CN117457520A - 一种半导体元器件的缺陷检测方法及系统 - Google Patents

一种半导体元器件的缺陷检测方法及系统 Download PDF

Info

Publication number
CN117457520A
CN117457520A CN202311388775.6A CN202311388775A CN117457520A CN 117457520 A CN117457520 A CN 117457520A CN 202311388775 A CN202311388775 A CN 202311388775A CN 117457520 A CN117457520 A CN 117457520A
Authority
CN
China
Prior art keywords
semiconductor component
defect
area
performance
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311388775.6A
Other languages
English (en)
Other versions
CN117457520B (zh
Inventor
姚政鹏
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.)
Wuhan Xin Microelectronics Technology Co ltd
Original Assignee
Wuhan Xin Microelectronics 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 Wuhan Xin Microelectronics Technology Co ltd filed Critical Wuhan Xin Microelectronics Technology Co ltd
Priority to CN202311388775.6A priority Critical patent/CN117457520B/zh
Priority claimed from CN202311388775.6A external-priority patent/CN117457520B/zh
Publication of CN117457520A publication Critical patent/CN117457520A/zh
Application granted granted Critical
Publication of CN117457520B publication Critical patent/CN117457520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/129—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of components or parts made of semiconducting materials; of LV components or parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/26—Testing of individual semiconductor devices
    • G01R31/2601—Apparatus or methods therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/54—Testing for continuity
    • 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
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明公开了一种半导体元器件的缺陷检测方法及系统，涉及半导体元器件检测领域，包括获取待检测半导体元器件图像数据，获取待检测半导体元器件灰度图像数据，对待检测半导体元器件进行表面缺陷检测，判断半导体元器件缺陷区域的缺陷类型，基于半导体元器件性能检测模型对半导体元器件进行性能缺陷检测，判断半导体元器件性能缺陷类别。本发明通过，通过半导体元器件缺陷区域图像数据，对半导体元器件缺陷类型进行识别，便于后续对缺陷半导体元器件的加工，并对没有表面缺陷的半导体元器件进行性能缺陷检测，使得半导体元器件的缺陷检测更加完整、细致，提高了半导体元器件缺陷检测的准确性。

Description

一种半导体元器件的缺陷检测方法及系统
技术领域
本发明涉及半导体元器件检测领域，具体是涉及一种半导体元器件的缺陷检测方法及系统。
背景技术
随着集成电路尺寸的减小，构成电路的器件必须更密集地放置，以适应芯片上可用的有限空间，因此，半导体产品在制作的尺寸也越来越小，半导体在缺陷检测的过程中存在检测困难的问题，导致半导体产品的合格率降低。
