CN115222699A - 缺陷检测方法和缺陷检测装置及*** - Google Patents

缺陷检测方法和缺陷检测装置及*** Download PDF

Info

Publication number
CN115222699A
CN115222699A CN202210853605.XA CN202210853605A CN115222699A CN 115222699 A CN115222699 A CN 115222699A CN 202210853605 A CN202210853605 A CN 202210853605A CN 115222699 A CN115222699 A CN 115222699A
Authority
CN
China
Prior art keywords
defect
intensity distribution
distribution data
target
image
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.)
Pending
Application number
CN202210853605.XA
Other languages
English (en)
Inventor
陈鲁
吕肃
刘欢敏
张嵩
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 Zhongke Feice Technology Co Ltd
Original Assignee
Shenzhen Zhongke Feice 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 Zhongke Feice Technology Co Ltd filed Critical Shenzhen Zhongke Feice Technology Co Ltd
Priority to CN202210853605.XA priority Critical patent/CN115222699A/zh
Publication of CN115222699A publication Critical patent/CN115222699A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Biochemistry (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开的缺陷检测方法例如包括：获取初始待测图像；获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。本发明实施例公开的缺陷检测方法能提高晶圆缺陷检测的准确率。

Description

缺陷检测方法和缺陷检测装置及***
技术领域
本发明涉及半导体制造技术领域，尤其涉及一种缺陷检测方法、一种缺陷检测装置以及一种缺陷检测***。
背景技术
在对晶圆进行检测过程中特别是对无图案晶圆进行检测时，通常将获取的晶圆图像拆分成多个检测区域后进行分析，以确定晶圆的表面缺陷，而晶圆表面可能存在一些间断性或者不明显的缺陷，从而在拆分之后，可能对每部分的检测区域均无法将该去缺陷检测出来，从而影响了对晶圆的检测准确率。
发明内容
因此，为克服现有技术中的至少部分缺陷和问题，本发明实施例提供了一种缺陷检测方法、一种缺陷检测装置以及一种缺陷检测***，具有检测准确度高的特点。
具体地，一方面，本发明一个实施例提供的一种缺陷检测方法例如包括：获取初始待测图像；获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
在一个实施例中，所述信号强度分布数据集包括多个强度分布数据，所述获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集，包括：获取所述初始待测图像在目标旋转角度下对应的所述目标检测图像；沿预设方向对所述目标检测图像的像素点进行分析得到所述多个强度分布数据，所述多个强度分布数据与所述目标检测图像在所述预设方向上的所述像素点一一对应。
在一个实施例中，所述沿预设方向对所述目标检测图像的像素点进行分析得到所述多个强度分布数据，所述多个强度分布数据分别与所述目标检测图像在所述预设方向上的所述像素点一一对应，包括：获取所述目标检测图像上的目标行上全部像素点的像素值；根据所述像素值计算所述目标行对应的所述强度分布数据的强度数据；以所述目标行的行位置为所述目标行对应的所述强度分布数据的位置数据。
在一个实施例中，所述根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息，包括：确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据；将所述缺陷强度分布数据的所述位置数据作为所述第一缺陷信息。
在一个实施例中，所述确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据，包括：将预设强度阈值与目标强度分布数据的所述强度数据进行比较；当所述目标强度分布数据的所述强度数据大于所述预设强度阈值时，确定所述目标强度分布数据为所述缺陷强度分布数据。
