的坐标的精准定位，避免了传统机械定位装置在刀轮切割薄型晶圆片时受到切割环境的影响导致切割位置产生偏差的问题，从而提高了切割薄型晶圆片时刀轮切割的定位精度。
另外，本申请的另一方面，在一些实施例中，本申请提供一种基于薄型晶圆片的刀轮切割定位系统，参考图2，该图是根据本申请一些实施例所示的基于薄型晶圆片的刀轮切割定位系统的示例性硬件和/或软件的示意图，该基于薄型晶圆片的刀轮切割定位系统200包括：薄型晶圆片灰度图像确定模块201、偏离因子集确定模块202、薄型晶圆片平滑图像确定模块203、局部质点确定模块204和实际刀轮切割片坐标确定模块205，分别说明如下：
薄型晶圆片灰度图像确定模块201，主要用于获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像；
偏离因子集确定模块202，主要用于选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集；
薄型晶圆片平滑图像确定模块203，主要用于确定每个偏离因子集对应的灰度像素点的平滑像素值，根据确定的各个灰度像素点的平滑像素值进一步确定薄型晶圆片平滑图像；
局部质点确定模块204，主要用于对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点；
实际刀轮切割片坐标确定模块205，主要用于确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
另外，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的基于薄型晶圆片的刀轮切割定位方法。
在一些实施例中，参考图3，该图是根据本申请一些实施例所示的应用基于薄型晶圆片的刀轮切割定位方法的计算机设备的结构示意图。上述实施例中的基于薄型晶圆片的刀轮切割定位方法可以通过图3所示的计算机设备来实现，该计算机设备包括至少一个处理器301、通信总线302、存储器303以及至少一个通信接口304。
处理器301可以是一个通用中央处理器(central processing unit，CPU)、特定应用集成电路(application-specific integrated circuit，ASIC)或一个或多个用于控制本申请中的基于薄型晶圆片的刀轮切割定位方法的执行。
通信总线302可包括一通路，在上述组件之间传送信息。
存储器303可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器（random access memory，RAM）或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器（electricallyerasable programmable read-only memory，EEPROM）、只读光盘（compact disc read-only Memory，CD-ROM）或其它光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器303可以是独立存在，通过通信总线302与处理器301相连接。存储器303也可以和处理器301集成在一起。
其中，存储器303用于存储执行本申请方案的程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中基于薄型晶圆片的刀轮切割定位系统可以通过处理器301以及存储器303中的程序代码中的一个或多个软件模块实现。
通信接口304，使用任何收发器一类的装置，用于与其它设备或通信网络通信，如以太网，无线接入网（radio access network，RAN），无线局域网（wireless local areanetworks，WLAN）等。
在具体实现中，作为一种实施例，计算机设备可以包括多个处理器，这些处理器中的每一个可以是一个单核（single-CPU）处理器，也可以是一个多核（multi-CPU）处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序指令）的处理核。
上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑（personaldigital assistant，PDA）、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。
另外，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于薄型晶圆片的刀轮切割定位方法。
综上，本申请实施例公开的基于薄型晶圆片的刀轮切割定位方法及系统中，首先，通过对薄型晶圆片图像进行灰度处理，将薄型晶圆片图像从彩色空间转换为灰度空间，显著减少了数据的维度，增强了薄型晶圆片图像的特征，其次，通过计算待定图界与目标图界的图界相似度确定该个目标图界对应的灰度像素点的相似图界集，通过计算目标图界与相似图界的偏离因子确定该个目标图界对应的灰度像素点的偏离因子集，根据每个灰度像素点的偏离因子集确定该个灰度像素点的平滑像素值，利用薄型晶圆片灰度图像中相似图界的信息，不仅考虑了灰度像像素点周围的相似图界的信息，还能够保留更多的薄型晶圆片灰度图像中的细节和结构，从而提高了薄型晶圆片灰度图像中冗杂信息的去除效果，然后，对薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像中每个晶粒的轮廓信息，对每个晶粒的轮廓信息进行凸包处理，能够精准提取每个晶粒的轮廓信息，最后，构建高保真性的孪生刀轮切割坐标系，通过孪生刀轮切割坐标完成实际刀轮切割薄型晶圆片的坐标的精准定位，避免了传统机械定位装置在刀轮切割薄型晶圆片时受到切割环境的影响导致切割位置产生偏差的问题，最终，通过上述方法提高了切割薄型晶圆片时刀轮切割的定位精度。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于薄型晶圆片的刀轮切割定位方法，其特征在于，包括如下步骤：