目前半导体检测的过程中存在检测的完整性较差，导致划分检测的区域间的缺陷存在漏检的问题，使得半导体的合格率较低。对于未检测出缺陷的产品混入合格的产品内，导致成品的合格率下降，检测过程中与半导体元器件的接触可能会造成半导体元器件的损坏，对于半导体元器件的性能缺陷检测准确性较低。
发明内容
为解决上述技术问题，提供一种半导体元器件的缺陷检测方法及系统，本技术方案解决了上述背景技术中提出的目前半导体检测的过程中存在检测的完整性较差，导致划分检测的区域间的缺陷存在漏检的问题，使得半导体的合格率较低。对于未检测出缺陷的产品混入合格的产品内，导致成品的合格率下降，检测过程中与半导体元器件的接触可能会造成半导体元器件的损坏，对于半导体元器件的性能缺陷检测准确性较低的问题。
为达到以上目的，本发明采用的技术方案为：
一种半导体元器件的缺陷检测方法，包括：
获取待检测半导体元器件图像数据；
对所述待检测半导体元器件图像数据进行处理，获取待检测半导体元器件灰度图像数据；
对所述待检测半导体元器件灰度图像数据进行划分，获得多个待检测半导体元器件灰度图像区域；
根据多个待检测半导体元器件灰度图像区域，对待检测半导体元器件进行表面缺陷检测；
若待检测半导体元器件表面存在缺陷，获取半导体元器件缺陷区域图像数据，根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型；
若待检测半导体元器件无表面缺陷，对该半导体元器件进行性能缺陷检测；
基于半导体元器件性能检测模型对半导体元器件进行性能缺陷检测，获取半导体元器件性能检测数据；
判断半导体元器件性能检测数据是否超出半导体元器件性能数据阈值，若超出，则该半导体元器件存在缺陷，基于半导体元器件性能缺陷识别模块，对半导体元器件性能测试数据进行识别，判断半导体元器件性能缺陷类别；
若半导体元器件性能检测数据未超出半导体元器件性能数据阈值，则该半导体元器件合格。
优选的，所述根据多个待检测半导体元器件灰度图像区域，对待检测半导体元器件进行表面缺陷检测包括：
根据多个所述待检测半导体元器件灰度图像区域，获取每个区域对应的半导体元器件灰度直方图；
根据半导体元器件灰度直方图，获取区域生长阈值和区域生长像素点信息；
基于区域生长阈值和区域生长像素点信息，对区域生长像素点进行区域生长，获取可能缺陷区域信息；
获取半导体元器件标准二值图像数据，基于半导体元器件标准二值图像数据获取连通域面积阈值；
根据可能缺陷区域信息，获取可能缺陷区域灰度图像信息；
对可能缺陷区域灰度图像信息进行二值化处理，获取可能缺陷区域连通域信息；
根据可能缺陷区域连通域信息，判断可能缺陷区域连通域的面积是否超出连通域面积阈值；
若可能缺陷区域连通域的面积超出连通域面积阈值，则该可能缺陷区域为缺陷区域；
若可能缺陷区域连通域的面积未超出连通域面积阈值，则待检测半导体元器件无表面缺陷；
获取缺陷区域的主成分方向所在线段的端点，根据缺陷区域对应的端点之间的距离得到非连通性指标，根据非连通性指标和指标阈值判断是否存在缺陷连通区域；
若不存在，获取缺陷区域对应的半导体元器件灰度图像区域，对该半导体元器件灰度图像区域进行标记，记录该半导体元器件灰度图像区域编号；
若存在，获取缺陷连通区域对应的多个半导体元器件灰度图像区域，对多个半导体元器件灰度图像区域进行合并，并对合并后的区域进行标记和记录区域编号。
优选的，所述对所述待检测半导体元器件灰度图像数据进行划分，获得多个待检测半导体元器件灰度图像区域包括：
根据待检测半导体元器件灰度图像数据，基于边缘检测，获取半导体元器件轮廓图像数据；
基于半导体元器件轮廓图像数据，对待检测半导体元器件灰度图像进行划分，形成多个待检测半导体元器件灰度图像区域，并对多个待检测半导体元器件灰度图像区域进行编号。
优选的，所述获取半导体元器件缺陷区域图像数据，根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型包括：
获取半导体元器件历史图像数据，根据半导体元器件历史图像数据，获取半导体元器件缺陷区域历史图像数据，并将所述半导体元器件缺陷区域历史图像数据保存为半导体元器件缺陷区域历史图像数据集；
对所述半导体元器件缺陷区域历史图像数据进行处理，获取半导体元器件缺陷区域历史图像特征信息；
根据半导体元器件缺陷区域历史图像特征信息，对深度学习模型进行训练，获取半导体元器件缺陷识别模型；
获取半导体元器件缺陷区域图像数据，基于半导体元器件缺陷识别模型，获取半导体元器件缺陷识别数据，所述半导体元器件缺陷识别数据包括半导体元器件缺陷类型，半导体元器件缺陷区域编号。
优选的，所述判断半导体元器件性能测试数据是否超出半导体元器件性能数据阈值，若超出，则该半导体元器件存在缺陷包括：
获取半导体元器件性能测试数据，所述半导体元器件性能测试数据包括半导体元器件热敏电阻检测数据、半导体元器件泄漏电流数据和红外检测数据；