在一个实施例中，所述确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据，包括：记录所述信号强度分布数据集中的所述多个强度数据的变化规律，根据所述多个强度数据的所述变化规律确定所述缺陷强度分布数据。
在一个实施例中，所述记录所述信号强度分布数据集中的所述多个强度数据的变化规律，根据所述多个强度数据的所述变化规律确定所述缺陷强度分布数据，包括：以所述多个强度分布数据的各自的所述位置数据为横坐标，所述强度数据为纵坐标，生成信号强度分布图；根据从所述信号强度分布图获取得所述纵坐标的抖动幅值确定所述缺陷强度分布数据。
在一个实施例中，所述缺陷特征信息包括缺陷位置和缺陷长度，所述根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息，包括：根据所述缺陷强度分布数据的所述位置数据对应的像素点的像素值的变化规律，确定所述缺陷长度；根据所述第一缺陷信息、所述缺陷长度和所述目标旋转角度确定所述初始待测图像上的所述缺陷位置。
在一个实施例中，所述获取所述初始待测图像在目标旋转角度下的目标检测图像，包括：按照预设角度梯度逐级旋转所述初始待测图像直至旋转的总角度达到额定角度，得到多个旋转图像，其中每旋转一个所述预设角度梯度得到一个所述旋转图像，所述目标旋转角度为所述旋转图像相对于所述初始待测图像的夹角；分别对所述多个旋转图像进行预处理，以得到多个目标旋转角度下多个目标检测图像。
另一方面，本发明的另一个实施例提供的一种缺陷检测装置，图像获取模块，用于获取初始待测图像；数据集获取模块，用于获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；第一信息获取模块，用于根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；第二信息获取模块，用于根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
另一方面，本发明的另一个实施例提供的一种缺陷检测***，包括处理器和连接所述处理器的存储器，所述存储器存储有所述处理器执行的指令，且所述指令使得所述处理器执行操作以进行如前述任意一项实施例所述的缺陷检测方法。
另一方面，本发明的另一个实施例提供的一种缺陷检测***，包括：处理器；图像采集设备，连接所述处理器；其中，所述图像采集设备用于采集待测晶圆的初始待测图像，并发送所述初始待测图像至所述处理器，所述处理器用于，获取初始待测图像；获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
另一方面，本发明的另一个实施例提供的一种计算机可读介质，所述计算机可读介质存储有计算机可读指令，所述计算机可读指令包括用于执行如前述中任一项所述的缺陷检测方法的指令。
由上可知，本发明上述实施例可以达成以下一个或多个有益效果：通过对初始待测图像进行旋转，获取其在不同旋转角度下(即不同目标检测图像)的信号强度分布数据集，通过旋转后可以集中缺陷位置的强信号于同一行或者同一列，因此通过对信号强度分布数据集中的强度分布数据进行比较分析，可判断出缺陷在目标检测图像中的第一缺陷信息，根据缺陷在目标检测图像中的第一缺陷信息可反向推算缺陷在初始待测图像中的实际位置，步骤简单，且结果准确度高。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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为本发明一个实施例提供的一种缺陷检测方法的流程示意图。
图2为本发明一个实施例中一个目标检测图像的示意图。
图3为本发明一个实施例中一个目标检测图像对应的信号强度分布图。
图4为本发明一个实施例提供的一种缺陷检测装置的结构示意图。
图5为本发明一个实施例提供的一种缺陷检测***的结构示意图。
图6为发明一个实施例提供的一种计算机可读介质的结构示意图。
图7为本发明另一个实施例提供的一种缺陷检测***的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
为了使本领域普通技术人员更好地理解本发明的技术方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解这样使用的术语在适当情况下可以互换，以便这里描述的本发明实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
还需要说明的是，本发明中多个实施例的划分仅是为了描述的方便，不应构成特别的限定，各种实施例中的特征在不矛盾的情况下可以相结合，相互引用。
【第一实施例】
本发明第一实施例提供了一种缺陷检测方法，如图1所示本案发明一个实施例提供的缺陷检测方法例如包括步骤S11至步骤S17。
S11：获取初始待测图像；
