CN117372421A - 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 - Google Patents

晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 Download PDF

Info

Publication number
CN117372421A
CN117372421A CN202311639589.5A CN202311639589A CN117372421A CN 117372421 A CN117372421 A CN 117372421A CN 202311639589 A CN202311639589 A CN 202311639589A CN 117372421 A CN117372421 A CN 117372421A
Authority
CN
China
Prior art keywords
image
wafer
defect
target
coordinate system
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
CN202311639589.5A
Other languages
English (en)
Other versions
CN117372421B (zh
Inventor
陈建帅
向益俊
高锦龙
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 Yibi Technology Co ltd
Original Assignee
Shenzhen Yibi 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 Yibi Technology Co ltd filed Critical Shenzhen Yibi Technology Co ltd
Priority to CN202311639589.5A priority Critical patent/CN117372421B/zh
Publication of CN117372421A publication Critical patent/CN117372421A/zh
Application granted granted Critical
Publication of CN117372421B publication Critical patent/CN117372421B/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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/403—Edge-driven scaling; Edge-based scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统。该方法包括：获取晶圆对应的至少两张线扫图像，至少一张线扫图像中存在目标缺陷；对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像，确定目标缺陷在二值化图像中的第一缺陷坐标；对线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；根据第一晶圆图像和二值化图像，确定目标转换矩阵；根据目标缺陷在二值化图像中的第一缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标。该方法无需进行复杂的处理过程，即可实现对目标缺陷的定位，能够提高对目标缺陷的定位效率，并且，该目标缺陷对应的晶圆可以是任意规格晶圆，具有较强兼容性。

