CN112819799A - 目标缺陷检测方法及装置、***、电子设备和存储介质 - Google Patents
目标缺陷检测方法及装置、***、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112819799A CN112819799A CN202110176686.XA CN202110176686A CN112819799A CN 112819799 A CN112819799 A CN 112819799A CN 202110176686 A CN202110176686 A CN 202110176686A CN 112819799 A CN112819799 A CN 112819799A
- Authority
- CN
- China
- Prior art keywords
- defect
- target
- edge
- image
- graph
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 142
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003707 image sharpening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012216 screening Methods 0.000 abstract description 2
- 238000001878 scanning electron micrograph Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
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
- G06T7/001—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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种晶圆上目标缺陷的检测方法,其通过对待检测缺陷图像进行边缘提取,得到至少一个待识别目标的边缘图形,并将该边缘图形与数据库中预存的参考图形进行匹配,若匹配不成功,则将该待识别目标判定为晶圆缺陷。即本发明只需要对晶圆缺陷图像进行边缘提取之后,即可进行晶圆缺陷的识别,无需人工筛查,提高了检测效率;并且,进行晶圆缺陷识别时,无需提供对比模板图像,自然也就无需对两个图像进行处理,降低了计算机的计算量,提高了计算机的计算效率。相应地,本发明还提供了一种目标缺陷的检测装置及***、电子设备和计算机可读存储介质。
Description
技术领域
本发明涉及半导体技术领域,具体涉及一种晶圆上的目标缺陷检测方法及装置、***、电子设备和计算机可读存储介质。
背景技术
在芯片制造过程中,每个工序流程对晶圆的处理都可能会产生一些不符合预期的结构,其中会造成芯片上电路无法正常工作的称之为晶圆缺陷或目标缺陷。因此,芯片制造流程中通常会在众多关键工序后都安排晶圆缺陷检测的步骤,用于监控关键工艺,以确保其正确性。
目前,半导体工业中检测晶圆缺陷的方法有自动光学检测(Automatic OpticInspection,AOI)、X射线检测、扫描电子显微镜(SEM)、聚焦离子束(Focused Ion beam,FIB)或透射电子显微镜(Transmission electron microscope,TEM)等。通常,首先采用AOI对晶圆表面进行全范围扫描,得到疑似缺陷的坐标,然后再通过SEM到指定位置拍照,最终确定该位置是否有缺陷。
其中,利用SEM来确定晶圆上是否有缺陷主要包括两种方法:一种是以版图作为对比模板,即通过对比版图和SEM图像之间的差异检测缺陷;一种是以SEM图像作为对比模板,即通过多次扫描得到多张相同图形的SEM图像进行平均得到SEM图像模板。对于第一种,由于版图和SEM图像之间无法进行直接比较,因此,需要预先建立一个模型,将版图转换为标准的SEM图像模板,然后将待检测的SEM图像与SEM图像模板进行对比,这就增加了计算机的计算量和功耗。对于第二种,由于需要得到多张SEM图像来平均得到SEM模板,增加了工作量,也增加了计算机的计算量和功耗。
上述两种方式,都是需要将待检测的SEM图像与模板图像(即没有缺陷的图像)进行对比,而模板图像的获取将增大工作量和设备计算量和功耗。因此,目前亟需一种无需图像模板,只需要根据待检测图像就可检测出晶圆上缺陷的方法。
发明内容
为部分地解决上述问题,本发明提供了一种晶圆上的目标缺陷的检测方法及装置、***、电子设备和存储介质。
本发明的第一方面,在于提供一种晶圆上的目标缺陷的检测方法其包括步骤:
获取预先采集到的至少一张待检测缺陷图像;
对所述待检测缺陷图像进行边缘提取,得到每个待识别目标各自对应的边缘图形;
将所述待识别目标的边缘图形与数据库中预存的参考图形进行匹配,若匹配不成功,将所述边缘图形对应的所述待识别目标判定为目标缺陷;
