TWI808595B - 分析缺陷的方法 - Google Patents
分析缺陷的方法 Download PDFInfo
- Publication number
- TWI808595B TWI808595B TW111100150A TW111100150A TWI808595B TW I808595 B TWI808595 B TW I808595B TW 111100150 A TW111100150 A TW 111100150A TW 111100150 A TW111100150 A TW 111100150A TW I808595 B TWI808595 B TW I808595B
- Authority
- TW
- Taiwan
- Prior art keywords
- defect
- batch
- blocks
- horizontal
- ratio
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/1306—Details
- G02F1/1309—Repairing; Testing
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Nonlinear Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一種分析缺陷的方法,適於利用電子裝置來執行下述步驟。沿著水平方向,將檢測佈局等份劃分為多個直條區塊,並計算每一直條區塊的第一缺陷點數。並且,沿著垂直方向,將檢測佈局等份劃分為多個橫條區塊,並計算每一橫條區塊的第二缺陷點數。在滿足至少下述一個規定條件的情況下,判定檢測佈局具有缺陷群集。所述規定條件包括:至少一個直條區塊的第一缺陷點數大於第一預設值;以及至少一個橫條區塊的第二缺陷點數大於第二預設值。
Description
本發明是有關於一種面板檢測方法,且特別是有關於一種分析缺陷的方法。
多數薄膜電晶體液晶顯示器(Thin film transistor liquid crystal display,TFT-LCD)廠都會透過層層的缺陷檢測(Defect Inspection)來即時找出有瑕疵的面板。檢測方式大都是透過檢查機使用自動掃瞄並照相來進行比對,藉此找出有問題的面板。因此這些缺陷檢測流程便會產生大量的缺陷資訊及缺陷影像檔。
而在透過機台檢測缺陷之後,必須透過良率技師在這些缺陷資訊及缺陷影像檔中人工判斷是否具有缺陷群集。由於良率技師每天必須檢視超過150個生產批次的檢測結果,並且需要針對每一個生產批次以及每一片面板來檢查和判斷缺陷群集,在判定具有缺陷群集的異常時,再經由人工通報。透過人工判斷會因標準不一致使的判斷結果不同,再加上可能因疲勞等因素導致漏檢,進而影響工廠產能、良率、成本。
本發明提供一種分析缺陷的方法,可改善過往效率不彰的問題。
本發明的分析缺陷的方法,適於利用電子裝置來執行下述步驟,包括:沿著水平方向,將檢測佈局(Layout)等份劃分為多個直條區塊,並計算每一直條區塊的第一缺陷點數;沿著垂直方向,將檢測佈局等份劃分為多個橫條區塊,並計算每一橫條區塊的第二缺陷點數;以及在滿足至少下述一個規定條件的情況下,判定檢測佈局具有缺陷群集,所述規定條件包括:至少一個直條區塊的第一缺陷點數大於第一預設值;以及至少一個橫條區塊的第二缺陷點數大於第二預設值。
在本發明的一實施例中,上述分析缺陷的方法更包括:以第一缺陷點數以及檢測佈局的總缺陷點數,計算每一直條區塊在檢測佈局中的第一缺陷占比;以及以第二缺陷點數以及檢測佈局的總缺陷點數,計算每一橫條區塊在檢測佈局(Layout)中的第二缺陷占比。所述規定條件更包括:至少一個直條區塊的第一缺陷占比大於第一單片占比;以及至少一個橫條區塊的第二缺陷占比大於第二單片占比。
在本發明的一實施例中,上述檢測佈局是自缺陷檢測機台接收的多個待測品其中一者經缺陷檢測後所獲得,所述待測品屬於同一生產批次。
在本發明的一實施例中,上述分析缺陷的方法更包括:
計算生產批次經缺陷檢測後所獲得的所有缺陷點的批次缺陷總合;以第一缺陷點數以及批次缺陷總合,計算每一直條區塊在生產批次中的垂直區域占比;以及以第二缺陷點數以及批次缺陷總合,計算每一橫條區塊的水平區域占比。所述規定條件更包括:至少一個直條區塊的垂直區域占比大於第一批次占比;以及至少一個橫條區塊的水平區域占比大於第二批次占比。
在本發明的一實施例中,上述在計算生產批次經缺陷檢測後所獲得的所有缺陷點的批次缺陷總合之後,更包括:在批次缺陷總合大於第一基準數量的情況下,以批次缺陷總合以及檢測佈局的總缺陷點數,計算檢測佈局的單片缺陷占比。所述規定條件更包括:總缺陷點數大於或等於第一設定值,且單片缺陷占比大於或等於第二設定值。