根据半导体元器件热敏电阻检测数据，判断半导体元器件是否存在短路或开路缺陷；
根据半导体元器件泄漏电流数据，基于半导体元器件泄漏电流阈值，判断半导体元器件是否存在绝缘缺陷；
根据红外检测数据，判断半导体元器件是否存在散热缺陷。
优选的，所述基于半导体元器件性能缺陷识别模块，对半导体元器件性能测试数据进行识别，判断半导体元器件性能缺陷类别包括：
获取半导体元器件历史性能测试数据，根据半导体元器件历史性能测试数据，获取半导体元器件性能缺陷历史数据；
对所述半导体元器件性能缺陷历史数据进行处理，获取半导体元器件性能缺陷历史数据特征信息；
根据半导体元器件性能缺陷历史数据特征信息，对深度学习模型进行训练，获取半导体元器件性能缺陷识别模型；
获取半导体元器件性能测试数据，基于半导体元器件性能缺陷识别模型，获取半导体元器件性能缺陷识别数据，所述半导体元器件性能缺陷识别数据包括半导体元器件性能缺陷类型。
进一步的，提出一种半导体元器件的缺陷检测系统，用于实现如上述的半导体元器件的缺陷检测方法，包括：
主控制模块，所述主控制模块用于接收半导体元器件缺陷区域图像数据和半导体元器件性能检测数据，并根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型，基于半导体元器件性能缺陷识别模块，判断半导体元器件性能缺陷类别。
表面检测模块，所述表面检测模块用于获取待检测半导体元器件图像数据，并对待检测半导体元器件图像数据进行处理、检测，判断待检测半导体元器件是否存在表面缺陷，并对缺陷区域进行标记。
性能检测模块，所述性能检测模块与主控制模块交互，用于对半导体元器件进行性能检测，并将半导体元器件性能测试数据传输至主控制模块；
显示模块，所述显示模块与主控制模块交互，用于显示半导体元器件缺陷检测结果，半导体元器件缺陷类型，半导体元器件缺陷区域位置。
可选的，所述主控制模块包括：
控制单元，所述控制单元用于接收半导体元器件缺陷检测结果，并传输至显示模块；
表面缺陷识别单元，所述表面缺陷识别单元用于识别半导体元器件缺陷区域的缺陷类型；
性能缺陷识别单元，所述性能缺陷识别单元用于识别半导体元器件性能缺陷类别。
可选的，所述表面检测模块包括：
图像获取单元，所述图像获取单元用于获取待检测半导体元器件图像数据和半导体元器件标准二值图像数据；
图像检测单元，所述图像检测单元用于对待检测半导体元器件图像数据和半导体元器件标准二值图像数据进行处理，检测半导体元器件是否存在表面缺陷。
可选的，所述性能检测模块包括：
热敏电阻检测单元，所述热敏电阻检测单元集成有热敏电阻，用于检测半导体元器件是否存在短路或开路缺陷；
泄漏电流检测单元，所述泄漏电流检测单元用于检测半导体元器件泄漏电流大小，判断半导体元器件是否存在绝缘缺陷；
红外检测单元，所述红外检测单元用于判断半导体元器件是否存在散热缺陷。
与现有技术相比，本发明的有益效果在于：
本发明提出一种半导体元器件的缺陷检测方法及系统，通过获取待检测半导体元器件图像数据对半导体元器件的表面进行缺陷检测，对缺陷区域进行标记，通过半导体元器件缺陷区域图像数据，对半导体元器件缺陷类型进行识别，便于后续对缺陷半导体元器件的加工，并对没有表面缺陷的半导体元器件进行性能缺陷检测，使得半导体元器件的缺陷检测更加完整、细致，提高了半导体元器件缺陷检测的准确性。
附图说明
图1为本发明提出的一种半导体元器件的缺陷检测方法流程图；
图2为本发明中半导体元器件表面缺陷检测流程图；
图3为本发明中半导体元器件表面缺陷类型识别流程图；
图4为本发明中半导体元器件性能缺陷类型识别流程图；
图5为本发明提出的一种半导体元器件的缺陷检测系统结构框图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1-4所示，本发明实施例一种半导体元器件的缺陷检测方法，包括：
步骤S100：获取待检测半导体元器件图像数据；
步骤S200：对所述待检测半导体元器件图像数据进行处理，获取待检测半导体元器件灰度图像数据；
步骤S300：对所述待检测半导体元器件灰度图像数据进行划分，获得多个待检测半导体元器件灰度图像区域；
具体而言，对所述待检测半导体元器件灰度图像数据进行划分具体包括：
根据待检测半导体元器件灰度图像数据，基于边缘检测，获取半导体元器件轮廓图像数据；
基于半导体元器件轮廓图像数据，对待检测半导体元器件灰度图像进行划分，形成多个待检测半导体元器件灰度图像区域，并对多个待检测半导体元器件灰度图像区域进行编号。
本方案中，通过对待检测半导体元器件灰度图像进行划分，形成多个待检测半导体元器件灰度图像，之后对多个待检测半导体元器件灰度图像进行处理、检测，避免了对半导体元器件整体检测时，无法准确定位缺陷位置，便于对后续的缺陷区域进行分析、识别，提高了检测效率。
步骤S400：根据多个待检测半导体元器件灰度图像区域，对待检测半导体元器件进行表面缺陷检测；