其中,所述参考图形包括行业通用电路对应的边缘图形,以及预先自定义的边缘图形。
本发明的一示例性实施例中,所述数据库中的所述参考图形预先被划分为多个匹配优先级,相应地,将所述待识别目标与所述参考图形进行匹配的步骤,具体包括:
从预先被标记为第一匹配优先级开始,将所述待识别目标的边缘图形逐级与相应优先级的参考图形进行匹配,且当未匹配到相应的参考图形时,将所述待识别目标与预先被标记为下一匹配优先级的参考图形进行匹配,直至最末位匹配优先级。
本发明的一示例性实施例中,进行边缘提取的步骤之前,还包括步骤:对所述待检测缺陷图像进行预处理,以提高所述待检测缺陷图像的分辨率。
本发明的一示例性实施例中,对所述待检测缺陷图像进行预处理的步骤,具体包括:对所述待检测缺陷图像进行图像锐化。
本发明的一示例性实施例中,将所述待识别边缘图形判定为晶圆缺陷的步骤后,还包括步骤:
根据用户输入的更正操作指令,将所述用户指定的目标缺陷更正为电路图形;
所述更正操作指令包括:将所述用户指定的且当前被判定为所述目标缺陷的待识别目标更正为电路的控制指令。
本发明的一示例性实施例中,所述方法还包括步骤:将所述用户指定的所述目标缺陷更新至所述数据库中,并作为新的参考图形。
本发明的一示例性实施例中,所述边缘图形包括规则图形和不规则图形;和/或,所述参考图形均为规则图形。
本发明的第二方面,在于提供一种晶圆上的目标缺陷检测装置,其包括:数据库,用于预存多个参考图形;其中,所述参考图形包括行业通用电路对应的边缘图形,和/或由用户自定义的边缘图形;数据获取模块,用于获取预先采集到的待检测缺陷图像;图像处理模块,用于所述数据获取模块所获取的所述待检测缺陷图像进行边缘提取,得到所述晶圆上每个待识别目标各自的边缘图形;缺陷检测模块,用于将所述图像处理模块得到的所述边缘图形与数据库中预存的参考图形进行匹配,若不匹配,将所述边缘图形对应的所述待识别目标判定为目标缺陷。
本发明的一示例性实施例中,所述数据库中的所述参考图形预先被划分为多个匹配优先级,相应地,所述缺陷检测模块具体用于从预先被标记为第一匹配优先级的参考图形开始,将所述待识别目标对应的所述边缘图形逐级与相应优先级的参考图形进行匹配,且当未匹配到相应的参考图形时,将所述边缘图形与下一匹配优先级的参考图形进行匹配,直至最末位匹配优先级;且当在最末位优先级中未匹配到相应的参考图形时,将所述待识别目标判定为目标缺陷。
本发明的一示例性实施例中,所述装置还包括:图像预处理模块,用于对所述数据获取模块所获取到的所述待检测缺陷图像进行预处理,然后将经过预处理的所述待检测缺陷图像发送至所述图像处理模块进行边缘提取。
本发明的一示例性实施例中,所述图像预处理模块具体用于对所述待检测缺陷图像进行图像锐化。
本发明的一示例性实施例中,所述装置还包括:输入模块,用于用户输入相应的操作指令;所述操作指令包括将所述用户指定的,且当前被判定为目标缺陷的待识别目标更正为电路的控制指令;更正模块,用于根据所述控制指令,将所述用户所指定的待识别目标更正为电路。
本发明的一示例性实施例中,所述装置还包括:数据库更新模块,用于响应于所述操作指令,将所述用户指定的所述待识别目标对应的边缘图形添加至所述数据库中作为新的参考图形。
本发明的第三方面,在于提供一种晶圆缺陷检测***,其包括:晶圆缺陷图像采集装置和根据上述任一晶圆缺陷检测装置,所述晶圆缺陷图像采集装置与所述晶圆缺陷检测装置数据通信。
本发明的一示例性实施例中,所述晶圆缺陷图像采集装置为扫描电子显微镜。
本发明的第四方面,在于提供一种电子设备,包括至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器用于存储执行上述方法的程序;所述处理器被配置为用于执行所述存储器中存储的程序。
本发明的第五方面,在于提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时控制所述存储介质所在设备执行上述任一所述方法的步骤。
有益效果:
本发明的检测方法、装置及***,只需要对晶圆缺陷图像进行边缘提取之后,即可进行晶圆缺陷的识别,无需人工筛查,提高了检测效率;并且,进行晶圆缺陷识别时,无需提供对比模板图像,自然也就无需对两个图像进行处理,降低了计算机的计算量,提高了计算机的计算效率。
附图说明
为了更清楚地说明本发明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一简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。显而易见地,下面描述中的附图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它的附图。
图1是本发明一示例性实施例的一种晶圆上的目标缺陷的检测方法实施例的流程示意图;
图2是本发明又一示例性实施例的一种晶圆上的目标缺陷的检测方法实施例的流程示意图;
图3是本发明一示例性实施例的一种晶圆上的目标缺陷的检测装置实施例的模块示意图;
图4是本发明一示例性实施例的一种电子设备组成结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