Description

晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统
技术领域
本发明涉及半导体技术领域，尤其涉及一种晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统。
背景技术
当前，在半导体晶圆的设计、制造和封装的各个环节，需要进行多次的缺陷检测，以确保产品质量。然而，现有技术中，由于半导体晶圆的规格不一，对半导体晶圆的缺陷定位方式较为复杂，使得晶圆的缺陷定位效率较低，进而降低晶圆缺陷的检测效率。因此，如何提高晶圆缺陷定位效率是当前亟待解决的技术问题。
发明内容
本发明实施例提供一种晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统，以解决如何提高晶圆缺陷定位效率的问题。
一种晶圆缺陷定位方法，包括：
获取晶圆对应的至少两张线扫图像，至少一张所述线扫图像中存在目标缺陷；
对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标；
对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；
根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵；
根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
优选地，所述对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标，包括：
采用自适应阈值算法，对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的最优二值化阈值；
对每一所述线扫图像对应的所述最优二值化阈值进行均值处理，得到每一所述线扫图像对应的目标二值化阈值；
基于所述目标二值化阈值，对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像；
建立所述目标缺陷所在的二值化图像对应的子图坐标系，在所述子图坐标系中，确定所述目标缺陷的第一缺陷坐标。
优选地，所述对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像，包括：
识别每一所述二值化图像中晶圆的顶部边缘点和/或底部边缘点；
将上一张所述二值化图像中晶圆的底部边缘点与下一张所述二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，得到第一晶圆图像。
优选地，所述根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵，包括：
从至少两个所述二值化图像中，确定基准图像；
根据所述第一晶圆图像和所述基准图像，确定目标转换矩阵。
优选地，所述根据所述第一晶圆图像和所述基准图像，确定目标转换矩阵，包括：
在所述第一晶圆图像的曲线边缘选取三个基准点；
建立所述基准图像对应的基准坐标系，确定所述第一晶圆图像的基准点在所述基准坐标系中的基准坐标；
根据所述第一晶圆图像的基准坐标和所述第一晶圆图像的定位边，建立所述第一晶圆图像对应的晶圆坐标系；
根据所述第一晶圆图像的定位边，确定所述晶圆坐标系的X轴相对所述基准坐标系的角度；
根据所述晶圆坐标系的X轴相对所述基准坐标系的角度和所述晶圆坐标系的原点，构建所述基准坐标系相对所述晶圆坐标系的目标转换矩阵。
优选地，所述根据所述第一晶圆图像的定位边，确定所述晶圆坐标系的X轴相对所述基准坐标系的角度，包括：
在所述第一晶圆图像的定位边选取两个定位点，并获取所述定位点在所述基准坐标系中的定位坐标；
根据所述定位坐标，确定所述晶圆坐标系的X轴相对所述基准坐标系的斜率；
根据所述晶圆坐标系的X轴相对所述基准坐标系的斜率，确定所述晶圆坐标系的X轴相对所述基准坐标系的角度。
优选地，所述根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标，包括：
确定所述目标缺陷在所述二值化图像中的第一缺陷坐标相对所述基准图像的X轴坐标偏移量和Y轴坐标偏移量；
根据所述目标缺陷在所述二值化图像中的第一缺陷坐标、所述X轴坐标偏移量和所述Y轴坐标偏移量，确定所述目标缺陷相对所述基准图像的第二缺陷坐标；
根据所述目标缺陷相对所述基准图像的第二缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
优选地，所述根据所述目标缺陷相对所述基准图像的第二缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标，包括：
对所述目标缺陷对应的第二缺陷坐标进行向量化处理，得到第一向量；
采用所述目标转换矩阵对所述第一向量进行转换处理，得到第二向量；
对所述第二向量进行坐标提取，得到所述目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
一种晶圆缺陷定位装置，包括：
线扫图像获取模块，用于获取晶圆对应的至少两张线扫图像，至少一张所述线扫图像中存在目标缺陷；
第一缺陷坐标确定模块，用于对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标；
第一晶圆图像获取模块，用于对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；
目标转换矩阵确定模块，用于根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵；
目标缺陷坐标确定模块，用于根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
一种定位设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述晶圆缺陷定位方法。
一种晶圆缺陷定位系统，包括线扫相机和定位设备，所述定位设备与所述线扫相机相连，用于实现上述晶圆缺陷定位方法。
上述晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统，对线扫图像进行二值化处理得到二值化图像，便于更加清晰且准确地在二值化图像中确定目标缺陷以及目标缺陷对应的第一缺陷坐标。将二值化图像进行拼接，得到完整的第一晶圆图像，能够对不同规格的晶圆对应的二值化图像进行拼接，得到不同规格的晶圆对应的第一晶圆图像，对晶圆的规格具有较强的兼容性。根据目标转换矩阵，对目标缺陷在二值化图像中的第一缺陷坐标，转化至在第一晶圆图像中的目标缺陷坐标，无需进行复杂的处理过程，即可实现对目标缺陷的定位，较为方便快捷，能够提高对目标缺陷的定位效率，并且，由于该目标缺陷对应的晶圆可以是任意规格的晶圆，该方法能够对不同规格晶圆的目标缺陷进行较高效率的定位。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中晶圆缺陷定位方法的一流程图；
图2是图1中步骤S102的一流程图；
图3是图1中步骤S103的一流程图；
图4是图1中步骤S104的一流程图；
图5是图4中步骤S402的一流程图；
图6是图5中步骤S504的一流程图；
图7是图1中步骤S105的一流程图；
图8是图7中步骤S703的一流程图；
图9是本发明一实施例中晶圆缺陷定位装置的一示意图；
图10是本发明一实施例中定位设备的一示意图；
图11是本发明一实施例中存在目标缺陷的二值化图像对应的子图坐标系示意图；
图12是本发明一实施例中二值化图像的顶部边缘点和/或底部边缘点示意图；
图13是本发明一实施例中直接对二值化图像拼接生成的晶圆图像；
图14是本发明一实施例中基准图像中的基准点和第一晶圆图像的定位点示意图；
图15是本发明一实施例中基准坐标系的示意图；
图16是本发明一实施例中基准坐标系与晶圆坐标系的示意图；
图17是本发明一实施例中第一缺陷坐标的X轴坐标相对基准图像的X轴坐标偏移量的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种晶圆缺陷定位方法，用于实现提高晶圆缺陷定位效率的目的。该晶圆缺陷定位方法应用在晶圆缺陷定位系统中，该晶圆缺陷定位系统包括相互连接的定位设备与线扫相机，其中，线扫相机用于对晶圆进行线扫处理，采集线扫后的线扫图像，并将线扫图像传输至定位设备。定位设备按照晶圆缺陷定位方法，对收到的线扫图像进行处理，得到晶圆缺陷的位置坐标，实现对晶圆缺陷的定位。