S13：获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；
S15：根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；
S17：根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
其中，上述缺陷检测方法例如执行于图7所示的一种缺陷检测***300中，可用于检测晶圆上的缺陷，尤其是无图案晶圆上间断性的或者不明显的缺陷。该缺陷检测***300例如包括处理器302和连接处理器302的图像采集设备301。图像采集设备301例如用于采集待测晶圆的待测晶圆图像并发送所述待测晶圆图像至处理器302。图像采集设备301例如为摄像头、摄像机等具有图像采集功能的设备。处理器302用于根据从图像采集设备301传输过来的待测晶圆图像执行上述步骤S13 至S17的缺陷检测方法。其中步骤S13之前例如还对待测晶圆图像进行分割等预处理，处理器302例如为能执行步骤S13至S17的计算机或者处理芯片或器件等。
步骤S13中的信号强度分布数据集包括多个强度分布数据，每个强度分布数据包括位置数据和强度数据，步骤S13例如具体包括步骤S131和步骤S132。
S131：获取所述初始待测图像在目标旋转角度下对应的所述目标检测图像；
S132：对所述目标检测图像的像素点逐行分析得到所述多个强度分布数据，所述多个强度分布数据分别与所述目标检测图像的每一行所述像素点一一对应。
具体地步骤S132中沿预设方向例如为沿横向，即步骤S132a：逐对所述目标检测图像的像素点逐行分析得到所述多个强度分布数据，所述多个强度分布数据分别与所述目标检测图像的每一行所述像素点一一对应。或者步骤S132中沿预设方向例如为沿纵向，即步骤S132b：对所述目标检测图像的像素点逐列分析得到所述多个强度分布数据，所述多个强度分布数据分别与所述目标检测图像的每一列所述像素点一一对应。
参照图2，其为一个实施例中步骤S131获取的一个目标检测图像的示意图，其中，目标旋转角度可以为0°至360°(包括0°和360°)中的任意值，当目标旋转角度为0°或者360°时则表示初始待测图像未旋转。其中目标旋转角度可以是多个不同的角度，则步骤S131对应获取多个目标旋转角度下的多个目标检测图像。每一个目标检测图像对应一个信号强度分布数据集，即初始待测图像在每个目标旋转角度下都对应一个信号强度分布数据集。
具体地步骤S131例如包括步骤S1311和步骤S1312。
S1311：按照预设角度梯度逐级旋转所述初始待测图像直至旋转的总角度达到额定角度，得到多个旋转图像，其中每旋转一个所述预设角度梯度得到一个所述旋转图像，所述目标旋转角度为所述旋转图像相对于所述初始待测图像的夹角；
S1312：分别对所述多个旋转图像进行预处理，以得到多个目标旋转角度下多个目标检测图像。
步骤S1311中预设角度梯度例如1°，额定角度例如为90°，则将初始待测图像每次转动1°得到一个旋转图像，共需转动90次，得到90个旋转图像。第一次旋转得到的旋转图像与初始待测图像的夹角为1°，第二次旋转得到的旋转图像与初始待测图像的夹角为2°，依次类推，第n次旋转得到的旋转图像与初始待测图像的夹角为n°。当然预设角度梯度和额定角度可设置为其他数值。
步骤S1312中对多个旋转图像进行预处理例如具体为对应目标旋转角度下的旋转图像的形成其外接矩形，对应外接矩形以内除旋转图像以外的部分进行填充，得到该旋转图像对应的目标检测图像，其中填充指的是将该区域内的像素点的灰度值全部赋值为标准值，该标准值例如可以是初始待测图像上全部像素点灰度值的平均值，或者为初始待测图像上噪声点的灰度值的平均值，或者根据经验进行取值，以使得目标检测图像内被填充部分的与初始待测图像处于近似状态。参照图2，该目标检测图像的内部有一倾斜的矩形区域，该倾斜的矩形区域即旋转图像。该旋转图像的外接矩形区域被填充形成目标检测图像。
以步骤S131中获得的一个目标检测图像为例，例如目标检测图像包括M行*N 列个子像素，则通过步骤S132a可获得M个强度分布数据，通过步骤S132b可获得 N个强度分布数据。步骤S132a例如具体包括以每一行为目标行执行步骤S132a1至步骤S132a3。
S132a1：获取所述目标检测图像上的目标行上全部像素点的像素值；
S132a2：根据所述像素值计算所述目标行对应的所述强度分布数据的强度数据；
S132a3：以所述目标行的行位置为所述目标行对应的所述强度分布数据的位置数据。
例如对于目标检测图像上的M行*N行像素点，将位于第i行第j列像素点的像素值记为Gij，当步骤S132a以第1行为目标行分析时，通过步骤S132a1获取第1 行上N个像素点的像素值，例如分别记为G11、G12、G13、......、G1j、...G1N。则当步骤S132a以第i行为目标行分析时，通过步骤S132a1获取第i行上N个像素点的像素值，例如分别记为Gi1、Gi2、Gi3、......、Gij、...GiN。则当步骤S132a以第M行为目标行分析时，通过步骤S132a1获取第M行上N个像素点的像素值，例如分别记为GM1、GM2、GM3、......、GMj、...GMN。以第i行为目标行为例，步骤S132a2可通过对Gi1至GiN求均值、求和值或者求标准差等获得第i行的强度数据Ai，以求均值为例则Ai＝(Gi1+Gi2+Gi3+......+Gij+GiN)/N。以求和值为例则Ai＝(Gi1+Gi2+ Gi3+......+Gij+GiN)。步骤S132a3则确定目标行的行位置i为位置数据，即通过步骤S13a2以i行为目标行进行分析后得到第i行对应的强度分布数据为(i，Ai)，该目标检测图像的信号强度分布数据集A＝[(1，A1)，(2，A2)，(3，Y3)......(i， Ai)......(M，AM)]。