在本發明的一實施例中,上述分析缺陷的方法更包括:在批次缺陷總合大於一第二基準數量的情況下,所述規定條件更包括:至少一個直條區塊的垂直區域占比大於第一批次占比,其中所述直條區塊的數量為3個;在批次缺陷總合大於第三基準數量的情況下,所述規定條件更包括:至少一個橫條區塊的水平區域占比大於第二批次占比,其中所述橫條區塊的數量為3個。
在本發明的一實施例中,在判定檢測佈局具有缺陷群集之後,更包括:針對滿足的所述規定條件,記錄對應的群集標籤。
在本發明的一實施例中,在判定檢測佈局具有缺陷群集之後,更包括:針對具有缺陷群集的生產批次,產生異常通報。
基於上述,本揭露針對水平方向和垂直方向上的缺陷座標進行群組化,並計算各群組數量與占比,對應的門檻值,藉此進行水平方向線性偵測和垂直方向線性偵測。據此,將缺陷群集的判斷自動化,以改善過往效率不彰問題。
100:電子裝置
110:處理器
120:儲存單元
D:機台檢測資料
S205~S215:分析缺陷方法的步驟
圖1是依照本發明一實施例的用於分析缺陷的電子裝置的方塊圖。
圖2是依照本發明一實施例的分析缺陷的方法流程圖。
圖3A與圖3B是依照本發明一實施例的等份劃分的示意圖。
圖4A與圖4B是依照本發明另一實施例的等份劃分的示意圖。
圖1是依照本發明一實施例的用於分析缺陷的電子裝置的方塊圖。請參照圖1,電子裝置100接收機台檢測資料D來分析缺陷。電子裝置100包括處理器110以及儲存單元120。處理器110耦合至儲存單元120。機台檢測資料D是由缺陷檢測機台所生成的,其包括屬於同一生產批次的多個待測品經缺陷檢測後所獲得的缺陷資訊以及缺陷座標資料。
處理器110例如為中央處理單元(Central Processing
Unit,CPU)、物理處理單元(Physics Processing Unit,PPU)、可程式化之微處理器(Microprocessor)、嵌入式控制晶片、數位訊號處理器(Digital Signal Processor,DSP)、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)或其他類似裝置。
儲存單元120例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read-Only Memory,ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合。儲存單元120包括一或多個程式碼片段成,上述程式碼片段在被安裝後,會由處理器110來執行下述分析缺陷的方法。
圖2是依照本發明一實施例的分析缺陷的方法流程圖。請參照圖1及圖2,在電子裝置100接收機台檢測資料D之後,可透過處理器110來分析機台檢測資料D,以判斷各面板是否出現缺陷群集的現象。機台檢測資料D包括每批及每片面板對應的缺陷資訊以及缺陷座標資料。處理器110可先針對同一生產批次的多個缺陷座標資料來逐一取出每片面板對應的檢測佈局(Layout)。
在步驟S205中,沿著水平方向,將檢測佈局等份劃分為多個直條區塊,並計算每一直條區塊的第一缺陷點數。並且,在步驟S210中,沿著垂直方向,將檢測佈局等份劃分為多個橫條區塊,並計算每一橫條區塊的第二缺陷點數。在此,並不限定步驟S205與步驟S210的執行順序,例如可先執行步驟S205,或者先
執行步驟S210,另亦可同時執行步驟S205與步驟S210。
在一實施例中,可將檢測佈局在水平方向與垂直方向分別每隔一段指定長度等份劃分為多個直條區域與多個橫條區塊,如圖3A及圖3B所示。圖3A與圖3B是依照本發明一實施例的等份劃分的示意圖。在另一實施例中,也將檢測佈局在水平方向與垂直方向分別每隔份劃分為3個直條區域與3個橫條區塊,如圖4A及圖4B所示。圖4A與圖4B是依照本發明另一實施例的等份劃分的示意圖。
在劃分完之後,再針對所劃分的直條區塊與橫條區域來分別計算第一缺陷點數與第二缺陷點數。之後,在步驟S215中,在滿足規定條件的情況下,判定檢測佈局具有缺陷群集。所述規定條件包括下述至少一個條件:至少一個直條區塊的第一缺陷點數大於第一預設值;至少一個橫條區塊的第二缺陷點數大於第二預設值。
以圖3A與圖3B而言,假設每隔一段長度(例如1mm)沿著水平方向與垂直方向分別將檢測佈局等份劃分為n個直條區塊以及n個橫條區塊,並計算每一個直條區塊內所包括的第一缺陷點數xi(i=1~n)以及每一個橫條區塊內所包括的第二缺陷點數yi(i=1~n)。接著,將第一缺陷點數xi與第一預設值T1進行比對,將第二缺陷點數yi與第二預設值T2進行比對。並且,進一步設定下述條件:xi>T1(條件1);yi>T2(條件2)。在一實施例中,可將第一預設值與第二預設值設定為25顆。
另外,還可進一步以第一缺陷點數xi以及檢測佈局的總缺陷點數,計算每一直條區塊在檢測佈局中的第一缺陷占比ratio_xi(=xi/總缺陷點數);以第二缺陷點數以及檢測佈局的總缺陷點數,計算每一橫條區塊在檢測佈局中的第二缺陷占比ratio_yi(=yi/總缺陷點數)。並且,所述規定條件更包括:至少一個直條區塊的第一缺陷占比ratio_xi大於第一單片占比Tr1;以及至少一個橫條區塊的第二缺陷占比ratio_yi大於第二單片占比Tr2。即,ratio_xi>Tr1(條件3);ratio_yi>Tr2(條件4)。