本文中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
名词释义:
缺陷图形:通常,会在晶圆上集成各种电路,如稳压电路或放大电路等,当将集成有各种电路的晶圆在相应的检测设备上进行扫描或拍摄时,得到晶圆图形。而集成电路的制作工艺过程中,难免会在该晶圆上形成各种各样的缺陷,因此,该晶圆图像也称之为缺陷图像。其中,该晶圆上所集成的各种电路在该缺陷图像上形成的图像即为电路图像,相应地,晶圆上各种缺陷在该缺陷图像上形成的图像即为缺陷图像,而该缺陷图像(即待识别目标)和电路图像(即待识别目标)各自的边缘轮廓/边缘形状即为边缘图形。
参考图形:本文中“参考图形”是指预先由工作人员预先录入数据库中的,在集成电路中可能涉及到各种电路各自所对应的边缘图形,如正方形,长方形,圆角矩形,L形,H形等图形,用以在进行缺陷检测中作为识别目标缺陷的参考对象,或者对比对象。该数据库中的参考图形包括了集成电路行业中通用电路(如稳压电路、放大电路等)对应的边缘图形(预先由本领域技术人员或专家定义的),由用户自定义的边缘图形,以及每个参考图形各自的特征参数,例如对应的电路名称或电路类型,以及尺寸大小等。
实施例一
参见图1,为本发明一示例性实施例的一种晶圆上的目标缺陷的检测方法实施例的流程示意图,具体地,该检测方法包括步骤:
S101,获取预先采集到的至少一张待检测缺陷图像。
在一些实施例中,可通过图像采集设备来扫描或拍摄整个晶圆,例如通过SEM来扫描整个晶圆,以获得待检测缺陷图像,然后从该SEM中获取到该待检测缺陷图像即可。当然,也可采用其他设备来采集该晶圆缺陷图像,例如AOI和TEM等设备。
S103,对步骤S101中所获取到的待检测缺陷图像进行边缘提取,得到晶圆中每个待识别目标各自对应的边缘图形。
在一些实施例中,在进行边缘提取之前,还需要对该待检测缺陷图像进行预处理,以提高该待检测缺陷图像的分辨率,从而提高边缘提取的准确率,如对该待检测缺陷图像进行图像锐化,从而增加边缘等;或者进行图像增强,如图像二值化处理等。
在一些实施例中,边缘提取是指对待检测缺陷图中所出现的所有待识别目标进行边缘图形提取,具体地,可采用Sobel算子,Laplacian算子,Canny算子等方法进行边缘提取,因此,得到的边缘图形包括:晶圆上各个电路对应的边缘图形,以及晶圆上各种缺陷对应的边缘图形。
当然,这里提取到的不仅仅是边缘图形本身,还包括边缘图形的特征参数,如对应的缺陷编号(可以是获取缺陷图像时自动生成的,也可以是由工作人员预先编好的),以及该边缘图形在该缺陷图像中的位置/坐标、尺寸等等。通常,所提取到的边缘图形包括规则图形(即规则形状的图形,如正方形、长方形等)和不规则图形(即不规则形状的图形)。
S105,将上述步骤S103中得到的边缘图形与数据库中预存的参考图形进行匹配,若匹配,执行步骤S107,否则,执行步骤S109。
在一些实施例中,通过预先构建一个数据库来存储由本领域专家或技术人员录入的各种行业公知的通用电路对应的边缘图形,以作为该参考图形,在后续步骤中进行缺陷检测。
由于集成电路设计具有规范性,因此,电路的边缘图形是既定的,且为本领域人员所公知的,且为规则的图形,如正方形,长方形,圆角矩形,L形,H形等图形。也即该数据库中的该参考图形包括了各种电路对应的规则的边缘图形。
进一步地,用户可根据自己设计的特有电路,在数据库中自定义一些边缘图形。由此可知,该数据库可包括行业通用电路的边缘图形,以及用户自定义的边缘图形。
进一步地,用户可预先根据实际情况,对该数据库中的各个参考图形进行优先级标记,从而在进行缺陷识别时,从被标记为第一匹配优先级的参考图形开始,将待识别目标的边缘图形与每个优先级的各个参考图形进行一一匹配,若匹配到相应的参考图形,则不再将其与下一优先级的参考图形进行匹配,若未匹配到相应的参考图形,则将其与下一优先级的参考图形进行匹配,直至被标记为最末位匹配优先级的参考图形,若在最末位优先级中仍未匹配到相应的参考图形,则将该边缘图形判定为目标缺陷。
在一具体实施例中,可将该用户经常用到电路对应的边缘图形标记为第一匹配优先级,将该用户自定义的边缘图形标记为第二匹配优先级,其余为第三匹配优先级,则具体实施时,先将待识别目标的边缘图形与第一匹配优先级的参考图形进行匹配,若匹配到相应的参考图形,则将该待识别目标判定为电路;若未匹配到相应的参考图形,则将待识别目标与第二匹配优先级的参考图形进行匹配,若匹配到相应的参考图形,则将该待识别目标判定为电路;若未匹配到相应的参考图形,则将待识别目标与第三匹配优先级的参考图形进行匹配,相应地,若匹配到相应的参考图形,则将该待识别目标判定为电路;若未匹配到相应的参考图形,则将待识别目标判定为目标缺陷。
在一些实施例中,将该待识别目标与参考图形进行匹配是指将进行边缘提取到的多个边缘图形与数据库中的参考图形进行对比,若形状相同,且图形尺寸大小相同或接近,则认为两者匹配,否则认为两者不匹配。
进一步地,为了提高检测的准确率,需要保证数据库中的边缘图形与晶圆上各个集成电路在晶圆图像中形成的电路图像的边缘轮廓保持一致或近乎相同,例如,若数据库中某个边缘图形本身为相应电路在俯视角度下的轮廓形状,则进行图像采集时,也是在俯视角度下来采集该晶圆图像。