在一实施例中，如图1所示，提供一种晶圆缺陷定位方法，以该方法应用在图10中的定位设备为例进行说明，包括如下步骤：
S101：获取晶圆对应的至少两张线扫图像，至少一张线扫图像中存在目标缺陷；
S102：对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像，确定目标缺陷在二值化图像中的第一缺陷坐标；
S103：对至少两个线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；
S104：根据第一晶圆图像和二值化图像，确定目标转换矩阵；
S105：根据目标缺陷在二值化图像中的第一缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标。
其中，线扫图像是指对晶圆进行线阵扫描处理得到的图像。目标缺陷是指晶圆存在的缺陷。
作为一示例，步骤S101中，定位设备获取对晶圆进行线阵扫描处理得到的至少两张线扫图像，其中，至少一张线扫图像存在目标缺陷。可理解地，晶圆表面可能存在至少一个目标缺陷，对晶圆进行线阵扫描后，得到的至少两张线扫图像中，可能一张线扫图像存在至少一个目标缺陷，也可能不止一张中存在目标缺陷。本示例中的晶圆可以是无图形晶圆，可理解地，对于无图形晶圆，其表面没有任何图形的加工痕迹，可以更加快速且精确地确定晶圆缺陷。本示例中，获取晶圆图像对应的线扫图像，便于后续对目标缺陷进行定位。
其中，二值化处理用于将线扫图像转化为二值化图像。二值化图像是指对线扫图像进行二值化处理后得到的图像，具体可理解为采用两个数值表征的图像。第一缺陷坐标是指目标缺陷在该目标缺陷所在的二值化图像中的坐标。
作为一示例，步骤S102中，定位设备采用二值化处理算法对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像，并在每一二值化图像中识别目标缺陷，确定每一目标缺陷在该目标缺陷所在的二值化图像中的第一缺陷坐标。例如，可以对每一二值化图像建立对应的坐标系，确定目标缺陷在该目标缺陷所在的二值化图像中的第一缺陷坐标。本示例中，对线扫图像进行二值化处理得到二值化图像，便于更加清晰且准确地在二值化图像中确定目标缺陷以及目标缺陷对应的第一缺陷坐标。
其中，第一晶圆图像是指对二值化图像进行拼接得到的晶圆图像。
作为一示例，步骤S103中，定位设备按照线阵扫描顺序，对二值化图像进行拼接，使每一二值化图像中的部分晶圆图像拼接成一个完整的晶圆图像，将该完整的晶圆图像作为第一晶圆图像。本示例中，将二值化图像进行拼接，得到完整的第一晶圆图像，能够对不同规格的晶圆对应的二值化图像进行拼接，得到不同规格的晶圆对应的第一晶圆图像，对晶圆的规格具有较强的兼容性。可理解地，由于晶圆规格的不同，在对晶圆中的目标缺陷进行定位时，需要在每一晶圆对应的第一晶圆图像进行定位，本示例中获取第一晶圆图像的方式可以适用于多种规格的晶圆。
其中，目标转换矩阵用于将目标缺陷在二值化图像中的第一缺陷坐标转化为在第一晶圆图像中的目标缺陷坐标。目标缺陷坐标是指目标缺陷在第一晶圆图像中的坐标。
作为一示例，步骤S104中，定位设备在得到拼接生成的第一晶圆图像之后，计算二值化图像和第一晶圆图像之间的目标转换矩阵，该目标转换矩阵用于将目标缺陷在线阵扫描对应的二值化图像中的第一缺陷坐标转化至在第一晶圆图像中的目标缺陷坐标，便于后续实现目标缺陷的定位。
作为一示例，步骤S105中，定位设备采用目标转换矩阵对目标缺陷在二值化图像中的第一缺陷坐标进行处理，得到目标缺陷在第一晶圆图像中的目标缺陷坐标，完成对目标缺陷在第一晶圆图像中的定位。本示例中，根据目标转换矩阵，对目标缺陷在二值化图像中的第一缺陷坐标，转化至在第一晶圆图像中的目标缺陷坐标，无需进行复杂的处理过程，即可实现对目标缺陷的定位，较为方便快捷，能够提高对目标缺陷的定位效率，并且，该目标缺陷对应的晶圆可以是任意规格的晶圆，因此，该方法能够对不同规格晶圆的目标缺陷进行较为快速定位。
本实施例中，对线扫图像进行二值化处理得到二值化图像，便于更加清晰且准确地在二值化图像中确定目标缺陷以及目标缺陷对应的第一缺陷坐标。将二值化图像进行拼接，得到完整的第一晶圆图像，能够对不同规格的晶圆对应的二值化图像进行拼接，得到不同规格的晶圆对应的第一晶圆图像，对晶圆的规格具有较强的兼容性。根据目标转换矩阵，对目标缺陷在二值化图像中的第一缺陷坐标，转化至在第一晶圆图像中的目标缺陷坐标，无需进行复杂的处理过程，即可实现对目标缺陷的定位，较为方便快捷，能够提高对目标缺陷的定位效率，并且，由于该目标缺陷对应的晶圆可以是任意规格的晶圆，该方法能够对不同规格晶圆的目标缺陷进行较高效率的定位。
在一实施例中，如图2所示，步骤S102，即对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像，确定目标缺陷在二值化图像中的第一缺陷坐标，包括：
S201：采用自适应阈值算法，对每一线扫图像进行二值化处理，得到每一线扫图像对应的最优二值化阈值；
S202：对每一线扫图像对应的最优二值化阈值进行均值处理，得到每一线扫图像对应的目标二值化阈值；
S203：基于目标二值化阈值，对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像；
S204：建立目标缺陷所在的二值化图像对应的子图坐标系，在子图坐标系中，确定目标缺陷的第一缺陷坐标。
其中，最优二值化阈值是指通过自适应阈值算法对线扫图像进行二值化处理后得到的二值化阈值。可理解地，二值化阈值是指对图像进行二值化的阈值，图像中某一像素点的灰度值大于该二值化阈值时，该像素点的灰度值取255；图像中某一像素点的灰度值不大于该二值化阈值时，该像素点的灰度值取0。
作为一示例，步骤S201中，定位设备采用自适应阈值算法对每一线扫图像进行二值化处理，确定每一线扫图像在采用自适应阈值算法进行二值化的过程中确定的最优二值化阈值。可理解地，采用自适应阈值算法对每一线扫图像进行二值化处理，可以得到每一线扫图像对应的二值化阈值，由于采用的是自适应阈值算法，不同的线扫图像对应的二值化阈值可能不同，该二值化阈值对于对应的线扫图像是最为优化的二值化阈值，因此，将该二值化阈值作为最优二值化阈值。本示例中，确定每一线扫图像对应的最优二值化阈值，便于后续根据最优二值化阈值确定目标二值化阈值。
其中，目标二值化阈值是采用固定阈值算法将线扫图像转化为二值化图像过程中采用的阈值。
作为一示例，步骤S202中，定位设备在获取每一线扫图像对应的最优二值化阈值之后，对所有最优二值化阈值进行均值处理，得到所有最优二值化阈值的均值，将该均值作为后续获取二值化图像时采用的目标二值化阈值。本示例中，将所有最优二值化阈值的均值作为目标二值化阈值，便于后续得到较为精确的二值化图像，根据较为精确的二值化图像，快速确定目标缺陷，提高对目标缺陷的定位效率。
作为一示例，步骤S203中，定位设备采用固定阈值算法对每一线扫图像进行二值化处理，并将目标二值化阈值作为二值化处理时的二值化阈值，得到每一线扫图像对应的二值化图像。本示例中，采用目标二值化阈值对每一线扫图像进行二值化处理，能够得到更加精确的二值化图像。
其中，子图坐标系是指目标缺陷所在的二值化图像对应的坐标系。
作为一示例，步骤S204中，定位设备在得到每一线扫图像对应的二值化图像之后，在二值化图像中确定目标缺陷，对目标缺陷所在的二值化图像建立子图坐标系，并在子图坐标系中确定目标缺陷的第一缺陷坐标。如图11所示，为存在目标缺陷的二值化图像对应的子图坐标系示意图。由图11可知，定位设备在目标缺陷所在的二值化图像对应的子图坐标系中，将二值化图像的左上角顶点作为子图坐标系的原点，将二值化图像中与子图坐标系的原点相邻的两边，分别作为子图坐标系的X轴和子图坐标系的Y轴。本示例中，在二值化图像中能够较为精确且快速地确定目标缺陷，通过建立目标缺陷所在二值化图像对应的子图坐标系，可以更加快速地确定目标缺陷在二值化图像中的第一缺陷坐标。
本实施例中，采用目标二值化阈值对每一线扫图像进行二值化处理，能够得到更加精确的二值化图像。在二值化图像中能够较为精确且快速地确定目标缺陷，通过建立目标缺陷所在二值化图像对应的子图坐标系，可以更加快速地确定目标缺陷在二值化图像中的第一缺陷坐标。
在一实施例中，如图3所示，步骤S103，即对至少两个线扫图像对应的二值化图像进行拼接，得到第一晶圆图像，包括：
S301：识别每一二值化图像中晶圆的顶部边缘点和/或底部边缘点；