即,在本揭露的缺陷分析中,還可進一步判斷此直條區塊的第一缺陷點數占單片(one sheet)的總缺陷點數的比例(第一缺陷占比)是否大於第一缺陷占比。或者,進一步判斷此橫條區塊的第二缺陷點數占單片的總缺陷點數的比例(第二缺陷占比)是否大於第二缺陷占比。
在一實施例中,可將第一預設值與第二預設值設定為30顆,將第一缺陷占比與第二缺陷占比設定為30%。可進一步找出xi大於30且ratio_xi大於30%的直條區塊;或者,進一步找出yi大於30且ratio_yi大於30%的橫條區塊。或者,在其他實施例中,可進一步設定為:在總缺陷點數大於42的情況下,找出yi 20,且ratio_yi 30%的橫條區塊。
所述條件1~條件4用以找出單片面板的缺陷群集,還可進一步針對同一個生產批次來找出缺陷群集。針對找出生產批次的缺陷群集而言,可將影像在水平方下劃分為左中右三個直條區
塊,並在垂直方下劃分為上中下三個橫條區塊來進行分析,可參照圖4A及圖4B。
首先,計算同一個生產批次所有面板經缺陷檢測後所獲得的所有缺陷點的批次缺陷總合。在批次缺陷總合大於第一基準數量的情況下,以批次缺陷總合以及檢測佈局的總缺陷點數,計算檢測佈局的單片缺陷占比(總缺陷點數/批次缺陷總合)。所述規定條件更包括:總缺陷點數大於或等於第一設定值,且單片缺陷占比大於或等於第二設定值(條件5)。
例如,第一基準數量為36顆,第一設定值為27顆,第二設定值為23%。在批次缺陷總合大於36的情況下,找出總缺陷點數大於27,且單片缺陷占比大於或等於23%的面板對應的影像。
另外,以第一缺陷點數xi(i=1~3)以及批次缺陷總合,計算每一直條區塊在生產批次中的垂直區域占比Sratio_xi(=xi/批次缺陷總合);以及以第二缺陷點數yi(i=1~3)以及批次缺陷總合,計算每一橫條區塊的水平區域占比Sratio_yi(=yi/批次缺陷總合)。所述規定條件更包括:至少一個直條區塊的垂直區域占比大於第一批次占比Tlotr1;以及至少一個橫條區塊的水平區域占比大於第二批次占比Tlotr2。即,Sratio_xi>Tlotr1(條件6);Sratio_yi>Tlotr2(條件7)。另外,還可進一步設定為:在批次缺陷總合大於第二基準數量的情況下,判斷條件6;在批次缺陷總合大於第三基準數量的情況下,判斷條件7。
例如,在條件6中,設定第二基準數量為22顆,第一批
次占比Tlotr1為65%。在批次缺陷總合大於22顆的情況下,找出垂直區域占比大於65%的直條區塊。在條件7中,設定第三基準數量為21顆,第二批次占比Tlotr2為80%。在批次缺陷總合大於21顆的情況下,找出水平區域占比大於80%的橫條區塊。
另外,在另一實施例中,也可設定為:先利用條件1、條件2來判斷單片面板的缺陷群集,在判定為缺陷群集之後,再去細分析關於生產批次的缺陷群集的區域。
而在判定檢測佈局具有缺陷群集之後,再進一步針對滿足的所述規定條件,記錄對應的群集標籤。例如,設定一記錄標籤,其包括5個記錄位元,即(B1,B2,B3,B4,B5)。記錄位元B1~B4分別用以記錄是否滿足條件1~條件4,“0”代表不滿足,“1”代表滿足。另,記錄位元B5用以記錄是否滿足條件5~7,“0”代表條件5~7皆不滿足,“1”代表滿足條件5~7中的一個,“2”代表滿足條件5~7中的兩個,“3”代表滿足條件5~7皆滿足。
並且,針對具有缺陷群集的生產批次,產生異常通報。例如,在記錄位元B1~B5其中一個不為0的情況下,產生異常通報。
在一應用例中,利用程式語言Python將機台檢測資料D進行群集偵測以及圖像辨識偵測。所述群集偵測包括上述實施例提及的方式,還可進一步搭配DBSCAN(Density-based spatial clustering of applications with noise)演算法。所述圖像辨識偵測使用OpenCV(Open Source Computer Vision Library)套件。之後,
在偵測後的結果儲存至資料存取伺服器,並在獲得加權運算風險值之後,透過有線或無線傳輸方式輸出至介面,供用戶端執行決策依據。
綜上所述,本揭露可針對單片進行水平方向線性偵測和垂直方向線性偵測,並且,還可進一步針對同一生產批次進行區域群集占比偵測。據此,將缺陷群集的判斷自動化,以改善過往效率不彰問題。此外,還可主動通報異常,進而提高精準對焦異常的批次處理效率,縮短費時多平台作業。
S205~S215:分析缺陷方法的步驟
Claims (8)
- 一種分析缺陷的方法,適於利用一電子裝置來執行下述步驟,包括:沿著一水平方向,將一檢測佈局等份劃分為多個直條區塊,並計算每一該些直條區塊的一第一缺陷點數;沿著一垂直方向,將該檢測佈局等份劃分為多個橫條區塊,並計算每一該些橫條區塊的一第二缺陷點數,其中該些橫條區塊的劃分與該些直條區塊的劃分為獨立執行;以及在滿足下述規定條件至少一個的情況下,判定該檢測佈局在該水平方向與該垂直方向中的至少一者具有缺陷群集,所述規定條件包括:該些直條區塊至少其中一個的該第一缺陷點數大於一第一預設值;以及該些橫條區塊至少其中一個的該第二缺陷點數大於一第二預設值。