获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像；
选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集；
确定每个偏离因子集对应的灰度像素点的平滑像素值，根据确定的各个灰度像素点的平滑像素值进一步确定薄型晶圆片平滑图像；
对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点；
确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
2.如权利要求1所述的方法，其特征在于，确定该灰度像素点的相似图界集具体包括：
确定该灰度像素点的待定图界集；
确定所述待定图界集中每个待定图界与目标图界的图界相似度，进而确定该灰度像素点的相似图界集。
3.如权利要求1所述的方法，其特征在于，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集具体包括：
根据所述目标图界和所述相似图界集确定相似图界集中各个相似图界的偏离因子；
将确定的各个相似图界的偏离因子组成的集合作为该灰度像素点的偏离因子集。
4.如权利要求3所述的方法，其特征在于，根据所述目标图界和所述相似图界集确定相似图界集中各个相似图界的偏离因子具体包括：
确定偏离差异因子；
获取目标图界中位于处的灰度像素点的灰度像素值/>；
获取相似图界集中第个相似图界中位于/>处的灰度像素点的灰度像素值/>；
根据所述偏离差异因子、所述目标图界中位于/>处的灰度像素点的灰度像素值和所述相似图界集中第/>个相似图界中位于/>处的灰度像素点的灰度像素值/>确定相似图界集中各个相似图界的偏离因子，其中，所述偏离因子采用下述公式确定：
其中，表示相似图界集中第/>个相似图界的偏离因子，/>表示目标图界的灰度像素点的灰度像素值/>与相似图界的灰度像素点的灰度像素值/>的高斯加权欧式距离，/>表示高斯核函数的标准方差，/>表示卷积运算。
5.如权利要求1所述的方法，其特征在于，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓具体包括：
确定所述薄型晶圆片稀疏图像中每个晶粒的边缘点集；
根据每个晶粒的边缘点集确定该个晶粒的拟合轮廓。
6.如权利要求1所述的方法，其特征在于，确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标具体包括：
确定每个晶粒拟合轮廓的局部质点对应的可信矩形；
根据该个可信矩形确定该个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标。
7.如权利要求1所述的方法，其特征在于，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹具体包括：
根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割坐标系；
将切割的薄型晶圆片投影到孪生刀轮切割坐标系中，得到孪生刀轮切割轨迹。
8.一种基于薄型晶圆片的刀轮切割定位系统，其特征在于，包括：
薄型晶圆片灰度图像确定模块，用于获取覆盖晶粒的薄型晶圆片图像，对所述薄型晶圆片图像进行灰度处理，得到薄型晶圆片灰度图像；
偏离因子集确定模块，用于选取所述薄型晶圆片灰度图像中的一个灰度像素点，确定该灰度像素点的目标图界，进而确定该灰度像素点的相似图界集，根据所述目标图界和所述相似图界集确定该灰度像素点的偏离因子集，遍历所述薄型晶圆片灰度图像中所有的灰度像素点，重复上述步骤，得到每个灰度像素点的偏离因子集；
薄型晶圆片平滑图像确定模块，用于确定每个偏离因子集对应的灰度像素点的平滑像素值，根据确定的各个灰度像素点的平滑像素值进一步确定薄型晶圆片平滑图像；
局部质点确定模块，用于对所述薄型晶圆片平滑图像进行稀疏处理，得到薄型晶圆片稀疏图像，确定所述薄型晶圆片稀疏图像中每个晶粒的拟合轮廓，进而确定每个晶粒的拟合轮廓的局部质点；
实际刀轮切割片坐标确定模块，用于确定每个晶粒拟合轮廓的局部质点的孪生刀轮可信坐标，根据确定的各个孪生刀轮可信坐标确定孪生刀轮切割轨迹，根据所述孪生刀轮切割轨迹确定薄型晶圆的实际刀轮切割片坐标。
9.一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，其特征在于，所述处理器被配置为获取所述代码，并执行如权利要求1至7任一项所述的基于薄型晶圆片的刀轮切割定位方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于薄型晶圆片的刀轮切割定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311339552.0A CN117115261B (zh) | 2023-10-17 | 2023-10-17 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311339552.0A CN117115261B (zh) | 2023-10-17 | 2023-10-17 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117115261A true CN117115261A (zh) | 2023-11-24 |
