CN117893536B - 检测晶圆平整度的方法及相关装置 - Google Patents

检测晶圆平整度的方法及相关装置 Download PDF

Info

Publication number
CN117893536B
CN117893536B CN202410292724.1A CN202410292724A CN117893536B CN 117893536 B CN117893536 B CN 117893536B CN 202410292724 A CN202410292724 A CN 202410292724A CN 117893536 B CN117893536 B CN 117893536B
Authority
CN
China
Prior art keywords
point
wafer
target
flatness
reference pixel
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
CN202410292724.1A
Other languages
English (en)
Other versions
CN117893536A (zh
Inventor
刘世文
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 Senmei Xieer Technology Co ltd
Original Assignee
Shenzhen Senmei Xieer 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 Senmei Xieer Technology Co ltd filed Critical Shenzhen Senmei Xieer Technology Co ltd
Priority to CN202410292724.1A priority Critical patent/CN117893536B/zh
Publication of CN117893536A publication Critical patent/CN117893536A/zh
Application granted granted Critical
Publication of CN117893536B publication Critical patent/CN117893536B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Quality & Reliability (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本申请提供了一种检测晶圆平整度的方法及相关装置，所述方法包括：根据第一方向旋转目标托盘L次，每次旋转M度，得到L‑1个距离集合；根据所述L‑1个距离集合获取所述待测晶圆对应的平整度矩阵；确定所述平整度矩阵是否有效；在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。本方案实现了基于图像算法获取平整度矩阵再基于深度学习算法进行晶圆平整度检测的功能，可以在保证检测到的晶圆的平整度的准确度的同时降低需要使用的设备成本，提高对晶圆平整度进行检测的方法的适用的普遍性。