具体而言，通过待检测半导体元器件灰度图像区域，对待检测半导体元器件的表面进行缺陷检测的具体步骤为：
根据多个所述待检测半导体元器件灰度图像区域，获取每个区域对应的半导体元器件灰度直方图；
根据半导体元器件灰度直方图，获取区域生长阈值和区域生长像素点信息；
基于区域生长阈值和区域生长像素点信息，对区域生长像素点进行区域生长，获取可能缺陷区域信息；
获取半导体元器件标准二值图像数据，基于半导体元器件标准二值图像数据获取连通域面积阈值；
根据可能缺陷区域信息，获取可能缺陷区域灰度图像信息；
对可能缺陷区域灰度图像信息进行二值化处理，获取可能缺陷区域连通域信息；
根据可能缺陷区域连通域信息，判断可能缺陷区域连通域的面积是否超出连通域面积阈值；
若可能缺陷区域连通域的面积超出连通域面积阈值，则该可能缺陷区域为缺陷区域；
若可能缺陷区域连通域的面积未超出连通域面积阈值，则待检测半导体元器件无表面缺陷；
获取缺陷区域的主成分方向所在线段的端点，根据缺陷区域对应的端点之间的距离得到非连通性指标，根据非连通性指标和指标阈值判断是否存在缺陷连通区域；
若不存在，获取缺陷区域对应的半导体元器件灰度图像区域，对该半导体元器件灰度图像区域进行标记，记录该半导体元器件灰度图像区域编号；
若存在，获取缺陷连通区域对应的多个半导体元器件灰度图像区域，对多个半导体元器件灰度图像区域进行合并，并对合并后的区域进行标记和记录区域编号。
本方案中，通过多个半导体元器件灰度图像区域生成对应的灰度直方图，并根据灰度直方图和区域生长算法，设定区域生长阈值和选取区域生长像素点，并根据区域生长阈值，对选取的区域生长像素点进行区域生长，直至生长停止后，获取可能缺陷区域，并通过可能缺陷区域的连通域信息对可能缺陷区域进行筛选，获取缺陷区域，并对多个缺陷区域进行连通性判断，判断相邻半导体元器件灰度图像区域中的缺陷区域是否存在连通，对连通缺陷区域进行标记，对连通缺陷区域对应的多个半导体元器件灰度图像区域进行合并，便于后续的缺陷定位和加工，提高了缺陷检测的准确性。
步骤S500：若待检测半导体元器件表面存在缺陷，获取半导体元器件缺陷区域图像数据，根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型；
具体而言，根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型包括：
获取半导体元器件历史图像数据，根据半导体元器件历史图像数据，获取半导体元器件缺陷区域历史图像数据，并将所述半导体元器件缺陷区域历史图像数据保存为半导体元器件缺陷区域历史图像数据集；
对所述半导体元器件缺陷区域历史图像数据进行处理，获取半导体元器件缺陷区域历史图像特征信息；
根据半导体元器件缺陷区域历史图像特征信息，对深度学习模型进行训练，获取半导体元器件缺陷识别模型；
获取半导体元器件缺陷区域图像数据，基于半导体元器件缺陷识别模型，获取半导体元器件缺陷识别数据，所述半导体元器件缺陷识别数据包括半导体元器件缺陷类型，半导体元器件缺陷区域编号。
本方案中，通过获取半导体元器件缺陷区域历史图像中的特征信息，对深度学习模型进行训练，获取半导体元器件缺陷识别模型，基于半导体元器件缺陷识别模型，对半导体元器件的缺陷区域的缺陷类型进行识别，判断半导体元器件缺陷区域的缺陷类型，并将缺陷区域类型信息和缺陷区域位置信息上传，便于后续对半导体元器件缺陷的分析和对半导体元器件生产加工的优化。
步骤S600：若待检测半导体元器件无表面缺陷，对该半导体元器件进行性能缺陷检测；
步骤S700：基于半导体元器件性能检测模型对半导体元器件进行性能缺陷检测，获取半导体元器件性能检测数据；
步骤S800：判断半导体元器件性能检测数据是否超出半导体元器件性能数据阈值，若超出，则该半导体元器件存在缺陷，基于半导体元器件性能缺陷识别模块，对半导体元器件性能测试数据进行识别，判断半导体元器件性能缺陷类别；
具体而言，判断半导体元器件性能检测数据是否超出半导体元器件性能数据阈值，若超出，则该半导体元器件存在缺陷包括：
获取半导体元器件性能测试数据，所述半导体元器件性能测试数据包括半导体元器件热敏电阻检测数据、半导体元器件泄漏电流数据和红外检测数据；
根据半导体元器件热敏电阻检测数据，判断半导体元器件是否存在短路或开路缺陷；
根据半导体元器件泄漏电流数据，基于半导体元器件泄漏电流阈值，判断半导体元器件是否存在绝缘缺陷；
根据红外检测数据，判断半导体元器件是否存在散热缺陷。
具体地，基于半导体元器件性能缺陷识别模块，对半导体元器件性能测试数据进行识别，判断半导体元器件性能缺陷类别包括：
获取半导体元器件历史性能测试数据，根据半导体元器件历史性能测试数据，获取半导体元器件性能缺陷历史数据；
对所述半导体元器件性能缺陷历史数据进行处理，获取半导体元器件性能缺陷历史数据特征信息；
根据半导体元器件性能缺陷历史数据特征信息，对深度学习模型进行训练，获取半导体元器件性能缺陷识别模型；