S302：将上一张二值化图像中晶圆的底部边缘点与下一张二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，得到第一晶圆图像。
其中，顶部边缘点是指二值化图像中包含的部分晶圆图像边缘与二值化图像顶部的交点。底部边缘点是指二值化图像中包含的部分晶圆图像边缘与二值化图像底部的交点。可理解地，如图12所示，为二值化图像的顶部边缘点和/或底部边缘点示意图。由图12可知，第一张二值化图像无顶部边缘点，最后一张二值化图像无底部边缘点。
作为一示例，步骤S301中，定位设备识别每一张二值化图像中晶圆对应的部分晶圆图像的顶部边缘点和/或底部边缘点。如图12所示，定位设备可以识别到每一张二值化图像中晶圆的顶部边缘点和/或底部边缘点。本示例中，若该二值化图像为第一张二值化图像，则识别该二值化图像的底部边缘点；若该二值化图像为最后一张二值化图像，则识别该二值化图像的顶部边缘点；若该二值化图像不为第一张二值化图像，也不为最后一张二值化图像，则识别该二值化图像的底部边缘点和顶部边缘点。
作为一示例，步骤S302中，定位设备按照线阵扫描的顺序，从线扫图像对应的第一张二值化图像开始，依次将上一张二值化图像中晶圆的底部边缘点与下一张二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，得到晶圆对应的第一晶圆图像。可理解地，由于系统误差的存在，导致线阵扫描后的线扫图像存在偏移，因此，若直接对线扫图像对应的二值化图像进行拼接，可能会导致拼接产生的晶圆图像的边缘与晶圆的实际边缘并不相同，导致后续对目标缺陷定位不精确的问题。如图13所示，为直接对二值化图像拼接生成的晶圆图像，由图13可知，该晶圆图像中，上一张二值化图像中的部分晶圆图像的底部边缘点与下一张二值化图像中的部分晶圆图像的顶部边缘点并不相接，因此，可以确定直接对二值化图像拼接生成的晶圆图像并不精确，可能使后续的目标缺陷定位存在较大误差，需要将上一张二值化图像中晶圆的底部边缘点与下一张二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，才能得到较为精确的第一晶圆图像。
本实施例中，识别每一二值化图像中晶圆的顶部边缘点和/或底部边缘点，将上一张二值化图像中晶圆的底部边缘点与下一张二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，得到第一晶圆图像，该方法能够使得到的第一晶圆图像更加精确，更加符合晶圆的边缘情况。
在一实施例中，如图4所示，步骤S104，即根据第一晶圆图像和二值化图像，确定目标转换矩阵，包括：
S401：从至少两个二值化图像中，确定基准图像；
S402：根据第一晶圆图像和基准图像，确定目标转换矩阵。
其中，基准图像是指在二值化图像中选取的图像。
作为一示例，步骤S401中，定位设备在所有二值化图像中选取一张二值化图像，作为基准图像，便于后续根据基准图像获取目标转换矩阵。可理解地，目标缺陷可能存在于不同的二值化图像中，在每一二值化图像中均存在对应的第一缺陷坐标，但是，第一缺陷坐标是相对目标缺陷所在的二值化图像建立的子图坐标系的坐标，每一目标缺陷所在的二值化图像均对应一个子图坐标系，无法对目标缺陷坐标进行统一，在后续将每一目标缺陷对应的第一缺陷坐标转化为第一晶圆图像中的目标缺陷坐标时，每一存在目标缺陷的二值化图像，均需要获取一个目标转换矩阵，造成缺陷定位效率的下降，因此，需要确定一个基准图像，将第一缺陷坐标统一到基准图像中，后续仅需要一个目标转换矩阵，即可实现每一目标缺陷的定位，提高目标缺陷的定位效率。
作为一示例，步骤S402中，定位设备确定基准图像之后，根据第一晶圆图像和基准图像，确定将基准图像中的位置坐标转化至第一晶圆图像中的位置坐标所需要的目标转换矩阵。本示例中，无需获取每一具有目标缺陷的二值化图像转化至第一晶圆图像所需的转换矩阵，仅需要一个目标转换矩阵，即可实现对目标缺陷的定位，较为方便快捷。
本实施例中，从二值化图像中选取基准图像，根据第一晶圆图像和基准图像，确定目标转换矩阵，该方法无需获取每一具有目标缺陷的二值化图像转化至第一晶圆图像所需的转换矩阵，仅需要一个目标转换矩阵，即可实现对目标缺陷的定位，较为方便快捷，便于后续对目标缺陷的高效定位。
在一实施例中，如图5所示，步骤S402，即根据第一晶圆图像和基准图像，确定目标转换矩阵，包括：
S501：在第一晶圆图像的曲线边缘选取三个基准点；
S502：建立基准图像对应的基准坐标系，确定第一晶圆图像的基准点在基准坐标系中的基准坐标；
S503：根据第一晶圆图像的基准坐标和第一晶圆图像的定位边，建立第一晶圆图像对应的晶圆坐标系；
S504：根据第一晶圆图像的定位边，确定晶圆坐标系的X轴相对基准坐标系的角度；
S505：根据晶圆坐标系的X轴相对基准坐标系的角度和所述晶圆坐标系的原点，构建基准坐标系相对晶圆坐标系的目标转换矩阵。
其中，基准点是指在第一晶圆图像的曲线边缘选取的点，用于建立晶圆坐标系。其中，晶圆坐标系是指根据第一晶圆图像上的基准点确定的晶圆对应的坐标系。可理解地，由于晶圆的规格不同，需要对目标缺陷进行缺陷定位的晶圆建立对应的晶圆坐标系，以便于确定目标缺陷在对应的晶圆中的坐标，实现对目标缺陷的定位。
作为一示例，步骤S501中，定位设备在第一晶圆图像的曲线边缘选取三个基准点，便于后续根据该基准点确定第一晶圆图像对应的晶圆坐标系。如图14所示，为基准图像中的基准点和第一晶圆图像的定位点示意图，由图14可知，选取第一晶圆图像的曲线边缘的三个点Edge Point A、Edge Point B和Edge Point C作为基准点，即基准点A、B和C。由图14可知，第一晶圆图像由曲线边缘和定位边组成，曲线边缘上的任一点与第一晶圆图像对应的晶圆圆心的距离均为晶圆半径，可以在曲线边缘上任选三个点作为基准点，便于实现对第一晶圆图像对应的晶圆圆心的定位。
其中，基准坐标系是指根据基准图像建立的坐标系。基准坐标是指基准点在基准坐标系中的坐标。
作为一示例，步骤S502中，定位设备在确定基准图像之后，建立基准图像对应的基准坐标系，在该基准坐标系中确定每一个基准点对应的基准坐标，便于后续根据基准坐标确定晶圆坐标系。本示例中，可以建立每一二值化图像对应的坐标系，在二值化图像中选取基准图像之后，将该被选取的二值化图像对应的坐标系确定为基准坐标系。也可以在二值化图像中选取基准图像之后，直接建立该基准图像对对应的坐标系。
例如，定位设备在确定目标缺陷所在的二值化图像对应的子图坐标系中，将二值化图像的左上角顶点作为子图坐标系的原点，将与子图坐标系的原点相邻的两边，分别作为子图坐标系的X轴和Y轴时，选取第一张二值化图像作为基准图像，并将该基准图像的左上角顶点作为基准坐标系的原点，将与基准坐标系的原点相邻的两边，分别作为基准坐标系的X轴和基准坐标系的Y轴，如图15所示，为基准坐标系的示意图，基准坐标系的原点是第一张二值化图像的左上角顶点，基准坐标系的X轴为第一张二值化图像中与左上角顶点相邻的横向边，基准坐标系的Y轴为第一张二值化图像中与左上角顶点相邻的纵向边。本示例中，在基准坐标系中，确定基准点A、B和C对应的基准坐标分别为，/>和/>。
其中，第一晶圆图像的定位边是指第一晶圆图像对应的晶圆中的定位边，通常在设计过程中确定。
作为一示例，步骤S503中，定位设备在确定三个基准点在基准坐标系中的基准坐标之后，进一步在第一晶圆图像中识别晶圆的定位边，根据三个基准坐标计算第一晶圆图像对应的晶圆半径以及晶圆圆心，将晶圆圆心作为晶圆坐标系的原点，将与晶圆的定位边平行的横向方向设置为晶圆坐标系的X轴，将与晶圆的定位边垂直的纵向方向设置为晶圆坐标系的Y轴，形成第一晶圆图像对应的晶圆坐标系。本示例中，选取的是带有Flat平边的晶圆，定位边为晶圆中的Flat平边。定位设备可以通过识别第一晶圆图像的边缘的每一点在基准坐标系中的Y轴坐标，在基准坐标系中的Y轴坐标连续相等的点构成定位边，即可识别到定位边。
例如，对于基准点，/>和/>，通过公式：
计算得到晶圆圆心在基准坐标系中的晶圆坐标和晶圆半径/>。如图16所示，为一示例中基准坐标系与晶圆坐标系的示意图。由图16可知，晶圆圆心为晶圆坐标系的原点，晶圆坐标系的X轴与晶圆的定位边平行，晶圆坐标系的Y轴与晶圆的定位边垂直。
作为一示例，步骤S504中，定位设备根据第一晶圆图像的定位边，确定第一晶圆图像的定位边相对基准坐标系的角度，并将该角度确定为晶圆坐标系的X轴相对基准坐标系的角度。可理解地，由于第一晶圆图像中的定位边与晶圆坐标系的X轴平行，因此，第一晶圆图像的定位边相对基准坐标系的角度与晶圆坐标系的X轴相对基准坐标系的角度相等，可以将第一晶圆图像的定位边相对基准坐标系的角度，作为晶圆坐标系的X轴相对基准坐标系的角度。