Description

检测晶圆平整度的方法及相关装置
技术领域
本申请属于半导体领域，具体涉及一种检测晶圆平整度的方法及相关装置。
背景技术
当探针台对晶圆（wafer）进行扎针测试时，若晶圆的形变超出可接受范围，就会导致探针（prober）无法与待扎针的目标引脚盘（pad）正常接触，从而无法得到有效的关于芯片（die）性能的测试数据记录。且随着技术的进步，晶圆厚度日渐趋薄，晶圆发生形变的概率有所增加，因此需要在对芯片性能进行测试前，检测待测晶圆是否平整。现有的检测晶圆是否平整的方案是基于3d图像深度信息判断晶圆平整度是否达标，但这种方案需要使用价格昂贵的3d相机，成本较高。
发明内容
本申请实施例提供了一种检测晶圆平整度的方法及相关装置，以保证对晶圆的平整度的检测的准确度的同时降低设备成本，增强晶圆平整度检测方法的适用普遍性。
第一方面，本申请实施例提供了一种检测晶圆平整度的方法，包括：
根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，所述目标托盘上承载有待测晶圆，所述距离集合中包括的每个距离用于指示一个参考像素点到所述待测晶圆的中心点的距离，所述参考像素点为所述待测晶圆边缘位置对应的像素点，所述M与所述L的乘积为360；
根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，所述平整度矩阵的行数和列数与所述距离集合的数量和所述L-1个距离集合中集合长度最大的长度值关联，所述平整度矩阵中的每个元素用于指示距离集合中的一个距离；
确定所述平整度矩阵是否有效；
在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。
第二方面，本申请实施例提供了一种检测晶圆平整度的装置，包括：
旋转单元，用于根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，所述目标托盘上承载有待测晶圆，所述距离集合中包括的每个距离用于指示一个参考像素点到所述待测晶圆的中心点的距离，所述参考像素点为所述待测晶圆边缘位置对应的像素点，所述M与所述L的乘积为360；
第一获取单元，用于根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，所述平整度矩阵的行数和列数与所述距离集合的数量和所述L-1个距离集合中集合长度最大的长度值关联，所述平整度矩阵中的每个元素用于指示距离集合中的一个距离；
确定单元，用于确定所述平整度矩阵是否有效；
第二获取单元，在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。
第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序或指令，所述计算机程序或指令被处理器执行实现本申请实施例第一方面中的步骤。
可见，本实施例中，电子设备首先根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，然后根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，再然后确定所述平整度矩阵是否有效，最后在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。这样本方案实现了基于图像算法获取平整度矩阵再基于深度学习算法进行晶圆平整度检测的功能，可以在保证检测到的晶圆的平整度的准确度的同时降低需要使用的设备成本，提高对晶圆平整度进行检测的方法的适用的普遍性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电子设备的结构示意图；
图2是本申请实施例提供的一种检测晶圆平整度的方法的流程示意图；
图3是本申请实施例提供的目标图片的示意图；
图4是本申请实施例提供的目标托盘旋转过程示意图；
图5是本申请实施例提供的距离集合确定示意图；
图6是本申请实施例提供的一种检测晶圆平整度的装置的功能单元组成框图；
图7是本申请实施例提供的另一种检测晶圆平整度的装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
目前，在进行晶圆平整度检测时，是基于3D图像深度信息判断晶圆平整度是否达标，但这种方案需要使用价格昂贵的3d相机，成本较高。