步骤S132b例如具体包括以每一列为目标列执行步骤S132b1至步骤S132b3。
S132b1：获取所述目标检测图像上的目标列上全部像素点的像素值；
S132b2：根据所述像素值计算所述目标列对应的所述强度分布数据的强度数据；
S132b3：以所述目标列的列位置为所述目标列对应的所述强度分布数据的位置数据。
例如对于目标检测图像上的M行*N行像素点，将位于第i行第j列像素点的像素值记为Gij，当步骤S132b以第1列为目标列分析时，通过步骤S132b1获取第1 列上M个像素点的像素值，例如分别记为G11、G21、G31、......、Gi1、...GM1。则当步骤S132b以第j列为目标列分析时，通过步骤S132b1获取第j列上M个像素点的像素值，例如分别记为G1j、G2j、G3j、......、Gij、...GMj。则当步骤S132b以第N列为目标行分析时，通过步骤S132b1获取第N列上M个像素点的像素值，例如分别记为G1N、G2N、G3N、......、GiN、...GMN。以第j列为目标列为例，步骤S132b2可通过对G1j至GMj求均值、求和值或者求标准差等获得第j列的强度数据Bj，以求均值为例则Bi＝(G1j+G2j+G3j+......+Gij+GMj)/N。以求和值为例则Bi＝(G1j+G2j +G3j+......+Gij+GMj)。步骤S132b3则确定目标行的列位置j为位置数据，即通过步骤S133以j列为目标列进行分析后得到第j列对应的强度分布数据为(j，Bi)，该目标检测图像的信号强度分布数据集B＝[(1，B1)，(2，B2)，(3，B3)......(j， Bj)......(N，BN)]。
某一目标检测图像的信号强度分布数据集可以任意选择数据集A或者数据集B 中任意一种。为方便表述，后续实施例中信号强度分布数据集以步骤S131和步骤 S132a得到的数据集A为例进行说明。
进一步地，步骤S15具体包括步骤S151：确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据；和步骤S152：将所述缺陷强度分布数据的所述位置数据作为所述第一缺陷信息。
在一个实施例中，步骤S151例如具体包括步骤S1511：将预设强度阈值与目标强度分布数据的所述强度数据进行比较；当所述目标强度分布数据的所述强度数据大于所述预设强度阈值时，确定所述目标强度分布数据为所述缺陷强度分布数据。
具体的，以步骤S151中以多个强度分布数据中的每一个强度分布数据分别为目标强度分布数据，以信号强度分布数据集为数据集A为例，则分别将数据集A中的每一个强度数据与预设强度阈值进行比较，即分别将A1至AM与预设强度阈值进行比较，若对于目标检测图像的第i+x行对应的强度数据Ai+x大于预设强度阈值，则确定该强度分布数据(i+x，Ai+x)为缺陷强度分布数据，将其位置数据i+x作为第一缺陷信息，表示该目标检测图像的第i+x行存在缺陷，换言之初始待测图像上的某一缺陷位置位于该目标旋转角度下目标检测图像的第i+x行。
其中，预设强度阈值例如可以为根据实际经验预设的固定值，或者可以为目标强度分布数据的强度分布数据特定倍率的乘积，例如特定倍率设置为
Figure RE-GDA0003821868760000071
某一强度分布数据(i+x，Ai+x)对应的预设强度阈值则为
Figure RE-GDA0003821868760000072
另一强度分布数据(i+y， Ai+y)对应的预设强度阈值则为
Figure RE-GDA0003821868760000073
或则预设强度阈值例如还可以为该目标待检测图像的信号强度分布数据集中强度数据的最大值与平局值的差值，即Max[Ai]- (A1+A2+A3+......+AM)/M(其中i为1～M)。或者预设强度阈值例如还可以为该目标待检测图像对应的信号强度分布数据集中最大的强度数据与最小的强度分布数据的比值，即Max[Ai]/Min[Ai](其中i为1～M)。本实施例对预设强度阈值的具体值不做限定。
在另一个实施例中，步骤S15具体包括步骤S153：记录所述信号强度分布数据集中的所述多个强度数据的变化规律，根据所述多个强度数据的所述变化规律确定所述缺陷强度分布数据。更具体地：以所述多个强度分布数据的各自的所述位置数据为横坐标，所述强度数据为纵坐标，生成信号强度分布图；根据从所述信号强度分布图获取得所述纵坐标的抖动幅值确定所述缺陷强度分布数据。