获取半导体元器件性能测试数据，基于半导体元器件性能缺陷识别模型，获取半导体元器件性能缺陷识别数据，所述半导体元器件性能缺陷识别数据包括半导体元器件性能缺陷类型。
本方案中，通过将半导体元器件接入性能检测模块，对半导体元器件的性能进行测试，将半导体元器件与热敏电阻电性连接，根据热敏电阻的阻值变化，判断半导体元器件是否存在短路或开路缺陷，对半导体元器件表面泄漏电流进行监测，判断半导体元器件是否存在绝缘缺陷，通过对半导体元器件进行红外检测，获取半导体元器件性能检测时的红外图像，对红外图像进行分析、识别，根据不同像素点的亮度值，对半导体元器件的散热区域进行识别，判断半导体元器件是否存在散热缺陷，若半导体元器件存在性能缺陷，则进一步根据半导体元器件性能测试数据，对半导体元器件性能缺陷类型和具体缺陷区域进行识别、判断，便于对半导体元器件的生产加工进行调整和优化，提高半导体元器件的生产合格率。
步骤S900：若半导体元器件性能检测数据未超出半导体元器件性能数据阈值，则该半导体元器件合格。
参照图5所示，进一步的，结合上述一种半导体元器件的缺陷检测方法，提出一种半导体元器件的缺陷检测系统，包括：
主控制模块，所述主控制模块用于接收半导体元器件缺陷区域图像数据和半导体元器件性能检测数据，并根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型，基于半导体元器件性能缺陷识别模块，判断半导体元器件性能缺陷类别。
表面检测模块，所述表面检测模块用于获取待检测半导体元器件图像数据，并对待检测半导体元器件图像数据进行处理、检测，判断待检测半导体元器件是否存在表面缺陷，并对缺陷区域进行标记。
性能检测模块，所述性能检测模块与主控制模块交互，用于对半导体元器件进行性能检测，并将半导体元器件性能测试数据传输至主控制模块；
显示模块，所述显示模块与主控制模块交互，用于显示半导体元器件缺陷检测结果，半导体元器件缺陷类型，半导体元器件缺陷区域位置。
主控制模块包括：
控制单元，所述控制单元用于接收半导体元器件缺陷检测结果，并传输至显示模块；
表面缺陷识别单元，所述表面缺陷识别单元用于识别半导体元器件缺陷区域的缺陷类型；
性能缺陷识别单元，所述性能缺陷识别单元用于识别半导体元器件性能缺陷类别。
表面检测模块包括：
图像获取单元，所述图像获取单元用于获取待检测半导体元器件图像数据和半导体元器件标准二值图像数据；
图像检测单元，所述图像检测单元用于对待检测半导体元器件图像数据和半导体元器件标准二值图像数据进行处理，检测半导体元器件是否存在表面缺陷。
性能检测模块包括：
热敏电阻检测单元，所述热敏电阻检测单元集成有热敏电阻，用于检测半导体元器件是否存在短路或开路缺陷；
泄漏电流检测单元，所述泄漏电流检测单元用于检测半导体元器件泄漏电流大小，判断半导体元器件是否存在绝缘缺陷；
红外检测单元，所述红外检测单元用于判断半导体元器件是否存在散热缺陷。
综上所述，本发明的优点在于：通过对待检测半导体元器件灰度图像进行划分，避免了对半导体元器件整体检测时，无法准确定位缺陷位置，对后续的缺陷区域分析、识别造成麻烦，基于半导体元器件缺陷识别模型，对半导体元器件中的缺陷区域的缺陷类型进行识别，便于后续对半导体元器件的加工程序的调整和优化，通过对半导体元器件的性能进行检测，判断半导体元器件是否存在性能缺陷，若半导体元器件存在性能缺陷，则根据半导体元器件性能测试数据，对半导体元器件性能缺陷类型进行识别，便于后续对半导体元器件生产加工的调整时，避免半导体元器件存在性能缺陷。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.一种半导体元器件的缺陷检测方法，其特征在于，包括：
获取待检测半导体元器件图像数据；
对所述待检测半导体元器件图像数据进行处理，获取待检测半导体元器件灰度图像数据；
对所述待检测半导体元器件灰度图像数据进行划分，获得多个待检测半导体元器件灰度图像区域；
根据多个待检测半导体元器件灰度图像区域，对待检测半导体元器件进行表面缺陷检测；
若待检测半导体元器件表面存在缺陷，获取半导体元器件缺陷区域图像数据，根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型；
若待检测半导体元器件无表面缺陷，对该半导体元器件进行性能缺陷检测；
基于半导体元器件性能检测模型对半导体元器件进行性能缺陷检测，获取半导体元器件性能检测数据；
判断半导体元器件性能检测数据是否超出半导体元器件性能数据阈值，若超出，则该半导体元器件存在缺陷，基于半导体元器件性能缺陷识别模块，对半导体元器件性能测试数据进行识别，判断半导体元器件性能缺陷类别；
若半导体元器件性能检测数据未超出半导体元器件性能数据阈值，则该半导体元器件合格。
2.根据权利要求1所述的一种半导体元器件的缺陷检测方法，其特征在于，所述根据多个待检测半导体元器件灰度图像区域，对待检测半导体元器件进行表面缺陷检测包括：
根据多个所述待检测半导体元器件灰度图像区域，获取每个区域对应的半导体元器件灰度直方图；