针对上述问题，本申请实施例提供了一种检测晶圆平整度的方法及相关装置，下面结合附图对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供的一种电子设备的结构示意图。该电子设备110可以用来获取待测晶圆的平整度矩阵，以及在平整度矩阵有效时，调用预先训练好的分类模型进行平整度检测。该电子设备110包括处理器120、存储器130、通信接口140以及一个或多个程序131，其中，所述一个或多个程序131被存储在上述存储器130中，且被配置由上述处理器120执行，所述一个或多个程序131包括用于执行下述方法实施例中任一步骤的指令。具体实现中，所述处理器120用于执行如下述方法实施例中由电子设备执行的任一步骤，且在执行诸如发送等数据传输时，可选择的调用所述通信接口140来完成相应操作。
请参阅图2，图2是本申请实施例提供的一种检测晶圆平整度的方法的流程示意图。该检测晶圆平整度的方法包括以下步骤。
S201，根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合。
其中，所述目标托盘（chuck）上承载有待测晶圆，所述距离集合中包括的每个距离用于指示一个参考像素点到所述待测晶圆的中心点的距离，所述参考像素点为所述待测晶圆边缘位置对应的像素点，所述M与所述L的乘积为360。
具体实现中，第一方向可以是逆时针方向或顺时针方向。由于目标托盘上承载有待测晶圆，因此旋转目标托盘时待测晶圆也会同步旋转，目标托盘每旋转一次就获取一个距离集合。每个距离集合中包括多个距离，每个距离用于指示当前目标托盘旋转后对应的待测晶圆区域中，待测晶圆的边缘的一个像素点与待测晶圆的中心点的距离。当目标托盘旋转L次后，若待测晶圆的平整度合格，则第L次旋转后对应的待测晶圆的图像就会与目标托盘未旋转时对应的待测晶圆的图像重合。需要说明的是，第L次旋转后不获取距离集合，因此仅包括L-1个距离集合。
S202，根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵。
其中，所述平整度矩阵的行数和列数与所述距离集合的数量和所述L-1个距离集合中集合长度最大的长度值关联，所述平整度矩阵中的每个元素用于指示距离集合中的一个距离。
具体实现中，若L-1个距离集合中，第J个距离集合的集合长度最大为P，则获取的平整度矩阵可以是一个P行L-1列的矩阵。该集合长度用于指示每个距离集合中包括的距离值的数量。
S203，确定所述平整度矩阵是否有效。
其中，若平整度矩阵无效，则输出报警信息，该报警信息用于指示待测晶圆的平整度不达标。
S204，在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。
其中，在训练该分类模型时，获取被标记为平整度达标的晶圆的第一训练平整度矩阵，以及标记为不达标的晶圆的第二训练平整度矩阵，然后基于第一训练平整度矩阵和第二训练平整度矩阵训练分类模型。该被标记的晶圆可以是基于人工检测或者其他方式检测得到的。该第一训练平整度矩阵和第二训练平整度矩阵的获取方式与本方案中的待测晶圆的平整度矩阵的获取方式相同，在此不再赘述。该分类模型可以是基于视觉转换（VisionTransformer，VIT）模型实现。
可见，本实施例中，电子设备首先根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，然后根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，再然后确定所述平整度矩阵是否有效，最后在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。这样本方案实现了基于图像算法获取平整度矩阵再基于深度学习算法进行晶圆平整度检测的功能，可以在保证检测到的晶圆的平整度的准确度的同时降低需要使用的设备成本，提高对晶圆平整度进行检测的方法的适用的普遍性。
在一个可能的实施例中，所述确定所述平整度矩阵是否有效，包括：在旋转所述目标托盘前，获取起始点，所述起始点用于指示在旋转所述目标托盘前所述待测晶圆的晶圆缺角对应的参考像素点；在根据所述第一方向旋转所述目标托盘第L次后，获取终点，所述终点用于指示在根据所述第一方向旋转所述目标托盘第L次时所述待测晶圆的晶圆缺角对应的参考像素点；获取所述起始点和所述终点在水平方向上的第一间距，以及所述起始点和所述终点在竖直方向上的第二间距；在所述第一间距小于第一预设值且所述第二间距小于第二预设值时，确定所述平整度矩阵有效。
其中，晶圆缺角对应的参考像素点可以是指的晶圆缺角最谷底对应的参考像素点。由于晶圆是圆形的，因此在旋转L次后，若晶圆不存在形变时，则原则上起始点和终点对应的是同一个像素点。因此若实际确定出的起始点和终点在水平方向和竖直方向的间距都满足条件，则认为获取的平整度矩阵是有效的。即当前待测晶圆不存在明显的形变。