参照图3，其为本发明一个实施例中生成的信号强度分布图的示意图，可以从图中看出纵坐标的抖动幅值基本在0.01左右，而对应横坐标为800的位置抖动幅值剧增，可以判断横坐标为800的强度分布数据为缺陷强度分布数据，将其位置数据 800作为第一缺陷信息，表示该目标检测图像的第800行存在缺陷，换言之初始待测图像上的某一缺陷位置位于该目标旋转角度下目标检测图像的第800行。通过生成信号强度分布图，可以更直观的读取信号强度分布图中的常规数据和异常数据，可快速确定目标检测图像中的缺陷位置，且从信号强度分布图中获得的常规数据也可作为缺陷检测过程中的参考数据。
进一步地，步骤S17中的缺陷特征信息包括缺陷位置和缺陷长度，步骤S17具体包括步骤S171和步骤S172。
S171：根据所述缺陷强度分布数据的所述位置数据对应的像素点的像素值的变化规律，确定所述缺陷长度；
S172：根据所述第一缺陷信息、所述缺陷长度和所述目标旋转角度确定所述初始待测图像上的所述缺陷位置。
具体的，如前述步骤S15的具体描述，在步骤S15中已获取目标检测图像存在缺陷的位置数据(即缺陷位置在目标检测图像中的行位置或者列位置)，步骤S171 中取该目标检测图像的对应该位置数据的行(或者列)上全部像素点的像素值，分析其变化规律，例如可以将每个像素值分别与像素值阈值进行比较，统计大于像素值阈值的像素值的数量，根据该数量占该行(或者列)全部像素点数量的比例确定缺陷长度。步骤S172中根据第一缺陷信息和目标旋转角度可确定缺陷位于初始待测图像上的角度和行位置，即得到缺陷位置。结合缺陷位置和缺陷长度在后续处理中可将缺陷标记出，以供晶圆生产线参考。
本实施例中，通过对初始待测图像进行旋转，获取其在不同旋转角度下(即不同目标检测图像)的信号强度分布数据集，通过旋转后可以集中缺陷位置的强信号于同一行或者同一列，因此通过对信号强度分布数据集中的强度分布数据进行比较分析，可判断出缺陷在目标检测图像中的行位置或者列位置，根据缺陷在目标检测图像中的位置反向推算缺陷在初始待测图像中的实际位置，步骤简单，且结果准确度高。
【第二实施例】
本发明的第二实施例提供了一种缺陷检测装置100。参照图4，本发明提供的一种缺陷检测装置100例如包括图像获取模块101、数据集获取模块102，第一信息获取模块103以及第二信息获取模块104。其中图像获取模块101用于执行步骤S11，以获取初始待测图像，数据集获取模块102例如用于执行步骤S13以获取目标检测图像的信号强度分布数据集，第一信息获取模块103例如用于执行步骤S17以获取第一缺陷信息，即判断出缺陷在目标检测图像上的位置信息。第二获信息获取模块 104例如用于执行步骤S17以确定缺陷在初始待测图像中的具***置长度等特征信息。
关于缺陷检测方法的详细流程和具体细节请参考前述第一实施例的描述，在此不再赘述。本发明第二实施例提供的缺陷检测装置的技术效果与前述第一实施例中的缺陷检测方法的技术效果相同，在此不再赘述。
【第三实施例】
参照图5，本发明的第三实施例提供的一种缺陷检测***200，例如包括处理器201和电连接处理器201的存储器202，存储器202存储有处理器201执行的指令，所述指令使得处理器201执行操作以进行前述第一实施例中任意一种缺陷检测方法。
本发明第三实施例提供的缺陷检测***200的功能和技术效果可参考前述第一实施例中的缺陷检测方法的相关描述，在此不再赘述。
【第四实施例】
参照图6，本发明的第四实施例提供了一种计算机可读介质500，计算机可读介质500存储有计算机可读指令501，计算机可读指令501包括用于执行前述第一实施例中任意一种缺陷检测方法的指令。
本发明第四实施例提供的计算机可读介质500的功能和技术效果可参考与前述第一实施例中的缺陷检测方法的技术效果，在此不再赘述。
需要说明的是，在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和/或方法，可以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，所述单元/模块的划分，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，例如多路单元或模块可以结合或者可以集成到另一个***，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，机械或其它的形式。
所述作为分离部件说明的单元/模块可以是或者也可以不是物理上分开的，作为单元/模块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路网络单元上。可以根据实际的需要选择其中的部分或者全部单元/ 模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元/模块的形式实现。
上述以软件功能单元/模块的形式实现的集成的单元/模块，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)的一个或多个处理器执行本发明各个实施例所述方法的部分步骤。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (12)