- 如請求項1所述的分析缺陷的方法,更包括:以該第一缺陷點數以及該檢測佈局的一總缺陷點數,計算每一該些直條區塊在該檢測佈局中的一第一缺陷占比;以及以該第二缺陷點數以及該檢測佈局的該總缺陷點數,計算每一該些橫條區塊在該檢測佈局中的一第二缺陷占比,其中,所述規定條件更包括:該些直條區塊至少其中一個的該第一缺陷占比大於一第 一單片占比;以及該些橫條區塊至少其中一個的該第二缺陷占比大於一第二單片占比。
- 如請求項1所述的分析缺陷的方法,其中該檢測佈局是自一缺陷檢測機台接收的多個待測品其中一者經缺陷檢測後所獲得,該些待測品屬於同一生產批次。
- 如請求項3所述的分析缺陷的方法,更包括:計算該生產批次經缺陷檢測後所獲得的所有缺陷點的一批次缺陷總合;以該第一缺陷點數以及該批次缺陷總合,計算每一該些直條區塊在該生產批次中的一垂直區域占比;以及以該第二缺陷點數以及該批次缺陷總合,計算每一該些橫條區塊的一水平區域占比,其中,所述規定條件更包括:該些直條區塊至少其中一個的該垂直區域占比大於一第一批次占比;以及該些橫條區塊至少其中一個的該水平區域占比大於一第二批次占比。
- 如請求項4所述的分析缺陷的方法,其中在計算該生產批次經缺陷檢測後所獲得的所有缺陷點的該批次缺陷總合之後,更包括:在該批次缺陷總合大於一第一基準數量的情況下,以該批次 缺陷總合以及該檢測佈局的一總缺陷點數,計算該檢測佈局的一單片缺陷占比;其中,所述規定條件更包括:該總缺陷點數大於或等於一第一設定值,且該單片缺陷占比大於或等於一第二設定值。
- 如請求項4所述的分析缺陷的方法,其中,在該批次缺陷總合大於一第二基準數量的情況下,所述規定條件更包括:該些直條區塊至少其中一個的該垂直區域占比大於該第一批次占比,其中該些直條區塊的數量為3個;以及在該批次缺陷總合大於一第三基準數量的情況下,所述規定條件更包括:該些橫條區塊至少其中一個的該水平區域占比大於該第二批次占比,其中該些橫條區塊的數量為3個。
- 如請求項1所述的分析缺陷的方法,在判定該檢測佈局具有缺陷群集之後,更包括:針對滿足的所述規定條件,記錄對應的群集標籤。
- 如請求項1所述的分析缺陷的方法,在判定該檢測佈局具有缺陷群集之後,更包括:針對具有缺陷群集的生產批次,產生一異常通報。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111100150A TWI808595B (zh) | 2022-01-03 | 2022-01-03 | 分析缺陷的方法 |
CN202210519246.4A CN114911085A (zh) | 2022-01-03 | 2022-05-12 | 分析缺陷的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111100150A TWI808595B (zh) | 2022-01-03 | 2022-01-03 | 分析缺陷的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI808595B true TWI808595B (zh) | 2023-07-11 |
TW202328665A TW202328665A (zh) | 2023-07-16 |
Family
ID=82767684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111100150A TWI808595B (zh) | 2022-01-03 | 2022-01-03 | 分析缺陷的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114911085A (zh) |
TW (1) | TWI808595B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116381974B (zh) * | 2023-06-06 | 2023-08-11 | 深圳市瀚达美电子有限公司 | 一种miniLED像素检测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991699A (en) * | 1995-05-04 | 1999-11-23 | Kla Instruments Corporation | Detecting groups of defects in semiconductor feature space |
TW410275B (en) * | 2000-01-21 | 2000-11-01 | China Textile Inst | Drapery surface defects detection method with digital image processing and neural network groups |
US6456951B1 (en) * | 1999-01-06 | 2002-09-24 | Hitachi, Ltd. | Method and apparatus for processing inspection data |
US20040047500A1 (en) * | 1997-08-07 | 2004-03-11 | Junichi Taguchi | Inspecting method and apparatus for repeated micro-miniature patterns |
US20070156379A1 (en) * | 2005-11-18 | 2007-07-05 | Ashok Kulkarni | Methods and systems for utilizing design data in combination with inspection data |
JP6028520B2 (ja) * | 2012-10-24 | 2016-11-16 | Jfeスチール株式会社 | 表面欠陥検査方法および装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7394534B1 (en) * | 2003-11-19 | 2008-07-01 | Kla-Tencor Corporation | Process excursion detection |
JP4386175B2 (ja) * | 2004-01-21 | 2009-12-16 | 株式会社島津製作所 | Tftアレイ検査方法 |
JP2006098217A (ja) * | 2004-09-29 | 2006-04-13 | Fujitsu Ltd | 画像検査装置、画像検査方法及び画像検査プログラム |
JP5167731B2 (ja) * | 2007-09-06 | 2013-03-21 | 大日本印刷株式会社 | 検査装置および方法 |
JP4950946B2 (ja) * | 2007-09-26 | 2012-06-13 | 株式会社東芝 | 欠陥解析装置及び欠陥解析方法 |
JP2010066186A (ja) * | 2008-09-12 | 2010-03-25 | Olympus Corp | 検査装置および検査方法 |
CN106054421B (zh) * | 2016-07-28 | 2019-06-18 | 京东方科技集团股份有限公司 | 一种液晶面板缺陷的检测方法及装置 |
CN109886956B (zh) * | 2019-03-06 | 2021-11-30 | 京东方科技集团股份有限公司 | 检测缺陷点聚集性的方法及装置 |
-
2022
- 2022-01-03 TW TW111100150A patent/TWI808595B/zh active
- 2022-05-12 CN CN202210519246.4A patent/CN114911085A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991699A (en) * | 1995-05-04 | 1999-11-23 | Kla Instruments Corporation | Detecting groups of defects in semiconductor feature space |
US20040047500A1 (en) * | 1997-08-07 | 2004-03-11 | Junichi Taguchi | Inspecting method and apparatus for repeated micro-miniature patterns |
US6456951B1 (en) * | 1999-01-06 | 2002-09-24 | Hitachi, Ltd. | Method and apparatus for processing inspection data |
TW410275B (en) * | 2000-01-21 | 2000-11-01 | China Textile Inst | Drapery surface defects detection method with digital image processing and neural network groups |
US20070156379A1 (en) * | 2005-11-18 | 2007-07-05 | Ashok Kulkarni | Methods and systems for utilizing design data in combination with inspection data |
JP6028520B2 (ja) * | 2012-10-24 | 2016-11-16 | Jfeスチール株式会社 | 表面欠陥検査方法および装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202328665A (zh) | 2023-07-16 |
CN114911085A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5777901A (en) | Method and system for automated die yield prediction in semiconductor manufacturing | |
JP4014379B2 (ja) | 欠陥レビュー装置及び方法 | |
US9335277B2 (en) | Region-of-interest determination apparatus, observation tool or inspection tool, region-of-interest determination method, and observation method or inspection method using region-of-interest determination method | |
US7062081B2 (en) | Method and system for analyzing circuit pattern defects | |
US5539752A (en) | Method and system for automated analysis of semiconductor defect data | |
US8081814B2 (en) | Linear pattern detection method and apparatus | |
US7386418B2 (en) | Yield analysis method | |
TW202105549A (zh) | 對樣本的缺陷檢測的方法及其系統 | |
TW201401231A (zh) | 在半導體製造中用於檢測之雜訊中所內嵌之缺陷之偵測 | |
US10719655B2 (en) | Method and system for quickly diagnosing, classifying, and sampling in-line defects based on CAA pre-diagnosis database | |
JP4357134B2 (ja) | 検査システムと検査装置と半導体デバイスの製造方法及び検査プログラム | |
JPH11214462A (ja) | 回路パターン検査における欠陥致命性判定方法、レビュー対象とする欠陥選択方法、およびそれらに関連する回路パターンの検査システム | |
TW201517192A (zh) | 晶片對資料庫的影像檢測方法 | |
KR20190029484A (ko) | 검사 레시피를 생성하는 방법 및 그 시스템 | |
CN115360116B (zh) | 一种晶圆的缺陷检测方法及系统 | |
TWI808595B (zh) | 分析缺陷的方法 | |
CN115082444B (zh) | 一种基于图像处理的铜管焊缝缺陷检测方法及系统 | |
KR20030051064A (ko) | 순수 디펙트에 의한 페일 발생 확률 측정방법, 순수디펙트에서 추출한 패턴 파라미터의 분류를 이용한 디펙트제한 수율 측정 방법 및 순수 디펙트에 의한 페일 발생확률 및 디펙트 제한 수율을 측정하기 위한 시스템 | |
US6885955B1 (en) | Semiconductor process yield analysis based on evaluation of parametric relationship | |
JP2000306964A (ja) | 検査データ処理方法および検査データ処理装置 | |
KR100359797B1 (ko) | 평판형 표시장치의 양, 부 판정 방법 | |
US7079966B2 (en) | Method of qualifying a process tool with wafer defect maps | |
JP2007049126A (ja) | 半導体ウエハ上の局所性不良を検出するテスト方法及びこれを用いるテストシステム | |
JP4538205B2 (ja) | 検査データの解析プログラム、検査データ解析装置 | |
TWI681357B (zh) | 用於基板缺陷分析之裝置及方法 |