可见，本实施例中，根据起始点和终点的间距确定平整度矩阵是否有效，不仅计算简单，而且可以同时对晶圆平整度进行初步判断，使得可以提高检测晶圆平整度效率。
在一个可能的实施例中，所述在旋转所述目标托盘前，获取起始点，包括：通过目标检测模型定位所述待测晶圆的晶圆缺角的位置；根据所述晶圆缺角的位置旋转所述目标托盘，使得所述晶圆缺角的中心位于预设位置处，并获取参考图片，所述参考图片中包括的待测晶圆的两端点到所述待测晶圆的中心点的夹角为N度，所述N为大于所述M的整数；对所述参考图片进行二值化处理，得到第一目标图片，所述第一目标图片中所述待测晶圆的边缘位置的像素点对应的灰度值为第一灰度值，所述第一目标图片中除所述边缘位置外的其他位置的像素点对应的灰度值为第二灰度值；根据所述第一目标图片获取第一参考像素点集合，参考像素点集合中包括的像素点为所述第一目标图片中灰度值为所述第一灰度值的像素点；获取所述第一参考像素点集合中每个参考像素点的坐标值；根据所述每个参考像素点的坐标值获取起始点。
其中，待测晶圆放置到目标托盘上后，电子设备中会获取到待测晶圆对应的参考图像，当旋转目标托盘，获取到的待测晶圆的参考图像也会随之改变。然后可以基于目标检测模型确定当前参考图像中是否存在晶圆缺角，若不存在，则继续旋转目标托盘，直到目标检测模型定位出晶圆缺角，此时再基于晶圆缺角的位置旋转目标托盘，当晶圆缺角位于预设位置处时，停止旋转托盘。该预设位置可以是当前图片的竖直方向的中轴线。
具体实现中，对参考图片进行二值化，即将参考图片转化成二值化图片，此时目标图片中每个像素只有两个可能的取值，例如分别是0和255。因此本方案二值化后，目标图片中待测晶圆边缘位置的像素的值为255，其他像素的值为0，即第一灰度值可以为255，第二灰度值可以为0。且本方案中目标图片中显示的待测晶圆部分的两端点到待测晶圆中心点的夹角为N度。特别地，该目标图片中，待测晶圆部分的图像占据整个目标图片的2/3。
具体实现中，由于N的值大于M，而目标托盘每次旋转的度数为M度，因此每次旋转后，重新获取到的目标图片中都包括一部分旋转前的待测晶圆的图像，这样可以使得在获取距离集合时，即使待测晶圆存在形变，也可以遍历完待测晶圆的边缘的像素点，使得获取的平整度矩阵更完整，提高待测晶圆的平整度检测结果的准确度。
可见，本实施例中，基于二值化处理后的图像获取起始点，不仅准确度高而且计算量小，可以在降低电子设备的计算负担的同时，保证获取的起始点的准确度。
在一个可能的实施例中，所述N和所述M满足以下关系：（N÷2）+1<M<N。
其中，N的取值范围可以是10≦N≦30，此时M的取值范围为9≦M≦18。例如N为15度时，M可以为10度。或者N为12度，M为9度等。特别地，该N和M的值还可以与晶圆缺角的宽度有关，可以通过确定N和M的大小来使得晶圆缺角在一个目标图片中被完整显示，同时一次旋转后，该晶圆缺角不会在旋转后的目标图片中呈现。
可见，本实施例中，基于M和N的关系式来限制每次目标托盘旋转的角度或者目标图片中包括的参考像素点的数量，既可以避免因每次旋转角度过大，造成边缘的参考像素点在计算时遗漏，又不会使得计算量过大。
在一个可能的实施例中，所述根据所述每个参考像素点的坐标值获取起始点，包括：确定所述第一参考像素点集合中，横坐标的值最小的参考像素点为第一最左边点，横坐标的值最大的参考像素点为第一最右边点；获取所述待测晶圆的直径；根据所述直径、所述第一最左边点和所述第一最右边点获取所述待测晶圆的第一中心点的中心点坐标；根据所述每个参考像素点的坐标值和所述中心点坐标确定所述每个参考像素点距离所述第一中心点的第一距离；确定所述第一距离最小的参考像素点为所述起始点。
其中，如图3所示，图3是本申请实施例提供的目标图片的示意图。如图所示，最左边点和最右边点，其实就是待测晶圆边缘在目标图片中的两个端点，该最左边点与最右边点的夹角为N度。当获取到待测晶圆的直径后，由于夹角为N度，因此可以确定出待测晶圆的中心点。又由于晶圆缺角是向中心点凹陷的，因此参考像素点中距离中心点的距离最近的参考像素点就为起始点，该起始点也为晶圆缺角最谷底的像素点。
具体实现中，确定终点与确定起始点的方式相同。即获取旋转第L次后对应的第二目标图片，然后确定第二目标图片中第二最左边点和第二最右边点，并根据第二最左边点、第二最右边点和待测晶圆的直径确定第二中心点的坐标，然后获取第二目标图片中的第二参考像素点集合中每个第二参考像素点的坐标，根据每个第二参考像素点的坐标确定每个第二参考像素点与第二中心点的距离，并确定距离最小的第二参考像素点为终点。