S107,将该待识别目标判定为电路,结束。
在一些实施例中,若在数据库中匹配到相应的参考图形,则说明晶圆中的该待识别目标实际上是电路,因此,其在晶圆图像中的边缘图形能够匹配到相应的参考图形。
S109,将该待识别目标判定为目标缺陷,结束。
在一些实施例中,若在数据库中没有匹配到相应的参考图形,则说明晶圆中的该待识别目标实际上的生成工艺过程中形成的缺陷,因此,其在晶圆图像中的边缘图形不能够在数据库中找到相应的参考图形。
在另一些实施例中,当晶圆上集成的部分电路为用户自行设计的新电路(即不是行业通用电路),并且用户也未将该新电路对应电路图像的边缘图形添加到上述数据库中作为参考图形,则执行步骤S105时,由于未在数据库中匹配到相应的参考图形,因此,会将这部分电路判定为目标缺陷,因此,为了避免这种现象,参见图2,本发明的一示例性实施例的检测方法还包括步骤:
S111,响应于用户的操作指令,将该用户指定的目标缺陷更正为电路图形,并将其添加至数据库中作为新的参考图形。
在一些实施例中,该操作指令是指当该用户复核发现步骤S109中得到的部分目标缺陷实际上为电路时,通过输入设备输入的将当前被误判为目标缺陷的待识别目标(即该用户指定的目标缺陷)更正为电路的控制指令。当然,还可以包括该用户输入的一些自定义参数,例如,该边缘图形的位置/坐标,对应电路的名称,或者形状描述等。
在另一些实施例中,当用户输入表示将指定的目标缺陷对应边缘图形作为新的参考图形添加至数据库更新数据库的操作指令时,才将当前被判定为目标缺陷的待识别目标(实际上为电路)的边缘图形添加至数据库中作为新的参考图形。
实施例二
参见图3,为本发明一示例性实施例的晶圆缺陷检测装置的结构示意图。具体地,该晶圆缺陷检测装置包括:
数据库10,用于预存多个参考图形;
数据获取模块11,用于获取预先采集的待检测缺陷图像;
图像处理模块12,用于对数据获取模块11所获取到的待检测缺陷图像进行边缘提取,得到晶圆上每个待识别目标各自对应的边缘图形;
缺陷检测模块13,用于将图像处理模块12中的每个待识别目标的边缘图形与预存的参考图形进行匹配;若不匹配,并将对应待识别目标判定为目标缺陷;若匹配,将该待识别目标判定为电路。
在一些实施例中,上述数据库中的参考图形包括由本领域专家或技术人员预先录入的各种行业通用电路被扫描后得到的电路图形的边缘轮廓/边缘图形,以及由用户自定义的边缘图形。
在一些实施例中,上述数据获取模块11可与各种缺陷图像采集设备,如SEM进行数据通信,从而可直接从该缺陷图像设备上获取到预先采集到的待检测缺陷图像。
在一些实施例中,该晶圆缺陷检测装置还包括:图像预处理模块14,用于在图像处理模块13对待检测缺陷图像进行边缘提取之前,对该待检测缺陷图像进行预处理,以提高待检测缺陷图像的分辨率,然后,再将经过预处理后的待检测缺陷图像发送至该图像处理模块13进行边缘提取。具体地,该图像预处理模块14对该待检测缺陷图像进行边缘锐化,或者图像增强处理(如进行图像二值化)等。
在另一些实施例中,参见图3,该晶圆缺陷检测装置还包括:
输入模块15,用于用户输入相应的操作指令;
更正模块16,用于当该用户通过该输入模块15输入表示将指定目标缺陷更正为电路的操作指令时,将该目标缺陷更正为电路;
数据库更新模块17,用于当更正模块16根据用户输入的操作指令进行更正时,将指定目标缺陷对应的边缘图形更新至数据库中作为新的参考图形。
实施例三
本发明的第三方面,提供了一种目标缺陷检测***,其包括:缺陷图像采集设备和上述实施例的目标缺陷检测装置。其中,该缺陷图像采集设备可采用SEM等现有的各种采集设备。
本发明的第四方面,提供了一种电子设备,包括存储器502、处理器501及存储在存储器502上并可在处理器501上运行的计算机程序,所述处理器501执行所述程序时实现前文所述方法的步骤。为了便于说明,仅示出了与本说明书实施例相关的部分,具体技术细节未揭示的,请参照本说明书实施例方法部分。该电子设备,可以是包括各种电子设备,PC电脑、网络云服务器,甚至手机、平板电脑、PDA(Personal Digital Assistant,个人数字助理)、POS(Point of Sales,销售终端)、车载电脑、台式电脑等任意电子设备。
具体地,图4示出的与本说明书实施例提供的技术方案相关的电子设备组成结构框图,总线500可以包括任意数量的互联的总线和桥,其将包括由处理器501代表的一个或多个处理器和存储器502代表的存储器的各种电路链接在一起。总线500还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。通信接口503在总线500和接收器和/或发送器504之间提供接口,接收器和/或发送器504可以是分开独立的接收器或发送器也可以是同一个元件如收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器501负责管理总线500和通常的处理,而存储器502可以被用于存储处理器501在执行操作时所使用的数据。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:获取预先采集到的至少一个待检测缺陷图像;对所述待检测缺陷图像进行边缘提取,得到每个待识别目标的边缘图形;将所述边缘图形与数据库中预存的参考图形进行匹配,若匹配不成功,将所述待识别目标判定为目标缺陷。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台计算机终端(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种晶圆上的目标缺陷的检测方法,其特征在于,包括步骤:
获取预先采集到的至少一张待检测缺陷图像;
对所述待检测缺陷图像进行边缘提取,得到每个待识别目标各自对应的边缘图形;
将所述待识别目标的边缘图形与数据库中预存的参考图形进行匹配,若匹配不成功,将所述边缘图形对应的所述待识别目标判定为目标缺陷;
其中,所述参考图形包括行业通用电路对应的边缘图形,以及预先自定义的边缘图形。
2.根据权利要求1所述的方法,其特征在于,所述数据库中的所述参考图形预先被划分为多个匹配优先级,相应地,将所述待识别目标与所述参考图形进行匹配的步骤,具体包括:
从预先被标记为第一匹配优先级开始,将所述待识别目标的边缘图形逐级与相应优先级的参考图形进行匹配,且当未匹配到相应的参考图形时,将所述待识别目标与预先被标记为下一匹配优先级的参考图形进行匹配,直至最末位匹配优先级。
3.根据权利要求2所述的方法,其特征在于,进行边缘提取的步骤之前,还包括步骤:对所述待检测缺陷图像进行预处理,以提高所述待检测缺陷图像的分辨率。
4.根据权利要求3所述的方法,其特征在于,对所述待检测缺陷图像进行预处理的步骤,具体包括:对所述待检测缺陷图像进行图像锐化。
5.根据权利要求1所述的方法,其特征在于,将所述待识别边缘图形判定为晶圆缺陷的步骤后,还包括步骤:
根据用户输入的更正操作指令,将所述用户指定的目标缺陷更正为电路图形;
所述更正操作指令包括:将所述用户指定的且当前被判定为所述目标缺陷的待识别目标更正为电路的控制指令。
6.根据权利要求5所述的方法,其特征在于,还包括步骤:将所述用户指定的所述目标缺陷更新至所述数据库中,并作为新的参考图形。
7.一种晶圆上的目标缺陷检测装置,其特征在于,包括:
数据库,用于预存多个参考图形;其中,所述参考图形包括行业通用电路对应的边缘图形,和/或由用户自定义的边缘图形;
数据获取模块,用于获取预先采集到的待检测缺陷图像;
图像处理模块,用于所述数据获取模块所获取的所述待检测缺陷图像进行边缘提取,得到所述晶圆上每个待识别目标各自的边缘图形;
缺陷检测模块,用于将所述图像处理模块得到的所述边缘图形与数据库中预存的参考图形进行匹配,若不匹配,将所述边缘图形对应的所述待识别目标判定为目标缺陷。
8.一种晶圆缺陷检测***,其特征在于,包括:晶圆缺陷图像采集装置和根据权利要求7所述的晶圆缺陷检测装置,所述晶圆缺陷图像采集装置与所述晶圆缺陷检测装置数据通信。
9.一种电子设备,包括至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器用于存储执行权利要求1至6中任一所述方法的程序;
所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质,其存储有计算机程序,其特征在于,所述计算机程序被处理器执行时控制所述存储介质所在设备执行权利要求1至6中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176686.XA CN112819799B (zh) | 2021-02-09 | 2021-02-09 | 目标缺陷检测方法及装置、***、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176686.XA CN112819799B (zh) | 2021-02-09 | 2021-02-09 | 目标缺陷检测方法及装置、***、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819799A true CN112819799A (zh) | 2021-05-18 |
CN112819799B CN112819799B (zh) | 2024-05-28 |
Family
ID=75864569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110176686.XA Active CN112819799B (zh) | 2021-02-09 | 2021-02-09 | 目标缺陷检测方法及装置、***、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819799B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222967A (zh) * | 2021-05-28 | 2021-08-06 | 长江存储科技有限责任公司 | 晶圆的检测方法及*** |