根据半导体元器件灰度直方图，获取区域生长阈值和区域生长像素点信息；
基于区域生长阈值和区域生长像素点信息，对区域生长像素点进行区域生长，获取可能缺陷区域信息；
获取半导体元器件标准二值图像数据，基于半导体元器件标准二值图像数据获取连通域面积阈值；
根据可能缺陷区域信息，获取可能缺陷区域灰度图像信息；
对可能缺陷区域灰度图像信息进行二值化处理，获取可能缺陷区域连通域信息；
根据可能缺陷区域连通域信息，判断可能缺陷区域连通域的面积是否超出连通域面积阈值；
若可能缺陷区域连通域的面积超出连通域面积阈值，则该可能缺陷区域为缺陷区域；
若可能缺陷区域连通域的面积未超出连通域面积阈值，则待检测半导体元器件无表面缺陷；
获取缺陷区域的主成分方向所在线段的端点，根据缺陷区域对应的端点之间的距离得到非连通性指标，根据非连通性指标和指标阈值判断是否存在缺陷连通区域；
若不存在，获取缺陷区域对应的半导体元器件灰度图像区域，对该半导体元器件灰度图像区域进行标记，记录该半导体元器件灰度图像区域编号；
若存在，获取缺陷连通区域对应的多个半导体元器件灰度图像区域，对多个半导体元器件灰度图像区域进行合并，并对合并后的区域进行标记和记录区域编号。
3.根据权利要求1所述的一种半导体元器件的缺陷检测方法，其特征在于，所述对所述待检测半导体元器件灰度图像数据进行划分，获得多个待检测半导体元器件灰度图像区域包括：
根据待检测半导体元器件灰度图像数据，基于边缘检测，获取半导体元器件轮廓图像数据；
基于半导体元器件轮廓图像数据，对待检测半导体元器件灰度图像进行划分，形成多个待检测半导体元器件灰度图像区域，并对多个待检测半导体元器件灰度图像区域进行编号。
4.根据权利要求1所述的一种半导体元器件的缺陷检测方法，其特征在于，所述获取半导体元器件缺陷区域图像数据，根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型包括：
获取半导体元器件历史图像数据，根据半导体元器件历史图像数据，获取半导体元器件缺陷区域历史图像数据，并将所述半导体元器件缺陷区域历史图像数据保存为半导体元器件缺陷区域历史图像数据集；
对所述半导体元器件缺陷区域历史图像数据进行处理，获取半导体元器件缺陷区域历史图像特征信息；
根据半导体元器件缺陷区域历史图像特征信息，对深度学习模型进行训练，获取半导体元器件缺陷识别模型；
获取半导体元器件缺陷区域图像数据，基于半导体元器件缺陷识别模型，获取半导体元器件缺陷识别数据，所述半导体元器件缺陷识别数据包括半导体元器件缺陷类型，半导体元器件缺陷区域编号。
5.根据权利要求1所述的一种半导体元器件的缺陷检测方法，其特征在于，所述判断半导体元器件性能测试数据是否超出半导体元器件性能数据阈值，若超出，则该半导体元器件存在缺陷包括：
获取半导体元器件性能测试数据，所述半导体元器件性能测试数据包括半导体元器件热敏电阻检测数据、半导体元器件泄漏电流数据和红外检测数据；
根据半导体元器件热敏电阻检测数据，判断半导体元器件是否存在短路或开路缺陷；
根据半导体元器件泄漏电流数据，基于半导体元器件泄漏电流阈值，判断半导体元器件是否存在绝缘缺陷；
根据红外检测数据，判断半导体元器件是否存在散热缺陷。
6.根据权利要求1所述的一种半导体元器件的缺陷检测方法，其特征在于，所述基于半导体元器件性能缺陷识别模块，对半导体元器件性能测试数据进行识别，判断半导体元器件性能缺陷类别包括：
获取半导体元器件历史性能测试数据，根据半导体元器件历史性能测试数据，获取半导体元器件性能缺陷历史数据；
对所述半导体元器件性能缺陷历史数据进行处理，获取半导体元器件性能缺陷历史数据特征信息；
根据半导体元器件性能缺陷历史数据特征信息，对深度学习模型进行训练，获取半导体元器件性能缺陷识别模型；
获取半导体元器件性能测试数据，基于半导体元器件性能缺陷识别模型，获取半导体元器件性能缺陷识别数据，所述半导体元器件性能缺陷识别数据包括半导体元器件性能缺陷类型。
7.一种半导体元器件的缺陷检测系统，用于实现如权利要求1-6任一项所述的半导体元器件的缺陷检测方法，其特征在于，包括：
主控制模块，所述主控制模块用于接收半导体元器件缺陷区域图像数据和半导体元器件性能检测数据，并根据半导体元器件缺陷识别模型，判断半导体元器件缺陷区域的缺陷类型，基于半导体元器件性能缺陷识别模块，判断半导体元器件性能缺陷类别；
表面检测模块，所述表面检测模块用于获取待检测半导体元器件图像数据，并对待检测半导体元器件图像数据进行处理、检测，判断待检测半导体元器件是否存在表面缺陷，并对缺陷区域进行标记；
性能检测模块，所述性能检测模块与主控制模块交互，用于对半导体元器件进行性能检测，并将半导体元器件性能测试数据传输至主控制模块；
显示模块，所述显示模块与主控制模块交互，用于显示半导体元器件缺陷检测结果，半导体元器件缺陷类型，半导体元器件缺陷区域位置。
8.根据权利要求7所述的一种半导体元器件的缺陷检测系统，其特征在于，所述主控制模块包括：