可见，本实施例中，基于参考像素点与中心点的距离确定起始点，不仅计算简单，而且可以保证确定出的起始点的坐标的准确度。
在一个可能的实施例中，所述根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，包括：旋转所述目标托盘一次得到一个第二目标图片，针对每次旋转得到的每个第二目标图片执行以下步骤：获取所述第二目标图片对应的第二参考像素点集合；根据所述第二参考像素点集合获取第二最左边点、第二最右边点和第二中心点；根据所述第二最左边点和所述第二中心点获取第一直线，以及根据所述第二最右边点和所述第二中心点获取第二直线；以所述第二中心点为圆心，基于所述第一方向旋转所述第一直线K度，以获取目标最左边点，所述目标最左边点为所述第二参考像素点集合中旋转后的所述第一直线经过的参考像素点，所述K与所述N和所述M的差值关联；以所述第二中心点为圆心，基于第二方向旋转所述第二直线K度，以获取目标最右边点，所述目标最右边点为所述第二参考像素点集合中旋转后的所述第二直线经过的参考像素点，所述第一方向和所述第二方向为相反方向；确定所述第二参考像素点集合中横坐标大于所述目标最左边点的横坐标，且小于所述目标最右边点的横坐标的像素点为目标像素点；确定每个目标像素点与所述第二中心点的距离，得到当前次旋转目标托盘后对应的距离集合。
其中，请参阅图4，图4是本申请实施例提供的目标托盘旋转过程示意图。图中显示了第一次旋转M度后，当前获取的第二目标图片呈现的内容，此时的第一方向为逆时针方向。由于N的值大于M，因此每次旋转后，上一次旋转的第二目标图片中的部分待测晶圆在当前第二目标图片中依然会存在，例如图4中，第一最左边点左侧的部分图像在第一次旋转M度后的第二目标图片中依然存在。
请参阅图5，图5是本申请实施例提供的距离集合确定示意图。在获取用于确定距离集合的目标像素点时，基于K将第二最左边点与第二中心点的连线逆时针旋转，同时基于K将第二最右边点与第二中心点的连线顺时针旋转。然后将目标最左边点和目标最右边点之间的第二参考像素点作为目标参考像素点。然后依次获取每个目标参考像素点到第二中心点的距离，以此得到当前次旋转对应的距离集合。
可见，本实施例中，基于目标最左边点和目标最右边点来获取用于确定距离集合的目标像素点，可以使得在获取形变程度不同的待测晶圆的目标像素点时均不会造成目标像素点的遗漏，保证生成的距离集合的完整度，以此提高获取的晶圆平整度的检测结果的准确度。
在一个可能的实施例中，所述K满足以下条件：K=（N-M）÷2。
其中，由于K与N和M的关系，如图5中所示，则此时目标最右边点和目标最左边点到第二中心点的夹角就为M度，与每次旋转目标托盘的角度相等，这样就可以使得旋转L次后，既可以获取到完整的目标参考点，又不会造成每次获取的目标参考点的重复，而浪费计算资源。
可见，本实施例中，基于上述K与M和N的关系，可以在保证获取的距离集合的完整度的同时，避免浪费计算资源。
与上述实施例一致的，请参阅图6，图6是本申请实施例提供的一种检测晶圆平整度的装置的功能单元组成框图。如图6所示，检测晶圆平整度的装置30包括：旋转单元301，用于根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，所述目标托盘上承载有待测晶圆，所述距离集合中包括的每个距离用于指示一个参考像素点到所述待测晶圆的中心点的距离，所述参考像素点为所述待测晶圆边缘位置对应的像素点，所述M与所述L的乘积为360；第一获取单元302，用于根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，所述平整度矩阵的行数和列数与所述距离集合的数量和所述L-1个距离集合中集合长度最大的长度值关联，所述平整度矩阵中的每个元素用于指示距离集合中的一个距离；确定单元303，用于确定所述平整度矩阵是否有效；第二获取单元304，在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。
在一个可能的实施例中，在所述确定所述平整度矩阵是否有效方面，所述确定单元303具体用于：在旋转所述目标托盘前，获取起始点，所述起始点用于指示在旋转所述目标托盘前所述待测晶圆的晶圆缺角对应的参考像素点；在根据所述第一方向旋转所述目标托盘第L次后，获取终点，所述终点用于指示在根据所述第一方向旋转所述目标托盘第L次时所述待测晶圆的晶圆缺角对应的参考像素点；获取所述起始点和所述终点在水平方向上的第一间距，以及所述起始点和所述终点在竖直方向上的第二间距；在所述第一间距小于第一预设值且所述第二间距小于第二预设值时，确定所述平整度矩阵有效。