| CN117115261B CN117115261B (zh) | 2024-03-19 |
Family
ID=88805742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311339552.0A Active CN117115261B (zh) | 2023-10-17 | 2023-10-17 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117115261B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369251A (zh) * | 2023-12-07 | 2024-01-09 | 深圳市阿尔斯自动化科技有限公司 | 一种锂电池的切叠一体机的控制方法及其相关设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103186885A (zh) * | 2011-12-30 | 2013-07-03 | 浙江大学 | 图像去噪的方法和装置 |
| CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
| CN109697699A (zh) * | 2017-10-24 | 2019-04-30 | 比亚迪股份有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN110136088A (zh) * | 2019-05-23 | 2019-08-16 | 大连理工大学 | 一种人类胚胎心脏超声图像去噪方法 |
| CN111783583A (zh) * | 2020-06-22 | 2020-10-16 | 西安电子科技大学 | 基于非局部均值算法的sar图像相干斑抑制方法 |
| CN113393387A (zh) * | 2021-05-26 | 2021-09-14 | 房超 | 一种数学形态学自适应结构元素构造方法 |
| CN113921412A (zh) * | 2021-09-29 | 2022-01-11 | 合肥御微半导体技术有限公司 | 一种晶圆中晶片周期的计算方法、装置和设备 |
| CN114140416A (zh) * | 2021-11-26 | 2022-03-04 | 南京颖图电子技术有限公司 | 一种基于机器视觉的玻璃边缘检测方法和系统 |
| CN114549599A (zh) * | 2022-01-13 | 2022-05-27 | 中国电子科技集团公司第十三研究所 | 晶圆快速预对准方法、装置、电子设备及存储介质 |
| CN114999908A (zh) * | 2022-04-29 | 2022-09-02 | 深圳市青虹激光科技有限公司 | 晶圆加工方法、设备以及计算机可读存储介质 |
| CN115122513A (zh) * | 2022-05-27 | 2022-09-30 | 深圳市青虹激光科技有限公司 | 晶圆加工方法、设备及存储介质 |
| CN115423864A (zh) * | 2022-07-26 | 2022-12-02 | 北京工业大学 | 晶圆图像中芯片切割道自动定位方法 |
| CN115423756A (zh) * | 2022-08-10 | 2022-12-02 | 上海精测半导体技术有限公司 | 一种获取晶圆边缘点的信息及晶圆定位的方法 |
| US20230169637A1 (en) * | 2021-12-01 | 2023-06-01 | Seagate Technology Llc | Method for grain size analysis |
-
2023
- 2023-10-17 CN CN202311339552.0A patent/CN117115261B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103186885A (zh) * | 2011-12-30 | 2013-07-03 | 浙江大学 | 图像去噪的方法和装置 |
| CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
| CN109697699A (zh) * | 2017-10-24 | 2019-04-30 | 比亚迪股份有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN110136088A (zh) * | 2019-05-23 | 2019-08-16 | 大连理工大学 | 一种人类胚胎心脏超声图像去噪方法 |
| CN111783583A (zh) * | 2020-06-22 | 2020-10-16 | 西安电子科技大学 | 基于非局部均值算法的sar图像相干斑抑制方法 |
| CN113393387A (zh) * | 2021-05-26 | 2021-09-14 | 房超 | 一种数学形态学自适应结构元素构造方法 |
| CN113921412A (zh) * | 2021-09-29 | 2022-01-11 | 合肥御微半导体技术有限公司 | 一种晶圆中晶片周期的计算方法、装置和设备 |
| CN114140416A (zh) * | 2021-11-26 | 2022-03-04 | 南京颖图电子技术有限公司 | 一种基于机器视觉的玻璃边缘检测方法和系统 |