1.一种缺陷检测方法，其特征在于，包括：
获取初始待测图像；
获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；
根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；
根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
2.如权利要求1所述的缺陷检测方法，其特征在于，所述信号强度分布数据集包括多个强度分布数据，每个所述强度分布数据包括位置数据和强度数据，所述获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集，包括：
获取所述初始待测图像在目标旋转角度下对应的所述目标检测图像；
沿预设方向对所述目标检测图像的像素点进行分析得到所述多个强度分布数据，所述多个强度分布数据与所述目标检测图像在所述预设方向上的所述像素点一一对应。
3.如权利要求2所述的缺陷检测方法，其特征在于，所述沿预设方向对所述目标检测图像的像素点进行分析得到所述多个强度分布数据，所述多个强度分布数据分别与所述目标检测图像在所述预设方向上的所述像素点一一对应，包括：
获取所述目标检测图像上的目标行上全部像素点的像素值；
根据所述像素值计算所述目标行对应的所述强度分布数据的强度数据；
以所述目标行的行位置为所述目标行对应的所述强度分布数据的位置数据。
4.如权利要求2所述的缺陷检测方法，其特征在于，所述根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息，包括：
确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据；
将所述缺陷强度分布数据的所述位置数据作为所述第一缺陷信息。
5.如权利要求4所述的缺陷检测方法，其特征在于，所述确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据，包括：
将预设强度阈值与目标强度分布数据的所述强度数据进行比较；
当所述目标强度分布数据的所述强度数据大于所述预设强度阈值时，确定所述目标强度分布数据为所述缺陷强度分布数据。
6.如权利要求4所述的缺陷检测方法，其特征在于，所述确定所述多个强度分布数据中与所述目标检测图像的缺陷位置对应的缺陷强度分布数据，包括：
记录所述信号强度分布数据集中的所述多个强度数据的变化规律；
根据所述多个强度数据的所述变化规律确定所述缺陷强度分布数据。
7.如权利要求6所述的缺陷检测方法，其特征在于，所述根据所述多个强度数据的所述变化规律确定所述缺陷强度分布数据，包括：
以所述多个强度分布数据的各自的所述位置数据为横坐标，所述强度数据为纵坐标，生成信号强度分布图；
根据从所述信号强度分布图获取的所述纵坐标的抖动幅值确定所述缺陷强度分布数据。
8.如权利要求4所述的缺陷检测方法，其特征在于，所述缺陷特征信息包括缺陷位置和缺陷长度，所述根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息，包括：
根据所述缺陷强度分布数据的所述位置数据对应的像素点的像素值的变化规律，确定所述缺陷长度；
根据所述第一缺陷信息、所述缺陷长度和所述目标旋转角度确定所述初始待测图像上的所述缺陷位置。
9.如权利要求2所述的缺陷检测方法，其特征在于，所述获取所述初始待测图像在目标旋转角度下的目标检测图像，包括：
按照预设角度梯度逐级旋转所述初始待测图像直至旋转的总角度达到额定角度，得到多个旋转图像，其中每旋转一个所述预设角度梯度得到一个所述旋转图像，所述目标旋转角度为所述旋转图像相对于所述初始待测图像的夹角；
分别对所述多个旋转图像进行预处理，以得到多个目标旋转角度下多个目标检测图像。
10.一种缺陷检测装置，其特征在于，包括：
图像获取模块，用于获取初始待测图像；
数据集获取模块，用于获取所述初始待测图像在目标旋转角度下对应的目标检测图像的信号强度分布数据集；
第一信息获取模块，用于根据所述信号强度分布数据集确定所述目标检测图像的的第一缺陷信息；
第二信息获取模块，用于根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
11.一种缺陷检测***，其特征在于，包括：处理器和连接所述处理器的存储器，所述存储器存储有所述处理器执行的指令，且所述指令使得所述处理器执行操作以进行如权利要求1-9任意一项所述的缺陷检测方法。
12.一种缺陷检测***，其特征在于，包括：
处理器；
图像采集设备，连接所述处理器；
其中，所述图像采集设备用于采集待测晶圆的待测晶圆图像，并发送所述待测晶圆图像至所述处理器，所述处理器用于，获取初始待测图像；获取所述初始待测图像在目标旋转角度下对应的所述目标检测图像的信号强度分布数据集；根据所述信号强度分布数据集确定所述目标检测图像的第一缺陷信息；根据所述第一缺陷信息、所述目标旋转角度和所述信号强度分布数据集确定所述初始待测图像上的缺陷特征信息。
CN202210853605.XA 2022-07-11 2022-07-11 缺陷检测方法和缺陷检测装置及*** Pending CN115222699A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210853605.XA CN115222699A (zh) 2022-07-11 2022-07-11 缺陷检测方法和缺陷检测装置及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210853605.XA CN115222699A (zh) 2022-07-11 2022-07-11 缺陷检测方法和缺陷检测装置及***