作为一示例，步骤S505中，定位设备在确定晶圆坐标系的X轴相对基准坐标系的角度之后，进一步获取晶圆坐标系的原点在基准坐标系中的原点坐标，根据该角度和晶圆坐标系在基准坐标系中的原点坐标，构建基准坐标系相对晶圆坐标系的目标转换矩阵。本示例中，晶圆坐标系在基准坐标系中的原点坐标为晶圆圆心在基准坐标系中的晶圆坐标，构建目标转换矩阵：/>，
其中，为晶圆坐标系的X轴相对基准坐标系的角度。
本实施例中，根据晶圆坐标系的X轴相对基准坐标系的角度和晶圆坐标系在基准坐标系中的原点坐标，构建基准坐标系相对晶圆坐标系的目标转换矩阵，便于后续根据目标转换矩阵较为精确且快速地确定目标缺陷在晶圆坐标系中的目标缺陷坐标。
在一实施例中，如图6所示，步骤S504，即根据第一晶圆图像的定位边，确定晶圆坐标系的X轴相对基准坐标系的角度，包括：
S601：在第一晶圆图像的定位边选取两个定位点，并获取定位点在基准坐标系中的定位坐标；
S602：根据定位坐标，确定晶圆坐标系的X轴相对基准坐标系的斜率；
S603：根据晶圆坐标系的X轴相对基准坐标系的斜率，确定晶圆坐标系的X轴相对基准坐标系的角度。
其中，定位点是指在第一晶圆图像的定位边上选取的点。定位坐标是指定位点在基准坐标系中的坐标。
作为一示例，步骤S601中，定位设备在第一晶圆图像中的定位边选取两个定位点，并获取每一定位点在基准坐标系中的定位坐标。本示例中，定位边为Flat平边，定位设备在Flat平边上选取两个不相同的定位点C和D，并在基准坐标系中确定每一定位点对应的定位坐标：和/>。如图14所示，在第一晶圆图像的Flat平边上选取两个不相同的定位点Flat Point C和Flat Point D，即定位点C和D。本示例中，获取定位点在基准坐标系中的定位坐标，便于后续根据定位坐标，确定晶圆坐标系的X轴相对基准坐标系的斜率。
作为一示例，步骤S602中，定位设备根据定位点对应的定位坐标，计算定位边相对基准坐标系的斜率，并将定位边相对基准坐标系的斜率，确定为晶圆坐标系的X轴相对基准坐标系的斜率。本示例中，晶圆坐标系的X轴相对基准坐标系的斜率为：。其中，/>为定位点C的X轴坐标，/>为定位点C的Y轴坐标。/>为定位点D的X轴坐标，/>为定位点D的Y轴坐标。
作为一示例，步骤S603中，定位设备在确定晶圆坐标系的X轴相对基准坐标系的斜率之后，计算晶圆坐标系的X轴相对基准坐标系的斜率的反函数值，确定晶圆坐标系的X轴相对基准坐标系的角度。本示例中，晶圆坐标系的X轴相对基准坐标系的角度。本示例中，确定晶圆坐标系的X轴相对基准坐标系的角度，便于后续根据晶圆坐标系的X轴相对基准坐标系的角度，构建基准坐标系相对晶圆坐标系的目标转换矩阵。
本实施例中，根据第一晶圆图像的定位边选取两个定位点和定位坐标，确定晶圆坐标系的X轴相对基准坐标系的角度，使后续根据晶圆坐标系的X轴相对基准坐标系的角度，构建目标转换矩阵具有可行性。
在一实施例中，如图7所示，步骤S105，即根据目标缺陷在二值化图像中的第一缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标，包括：
S701：确定目标缺陷在二值化图像中的第一缺陷坐标相对基准图像的X轴坐标偏移量和Y轴坐标偏移量；
S702：根据目标缺陷在二值化图像中的第一缺陷坐标、X轴坐标偏移量和Y轴坐标偏移量，确定目标缺陷相对基准图像的第二缺陷坐标；
S703：根据目标缺陷相对基准图像的第二缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标。
其中，X轴坐标偏移量是指第一缺陷坐标中的X轴坐标相对于基准图像的横向偏移量。Y轴坐标偏移量是指第一缺陷坐标中的Y轴坐标相对于基准图像的纵向偏移量。
作为一示例，步骤S701中，定位设备在确定目标缺陷在二值化图像中的第一缺陷坐标之后，分别确定第一缺陷坐标中的X轴坐标相对于基准图像的X轴坐标偏移量，第一缺陷坐标中的Y轴坐标相对于基准图像的Y轴坐标偏移量。
本示例中，定位设备确定目标缺陷在二值化图像中的第一缺陷坐标之后，确定第一缺陷坐标中的X轴坐标/>相对基准图像的X轴坐标偏移量/>，以及第一缺陷坐标中的X轴坐标/>相对基准图像的Y轴坐标偏移量/>。其中，X轴坐标偏移量可以由目标缺陷所在的二值化图像和基准图像的X轴坐标偏移量确定，如图17所示，为第一缺陷坐标的X轴坐标相对基准图像的X轴坐标偏移量的示意图，由图17可知，X轴坐标偏移量/>即为目标缺陷所在的二值化图像相对于基准图像的横向偏移量。Y轴坐标偏移量/>可以根据缺陷坐标所在的二值化图像与基准图像之间的纵向高度差确定，例如，基准图像对应的基准坐标系如图15所示，将第一张二值化图像作为基准图像，目标缺陷所在的二值化图像对应的子图坐标系的原点为该二值化图像的左上角顶点，基准坐标系的原点也为基准图像左上角顶点，子图坐标系的X轴与基准坐标系的X轴平行，子图坐标系的X轴与基准坐标系的Y轴平行，若线扫图像对应的二值化图像的纵向高度均相等为w，目标缺陷所在的二值化图像为第n个二值化图像，则目标缺陷在基准图像中的Y轴坐标偏移量/>为/>。
本示例中，获取目标缺陷在二值化图像中的第一缺陷坐标相对基准图像的X轴坐标偏移量和Y轴坐标偏移量，使后续获取目标缺陷相对基准图像的第二缺陷坐标具有可行性。
其中，第二缺陷坐标是指目标缺陷在基准图像中的坐标。
作为一示例，步骤S702中，定位设备在确定目标缺陷在二值化图像中的第一缺陷坐标、X轴坐标偏移量和Y轴坐标偏移量之后，采用X轴坐标偏移量对第一缺陷坐标中横向的X轴坐标进行修正，采用Y轴坐标偏移量对第一缺陷坐标中纵向的Y轴坐标进行修正，得到目标缺陷相对基准图像的第二缺陷坐标。例如，基准图像对应的基准坐标系如图15所示，将第一张二值化图像作为基准图像，目标缺陷所在的二值化图像对应的子图坐标系的原点为该二值化图像的左上角顶点，基准坐标系的原点也为基准图像左上角顶点，子图坐标系的X轴与基准坐标系的X轴平行，子图坐标系的X轴与基准坐标系的Y轴平行，目标缺陷在二值化图像中的第一缺陷坐标为，若第一缺陷坐标中的X轴坐标/>相对基准图像的X轴坐标偏移量为，第一缺陷坐标中的Y轴坐标/>相对基准图像的Y轴坐标偏移量/>为/>，则目标缺陷在基准图像中的第二缺陷坐标为/>。
本示例中，根据X轴坐标偏移量和Y轴坐标偏移量分别对目标缺陷在二值化图像中的第一缺陷坐标进行修正，得到目标缺陷相对基准图像的第二缺陷坐标，该方法无需复杂计算，能够使获取第二缺陷坐标具有更高的效率。
作为一示例，步骤S703中，定位设备采用目标转换矩阵对第二缺陷坐标进行转换，得到目标缺陷在第一晶圆图像中的目标缺陷坐标。本示例中，若确定目标转换矩阵为，并且，目标缺陷在基准图像中的第二缺陷坐标为，采用目标转换矩阵/>，对第二缺陷坐标/>进行转换处理，得到目标缺陷在第一晶圆图像中的目标缺陷坐标。
本示例中，采用目标转换矩阵对第二缺陷坐标进行转换，得到目标缺陷在第一晶圆图像中的目标缺陷坐标，无需进行复杂计算，能够提高对目标缺陷定位的定位效率，并且，该方法不对晶圆规格进行限制，兼容性较强。
本实施例中，根据X轴坐标偏移量和Y轴坐标偏移量分别对目标缺陷在二值化图像中的第一缺陷坐标进行修正，得到目标缺陷相对基准图像的第二缺陷坐标，该方法无需复杂计算，能够使获取第二缺陷坐标具有更高的效率。采用目标转换矩阵对第二缺陷坐标进行转换，得到目标缺陷在第一晶圆图像中的目标缺陷坐标，无需进行复杂计算，能够提高对目标缺陷定位的定位效率，且该方法不对晶圆规格进行限制，具有较强的兼容性。
在一实施例中，如图8所示，步骤S703，即根据目标缺陷相对基准图像的第二缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标，包括：
S801：对目标缺陷对应的第二缺陷坐标进行向量化处理，得到第一向量；
S802：采用目标转换矩阵对第一向量进行转换处理，得到第二向量；
S803：对第二向量进行坐标提取，得到目标缺陷在第一晶圆图像中的目标缺陷坐标。
其中，向量化处理用于将目标缺陷对应的第二缺陷坐标转化为能够与目标转换矩阵进行运算的向量。第一向量是指对第二缺陷坐标进行向量化处理得到向量。
作为一示例，步骤S801中，定位设备对目标缺陷对应的第二缺陷坐标进行向量化处理，得到第一向量。可理解地，由于后续需要采用目标转换矩阵对第二缺陷坐标进行处理，将基准图像中的第二坐标转换至第一晶圆图像中的目标缺陷坐标，因此，需要将第二缺陷坐标转换为第一向量，使目标转换矩阵可以直接对第一向量进行转换处理。例如，若确定目标转换矩阵为，目标缺陷在基准图像中的第二缺陷坐标为，则需要将第二缺陷坐标转换为三维向量，使目标转换矩阵能够直接对第二缺陷坐标进行转换处理。本示例中，将第二缺陷坐标转换为第一向量：/>。