控制单元，所述控制单元用于接收半导体元器件缺陷检测结果，并传输至显示模块；
表面缺陷识别单元，所述表面缺陷识别单元用于识别半导体元器件缺陷区域的缺陷类型；
性能缺陷识别单元，所述性能缺陷识别单元用于识别半导体元器件性能缺陷类别。
9.根据权利要求7所述的一种半导体元器件的缺陷检测系统，其特征在于，所述表面检测模块包括：
图像获取单元，所述图像获取单元用于获取待检测半导体元器件图像数据和半导体元器件标准二值图像数据；
图像检测单元，所述图像检测单元用于对待检测半导体元器件图像数据和半导体元器件标准二值图像数据进行处理，检测半导体元器件是否存在表面缺陷。
10.根据权利要求7所述的一种半导体元器件的缺陷检测系统，其特征在于，所述性能检测模块包括：
热敏电阻检测单元，所述热敏电阻检测单元集成有热敏电阻，用于检测半导体元器件是否存在短路或开路缺陷；
泄漏电流检测单元，所述泄漏电流检测单元用于检测半导体元器件泄漏电流大小，判断半导体元器件是否存在绝缘缺陷；
红外检测单元，所述红外检测单元用于判断半导体元器件是否存在散热缺陷。
CN202311388775.6A 2023-10-25 一种半导体元器件的缺陷检测方法及系统 Active CN117457520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311388775.6A CN117457520B (zh) 2023-10-25 一种半导体元器件的缺陷检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311388775.6A CN117457520B (zh) 2023-10-25 一种半导体元器件的缺陷检测方法及系统

Publications (2)

Publication Number Publication Date
CN117457520A true CN117457520A (zh) 2024-01-26
CN117457520B CN117457520B (zh) 2024-05-31

Family

ID=

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999001840A1 (en) * 1997-07-03 1999-01-14 Neopath, Inc. Method and apparatus for maskless semiconductor and liquid crystal display inspection
JP2007305760A (ja) * 2006-05-11 2007-11-22 Hitachi High-Technologies Corp Ｓｅｍ式レビュー装置を用いた欠陥レビュー方法及びｓｅｍ式欠陥レビュー装置
CN105372260A (zh) * 2014-08-08 2016-03-02 硅电子股份公司 监控用于检测半导体晶片表面上的缺陷的表面检查系统的工作状况的方法
CN106935528A (zh) * 2017-05-08 2017-07-07 合肥市华达半导体有限公司 一种半导体元器件的缺陷检测方法
CN107611046A (zh) * 2017-07-28 2018-01-19 华灿光电（浙江）有限公司 一种内层缺陷的检测装置及检测方法
CN109870461A (zh) * 2019-03-29 2019-06-11 深圳市阿赛姆电子有限公司 一种电子元器件质量检测系统
CN112017986A (zh) * 2020-10-21 2020-12-01 季华实验室 半导体产品缺陷检测方法、装置、电子设备及存储介质
CN112201596A (zh) * 2020-10-09 2021-01-08 上海果纳半导体技术有限公司 晶圆缺陷检测设备
CN112837287A (zh) * 2021-01-29 2021-05-25 山东建筑大学 一种板面缺陷区域的提取方法及装置
CN114445330A (zh) * 2021-12-17 2022-05-06 航天科工防御技术研究试验中心 一种元器件外观缺陷的检测方法及系统
CN116612272A (zh) * 2023-04-14 2023-08-18 武汉昕微电子科技有限公司 一种图像处理智能数字化的检测系统及其检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999001840A1 (en) * 1997-07-03 1999-01-14 Neopath, Inc. Method and apparatus for maskless semiconductor and liquid crystal display inspection