Publications (1)

Publication Number Publication Date
CN115222699A true CN115222699A (zh) 2022-10-21

Family

ID=83612376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210853605.XA Pending CN115222699A (zh) 2022-07-11 2022-07-11 缺陷检测方法和缺陷检测装置及***

Country Status (1)

Country Link
CN (1) CN115222699A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118032794A (zh) * 2024-04-11 2024-05-14 沈阳欧施盾新材料科技有限公司 一种高压气瓶的瓶壁缺陷检测方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118032794A (zh) * 2024-04-11 2024-05-14 沈阳欧施盾新材料科技有限公司 一种高压气瓶的瓶壁缺陷检测方法及***

Similar Documents

Publication Publication Date Title
CN109977191B (zh) 问题地图检测方法、装置、电子设备和介质
US20230214989A1 (en) Defect detection method, electronic device and readable storage medium
US20140270362A1 (en) Fast edge-based object relocalization and detection using contextual filtering
JP2012032370A (ja) 欠陥検出方法、欠陥検出装置、学習方法、プログラム、及び記録媒体
US11657644B2 (en) Automatic ruler detection
CN108156452B (zh) 一种检测传感器的方法、装置、设备及存储介质
WO2022088660A1 (zh) 提高晶圆检测灵敏度的方法、装置以及存储介质
US20230214981A1 (en) Method for detecting appearance defects of a product and electronic device
CN113469971B (zh) 一种图像匹配方法及检测装置、存储介质
CN110763706A (zh) 分析晶体缺陷的***和方法
CN115222699A (zh) 缺陷检测方法和缺陷检测装置及***
TW201512649A (zh) 偵測晶片影像瑕疵方法及其系統與電腦程式產品
US20150187074A1 (en) Omnibus Resolution Assessment Target for Sensors
CN112150508B (zh) 一种目标追踪方法、装置及相关设备
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
CN111709951A (zh) 目标检测网络训练方法及***及网络及装置及介质
CN114862740A (zh) 瑕疵检测方法、装置、电子设备及计算机可读存储介质
US20030185432A1 (en) Method and system for image registration based on hierarchical object modeling
CN115829929A (zh) 产品表面图像的缺陷检测方法、装置、设备及存储介质
CN110634124A (zh) 一种区域检测的方法及设备
CN115222017A (zh) 对确定图像中的预定点的机器学习方法进行训练的方法和***
CN114998283A (zh) 一种镜头遮挡物检测方法及装置
CN114489903A (zh) 界面元素定位方法、装置、存储介质及电子设备
JP2001099625A (ja) パターン検査装置およびパターン検査方法
JP2020071716A (ja) 異常判定方法、特徴量算出方法、外観検査装置

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