其中，第二向量是指采用目标转换矩阵对第一向量进行转换处理得到的向量。
作为一示例，步骤S802中，定位设备采用目标转换矩阵对第一向量进行转换处理，得到第二向量。本示例中，若目标转换矩阵为，对目标缺陷在基准坐标系中的第二缺陷坐标转换后的第一向量为/>，则确定目标向量为：/>，
其中，即为目标向量。
作为一示例，步骤S803中，定位设备在得到目标向量之后，对目标向量进行坐标提取处理，得到目标缺陷在第一晶圆图像中的目标缺陷坐标。本示例中，定位设备对目标向量进行坐标提取处理，得到目标缺陷在第一晶圆图像中的目标缺陷坐标/>。可理解地，/>为目标缺陷在第一晶圆图像中的X轴坐标，/>为目标缺陷在第一晶圆图像中的Y轴坐标。因此，确定目标缺陷在第一晶圆图像中的目标缺陷坐标/>。
本实施例中，对目标缺陷对应的第二缺陷坐标进行转换处理，得到第一向量，便于采用目标转换矩阵对第一向量直接进行转换处理。采用目标转换矩阵对第一向量进行转换处理，得到第二向量，并对第二向量进行坐标提取，得到目标缺陷在第一晶圆图像中的目标缺陷坐标，无需进行复杂计算，能够提高对目标缺陷定位的定位效率，且该方法不对晶圆规格进行限制，具有较强的兼容性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种晶圆缺陷定位装置，该晶圆缺陷定位装置与上述实施例中晶圆缺陷定位方法一一对应。如图9所示，该晶圆缺陷定位装置包括线扫图像获取模块901、第一缺陷坐标确定模块902、第一晶圆图像获取模块903、目标转换矩阵确定模块904和目标缺陷坐标确定模块905。各功能模块详细说明如下：
线扫图像获取模块901，用于获取晶圆对应的至少两张线扫图像，至少一张所述线扫图像中存在目标缺陷；
第一缺陷坐标确定模块902，用于对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标；
第一晶圆图像获取模块903，用于对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；
目标转换矩阵确定模块904，用于根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵；
目标缺陷坐标确定模块905，用于根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
在一实施例中，第一缺陷坐标确定模块902包括：
最优二值化阈值获取子模块，用于采用自适应阈值算法，对每一线扫图像进行二值化处理，得到每一线扫图像对应的最优二值化阈值；
目标二值化阈值获取子模块，用于对每一线扫图像对应的最优二值化阈值进行均值处理，得到每一线扫图像对应的目标二值化阈值；
二值化图像获取子模块，基于目标二值化阈值，对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像；
第一缺陷坐标确定子模块，用于建立目标缺陷所在的二值化图像对应的子图坐标系，在子图坐标系中，确定目标缺陷的第一缺陷坐标。
在一实施例中，第一晶圆图像获取模块903包括：
边缘点识别子模块，用于识别每一二值化图像中晶圆的顶部边缘点和/或底部边缘点；
第一晶圆图像获取子模块，用于将上一张二值化图像中晶圆的底部边缘点与下一张二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，得到第一晶圆图像。
在一实施例中，目标转换矩阵确定模块904包括：
基准图像确定子模块，用于从至少两个二值化图像中，确定基准图像；
目标转换矩阵确定子模块，用于根据第一晶圆图像和基准图像，确定目标转换矩阵。
在一实施例中，目标转换矩阵确定子模块包括：
基准点选取单元，用于在第一晶圆图像的曲线边缘选取三个基准点；
基准坐标确定单元，用于建立基准图像对应的基准坐标系，确定第一晶圆图像的基准点在基准坐标系中的基准坐标；
晶圆坐标系建立单元，用于根据第一晶圆图像的基准坐标和第一晶圆图像的定位边，建立第一晶圆图像对应的晶圆坐标系；
角度确定单元，用于根据第一晶圆图像的定位边，确定晶圆坐标系的X轴相对基准坐标系的角度；
目标转换矩阵构建单元，用于根据晶圆坐标系的X轴相对基准坐标系的角度和所述晶圆坐标系的原点，构建基准坐标系相对晶圆坐标系的目标转换矩阵。
在一实施例中，角度确定单元包括：
定位坐标获取子单元，用于在第一晶圆图像的定位边选取两个定位点，并获取定位点在基准坐标系中的定位坐标；
斜率确定子单元，用于根据定位坐标，确定晶圆坐标系的X轴相对基准坐标系的斜率；
角度确定子单元，用于根据晶圆坐标系的X轴相对基准坐标系的斜率，确定晶圆坐标系的X轴相对基准坐标系的角度。
在一实施例中，目标缺陷坐标确定模块905包括：
偏移量确定子模块，用于确定目标缺陷在二值化图像中的第一缺陷坐标相对基准图像的X轴坐标偏移量和Y轴坐标偏移量；
第二缺陷坐标确定子模块，用于根据目标缺陷在二值化图像中的第一缺陷坐标、X轴坐标偏移量和Y轴坐标偏移量，确定目标缺陷相对基准图像的第二缺陷坐标；
目标缺陷坐标确定子模块，用于根据目标缺陷相对基准图像的第二缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标。
在一实施例中，目标缺陷坐标确定子模块包括：
第一向量获取单元，用于对目标缺陷对应的第二缺陷坐标进行向量化处理，得到第一向量；
第二向量获取单元，用于采用目标转换矩阵对第一向量进行转换处理，得到第二向量；
目标缺陷坐标获取单元，用于对第二向量进行坐标提取，得到目标缺陷在第一晶圆图像中的目标缺陷坐标。
关于晶圆缺陷定位装置的具体限定可以参见上文中对于晶圆缺陷定位方法的限定，在此不再赘述。上述晶圆缺陷定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种定位设备，该定位设备可以是服务器，其内部结构图可以如图10所示。该定位设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该定位设备的处理器用于提供计算和控制能力。该定位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。该定位设备的数据库用于存储执行晶圆缺陷定位方法过程中采用或者生成的数据。该定位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一种晶圆缺陷定位方法。
在一实施例中，提供一种定位设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中晶圆缺陷定位方法，例如图1所示S101-S105，或者图2至图8中所示，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现晶圆缺陷定位装置这一实施例中的各模块/单元的功能，例如图9所示的线扫图像获取模块901、第一缺陷坐标确定模块902、第一晶圆图像获取模块903、目标转换矩阵确定模块904和目标缺陷坐标确定模块905的功能，为避免重复，这里不再赘述。
在一实施例中，提供一种晶圆缺陷定位系统，该晶圆缺陷定位系统包括线扫相机和定位设备，定位设备与线扫相机相连，用于实现上述晶圆缺陷定位方法。
作为一示例，线扫相机对晶圆进行线阵扫描，得到至少两张线扫图像，并将线扫图像传输给定位设备，定位设备在获取到线扫图像后，对每一线扫图像进行二值化处理，得到每一线扫图像对应的二值化图像，确定目标缺陷在二值化图像中的第一缺陷坐标；对至少两个线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；根据第一晶圆图像和二值化图像，确定目标转换矩阵；根据目标缺陷在二值化图像中的第一缺陷坐标和目标转换矩阵，确定目标缺陷在第一晶圆图像中的目标缺陷坐标。本示例中，线阵相机可以采用高分辨率的线阵相机。
本实施例中，采用线阵相机和定位设备实现对晶圆中的目标缺陷的定位，系统结构简单，不仅节省硬件成本，而且，该晶圆缺陷定位系统无需执行较为复杂的定位方法，具有较高的定位效率。并且，该定位系统可以兼容不同规格的晶圆，具有较强的兼容性。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (11)