在一个可能的实施例中，在所述在旋转所述目标托盘前，获取起始点方面，所述确定单元303具体用于：通过目标检测模型定位所述待测晶圆的晶圆缺角的位置；根据所述晶圆缺角的位置旋转所述目标托盘，使得所述晶圆缺角的中心位于预设位置处，并获取参考图片，所述参考图片中包括的待测晶圆的两端点到所述待测晶圆的中心点的夹角为N度，所述N为大于所述M的整数；对所述参考图片进行二值化处理，得到第一目标图片，所述第一目标图片中所述待测晶圆的边缘位置的像素点对应的灰度值为第一灰度值，所述第一目标图片中除所述边缘位置外的其他位置的像素点对应的灰度值为第二灰度值；根据所述第一目标图片获取第一参考像素点集合，参考像素点集合中包括的像素点为所述第一目标图片中灰度值为所述第一灰度值的像素点；获取所述第一参考像素点集合中每个参考像素点的坐标值；根据所述每个参考像素点的坐标值获取起始点。
在一个可能的实施例中，所述N和所述M满足以下关系：（N÷2）+1<M<N。
在一个可能的实施例中，在所述根据所述每个参考像素点的坐标值获取起始点方面，所述确定单元303具体用于：确定所述第一参考像素点集合中，横坐标的值最小的参考像素点为第一最左边点，横坐标的值最大的参考像素点为第一最右边点；获取所述待测晶圆的直径；根据所述直径、所述第一最左边点和所述第一最右边点获取所述待测晶圆的第一中心点的中心点坐标；根据所述每个参考像素点的坐标值和所述中心点坐标确定所述每个参考像素点距离所述第一中心点的第一距离；确定所述第一距离最小的参考像素点为所述起始点。
在一个可能的实施例中，在所述根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合方面，所述旋转单元301具体用于：旋转所述目标托盘一次得到一个第二目标图片，针对每次旋转得到的每个第二目标图片执行以下步骤：获取所述第二目标图片对应的第二参考像素点集合；根据所述第二参考像素点集合获取第二最左边点、第二最右边点和第二中心点；根据所述第二最左边点和所述第二中心点获取第一直线，以及根据所述第二最右边点和所述第二中心点获取第二直线；以所述第二中心点为圆心，基于所述第一方向旋转所述第一直线K度，以获取目标最左边点，所述目标最左边点为所述第二参考像素点集合中旋转后的所述第一直线经过的参考像素点，所述K与所述N和所述M的差值关联；以所述第二中心点为圆心，基于第二方向旋转所述第二直线K度，以获取目标最右边点，所述目标最右边点为所述第二参考像素点集合中旋转后的所述第二直线经过的参考像素点，所述第一方向和所述第二方向为相反方向；确定所述第二参考像素点集合中横坐标大于所述目标最左边点的横坐标，且小于所述目标最右边点的横坐标的像素点为目标像素点；确定每个目标像素点与所述第二中心点的距离，得到当前次旋转目标托盘后对应的距离集合。
在一个可能的实施例中，所述K满足以下条件：K=（N-M）÷2。
可以理解的是，由于方法实施例与装置实施例为相同技术构思的不同呈现形式，因此，本申请中方法实施例部分的内容应同步适配于装置实施例部分，此处不再赘述。
在采用集成的单元的情况下，请参阅图7，图7是本申请实施例提供的另一种检测晶圆平整度的装置的功能单元组成框图。在图7中，检测晶圆平整度的装置30包括：处理模块312和通信模块311。处理模块312用于对检测晶圆平整度的装置30的动作进行控制管理，例如，执行旋转单元301、第一获取单元302、确定单元303和第二获取单元304的步骤，和/或用于执行本文所描述的技术的其它过程。通信模块311用于检测晶圆平整度的装置30与其他设备之间的交互。如图7所示，检测晶圆平整度的装置30还可以包括存储模块313，存储模块313用于存储检测晶圆平整度的装置30的程序代码和数据。
其中，处理模块312可以是处理器或控制器，例如可以是中央处理器(CentralProcessing Unit，CPU)，通用处理器，数字信号处理器(DigitalSignalProcessor，DSP)，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。通信模块311可以是收发器、RF电路或通信接口等。存储模块313可以是存储器。
其中，上述方法实施例涉及的各场景的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。上述检测晶圆平整度的装置30可执行上述图2所示的检测晶圆平整度的方法。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (6)