JP2007305760A (ja) * 2006-05-11 2007-11-22 Hitachi High-Technologies Corp Ｓｅｍ式レビュー装置を用いた欠陥レビュー方法及びｓｅｍ式欠陥レビュー装置
US20080067371A1 (en) * 2006-05-11 2008-03-20 Masaki Kurihara Sem-type reviewing apparatus and a method for reviewing defects using the same
CN105372260A (zh) * 2014-08-08 2016-03-02 硅电子股份公司 监控用于检测半导体晶片表面上的缺陷的表面检查系统的工作状况的方法
CN106935528A (zh) * 2017-05-08 2017-07-07 合肥市华达半导体有限公司 一种半导体元器件的缺陷检测方法
CN107611046A (zh) * 2017-07-28 2018-01-19 华灿光电（浙江）有限公司 一种内层缺陷的检测装置及检测方法
CN109870461A (zh) * 2019-03-29 2019-06-11 深圳市阿赛姆电子有限公司 一种电子元器件质量检测系统
CN112201596A (zh) * 2020-10-09 2021-01-08 上海果纳半导体技术有限公司 晶圆缺陷检测设备
CN112017986A (zh) * 2020-10-21 2020-12-01 季华实验室 半导体产品缺陷检测方法、装置、电子设备及存储介质
CN112837287A (zh) * 2021-01-29 2021-05-25 山东建筑大学 一种板面缺陷区域的提取方法及装置
CN114445330A (zh) * 2021-12-17 2022-05-06 航天科工防御技术研究试验中心 一种元器件外观缺陷的检测方法及系统
CN116612272A (zh) * 2023-04-14 2023-08-18 武汉昕微电子科技有限公司 一种图像处理智能数字化的检测系统及其检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵春东;朱奎锋;苏艳杰;陈俭永;张东洋;陈晓艳;: "一种提高晶粒表面缺陷检测准确性的方法研究", 传感技术学报, no. 07, 15 July 2020 (2020-07-15) *

Similar Documents

Publication Publication Date Title
CN106920219B (zh) 物品缺陷检测方法、图像处理系统与计算机可读记录介质
CN115020267B (zh) 一种半导体表面缺陷检测方法
KR100598381B1 (ko) 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법
JP2012049503A (ja) 半導体装置の検査装置及び半導体装置の検査方法
CN113030121A (zh) 用于电路板元器件的自动光学检测方法、系统、及设备
CN111062919B (zh) 一种轴承套圈外观缺陷检测方法
CN116168218A (zh) 一种基于图像识别技术的电路板故障诊断方法
CN114972230A (zh) 一种生产线上电路板缺陷检测方法及系统
CN115294114A (zh) 一种基于ecu电路焊接的质量检测方法
CN116993725B (zh) 一种柔性电路板智能贴片信息处理系统
CN117115148B (zh) 基于5g技术的芯片表面缺陷智能识别方法
CN113283439B (zh) 基于图像识别的智能计数方法、装置及系统
CN117457520B (zh) 一种半导体元器件的缺陷检测方法及系统
CN114332622A (zh) 一种基于机器视觉的标签检测方法
CN117457520A (zh) 一种半导体元器件的缺陷检测方法及系统
CN112561875A (zh) 一种基于人工智能的光伏电池板粗栅检测方法
CN108363958B (zh) 一种基于高分辨率光学遥感影像的油罐检测方法
CN113012121B (zh) 裸片扫描结果的处理方法、装置、电子设备与存储介质
CN115937555A (zh) 一种基于标准化流模型的工业缺陷检测算法
CN112329770B (zh) 一种仪表刻度识别方法及装置
CN112750113B (zh) 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置
CN107123105A (zh) 基于fast算法的图像匹配缺陷检测方法
CN113506290A (zh) 一种线路绝缘子缺陷检测方法及装置
CN117635620B (zh) 一种基于图像处理的电路板缺陷检测方法及系统
CN117798087B (zh) 基于外观缺陷检测的锂电池视觉分拣系统及终端

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