CN113610155A (zh) * | 2021-08-06 | 2021-11-05 | 上海众壹云计算科技有限公司 | 基于相似性比对模型的晶圆缺陷分类方法及装置、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040263834A1 (en) * | 1990-11-16 | 2004-12-30 | Applied Materials, Inc. | Optical inspection apparatus for substrate defect detection |
US20080226156A1 (en) * | 2007-02-19 | 2008-09-18 | Olympus Corporation | Defect detection apparatus and defect detection method |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
US20170212168A1 (en) * | 2016-01-25 | 2017-07-27 | Elite Semiconductor, Inc. | Method and system for intelligent defect classification and sampling, and non-transitory computer-readable storage device |
CN108648168A (zh) * | 2018-03-15 | 2018-10-12 | 北京京仪仪器仪表研究总院有限公司 | Ic晶圆表面缺陷检测方法 |
CN108831844A (zh) * | 2018-06-26 | 2018-11-16 | 长江存储科技有限责任公司 | 检测晶圆缺陷的方法和*** |
CN109242033A (zh) * | 2018-09-21 | 2019-01-18 | 长鑫存储技术有限公司 | 晶片缺陷模式分类方法及装置、存储介质、电子设备 |
CN110767564A (zh) * | 2019-10-28 | 2020-02-07 | 苏师大半导体材料与设备研究院(邳州)有限公司 | 一种晶圆检测方法 |
CN111640091A (zh) * | 2020-05-14 | 2020-09-08 | 阿丘机器人科技(苏州)有限公司 | 产品缺陷的检测方法及计算机存储介质 |
-
2021
- 2021-02-09 CN CN202110176686.XA patent/CN112819799B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040263834A1 (en) * | 1990-11-16 | 2004-12-30 | Applied Materials, Inc. | Optical inspection apparatus for substrate defect detection |
US20080226156A1 (en) * | 2007-02-19 | 2008-09-18 | Olympus Corporation | Defect detection apparatus and defect detection method |
US20170212168A1 (en) * | 2016-01-25 | 2017-07-27 | Elite Semiconductor, Inc. | Method and system for intelligent defect classification and sampling, and non-transitory computer-readable storage device |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN108648168A (zh) * | 2018-03-15 | 2018-10-12 | 北京京仪仪器仪表研究总院有限公司 | Ic晶圆表面缺陷检测方法 |
CN108831844A (zh) * | 2018-06-26 | 2018-11-16 | 长江存储科技有限责任公司 | 检测晶圆缺陷的方法和*** |
CN109242033A (zh) * | 2018-09-21 | 2019-01-18 | 长鑫存储技术有限公司 | 晶片缺陷模式分类方法及装置、存储介质、电子设备 |
CN110767564A (zh) * | 2019-10-28 | 2020-02-07 | 苏师大半导体材料与设备研究院(邳州)有限公司 | 一种晶圆检测方法 |
CN111640091A (zh) * | 2020-05-14 | 2020-09-08 | 阿丘机器人科技(苏州)有限公司 | 产品缺陷的检测方法及计算机存储介质 |
Non-Patent Citations (2)