1.一种检测晶圆平整度的方法，其特征在于，包括：
根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，所述目标托盘上承载有待测晶圆，所述距离集合中包括的每个距离用于指示一个参考像素点到所述待测晶圆的中心点的距离，所述参考像素点为所述待测晶圆边缘位置对应的像素点，所述M与所述L的乘积为360；
根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，所述平整度矩阵的行数和列数与所述距离集合的数量和所述L-1个距离集合中集合长度最大的长度值关联，所述平整度矩阵中的每个元素用于指示距离集合中的一个距离；
在旋转所述目标托盘前，通过目标检测模型定位所述待测晶圆的晶圆缺角的位置；
根据所述晶圆缺角的位置旋转所述目标托盘，使得所述晶圆缺角的中心位于预设位置处，并获取参考图片，所述参考图片中包括的待测晶圆的两端点到所述待测晶圆的中心点的夹角为N度，所述N为大于所述M的整数，所述N和所述M满足以下关系：（N÷2）+1<M<N；
对所述参考图片进行二值化处理，得到第一目标图片，所述第一目标图片中所述待测晶圆的边缘位置的像素点对应的灰度值为第一灰度值，所述第一目标图片中除所述边缘位置外的其他位置的像素点对应的灰度值为第二灰度值；
根据所述第一目标图片获取第一参考像素点集合，参考像素点集合中包括的像素点为所述第一目标图片中灰度值为所述第一灰度值的像素点；
获取所述第一参考像素点集合中每个参考像素点的坐标值；
确定所述第一参考像素点集合中，横坐标的值最小的参考像素点为第一最左边点，横坐标的值最大的参考像素点为第一最右边点；
获取所述待测晶圆的直径；
根据所述直径、所述第一最左边点和所述第一最右边点获取所述待测晶圆的第一中心点的中心点坐标；
根据所述每个参考像素点的坐标值和所述中心点坐标确定所述每个参考像素点距离所述第一中心点的第一距离；
确定所述第一距离最小的参考像素点为起始点，所述起始点用于指示在旋转所述目标托盘前所述待测晶圆的晶圆缺角对应的参考像素点；
在根据所述第一方向旋转所述目标托盘第L次后，获取终点，所述终点用于指示在根据所述第一方向旋转所述目标托盘第L次时所述待测晶圆的晶圆缺角对应的参考像素点；
获取所述起始点和所述终点在水平方向上的第一间距，以及所述起始点和所述终点在竖直方向上的第二间距；
在所述第一间距小于第一预设值且所述第二间距小于第二预设值时，确定所述平整度矩阵有效；
在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。
2.根据权利要求1所述的方法，其特征在于，所述根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，包括：
旋转所述目标托盘一次得到一个第二目标图片，针对每次旋转得到的每个第二目标图片执行以下步骤：
获取所述第二目标图片对应的第二参考像素点集合；
根据所述第二参考像素点集合获取第二最左边点、第二最右边点和第二中心点；
根据所述第二最左边点和所述第二中心点获取第一直线，以及根据所述第二最右边点和所述第二中心点获取第二直线；
以所述第二中心点为圆心，基于所述第一方向旋转所述第一直线K度，以获取目标最左边点，所述目标最左边点为所述第二参考像素点集合中旋转后的所述第一直线经过的参考像素点，所述K与所述N和所述M的差值关联；
以所述第二中心点为圆心，基于第二方向旋转所述第二直线K度，以获取目标最右边点，所述目标最右边点为所述第二参考像素点集合中旋转后的所述第二直线经过的参考像素点，所述第一方向和所述第二方向为相反方向；
确定所述第二参考像素点集合中横坐标大于所述目标最左边点的横坐标，且小于所述目标最右边点的横坐标的像素点为目标像素点；
确定每个目标像素点与所述第二中心点的距离，得到当前次旋转目标托盘后对应的距离集合。
3.根据权利要求2所述的方法，其特征在于，所述K满足以下条件：
K=（N-M）÷2。
4.一种检测晶圆平整度的装置，其特征在于，包括：
旋转单元，用于根据第一方向旋转目标托盘L次，每次旋转M度，得到L-1个距离集合，所述目标托盘上承载有待测晶圆，所述距离集合中包括的每个距离用于指示一个参考像素点到所述待测晶圆的中心点的距离，所述参考像素点为所述待测晶圆边缘位置对应的像素点，所述M与所述L的乘积为360；
第一获取单元，用于根据所述L-1个距离集合获取所述待测晶圆对应的平整度矩阵，所述平整度矩阵的行数和列数与所述距离集合的数量和所述L-1个距离集合中集合长度最大的长度值关联，所述平整度矩阵中的每个元素用于指示距离集合中的一个距离；
确定单元，用于在旋转所述目标托盘前，通过目标检测模型定位所述待测晶圆的晶圆缺角的位置；以及用于根据所述晶圆缺角的位置旋转所述目标托盘，使得所述晶圆缺角的中心位于预设位置处，并获取参考图片，所述参考图片中包括的待测晶圆的两端点到所述待测晶圆的中心点的夹角为N度，所述N为大于所述M的整数，所述N和所述M满足以下关系：（N÷2）+1<M<N；以及用于对所述参考图片进行二值化处理，得到第一目标图片，所述第一目标图片中所述待测晶圆的边缘位置的像素点对应的灰度值为第一灰度值，所述第一目标图片中除所述边缘位置外的其他位置的像素点对应的灰度值为第二灰度值；以及用于根据所述第一目标图片获取第一参考像素点集合，参考像素点集合中包括的像素点为所述第一目标图片中灰度值为所述第一灰度值的像素点；以及用于获取所述第一参考像素点集合中每个参考像素点的坐标值；以及用于确定所述第一参考像素点集合中，横坐标的值最小的参考像素点为第一最左边点，横坐标的值最大的参考像素点为第一最右边点；以及用于获取所述待测晶圆的直径；以及用于根据所述直径、所述第一最左边点和所述第一最右边点获取所述待测晶圆的第一中心点的中心点坐标；以及用于根据所述每个参考像素点的坐标值和所述中心点坐标确定所述每个参考像素点距离所述第一中心点的第一距离；以及用于确定所述第一距离最小的参考像素点为起始点，所述起始点用于指示在旋转所述目标托盘前所述待测晶圆的晶圆缺角对应的参考像素点；以及用于在根据所述第一方向旋转所述目标托盘第L次后，获取终点，所述终点用于指示在根据所述第一方向旋转所述目标托盘第L次时所述待测晶圆的晶圆缺角对应的参考像素点；以及用于获取所述起始点和所述终点在水平方向上的第一间距，以及所述起始点和所述终点在竖直方向上的第二间距；以及用于在所述第一间距小于第一预设值且所述第二间距小于第二预设值时，确定所述平整度矩阵有效；
第二获取单元，在所述平整度矩阵有效时，将所述平整度矩阵输入预先训练好的分类模型中，得到平整度检测结果。
5.一种电子设备，其特征在于，包括处理器、存储器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-3任一项所述的方法中的步骤的指令。
6.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行实现权利要求1-3任一项所述方法的步骤。
CN202410292724.1A 2024-03-14 2024-03-14 检测晶圆平整度的方法及相关装置 Active CN117893536B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410292724.1A CN117893536B (zh) 2024-03-14 2024-03-14 检测晶圆平整度的方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410292724.1A CN117893536B (zh) 2024-03-14 2024-03-14 检测晶圆平整度的方法及相关装置

Publications (2)

Publication Number Publication Date
CN117893536A CN117893536A (zh) 2024-04-16
CN117893536B true CN117893536B (zh) 2024-05-28

Family

ID=90644500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410292724.1A Active CN117893536B (zh) 2024-03-14 2024-03-14 检测晶圆平整度的方法及相关装置

Country Status (1)

Country Link
CN (1) CN117893536B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN215180394U (zh) * 2021-07-06 2021-12-14 深圳市森美协尔科技有限公司 晶圆测试运动平台及包括该平台的探针台
WO2022218210A1 (zh) * 2021-04-12 2022-10-20 深圳中科飞测科技股份有限公司 图像处理方法、装置、光学系统和计算机可读存储介质
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
CN116313873A (zh) * 2023-05-11 2023-06-23 深圳市森美协尔科技有限公司 一种全自动晶圆测试设备及方法
CN116957955A (zh) * 2023-06-14 2023-10-27 长川科技(苏州)有限公司 晶圆图像校正方法、装置、计算机设备和存储介质
CN117471292A (zh) * 2023-12-28 2024-01-30 深圳市森美协尔科技有限公司 晶圆裂痕识别方法及相关装置
CN117495856A (zh) * 2023-12-29 2024-02-02 深圳市壹倍科技有限公司 基于深度学习的晶圆表面检测方法、装置、设备和介质
CN117576108A (zh) * 2024-01-17 2024-02-20 杭州广立微电子股份有限公司 晶圆缺陷检测的可视化优化方法、装置和计算机设备
CN117690845A (zh) * 2023-11-28 2024-03-12 珂矽信息技术(上海)有限公司 基于图像处理的晶圆片定位方法、系统、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022218210A1 (zh) * 2021-04-12 2022-10-20 深圳中科飞测科技股份有限公司 图像处理方法、装置、光学系统和计算机可读存储介质
CN215180394U (zh) * 2021-07-06 2021-12-14 深圳市森美协尔科技有限公司 晶圆测试运动平台及包括该平台的探针台
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
CN116313873A (zh) * 2023-05-11 2023-06-23 深圳市森美协尔科技有限公司 一种全自动晶圆测试设备及方法
CN116957955A (zh) * 2023-06-14 2023-10-27 长川科技(苏州)有限公司 晶圆图像校正方法、装置、计算机设备和存储介质
CN117690845A (zh) * 2023-11-28 2024-03-12 珂矽信息技术(上海)有限公司 基于图像处理的晶圆片定位方法、系统、设备及存储介质
CN117471292A (zh) * 2023-12-28 2024-01-30 深圳市森美协尔科技有限公司 晶圆裂痕识别方法及相关装置
CN117495856A (zh) * 2023-12-29 2024-02-02 深圳市壹倍科技有限公司 基于深度学习的晶圆表面检测方法、装置、设备和介质
CN117576108A (zh) * 2024-01-17 2024-02-20 杭州广立微电子股份有限公司 晶圆缺陷检测的可视化优化方法、装置和计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
晶圆表面缺陷模式的在线探测与自适应识别研究;吴斌;卢笑蕾;余建波;;计算机工程与应用;20160901(17);第265-269页 *

Also Published As

Publication number Publication date
CN117893536A (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN111311687B (zh) 一种手机屏幕像素点的空间位置检测方法及设备
CN117471292B (zh) 晶圆裂痕识别方法及相关装置
CN110827245A (zh) 一种检测屏幕显示断线的方法及设备
WO2022142080A1 (zh) 图像比对方法及装置
CN111277695A (zh) 一种数据校验方法及设备
CN117893536B (zh) 检测晶圆平整度的方法及相关装置
CN114332012A (zh) 缺陷检测方法、装置、设备及计算机可读存储介质
CN110736910B (zh) Pcb的飞针测试方法、测试装置、测试设备及存储介质
CN116598219B (zh) 一种可视化晶圆图的生成方法、装置及电子设备
CN113405475A (zh) 电芯尺寸测量方法、装置及系统
CN110631499B (zh) 基于无网格方法的数字图像变形测量方法及电子设备
JP2002243656A (ja) 外観検査方法及び外観検査装置
CN115452101A (zh) 一种仪表检定方法、装置、设备及介质
CN115222699A (zh) 缺陷检测方法和缺陷检测装置及系统
CN115683046A (zh) 测距方法、装置、传感器及计算机可读存储介质
CN114975212A (zh) 一种晶圆中心定位方法、装置、设备及介质
CN109976996B (zh) 键盘控制器测试方法
CN113295546A (zh) 一种fpc微电路弯曲受损程度检定方法、装置及电子设备
CN114354337B (zh) 锈蚀状态下金具的抗拉强度检测方法、装置、终端设备
CN104267203A (zh) 一种样品的测试方法及装置
CN116201526B (zh) 微环隙检测方法、装置、计算设备及存储介质
CN118310406B (zh) 电容触控板检测方法、装置、设备及存储介质
CN115063432B (zh) 对准标记图形的识别方法及装置、计算机设备和存储介质
US20220107177A1 (en) Error determination apparatus, error determination method, and storage medium
CN117557490A (zh) 图像检测方法、装置和计算机可读存储介质

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