1.一种晶圆缺陷定位方法，其特征在于，包括：
获取晶圆对应的至少两张线扫图像，至少一张所述线扫图像中存在目标缺陷；
对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标；
对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；
根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵；
根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
2.如权利要求1所述的晶圆缺陷定位方法，其特征在于，所述对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标，包括：
采用自适应阈值算法，对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的最优二值化阈值；
对每一所述线扫图像对应的所述最优二值化阈值进行均值处理，得到每一所述线扫图像对应的目标二值化阈值；
基于所述目标二值化阈值，对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像；
建立所述目标缺陷所在的二值化图像对应的子图坐标系，在所述子图坐标系中，确定所述目标缺陷的第一缺陷坐标。
3.如权利要求1所述的晶圆缺陷定位方法，其特征在于，所述对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像，包括：
识别每一所述二值化图像中晶圆的顶部边缘点和/或底部边缘点；
将上一张所述二值化图像中晶圆的底部边缘点与下一张所述二值化图像中晶圆的顶部边缘点进行对齐和拼接处理，得到第一晶圆图像。
4.如权利要求1所述的晶圆缺陷定位方法，其特征在于，所述根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵，包括：
从至少两个所述二值化图像中，确定基准图像；
根据所述第一晶圆图像和所述基准图像，确定目标转换矩阵。
5.如权利要求4所述的晶圆缺陷定位方法，其特征在于，所述根据所述第一晶圆图像和所述基准图像，确定目标转换矩阵，包括：
在所述第一晶圆图像的曲线边缘选取三个基准点；
建立所述基准图像对应的基准坐标系，确定所述第一晶圆图像的基准点在所述基准坐标系中的基准坐标；
根据所述第一晶圆图像的基准坐标和所述第一晶圆图像的定位边，建立所述第一晶圆图像对应的晶圆坐标系；
根据所述第一晶圆图像的定位边，确定所述晶圆坐标系的X轴相对所述基准坐标系的角度；
根据所述晶圆坐标系的X轴相对所述基准坐标系的角度和所述晶圆坐标系的原点，构建所述基准坐标系相对所述晶圆坐标系的目标转换矩阵。
6.如权利要求5所述的晶圆缺陷定位方法，其特征在于，所述根据所述第一晶圆图像的定位边，确定所述晶圆坐标系的X轴相对所述基准坐标系的角度，包括：
在所述第一晶圆图像的定位边选取两个定位点，并获取所述定位点在所述基准坐标系中的定位坐标；
根据所述定位坐标，确定所述晶圆坐标系的X轴相对所述基准坐标系的斜率；
根据所述晶圆坐标系的X轴相对所述基准坐标系的斜率，确定所述晶圆坐标系的X轴相对所述基准坐标系的角度。
7.如权利要求4所述的晶圆缺陷定位方法，其特征在于，所述根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标，包括：
确定所述目标缺陷在所述二值化图像中的第一缺陷坐标相对所述基准图像的X轴坐标偏移量和Y轴坐标偏移量；
根据所述目标缺陷在所述二值化图像中的第一缺陷坐标、所述X轴坐标偏移量和所述Y轴坐标偏移量，确定所述目标缺陷相对所述基准图像的第二缺陷坐标；
根据所述目标缺陷相对所述基准图像的第二缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
8.如权利要求7所述的晶圆缺陷定位方法，其特征在于，所述根据所述目标缺陷相对所述基准图像的第二缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标，包括：
对所述目标缺陷对应的第二缺陷坐标进行向量化处理，得到第一向量；
采用所述目标转换矩阵对所述第一向量进行转换处理，得到第二向量；
对所述第二向量进行坐标提取，得到所述目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
9.一种晶圆缺陷定位装置，其特征在于，包括：
线扫图像获取模块，用于获取晶圆对应的至少两张线扫图像，至少一张所述线扫图像中存在目标缺陷；
第一缺陷坐标确定模块，用于对每一所述线扫图像进行二值化处理，得到每一所述线扫图像对应的二值化图像，确定目标缺陷在所述二值化图像中的第一缺陷坐标；
第一晶圆图像获取模块，用于对至少两个所述线扫图像对应的二值化图像进行拼接，得到第一晶圆图像；
目标转换矩阵确定模块，用于根据所述第一晶圆图像和所述二值化图像，确定目标转换矩阵；
目标缺陷坐标确定模块，用于根据所述目标缺陷在所述二值化图像中的第一缺陷坐标和所述目标转换矩阵，确定目标缺陷在所述第一晶圆图像中的目标缺陷坐标。
10.一种定位设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述晶圆缺陷定位方法。
11.一种晶圆缺陷定位系统，其特征在于，包括线扫相机和定位设备，所述定位设备与所述线扫相机相连，用于实现权利要求1至8任一项所述的晶圆缺陷定位方法。
CN202311639589.5A 2023-12-04 2023-12-04 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 Active CN117372421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311639589.5A CN117372421B (zh) 2023-12-04 2023-12-04 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311639589.5A CN117372421B (zh) 2023-12-04 2023-12-04 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统