Title |
---|
JIE GONG: ""Wafer edge defect study of temporary bonded and thin wafers in TSV process flow"", 《2015 IEEE 65TH ELECTRONIC COMPONENTS AND TECHNOLOGY CONFERENCE》 * |
***: ""基于图像配准的晶圆表面缺陷检测"", 《仪器仪表与分析监测》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222967A (zh) * | 2021-05-28 | 2021-08-06 | 长江存储科技有限责任公司 | 晶圆的检测方法及*** |
CN113610155A (zh) * | 2021-08-06 | 2021-11-05 | 上海众壹云计算科技有限公司 | 基于相似性比对模型的晶圆缺陷分类方法及装置、电子设备和存储介质 |
CN113610155B (zh) * | 2021-08-06 | 2024-05-31 | 上海众壹云计算科技有限公司 | 基于相似性比对模型的晶圆缺陷分类方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112819799B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8041104B2 (en) | Pattern matching apparatus and scanning electron microscope using the same | |
US20140119638A1 (en) | System, method and computer program product to evaluate a semiconductor wafer fabrication process | |
CN111507055B (zh) | 电路设计版图和电镜扫描图像的配准方法及***、电路设计版图和其成像误差计算方法 | |
CN112819799B (zh) | 目标缺陷检测方法及装置、***、电子设备和存储介质 | |
EP2919167A2 (en) | Image processing device, image processing method, and image processing program | |
CN113592886B (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
CN113095438A (zh) | 晶圆缺陷分类方法及其装置、***、电子设备和存储介质 | |
US11670528B2 (en) | Wafer observation apparatus and wafer observation method | |
CN113096119A (zh) | 晶圆缺陷分类的方法、装置、电子设备以及存储介质 | |
CN116051551B (zh) | 基于图像处理的显示屏缺陷检测方法及相关装置 | |
CN113077462A (zh) | 晶圆缺陷分类方法、装置、***、电子设备和存储介质 | |
CN113688965A (zh) | 一种自动仓储扫码检测的方法和货物管理*** | |
CN115731208A (zh) | 金属复杂面高精度缺陷检测方法、装置、设备及存储介质 | |
CN115690670A (zh) | 一种晶圆瑕疵智能识别方法和*** | |
CN111784238A (zh) | 电子围栏分单方法、装置、终端设备及存储介质 | |
CN113610801B (zh) | 基于最小单元的缺陷分类方法、装置、设备和存储介质 | |
CN113610155B (zh) | 基于相似性比对模型的晶圆缺陷分类方法及装置、电子设备和存储介质 | |
JP2014126445A (ja) | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム | |
JP2008294451A (ja) | 画像形成方法、及び画像形成装置 | |
CN114937037B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
CN113643265A (zh) | 基于人工智能的质量等级确定方法、装置、设备及介质 | |
CN112699886B (zh) | 一种字符识别方法、装置及电子设备 | |
EP2573694A1 (en) | Conversion method and system | |
CN110874837A (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
CN113886745B (zh) | 页面图片测试方法、装置及电子设备 |
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 |