| US20230169637A1 (en) * | 2021-12-01 | 2023-06-01 | Seagate Technology Llc | Method for grain size analysis |
| CN114549599A (zh) * | 2022-01-13 | 2022-05-27 | 中国电子科技集团公司第十三研究所 | 晶圆快速预对准方法、装置、电子设备及存储介质 |
| CN114999908A (zh) * | 2022-04-29 | 2022-09-02 | 深圳市青虹激光科技有限公司 | 晶圆加工方法、设备以及计算机可读存储介质 |
| CN115122513A (zh) * | 2022-05-27 | 2022-09-30 | 深圳市青虹激光科技有限公司 | 晶圆加工方法、设备及存储介质 |
| CN115423864A (zh) * | 2022-07-26 | 2022-12-02 | 北京工业大学 | 晶圆图像中芯片切割道自动定位方法 |
| CN115423756A (zh) * | 2022-08-10 | 2022-12-02 | 上海精测半导体技术有限公司 | 一种获取晶圆边缘点的信息及晶圆定位的方法 |
Non-Patent Citations (1)
| Title |
|---|
| YUEZONG WANG: "An Automatic Detection Method for Cutting Path of Chips in Wafer", 《 MICROMACHINES 2023》, pages 1 - 23 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117369251A (zh) * | 2023-12-07 | 2024-01-09 | 深圳市阿尔斯自动化科技有限公司 | 一种锂电池的切叠一体机的控制方法及其相关设备 |
| CN117369251B (zh) * | 2023-12-07 | 2024-02-13 | 深圳市阿尔斯自动化科技有限公司 | 一种锂电池的切叠一体机的控制方法及其相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117115261B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117115261B (zh) | 一种基于薄型晶圆片的刀轮切割定位方法及系统 | |
| CN109543489B (zh) | 基于二维码的定位方法、装置和存储介质 | |
| CN105046684A (zh) | 一种基于多边形广义霍夫变换的图像匹配方法 | |
| CN103077916B (zh) | 一种图像检测自动定位晶圆位置的方法 | |
| US8305435B2 (en) | Image processing system and scanning electron microscope | |
| CN111815706A (zh) | 面向单品类拆垛的视觉识别方法、装置、设备及介质 | |
| CN115937167A (zh) | 电池极片陶瓷的缺陷检测方法、装置及电子设备 | |
| CN114972621A (zh) | 一种三维建筑轮廓提取方法、装置、电子设备及存储介质 | |
| US11023770B2 (en) | Systems and methods for obtaining templates for tessellated images | |
| CN115239772A (zh) | 船舶曲板三维点云配准方法、系统、存储介质及终端 | |
| US6999848B2 (en) | Process control apparatus, systems, and methods | |
| WO2008045826A2 (en) | Method of arranging dies in a wafer for easy inkless partial wafer process | |
| CN113449484A (zh) | 用于制造集成电路的热点避免方法 | |
| CN114202578A (zh) | 一种晶圆的对准方法和装置 | |
| CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| CN114488943B (zh) | 面向配合工况下的随机多区域高效打磨路径规划方法 | |
| CN115546143A (zh) | 定位晶圆的中心点的方法、装置、存储介质以及电子设备 | |
| CN112581621A (zh) | 一种三维点云钢板空间尺寸在线提取方法 | |
| CN111630566A (zh) | 为棋盘格图像获取模板的系统和方法 | |
| CN114842084B (zh) | 一种地图构建方法、装置及移动探测设备 | |
| CN110826513B (zh) | 一种指静脉设备一致性的校准方法 | |
| CN111199563B (zh) | 基于改进霍夫变换算法的单晶硅太阳能晶片图像定位方法 | |
| CN117094998B (zh) | 一种单晶硅片生产过程的缺陷检测方法 | |
| CN116563419B (zh) | 晶圆图配置数据的修正方法、装置、电子设备及存储介质 | |
| CN110135217B (zh) | 用于识别图像中的表格内的字符的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |