JPWO2019245785A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2019245785A5 JPWO2019245785A5 JP2020570693A JP2020570693A JPWO2019245785A5 JP WO2019245785 A5 JPWO2019245785 A5 JP WO2019245785A5 JP 2020570693 A JP2020570693 A JP 2020570693A JP 2020570693 A JP2020570693 A JP 2020570693A JP WO2019245785 A5 JPWO2019245785 A5 JP WO2019245785A5
- Authority
- JP
- Japan
- Prior art keywords
- sample
- inspection system
- collection channel
- depth
- scattered signals
- 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
Claims (44)
- 照明ビームを生成するように構成された照明源と、
前記照明ビームをサンプルまで導くための1つ又は複数の照明光学部品と、
立体角の第1範囲内の前記照明ビームに応じた前記サンプルからの光を収集するための第1検出器を少なくとも含む第1収集チャネルであって、前記第1収集チャネルは、前記第1検出器に入射する前記サンプルからの前記光の偏光を制御するための第1偏光器を更に含む、第1収集チャネルと、
立体角の前記第1範囲とは異なる立体角の第2範囲内の前記照明源からの前記照明ビームに応じた前記サンプルからの光を収集するための第2検出器を少なくとも含む第2収集チャネルであって、前記第2収集チャネルは、前記第2検出器に入射する前記サンプルからの前記光の偏光を制御するための第2偏光器を更に含む、第2収集チャネルと、
プログラム命令を実行するように構成された1つ又は複数のプロセッサを含む制御装置であって、前記プログラム命令は、前記1つ又は複数のプロセッサに、
2つ以上の散乱信号を受け取るステップであって、前記2つ以上の散乱信号は、前記第1偏光器の1つ又は複数の方位に基づく前記第1収集チャネルからの1つ又は複数の散乱信号を含み、前記2つ以上の散乱信号は、前記第2偏光器の1つ又は複数の方位に基づく前記第2収集チャネルからの1つ又は複数の散乱信号を更に含む、ステップと、
前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップであって、前記トレーニングデータは、既知の深度に既知の欠陥を有するトレーニングサンプルからの散乱信号を含む、ステップと、
を行わせる制御装置と、
を備える検査システム。 - 前記2つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
前記2つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の前記1つ又は複数の欠陥を深度値域に分類するステップを含む、請求項1に記載の検査システム。 - 前記深度値域は、
2つ以上の深度値域
を含む、請求項2に記載の検査システム。 - 前記深度値域は、
表面の深度値域と、2つ以上の表面下の深度値域と、
を含む、請求項2に記載の検査システム。 - 前記深度値域は、
表面の深度値域と、4つ以上の表面下の深度値域と、
を含む、請求項2に記載の検査システム。 - 前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
前記トレーニングデータに基づいて欠陥深度を決定するための1つ又は複数のルールを生成するステップと、
前記サンプル内の前記1つ又は複数の欠陥の前記深度を決定するために前記1つ又は複数のルールを前記2つ以上の散乱信号に適用するステップと、
を含む、請求項1に記載の検査システム。 - 前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
前記トレーニングデータによって、教師あり学習法、半教師あり学習法、ディープラーニング法の少なくとも1つを含む機械学習アルゴリズムをトレーニングするステップと、
前記2つ以上の散乱信号を入力として前記機械学習アルゴリズムに提供するステップと、
前記機械学習アルゴリズムの出力に基づいて、前記サンプル内の1つ又は複数の欠陥の前記深度を決定するステップと、
を含む、請求項1に記載の検査システム。 - 前記1つ又は複数の欠陥は、
前記サンプル内に埋設された1つ又は複数の粒子
を含む、請求項1に記載の検査システム。 - 前記サンプルは、
半導体ウェーハ
を含む、請求項1に記載の検査システム。 - 前記サンプルは、
基板上に堆積された薄膜
を備える、請求項1に記載の検査システム。 - 前記サンプルは、
基板上に堆積された多層薄膜積層体
を含む、請求項1に記載の検査システム。 - 前記1つ又は複数の照明光学部品は、対物レンズを含み、前記立体角の第1範囲は、前記対物レンズの開口数内の立体角の第1サブセットを含み、少なくとも収集角の第2セットが、前記対物レンズの前記開口数内の立体角の第2サブセットを含む、請求項1に記載の検査システム。
- 前記第1及び第2収集チャネルは、方位的に対称である、請求項12に記載の検査システム。
- 前記立体角の第1範囲は、
前記サンプルに垂直な方向から第1立体角までの範囲に及ぶ立体角の円錐を含み、
前記立体角の第2範囲は、
前記第1立体角から、前記第1立体角よりも大きい第2立体角までの範囲に及ぶ立体角の環状分布を含む、
請求項12に記載の検査システム。 - 前記第2収集チャネルからの前記1つ又は複数の散乱信号は、
前記第2偏光器の2つの直交方位に基づく2つの散乱信号
を含む、請求項14に記載の検査システム。 - 前記第1収集チャネルからの前記1つ又は複数の散乱信号は、
前記第1偏光器の単一方位に基づく1つの散乱信号
を含む、請求項15に記載の検査システム。 - 前記第1収集チャネルからの前記1つ又は複数の散乱信号は、
前記第1偏光器の2つの直交方位に基づく2つの散乱信号
を含む、請求項14に記載の検査システム。 - 前記1つ又は複数の照明光学部品は、前記照明ビームを前記照明源から斜入射角で前記サンプルまで導く、請求項1に記載の検査システム。
- 前記2つ以上の散乱信号のうちの少なくとも1つは、
暗視野散乱信号
を含む、請求項18に記載の検査システム。 - 前記1つ又は複数の照明光学部品は、前記照明ビームを前記照明源から垂直入射角で前記サンプルまで導く、請求項1に記載の検査システム。
- 前記2つ以上の散乱信号のうちの少なくとも1つは、
明視野散乱信号
を含む、請求項20に記載の検査システム。 - 前記照明源は、可視波長、紫外波長、遠紫外波長、真空紫外波長、又は極紫外波長の少なくとも1つを含む照明を生成するように構成されている、請求項1に記載の検査システム。
- 前記照明源は、2つの波長範囲を含む照明を生成するように構成されており、少なくとも1つの波長範囲は、可視波長を含む、請求項1に記載の検査システム。
- 前記1つ又は複数の照明光学部品は、前記照明ビームを固定焦点高度にある前記サンプルまで導く、請求項1に記載の検査システム。
- プログラム命令を実行するように構成された1つ又は複数のプロセッサを含む制御装置であって、前記プログラム命令は、前記1つ又は複数のプロセッサに、
1つ又は複数の散乱信号を第1収集チャネルから受け取るステップであって、前記第1収集チャネルは、照明ビームに応じた立体角の第1範囲内のサンプルからの光を収集するための第1検出器を含み、前記第1収集チャネルは、前記第1検出器に入射する前記サンプルからの前記光の偏光を制御するための第1調節可能偏光器を更に含み、前記第1収集チャネルからの前記1つ又は複数の散乱信号は、前記第1調節可能偏光器の1つ又は複数の偏光状態に基づいている、ステップと、
1つ又は複数の散乱信号を第2収集チャネルから受け取るステップであって、前記第2収集チャネルは、立体角の前記第1範囲とは異なる立体角の第2範囲内の前記照明ビームに応じた前記サンプルからの光を収集するための第2検出器を含み、前記第2収集チャネルは、前記第2検出器に入射する前記サンプルからの前記光の偏光を制御するための第2調節可能偏光器を更に含み、前記第2収集チャネルからの前記1つ又は複数の散乱信号は、前記第2調節可能偏光器の1つ又は複数の偏光状態に基づいている、ステップと、
前記第1及び第2の収集チャネルからの前記1つ又は複数の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップであって、前記トレーニングデータは、既知の深度に既知の欠陥を有する少なくとも1つのトレーニングサンプルからの2つ以上のトレーニング散乱信号を欠陥深度の関数として含み、前記2つ以上のトレーニング散乱信号が前記第1収集チャネルからの少なくとも1つのトレーニング信号と前記第2収集チャネルからの少なくとも1つのトレーニング信号とを含む、ステップと、
を行わせる、制御装置を備える検査システム。 - 前記2つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
前記2つ以上の散乱信号を前記トレーニングデータと比較することに基づいて、前記サンプル内の前記1つ又は複数の欠陥を深度値域に分類するステップ
を含む、請求項25に記載の検査システム。 - 前記深度値域は、
2つ以上の深度値域
を含む、請求項26に記載の検査システム。 - 前記深度値域は、
表面の深度値域と、2つ以上の表面下の深度値域と、
を含む、請求項26に記載の検査システム。 - 前記深度値域は、
表面の深度値域と、4つ以上の表面下の深度値域と、
を含む、請求項26に記載の検査システム。 - 前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて前記サンプルの1つ又は複数の欠陥の深度を決定するステップは、
前記トレーニングデータに基づいて欠陥深度を決定するための1つ又は複数のルールを生成するステップと、
前記サンプル内の前記1つ又は複数の欠陥の前記深度を決定するために前記1つ又は複数のルールを前記2つ以上の散乱信号に適用するステップと、
を含む、請求項25に記載の検査システム。 - 前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
教師あり学習法、半教師あり学習法、ディープラーニング法の少なくとも1つを含む機械学習アルゴリズムを前記トレーニングデータによってトレーニングするステップと、
前記2つ以上の散乱信号を入力として前記機械学習アルゴリズムに提供するステップと、
前記機械学習アルゴリズムの出力に基づいて、前記サンプル内の1つ又は複数の欠陥の前記深度を決定するステップと、
を含む、請求項25に記載の検査システム。 - 前記1つ又は複数の欠陥は、
前記サンプル内に埋設された1つ又は複数の粒子
を含む、請求項25に記載の検査システム。 - 前記1つ又は複数の照明光学部品は、対物レンズを含み、前記立体角の第1範囲は、前記対物レンズの開口数内の立体角の第1サブセットを含み、少なくとも収集角の第2セットが、前記対物レンズの前記開口数内の立体角の第2サブセットを含む、請求項25に記載の検査システム。
- 前記第1及び第2収集チャネルは、方位的に対称である、請求項33に記載の検査システム。
- 前記第2収集チャネルからの前記1つ又は複数の散乱信号は、前記第2偏光器の2つの直交方位に基づく2つの散乱信号を含み、
前記第1収集チャネルからの前記1つ又は複数の散乱信号は、前記第1偏光器の単一方位に基づく1つの散乱信号を含む、請求項34に記載の検査システム。 - 前記1つ又は複数の照明光学部品は、前記照明ビームを前記照明源から斜入射角で前記サンプルまで導く、請求項25に記載の検査システム。
- 前記2つ以上の散乱信号のうちの少なくとも1つは、
暗視野散乱信号
を含む、請求項36に記載の検査システム。 - 前記1つ又は複数の照明光学部品は、前記照明ビームを前記照明源から垂直入射角で前記サンプルまで導く、請求項25に記載の検査システム。
- 前記2つ以上の散乱信号のうちの少なくとも1つは、
明視野散乱信号
を含む、請求項38に記載の検査システム。 - 1つ又は複数の散乱信号を第1収集チャネルから受け取るステップであって、前記第1収集チャネルは、照明ビームに応じた立体角の第1範囲内のサンプルからの光を収集するための第1検出器を含み、前記第1収集チャネルは、前記第1検出器に入射する前記サンプルからの前記光の偏光を制御するための第1調節可能偏光器を更に含み、前記第1収集チャネルからの前記1つ又は複数の散乱信号は、前記第1調節可能偏光器の1つ又は複数の偏光状態に基づいている、ステップと、
1つ又は複数の散乱信号を第2収集チャネルから受け取るステップであって、前記第2収集チャネルは、立体角の前記第1範囲とは異なる立体角の第2範囲内の前記照明ビームに応じた前記サンプルからの光を収集するための第2検出器を含み、前記第2収集チャネルは、前記第2検出器に入射する前記サンプルからの前記光の偏光を制御するための第2調節可能偏光器を更に含み、前記第2収集チャネルからの前記1つ又は複数の散乱信号は、前記第2調節可能偏光器の1つ又は複数の偏光状態に基づいている、ステップと、
前記第1及び第2収集チャネルからの前記1つ又は複数の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップであって、前記トレーニングデータは、既知の深度に既知の欠陥を有する少なくとも1つのトレーニングサンプルからの2つ以上のトレーニング散乱信号を欠陥深度の関数として含み、前記2つ以上のトレーニング散乱信号が前記第1収集チャネルからの少なくとも1つのトレーニング信号と前記第2収集チャネルからの少なくとも1つのトレーニング信号をと含む、ステップと、
を含む検査方法。 - 前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
前記トレーニングデータに基づいて欠陥深度を決定するための1つ又は複数のルールを生成するステップと、
前記サンプル内の前記1つ又は複数の欠陥の前記深度を決定するために前記1つ又は複数のルールを前記2つ以上の散乱信号に適用するステップと、
を含む、請求項40に記載の検査方法。 - 前記2つ以上の散乱信号をトレーニングデータと比較することに基づいて、前記サンプル内の1つ又は複数の欠陥の深度を決定するステップは、
前記トレーニングデータによって、教師あり学習法、半教師あり学習法、ディープラーニング法の少なくとも1つを含む機械学習アルゴリズムをトレーニングするステップと、
前記2つ以上の散乱信号を入力として前記機械学習アルゴリズムに提供するステップと、
前記機械学習アルゴリズムの出力に基づいて、前記サンプル内の1つ又は複数の欠陥の前記深度を決定するステップと、
を含む、請求項40に記載の検査方法。 - 前記2つ以上の散乱信号のそれぞれが測定パラメータの異なる組み合わせに対応し、該測定パラメータが、照明ビームの波長、照明ビームの偏光、選択された取集チャネル、または前記選択された収集チャネルにおいて検出された光の偏光のうち少なくとも2つを含み、前記選択された収集チャネルが前記第1収集チャネルと前記第2収集チャネルの一方を含む、
請求項1に記載の検査システム。 - 前記2つ以上の散乱信号のそれぞれが測定パラメータの異なる組み合わせに対応し、該測定パラメータが、照明ビームの波長、照明ビームの偏光、選択された取集チャネル、または前記選択された収集チャネルにおいて検出された光の偏光のうち少なくとも2つを含み、前記選択された収集チャネルが前記第1収集チャネルと前記第2収集チャネルの一方を含む、
請求項25に記載の検査方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862687123P | 2018-06-19 | 2018-06-19 | |
US62/687,123 | 2018-06-19 | ||
US16/165,742 | 2018-10-19 | ||
US16/165,742 US10732130B2 (en) | 2018-06-19 | 2018-10-19 | Embedded particle depth binning based on multiple scattering signals |
PCT/US2019/036432 WO2019245785A1 (en) | 2018-06-19 | 2019-06-11 | Embedded particle depth binning based on multiple scattering signals |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021527813A JP2021527813A (ja) | 2021-10-14 |
JPWO2019245785A5 true JPWO2019245785A5 (ja) | 2022-06-16 |
JP7236473B2 JP7236473B2 (ja) | 2023-03-09 |
Family
ID=68840629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020570693A Active JP7236473B2 (ja) | 2018-06-19 | 2019-06-11 | 多重散乱信号に基づく埋設粒子深度値域分類 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10732130B2 (ja) |
JP (1) | JP7236473B2 (ja) |
KR (1) | KR102495449B1 (ja) |
CN (1) | CN112219113B (ja) |
IL (1) | IL279286B2 (ja) |
SG (1) | SG11202012061QA (ja) |
TW (1) | TWI785253B (ja) |
WO (1) | WO2019245785A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10732130B2 (en) * | 2018-06-19 | 2020-08-04 | Kla-Tencor Corporation | Embedded particle depth binning based on multiple scattering signals |
US11668658B2 (en) * | 2018-10-08 | 2023-06-06 | Araz Yacoubian | Multi-parameter inspection apparatus for monitoring of additive manufacturing parts |
JP7206020B2 (ja) * | 2020-11-17 | 2023-01-17 | マシンビジョンライティング株式会社 | 画像観察装置及びその照明光学系 |
WO2023023701A1 (en) * | 2021-08-24 | 2023-03-02 | Mark Andrew Fraser | Handcart |
US20240168391A1 (en) * | 2022-11-23 | 2024-05-23 | Kla Corporation | Device feature specific edge placement error (epe) |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3333631A (en) * | 1964-12-03 | 1967-08-01 | Mobil Oil Corp | Method for optimum miscible flooding of reservoirs using a model to determine input profile |
US6201601B1 (en) | 1997-09-19 | 2001-03-13 | Kla-Tencor Corporation | Sample inspection system |
US6181420B1 (en) | 1998-10-06 | 2001-01-30 | Zygo Corporation | Interferometry system having reduced cyclic errors |
KR20040076742A (ko) * | 2003-02-26 | 2004-09-03 | 삼성전자주식회사 | 결함 분류 방법 및 결함 분류 장치 |
US6947588B2 (en) | 2003-07-14 | 2005-09-20 | August Technology Corp. | Edge normal process |
DE10333445B4 (de) * | 2003-07-23 | 2021-10-14 | Leica Microsystems Cms Gmbh | Konfokales Rastermikroskop |
US7554656B2 (en) | 2005-10-06 | 2009-06-30 | Kla-Tencor Technologies Corp. | Methods and systems for inspection of a wafer |
US7436505B2 (en) | 2006-04-04 | 2008-10-14 | Kla-Tencor Technologies Corp. | Computer-implemented methods and systems for determining a configuration for a light scattering inspection system |
US7714997B2 (en) | 2006-11-07 | 2010-05-11 | Hitachi High-Technologies Corporation | Apparatus for inspecting defects |
US8289527B2 (en) | 2010-04-01 | 2012-10-16 | Tokyo Electron Limited | Optimization of ray tracing and beam propagation parameters |
US20120316855A1 (en) | 2011-06-08 | 2012-12-13 | Kla-Tencor Corporation | Using Three-Dimensional Representations for Defect-Related Applications |
US9151940B2 (en) * | 2012-12-05 | 2015-10-06 | Kla-Tencor Corporation | Semiconductor inspection and metrology system using laser pulse multiplier |
KR20140122608A (ko) | 2013-04-10 | 2014-10-20 | 삼성전자주식회사 | 디펙의 깊이 정보 추출 장치 및 방법과 그 디펙의 깊이 정보를 이용한 반도체 공정 개선방법 |
US9310320B2 (en) | 2013-04-15 | 2016-04-12 | Kla-Tencor Corp. | Based sampling and binning for yield critical defects |
US9535010B2 (en) | 2014-05-15 | 2017-01-03 | Kla-Tencor Corp. | Defect sampling for electron beam review based on defect attributes from optical inspection and optical review |
TWI649932B (zh) * | 2014-06-20 | 2019-02-01 | 美商克萊譚克公司 | 使用面鏡及/或稜鏡之雷射重覆率倍增器及平頂射束分佈產生器 |
US9606069B2 (en) * | 2014-06-25 | 2017-03-28 | Kla-Tencor Corporation | Method, apparatus and system for generating multiple spatially separated inspection regions on a substrate |
JP6369860B2 (ja) * | 2014-07-15 | 2018-08-08 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及びその装置 |
US9726615B2 (en) * | 2014-07-22 | 2017-08-08 | Kla-Tencor Corporation | System and method for simultaneous dark field and phase contrast inspection |
EP3398123A4 (en) | 2015-12-31 | 2019-08-28 | KLA - Tencor Corporation | ACCELERATED TRAINING OF A MODEL BASED ON AUTOMATIC LEARNING FOR SEMICONDUCTOR APPLICATIONS |
NL2017930A (en) * | 2015-12-31 | 2017-07-05 | Asml Netherlands Bv | Method and device for focusing in an inspection system |
US10887580B2 (en) | 2016-10-07 | 2021-01-05 | Kla-Tencor Corporation | Three-dimensional imaging for semiconductor wafer inspection |
US11580398B2 (en) | 2016-10-14 | 2023-02-14 | KLA-Tenor Corp. | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
EP3333631A1 (en) | 2016-12-06 | 2018-06-13 | ASML Netherlands B.V. | Method of measuring a target, metrology apparatus, polarizer assembly |
US10732130B2 (en) | 2018-06-19 | 2020-08-04 | Kla-Tencor Corporation | Embedded particle depth binning based on multiple scattering signals |
-
2018
- 2018-10-19 US US16/165,742 patent/US10732130B2/en active Active
-
2019
- 2019-06-11 SG SG11202012061QA patent/SG11202012061QA/en unknown
- 2019-06-11 IL IL279286A patent/IL279286B2/en unknown
- 2019-06-11 WO PCT/US2019/036432 patent/WO2019245785A1/en active Application Filing
- 2019-06-11 KR KR1020217000554A patent/KR102495449B1/ko active IP Right Grant
- 2019-06-11 JP JP2020570693A patent/JP7236473B2/ja active Active
- 2019-06-11 CN CN201980037368.6A patent/CN112219113B/zh active Active
- 2019-06-17 TW TW108120821A patent/TWI785253B/zh active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI774708B (zh) | 用於半導體結構之檢驗之方法及系統 | |
JP5048377B2 (ja) | 光散乱検査システムの構成を決定するためのコンピュータに実装された方法およびシステム | |
TWI704340B (zh) | 用於最佳化檢驗工具之模式之方法及用於針對缺陷檢驗光微影光罩或晶圓之檢驗系統 | |
KR102495449B1 (ko) | 다중 산란 신호에 기초한 매립된 파티클 깊이 비닝 | |
JP2020504304A5 (ja) | ||
TWI724178B (zh) | 同時多重角度光譜 | |
TW201631315A (zh) | 檢測系統及具有增強偵測之技術 | |
WO2015175894A1 (en) | Defect sampling for electron beam review based on defect attributes from optical inspection and optical review | |
TW201706593A (zh) | 在雷射暗場系統中用於斑點抑制之方法及裝置 | |
JP3720799B2 (ja) | 花粉センサ | |
JP2015521286A (ja) | 基板検査 | |
JP5450161B2 (ja) | 欠陥検査装置および欠陥検査方法 | |
TW202246733A (zh) | 用於量測平面粗度及/或瑕疵的量測裝置及方法 | |
CN107561007A (zh) | 一种薄膜测量装置和方法 | |
TWI809195B (zh) | 用於埋藏缺陷之特徵化之系統及方法 | |
JPWO2019245785A5 (ja) | ||
KR102554867B1 (ko) | 기판 검사 장치 | |
CN115667877A (zh) | 用于检测流体中的颗粒尺寸的方法及设备 | |
CN110426326B (zh) | 检测与区分光滑表面和亚表面颗粒的激光偏振装置和方法 | |
CN210894016U (zh) | 检测与区分光滑表面和亚表面颗粒的激光偏振装置 | |
TWI840702B (zh) | 用於檢測流體中粒子尺寸的方法和裝置 | |
JP2011209088A (ja) | 検査装置、及び検査方法 | |
TW202219480A (zh) | 用於檢測流體中粒子尺寸的方法和裝置 | |
JPH0260975B2 (ja) | ||
CN115420658A (zh) | 水体小粒径悬浮物粒度异轴扫描光散射测量装置和方法 |