Publications (2)

Publication Number Publication Date
CN117372421A true CN117372421A (zh) 2024-01-09
CN117372421B CN117372421B (zh) 2024-04-05

Family

ID=89396875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311639589.5A Active CN117372421B (zh) 2023-12-04 2023-12-04 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统

Country Status (1)

Country Link
CN (1) CN117372421B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781393A (zh) * 2021-08-04 2021-12-10 深圳市鑫信腾科技股份有限公司 屏幕缺陷检测方法、装置、设备及存储介质
US20220113262A1 (en) * 2020-10-09 2022-04-14 Fei Company Method and system for wafer defect inspection
CN115881568A (zh) * 2022-11-24 2023-03-31 苏州华兴源创科技股份有限公司 晶圆定位的补偿值测算方法、装置及晶圆定位补偿系统
US20230230266A1 (en) * 2022-01-19 2023-07-20 Samsung Electronics Co., Ltd. System and method for brightfield inspection of circular rotating wafers
CN116864409A (zh) * 2023-06-27 2023-10-10 浙江大学 一种基于cuda加速的高精度晶圆表面缺陷实时检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220113262A1 (en) * 2020-10-09 2022-04-14 Fei Company Method and system for wafer defect inspection
CN113781393A (zh) * 2021-08-04 2021-12-10 深圳市鑫信腾科技股份有限公司 屏幕缺陷检测方法、装置、设备及存储介质
US20230230266A1 (en) * 2022-01-19 2023-07-20 Samsung Electronics Co., Ltd. System and method for brightfield inspection of circular rotating wafers
CN115881568A (zh) * 2022-11-24 2023-03-31 苏州华兴源创科技股份有限公司 晶圆定位的补偿值测算方法、装置及晶圆定位补偿系统
CN116864409A (zh) * 2023-06-27 2023-10-10 浙江大学 一种基于cuda加速的高精度晶圆表面缺陷实时检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任明灿 等: "基于线阵CCD的晶圆缺口检测装置", 电子测量技术, vol. 30, no. 8, 15 August 2007 (2007-08-15), pages 133 - 136 *
任明灿 等: "基于线阵CCD的晶圆缺口检测装置", 电子测量技术, vol. 30, no. 8, 31 August 2007 (2007-08-31), pages 133 - 136 *

Also Published As

Publication number Publication date
CN117372421B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
EP3751519B1 (en) Method, apparatus, device and medium for calibrating pose relationship between vehicle sensor and vehicle
US20090244299A1 (en) Image processing device, computer-readable storage medium, and electronic apparatus
CN108364257B (zh) 三维扫描点云数据的拼接方法及系统
US9430711B2 (en) Feature point matching device, feature point matching method, and non-transitory computer readable medium storing feature matching program
CN104517109A (zh) 一种qr码图像的校正方法及系统
US11205281B2 (en) Method and device for image rectification
US11880993B2 (en) Image processing device, driving assistance system, image processing method, and program
CN115223165B (zh) 待判读细胞图像的获取方法和装置
CN104517092A (zh) 一种qr码校正图形的检测方法及系统
CN114693529B (zh) 一种图像拼接方法、装置、设备及存储介质
US11240477B2 (en) Method and device for image rectification
US20190360220A1 (en) Reinforcing bar placement angle specifying method, reinforcing bar placement angle specifying system, and recording medium that records reinforcing bar placement angle specifying program
CN116342585A (zh) 一种产品缺陷检测方法、装置、设备及存储介质
CN117372421B (zh) 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统
EP4150662A1 (en) Semiconductor overlay measurements using machine learning
JP2009301181A (ja) 画像処理装置、画像処理プログラム、画像処理方法、および電子機器
CN111127529A (zh) 图像配准方法及装置、存储介质、电子装置
CN113536822B (zh) 二维码校正方法、装置及计算机可读存储介质
CN115810049A (zh) 基于标志物的位姿确定方法、装置、设备、介质及产品
CN113255405B (zh) 车位线识别方法及其系统、车位线识别设备、存储介质
US8442270B2 (en) Object detecting method and non-transitory computer-readable recording medium storing an object detection program
JP2021131377A (ja) 生成装置、生成方法およびプログラム
CN112991463A (zh) 相机标定方法、装置、设备、存储介质和程序产品
CN117953083B (zh) 一种机器人视觉引导方法、装置、设备及存储介质
US11443410B2 (en) Image processing method and image processing apparatus

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
CB02 Change of applicant information

Country or region after: Zhong Guo

Address after: 518000, 1st Floor, Building B5, Taohuayuan Science and Technology Innovation Ecological Park, Tiegang Community, Xixiang Street, Bao'an District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Yibi Technology Co.,Ltd.

Address before: Room 425, Block C, Bao'an New Generation Information Technology Industrial Park, No. 3, North Second Lane, Chuangye Second Road, 28 Dalang Community, Xin'an Street, Bao'an District, Shenzhen, Guangdong 518000

Applicant before: Shenzhen Yibi Technology Co.,Ltd.

Country or region before: Zhong Guo

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant