CN117132583A - 晶圆缺陷检测方法、装置、电子设备及非易失性存储介质 - Google Patents
晶圆缺陷检测方法、装置、电子设备及非易失性存储介质 Download PDFInfo
- Publication number
- CN117132583A CN117132583A CN202311193930.9A CN202311193930A CN117132583A CN 117132583 A CN117132583 A CN 117132583A CN 202311193930 A CN202311193930 A CN 202311193930A CN 117132583 A CN117132583 A CN 117132583A
- Authority
- CN
- China
- Prior art keywords
- wafer
- target
- image
- defect
- detected
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 214
- 238000001514 detection method Methods 0.000 title claims abstract description 131
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 239000011521 glass Substances 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 10
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 229910052710 silicon Inorganic materials 0.000 claims description 8
- 239000010703 silicon Substances 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 230000004044 response Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 description 25
- 230000003287 optical effect Effects 0.000 description 17
- 239000000463 material Substances 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000003702 image correction Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000001259 photo etching Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了一种晶圆缺陷检测方法、装置、电子设备及非易失性存储介质。其中,该方法包括:依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域;将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像;对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息。本申请解决了由于相关技术中,采用人工方式对晶圆进行缺陷检测,造成的缺陷检测效率低,准确度差的技术问题。
Description
技术领域
本申请涉及晶圆检测技术领域,具体而言,涉及一种晶圆缺陷检测方法、装置、电子设备及非易失性存储介质。
背景技术
增强现实(Augmented Reality,AR)智能眼镜技术的发展有赖于微纳光学元件光波导,其中主流的核心技术是衍射光波导中的表面浮雕光栅波导。对于加工特征尺寸在微纳米量级的衍射光波导,其制造加工流程就涉及到光刻、刻蚀、切割、点胶、涂墨和封装等环节。
目前,相关技术在生产加工过程中,采用人工检测的方式对此类晶圆级的光学元件材料进行缺陷检测,晶圆缺陷检测效率低,且人工检测缺陷容易出现漏检和误检的情况,检测准确度差。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种晶圆缺陷检测方法、装置、电子设备及非易失性存储介质,以至少解决由于相关技术中,采用人工方式对晶圆进行缺陷检测,造成的缺陷检测效率低,准确度差的技术问题。
根据本申请实施例的一个方面,提供了一种晶圆缺陷检测方法,包括:依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域,其中,晶圆参考图至少用于表征待检测晶圆中待检测区域的尺寸信息;将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像,其中,每个子区域对应一个局部图像;对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息,其中,有效区域为目标图像中与待检测晶圆中分布有光栅结构的位置所对应的区域。
可选地,依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域包括:确定待检测晶圆的晶圆类型,其中,晶圆类型包括以下至少之一:硅晶圆、玻璃晶圆、波导片;获取与晶圆类型对应的晶圆参考图,其中,晶圆参考图至少用于表征晶圆类型的待检测晶圆中待检测区域的尺寸信息,尺寸信息包括:待检测区域的目标长度和目标宽度;确定待检测晶圆的中心点在晶圆载物台平面的位置坐标;依据位置坐标、目标长度和目标宽度,确定目标检测区域,其中,目标检测区域的尺寸信息与晶圆参考图所表征的待检测区域的尺寸信息一致。
可选地,将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像包括:确定图像采集设备与晶圆载物台平面的垂直高度距离,并确定图像采集设备在距晶圆载物台平面垂直高度距离的情况下的拍摄视野范围;依据拍摄视野范围,确定划分的子区域的尺寸数据,并按照尺寸数据将目标检测区域划分为多个子区域;确定图像采集设备在目标检测区域的初始拍摄位置,并从初始拍摄位置开始,控制图像采集设备按照规划路径依次对各个子区域进行图像采集,得到局部图像。
可选地,对局部图像进行矫正,并依据矫正后的局部图像进行拼接包括:确定局部图像的第一尺寸数据,以及与局部图像对应的子区域的第二尺寸数据;依据第一尺寸数据和第二尺寸数据,删除局部图像中的重叠区域,以矫正由于图像采集设备运动控制过程中所产生的机械误差,其中,重叠区域为在局部图像的中心点与子区域的中心点对齐的情况下,局部图像中超出子区域的范围的部分;将删除重叠区域后的局部图像,按照对应的子区域在目标检测区域中的排列方式进行拼接,得到目标图像。
可选地,依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测包括:依据晶圆参考图中的光栅分布信息,确定目标图像中的有效区域,其中,光栅分布信息用于表征待检测晶圆中光栅区域的位置分布,有效区域与光栅区域相对应,光栅区域包括以下至少之一:波导片的耦入区域、转折区域、耦出区域;对有效区域进行灰度化处理,并依据有效区域中各个像素点的灰度值与待检测晶圆对应的灰度阈值,确定有效区域中的目标连通域;依据目标连通域的几何特征,确定待检测晶圆中的目标缺陷信息,其中,几何特征包括以下至少之一:目标连通域的面积与待检测晶圆面积的比值、目标连通域的周长与待检测晶圆周长的比值、目标连通域的质心坐标到待检测晶圆中心的相对距离与晶圆半径的比值,目标缺陷信息包括:目标缺陷的尺寸和位置。
可选地,依据有效区域中各个像素点的灰度值与待检测晶圆对应的灰度阈值,确定有效区域中的目标连通域包括:依据待检测晶圆的参数信息,确定与待检测晶圆对应的灰度阈值,其中,参数信息包括以下至少之一:晶圆类型、波导片厚度、波导片层数;通过比较灰度阈值与有效区域中各个像素点的灰度值的大小,对有效区域进行阈值分割,得到有效区域对应的二值化图像,其中,二值化图像中包括目标连通域。
可选地,得到待检测晶圆中的目标缺陷信息之后,方法还包括:依据目标缺陷信息中目标缺陷的尺寸和位置,控制图像采集设备对待检测晶圆上目标缺陷信息对应目标缺陷进行图像采集,得到缺陷图像,其中,缺陷图像的分辨率高于局部图像的分辨率;将缺陷图像发送至前端交互界面进行显示;响应于前端交互界面的筛选指令,删除不符合要求的缺陷图像,其中,筛选指令用于指示删除不符合要求的无效缺陷;在删除无效缺陷对应的缺陷图像的情况下,依据目标缺陷的缺陷图像,确定目标缺陷对应的缺陷类别。
根据本申请实施例的另一个方面,还提供了一种晶圆缺陷检测装置,包括:检测区域确定模块,用于依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域,其中,晶圆参考图至少用于表征待检测晶圆中待检测区域的尺寸信息;局部图像获取模块,用于将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像,其中,每个子区域对应一个局部图像;局部矫正拼接模块,用于对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;目标缺陷确定模块,用于依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息,其中,有效区域为目标图像中与待检测晶圆中分布有光栅结构的位置所对应的区域。
根据本申请实施例的又一方面,还提供了一种电子设备,包括:存储器和处理器,处理器用于运行存储在存储器中的程序,其中,程序运行时执行晶圆缺陷检测方法。
根据本申请实施例的再一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的计算机程序,其中,非易失性存储介质所在设备通过运行计算机程序执行晶圆缺陷检测方法。
在本申请实施例中,采用依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域,其中,晶圆参考图至少用于表征待检测晶圆中待检测区域的尺寸信息;将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像,其中,每个子区域对应一个局部图像;对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息,其中,有效区域为目标图像中与待检测晶圆中分布有光栅结构的位置所对应的区域的方式,通过针对光学晶圆中不同光栅分布的结构,结合参考图提取有效结构检测区域进行缺陷检测,能够对生成过程中从来料检到成品检的各环节中,各材料(包括硅晶圆、玻璃晶圆和波导片)的各种光栅区域分布的结构进行对应层的有效区域的缺陷检测,达到了提高有效缺陷数据获取率,提升成品率,优化加工流程的目的,进而解决了由于相关技术中,采用人工方式对晶圆进行缺陷检测,造成的缺陷检测效率低,准确度差技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的一种用于实现晶圆缺陷检测的方法的计算机终端(或电子设备)的硬件结构框图;
图2是根据本申请实施例提供的一种晶圆缺陷检测的方法流程的示意图;
图3是根据本申请实施例提供的一种晶圆缺陷检测***的结构示意图;
图4是根据本申请实施例提供的一种晶圆缺陷检测装置的结构示意图。
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的实施例,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,都应当属于本申请保护的范围。
需要说明的是,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”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的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它步骤或单元。
近年来AR智能眼镜技术的发展有赖于微纳光学元件光波导,其中的主流核心技术是衍射光波导中的表面浮雕光栅波导。对于加工特征尺寸在微纳米量级的衍射光波导,其制造加工流程就涉及到光刻、刻蚀、切割、点胶、涂墨和封装等环节。鉴于生产材料的特殊性,要实现量产制造,除了突破技术上的难题,研发人员也缺少在生产加工过程中对此类晶圆级的光学元件材料进行缺陷检测的自动化***。
相关技术中所采用的人工检测缺陷方式容易出现漏检和误检的情况,影响成品的光学显示效果,降低产品良率,极大地增加了研发生产的时间和物料成本。同时相关技术中缺乏对产品进行各环节多结构形态的缺陷检测,无法明确缺陷的主要来源和主要加工步骤,降低生产效率。
为了解决上述问题,本申请实施例中提供了相关的解决方案,以下详细说明。
根据本申请实施例,提供了一种晶圆缺陷检测的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现晶圆缺陷检测方法的计算机终端(或电子设备)的硬件结构框图。如图1所示,计算机终端10(或电子设备)可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10(或电子设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的晶圆缺陷检测方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述晶圆缺陷检测方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或电子设备)的用户界面进行交互。
在上述运行环境下,本申请实施例提供了一种晶圆缺陷检测方法,图2是根据本申请实施例提供的一种晶圆缺陷检测的方法流程的示意图,如图2所示,该方法包括如下步骤:
步骤S202,依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域,其中,晶圆参考图至少用于表征待检测晶圆中待检测区域的尺寸信息;
在本申请的一些实施例中,依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域包括以下步骤:确定待检测晶圆的晶圆类型,其中,晶圆类型包括以下至少之一:硅晶圆、玻璃晶圆、波导片;获取与晶圆类型对应的晶圆参考图,其中,晶圆参考图至少用于表征晶圆类型的待检测晶圆中待检测区域的尺寸信息,尺寸信息包括:待检测区域的目标长度和目标宽度;确定待检测晶圆的中心点在晶圆载物台平面的位置坐标;依据位置坐标、目标长度和目标宽度,确定目标检测区域,其中,目标检测区域的尺寸信息与晶圆参考图所表征的待检测区域的尺寸信息一致。
具体地,首先确定待检测晶圆的晶圆类型和型号,然后获取与该类型和型号对应的晶圆参考图,利用已知的晶圆参考图中的待检测区域的尺寸参数信息L(目标长度)×W(目标宽度),以及待检测晶圆放置在晶圆载物台的零点位置(a,b)(即上述待检测晶圆的中心点),来计算整体的拍摄区域范围,即上述待检测区域。
其中,在本实施例中,以待检测晶圆的中心点在晶圆载物台平面的位置为零点,以晶圆载物台的前后移动方向作为y轴方向,在晶圆载物台所在平面上垂直与y轴的方向为x轴方向,垂直与在晶圆载物台所在平面的方向为z轴方向建立直角坐标系。
在确定目标检测区域之后,需要将目标检测区域划分为多个子区域,对待检测晶圆材料规划检测路径和拍摄,获取待检测材料的系列局部图像,下面进行进一步介绍。
步骤S204,将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像,其中,每个子区域对应一个局部图像;
在本申请的一些实施例中,将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像包括以下步骤:确定图像采集设备与晶圆载物台平面的垂直高度距离,并确定图像采集设备在距晶圆载物台平面垂直高度距离的情况下的拍摄视野范围;依据拍摄视野范围,确定划分的子区域的尺寸数据,并按照尺寸数据将目标检测区域划分为多个子区域;确定图像采集设备在目标检测区域的初始拍摄位置,并从初始拍摄位置开始,控制图像采集设备按照规划路径依次对各个子区域进行图像采集,得到局部图像。
具体地,根据图像采集设备的低倍镜(高倍镜)的镜头视野和拍摄范围,确定划分的子区域的尺寸大小,以及,确定图像采集设备在目标检测区域的初始拍摄位置,例如,可以将初始拍摄位置设置在(a-L/2,b+W/2)坐标点,然后,对划分的子区域按照规划路径控制相机(图像采集设备)和待检测晶圆移动,例如,可以通过定点位置发射信号,相机在接收信号后进行对子区域进行逐一拍摄,获取一系列清晰的局部图像。
步骤S206,对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;
在本申请的一些实施例中,对局部图像进行矫正,并依据矫正后的局部图像进行拼接包括以下步骤:确定局部图像的第一尺寸数据,以及与局部图像对应的子区域的第二尺寸数据;依据第一尺寸数据和第二尺寸数据,删除局部图像中的重叠区域,以矫正由于图像采集设备运动控制过程中所产生的机械误差,其中,重叠区域为在局部图像的中心点与子区域的中心点对齐的情况下,局部图像中超出子区域的范围的部分;将删除重叠区域后的局部图像,按照对应的子区域在目标检测区域中的排列方式进行拼接,得到目标图像。
具体地,依据对上述局部图像的边缘的灰度信息获取拍摄结果下的检测对象的尺寸(即上述第一尺寸数据),与局部图像对应的子区域的第二尺寸数据作差值计算,依据系列图数量计算单张局部图像的偏移量,删除各局部图像间的重叠区域,获取减少由于运动控制过程产生的机械误差后的局部图像。
然后,对上述处理的局部图像根据结构特征进行拼接,获取具备需检测区域的完整图像,即上述目标图像。
本申请方案使用外部辅助的晶圆参考图与拍摄结果进行对比,并就结果的角度偏差和位移偏差值,自动调整运动参数,并实现图像矫正功能。
步骤S208,依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息,其中,有效区域为目标图像中与待检测晶圆中分布有光栅结构的位置所对应的区域。
在本申请的一些实施例中,依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测包括以下步骤:依据晶圆参考图中的光栅分布信息,确定目标图像中的有效区域,其中,光栅分布信息用于表征待检测晶圆中光栅区域的位置分布,有效区域与光栅区域相对应,光栅区域包括以下至少之一:波导片的耦入区域、转折区域、耦出区域;对有效区域进行灰度化处理,并依据有效区域中各个像素点的灰度值与待检测晶圆对应的灰度阈值,确定有效区域中的目标连通域;依据目标连通域的几何特征,确定待检测晶圆中的目标缺陷信息,其中,几何特征包括以下至少之一:目标连通域的面积与待检测晶圆面积的比值、目标连通域的周长与待检测晶圆周长的比值、目标连通域的质心坐标到待检测晶圆中心的相对距离与晶圆半径的比值,目标缺陷信息包括:目标缺陷的尺寸和位置。
具体地,对目标图像利用已知晶圆参考图中的光栅分布信息进行有效区域提取,例如,提取目标图像中波导片的耦入区域、转折区域或耦出区域等光栅区域对应的有效区域,接着对有效区域进行灰度化处理后进行带阻滤波,获取突显有效区域的缺陷信息的图像。
然后对上述预处理的有效区域的图像进行阈值分割处理,获取二值化图像,具体步骤如下。
在本申请的一些实施例中,依据有效区域中各个像素点的灰度值与待检测晶圆对应的灰度阈值,确定有效区域中的目标连通域包括以下步骤:依据待检测晶圆的参数信息,确定与待检测晶圆对应的灰度阈值,其中,参数信息包括以下至少之一:晶圆类型、波导片厚度、波导片层数;通过比较灰度阈值与有效区域中各个像素点的灰度值的大小,对有效区域进行阈值分割,得到有效区域对应的二值化图像,其中,二值化图像中包括目标连通域。
具体地,依据用户设置的尺寸、深浅等参数信息和材料形态如玻璃晶圆、硅晶圆和波导片的厚度、层数等参数信息进行连通域分析得到图像中的连通域筛选结果,获取有效缺陷对象,即上述目标缺陷的信息,并将上述图像分析结果的缺陷信息进行记录,获取整体结构中目标缺陷的缺陷尺寸和位置信息。
本申请对加工过程中晶圆材料的不同形态采用不同筛选阈值(灰度阈值),提高检测效率,减少检测时间。针对光学晶圆中的多种光栅布局情况,结合结构的晶圆参考图对拍摄的整体图像结果进行有效区域抠取,使缺陷检测集中在有效区域范围内,并可对检测的缺陷结果计算与区域的径向位移值,做进一步缺陷筛选。
作为一种可选的实施方式,得到待检测晶圆中的目标缺陷信息之后,方法还包括以下步骤:依据目标缺陷信息中目标缺陷的尺寸和位置,控制图像采集设备对待检测晶圆上目标缺陷信息对应目标缺陷进行图像采集,得到缺陷图像,其中,缺陷图像的分辨率高于局部图像的分辨率;将缺陷图像发送至前端交互界面进行显示;响应于前端交互界面的筛选指令,删除不符合要求的缺陷图像,其中,筛选指令用于指示删除不符合要求的无效缺陷;在删除无效缺陷对应的缺陷图像的情况下,依据目标缺陷的缺陷图像,确定目标缺陷对应的缺陷类别。
具体地,可以依据获取的目标缺陷信息中目标缺陷的尺寸和位置,控制图像采集设备移动到对应的位置进行二次观察,对于每个目标缺陷利用更大倍率镜头进行拍摄,获取具有缺陷清晰结构的图像信息(即上述缺陷图像);并对上述缺陷图像中无效的(例如,在玻璃基底上而非光栅结构上或在边缘上的情况)或不佳的(例如,由于材料性质出现的纹路、不规则起伏等被判为缺陷的情况)缺陷图像数据进行二次筛选,获取二次筛选后的缺陷图像数据集,对缺陷图像数据集中的缺陷图像进行类别标记,获取具有类别标签的缺陷图像数据。
本申请方案结合外部辅助晶圆参考图获取计算路径,减少人为尺寸测量操作步骤,另外,对于局部区域的连续拍摄结果与已知参考图进行对比,矫正图像拍摄过程中运动***造成的误差;以及,对于不同光栅分布的结构结合晶圆参考图提取有效结构检测区域,能够在整体图像中只针对具有光栅布局的有效区域进行缺陷检测,过滤对与本环节无用的基底玻璃区域,使获取的缺陷信息更加集中在指定区域范围。
通过上述步骤,通过针对光学晶圆中不同光栅分布的结构,结合参考图提取有效结构检测区域进行缺陷检测,能够对生成过程中从来料检到成品检的各环节中,各材料(包括硅晶圆、玻璃晶圆和波导片)的各种光栅区域分布的结构进行对应层的有效区域的缺陷检测,达到了提高有效缺陷数据获取率,提升成品率,优化加工流程的目的,进而解决了由于相关技术中,采用人工方式对晶圆进行缺陷检测,造成的缺陷检测效率低,准确度差技术问题。
根据本申请实施例,还提供了一种晶圆缺陷检测***的实施例。图3是根据本申请实施例提供的一种晶圆缺陷检测***的结构示意图。如图3所示,该***用于对AR镜片的加工材料晶圆在生产各环节进行缺陷检测,包括:
图像获取模块,用于对待检测晶圆规划检测路径和拍摄,获取待检测材料的系列局部图像。其中,上述图像获取模块中包括:尺寸数据获取单元和局部区域获取单元;
在本实施例中,以待检测晶圆的中心点在晶圆载物台平面的位置为零点,以晶圆载物台的前后移动方向作为y轴方向,在晶圆载物台所在平面上垂直与y轴的方向为x轴方向,垂直与在晶圆载物台所在平面的方向为z轴方向建立直角坐标系,本实施例中晶圆载物台沿着y轴正负方向移动,图像采集设备(相机)沿着x轴正负方向和z轴争睹方向移动。
尺寸数据获取单元,用于首先确定待检测晶圆的晶圆类型和型号,然后获取与该类型和型号对应的晶圆参考图,利用已知的晶圆参考图中的待检测区域的尺寸参数信息L(目标长度)×W(目标宽度),以及待检测晶圆放置在晶圆载物台的零点位置(a,b)(即上述待检测晶圆的中心点),来计算整体的拍摄区域范围,即上述待检测区域。
以及,根据图像采集设备的低倍镜(高倍镜)的镜头视野和拍摄范围,确定划分的子区域的尺寸大小,以及,确定图像采集设备在目标检测区域的初始拍摄位置,例如,可以将初始拍摄位置设置在(a-L/2,b+W/2)坐标点。
局部区域获取单元,用于对划分的子区域按照规划路径控制相机(图像采集设备)和待检测晶圆移动,例如,可以通过定点位置发射信号,相机在接收信号后进行对子区域进行逐一拍摄,获取一系列清晰的局部图像。
图像处理模块,用于对上述拍摄图像(即上述局部图像)进行拼接,获取检测对象的完整图像信息。其中,上述图像处理模块中包括:图像矫正单元和图像拼接单元;
图像矫正单元,用于依据对上述局部图像的边缘的灰度信息获取拍摄结果下的检测对象的尺寸(即上述第一尺寸数据),与局部图像对应的子区域的第二尺寸数据作差值计算,依据系列图数量计算单张局部图像的偏移量,删除各局部图像间的重叠区域,获取减少由于运动控制过程产生的机械误差后的局部图像。
图像拼接单元,用于对上述处理的局部图像根据结构特征进行拼接,获取具备需检测区域的完整图像,即上述目标图像。
区域缺陷检测模块,用于对上述拼接图像进行缺陷定位算法处理,获取图片缺陷的尺寸和位置信息。其中,上述区域缺陷检测单元中包括:图像预处理单元、图像分割单元、图像分析单元和信息储存单元。
图像预处理单元,用于对目标图像利用已知晶圆参考图中的光栅分布信息进行有效区域提取,例如,提取目标图像中波导片的耦入区域、转折区域或耦出区域等光栅区域对应的有效区域,接着对有效区域进行灰度化处理后进行带阻滤波,获取突显有效区域的缺陷信息的图像。
图像分割单元,用于对上述预处理的有效区域的图像进行阈值分割处理,获取二值化图像。
图像分析单元,用于依据用户设置的尺寸、深浅等参数信息和材料形态如玻璃晶圆、硅晶圆和波导片的厚度、层数等参数信息进行连通域分析得到图像中的连通域筛选结果,获取有效缺陷对象,即上述目标缺陷的信息。
信息存储单元,用于将上述图像分析结果的缺陷信息进行记录,获取整体结构中目标缺陷的缺陷尺寸和位置信息。
目标缺陷标记模块,用于利用上述缺陷尺寸和位置信息,对各个目标缺陷分别进行更高精度拍摄并进行标签化处理,获取训练分类模型的数据集。其中,目标缺陷标记模块包括:目标缺陷拍摄单元、缺陷对象筛选单元和目标缺陷标记单元。
目标缺陷拍摄单元,用于可以依据获取的目标缺陷信息中目标缺陷的尺寸和位置,控制图像采集设备移动到对应的位置进行二次观察,对于每个目标缺陷利用更大倍率镜头进行拍摄,获取具有缺陷清晰结构的图像信息(即上述缺陷图像);
缺陷对象筛选单元,用于对上述缺陷图像中无效的(例如,在玻璃基底上而非光栅结构上或在边缘上的情况)或不佳的(例如,由于材料性质出现的纹路、不规则起伏等被判为缺陷的情况)缺陷图像数据进行二次筛选,获取二次筛选后的缺陷图像数据集;
目标缺陷标记单元,用于对缺陷图像数据集中的缺陷图像进行类别标记,获取具有类别标签的缺陷图像数据。
需要说明的是,本实施例中所提供的晶圆缺陷检测***可用于执行图2所示的晶圆缺陷检测方法,因此,对上述晶圆缺陷检测方法的相关解释说明也适用于本申请实施例中,在此不再赘述。
根据本申请实施例,还提供了一种晶圆缺陷检测装置的实施例。图4是根据本申请实施例提供的一种晶圆缺陷检测装置的结构示意图。如图4所示,该装置包括:
检测区域确定模块40,用于依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域,其中,晶圆参考图至少用于表征待检测晶圆中待检测区域的尺寸信息;
在本申请的一些实施例中,依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域包括:确定待检测晶圆的晶圆类型,其中,晶圆类型包括以下至少之一:硅晶圆、玻璃晶圆、波导片;获取与晶圆类型对应的晶圆参考图,其中,晶圆参考图至少用于表征晶圆类型的待检测晶圆中待检测区域的尺寸信息,尺寸信息包括:待检测区域的目标长度和目标宽度;确定待检测晶圆的中心点在晶圆载物台平面的位置坐标;依据位置坐标、目标长度和目标宽度,确定目标检测区域,其中,目标检测区域的尺寸信息与晶圆参考图所表征的待检测区域的尺寸信息一致。
局部图像获取模块42,用于将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像,其中,每个子区域对应一个局部图像;
在本申请的一些实施例中,将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像包括:确定图像采集设备与晶圆载物台平面的垂直高度距离,并确定图像采集设备在距晶圆载物台平面垂直高度距离的情况下的拍摄视野范围;依据拍摄视野范围,确定划分的子区域的尺寸数据,并按照尺寸数据将目标检测区域划分为多个子区域;确定图像采集设备在目标检测区域的初始拍摄位置,并从初始拍摄位置开始,控制图像采集设备按照规划路径依次对各个子区域进行图像采集,得到局部图像。
局部矫正拼接模块44,用于对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;
在本申请的一些实施例中,对局部图像进行矫正,并依据矫正后的局部图像进行拼接包括:确定局部图像的第一尺寸数据,以及与局部图像对应的子区域的第二尺寸数据;依据第一尺寸数据和第二尺寸数据,删除局部图像中的重叠区域,以矫正由于图像采集设备运动控制过程中所产生的机械误差,其中,重叠区域为在局部图像的中心点与子区域的中心点对齐的情况下,局部图像中超出子区域的范围的部分;将删除重叠区域后的局部图像,按照对应的子区域在目标检测区域中的排列方式进行拼接,得到目标图像。
目标缺陷确定模块46,用于依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息,其中,有效区域为目标图像中与待检测晶圆中分布有光栅结构的位置所对应的区域。
在本申请的一些实施例中,依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测包括:依据晶圆参考图中的光栅分布信息,确定目标图像中的有效区域,其中,光栅分布信息用于表征待检测晶圆中光栅区域的位置分布,有效区域与光栅区域相对应,光栅区域包括以下至少之一:波导片的耦入区域、转折区域、耦出区域;对有效区域进行灰度化处理,并依据有效区域中各个像素点的灰度值与待检测晶圆对应的灰度阈值,确定有效区域中的目标连通域;依据目标连通域的几何特征,确定待检测晶圆中的目标缺陷信息,其中,几何特征包括以下至少之一:目标连通域的面积与待检测晶圆面积的比值、目标连通域的周长与待检测晶圆周长的比值、目标连通域的质心坐标到待检测晶圆中心的相对距离与晶圆半径的比值,目标缺陷信息包括:目标缺陷的尺寸和位置。
在本申请的一些实施例中,依据有效区域中各个像素点的灰度值与待检测晶圆对应的灰度阈值,确定有效区域中的目标连通域包括:依据待检测晶圆的参数信息,确定与待检测晶圆对应的灰度阈值,其中,参数信息包括以下至少之一:晶圆类型、波导片厚度、波导片层数;通过比较灰度阈值与有效区域中各个像素点的灰度值的大小,对有效区域进行阈值分割,得到有效区域对应的二值化图像,其中,二值化图像中包括目标连通域。
在本申请的一些实施例中,得到待检测晶圆中的目标缺陷信息之后,目标缺陷确定模块46还用于:依据目标缺陷信息中目标缺陷的尺寸和位置,控制图像采集设备对待检测晶圆上目标缺陷信息对应目标缺陷进行图像采集,得到缺陷图像,其中,缺陷图像的分辨率高于局部图像的分辨率;将缺陷图像发送至前端交互界面进行显示;响应于前端交互界面的筛选指令,删除不符合要求的缺陷图像,其中,筛选指令用于指示删除不符合要求的无效缺陷;在删除无效缺陷对应的缺陷图像的情况下,依据目标缺陷的缺陷图像,确定目标缺陷对应的缺陷类别。
需要说明的是,上述晶圆缺陷检测装置中的各个模块可以是程序模块(例如是实现某种特定功能的程序指令集合),也可以是硬件模块,对于后者,其可以表现为以下形式,但不限于此:上述各个模块的表现形式均为一个处理器,或者,上述各个模块的功能通过一个处理器实现。
需要说明的是,本实施例中所提供的晶圆缺陷检测装置可用于执行图2所示的晶圆缺陷检测方法,因此,对上述晶圆缺陷检测方法的相关解释说明也适用于本申请实施例中,在此不再赘述。
本申请实施例还提供了一种非易失性存储介质,非易失性存储介质包括存储的计算机程序,其中,非易失性存储介质所在设备通过运行计算机程序执行以下晶圆缺陷检测方法:依据待检测晶圆对应的晶圆参考图,确定待检测晶圆中的目标检测区域,其中,晶圆参考图至少用于表征待检测晶圆中待检测区域的尺寸信息;将目标检测区域划分为多个子区域,并依次对子区域进行图像采集得到局部图像,其中,每个子区域对应一个局部图像;对局部图像进行矫正,并依据矫正后的局部图像进行拼接,得到与目标检测区域相对应的目标图像,其中,矫正后的局部图像的尺寸与对应的子区域的尺寸一致;依据晶圆参考图中光栅分布信息,对目标图像中的有效区域进行缺陷检测,得到待检测晶圆中的目标缺陷信息,其中,有效区域为目标图像中与待检测晶圆中分布有光栅结构的位置所对应的区域。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,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,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以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***,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所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。
所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介质中。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介质中,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所述方法的全部或部分步骤。而前述的存储介质包括: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。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种晶圆缺陷检测方法,其特征在于,包括:
依据待检测晶圆对应的晶圆参考图,确定所述待检测晶圆中的目标检测区域,其中,所述晶圆参考图至少用于表征所述待检测晶圆中待检测区域的尺寸信息;
将所述目标检测区域划分为多个子区域,并依次对所述子区域进行图像采集得到局部图像,其中,每个所述子区域对应一个所述局部图像;
对所述局部图像进行矫正,并依据矫正后的所述局部图像进行拼接,得到与所述目标检测区域相对应的目标图像,其中,矫正后的所述局部图像的尺寸与对应的子区域的尺寸一致;
依据所述晶圆参考图中光栅分布信息,对所述目标图像中的有效区域进行缺陷检测,得到所述待检测晶圆中的目标缺陷信息,其中,所述有效区域为所述目标图像中与所述待检测晶圆中分布有光栅结构的位置所对应的区域。
2.根据权利要求1所述的晶圆缺陷检测方法,其特征在于,依据待检测晶圆对应的晶圆参考图,确定所述待检测晶圆中的目标检测区域包括:
确定所述待检测晶圆的晶圆类型,其中,所述晶圆类型包括以下至少之一:硅晶圆、玻璃晶圆、波导片;
获取与所述晶圆类型对应的所述晶圆参考图,其中,所述晶圆参考图至少用于表征所述晶圆类型的待检测晶圆中待检测区域的尺寸信息,所述尺寸信息包括:待检测区域的目标长度和目标宽度;
确定所述待检测晶圆的中心点在晶圆载物台平面的位置坐标;
依据所述位置坐标、所述目标长度和所述目标宽度,确定所述目标检测区域,其中,所述目标检测区域的尺寸信息与所述晶圆参考图所表征的待检测区域的尺寸信息一致。
3.根据权利要求2所述的晶圆缺陷检测方法,其特征在于,将所述目标检测区域划分为多个子区域,并依次对所述子区域进行图像采集得到局部图像包括:
确定图像采集设备与所述晶圆载物台平面的垂直高度距离,并确定所述图像采集设备在距所述晶圆载物台平面所述垂直高度距离的情况下的拍摄视野范围;
依据所述拍摄视野范围,确定划分的所述子区域的尺寸数据,并按照所述尺寸数据将所述目标检测区域划分为多个所述子区域;
确定所述图像采集设备在所述目标检测区域的初始拍摄位置,并从所述初始拍摄位置开始,控制所述图像采集设备按照规划路径依次对各个所述子区域进行图像采集,得到所述局部图像。
4.根据权利要求3所述的晶圆缺陷检测方法,其特征在于,对所述局部图像进行矫正,并依据矫正后的所述局部图像进行拼接包括:
确定所述局部图像的第一尺寸数据,以及与所述局部图像对应的所述子区域的第二尺寸数据;
依据所述第一尺寸数据和所述第二尺寸数据,删除所述局部图像中的重叠区域,以矫正由于所述图像采集设备运动控制过程中所产生的机械误差,其中,所述重叠区域为在所述局部图像的中心点与所述子区域的中心点对齐的情况下,所述局部图像中超出所述子区域的范围的部分;
将删除所述重叠区域后的所述局部图像,按照对应的子区域在所述目标检测区域中的排列方式进行拼接,得到所述目标图像。
5.根据权利要求1所述的晶圆缺陷检测方法,其特征在于,依据所述晶圆参考图中光栅分布信息,对所述目标图像中的有效区域进行缺陷检测包括:
依据所述晶圆参考图中的光栅分布信息,确定所述目标图像中的所述有效区域,其中,所述光栅分布信息用于表征所述待检测晶圆中光栅区域的位置分布,所述有效区域与所述光栅区域相对应,所述光栅区域包括以下至少之一:波导片的耦入区域、转折区域、耦出区域;
对所述有效区域进行灰度化处理,并依据所述有效区域中各个像素点的灰度值与所述待检测晶圆对应的灰度阈值,确定所述有效区域中的目标连通域;
依据所述目标连通域的几何特征,确定所述待检测晶圆中的所述目标缺陷信息,其中,所述几何特征包括以下至少之一:所述目标连通域的面积与所述待检测晶圆面积的比值、所述目标连通域的周长与所述待检测晶圆周长的比值、所述目标连通域的质心坐标到所述待检测晶圆中心的相对距离与晶圆半径的比值,所述目标缺陷信息包括:目标缺陷的尺寸和位置。
6.根据权利要求5所述的晶圆缺陷检测方法,其特征在于,依据所述有效区域中各个像素点的灰度值与所述待检测晶圆对应的灰度阈值,确定所述有效区域中的目标连通域包括:
依据所述待检测晶圆的参数信息,确定与所述待检测晶圆对应的所述灰度阈值,其中,所述参数信息包括以下至少之一:晶圆类型、波导片厚度、波导片层数;
通过比较所述灰度阈值与所述有效区域中各个像素点的灰度值的大小,对所述有效区域进行阈值分割,得到所述有效区域对应的二值化图像,其中,所述二值化图像中包括所述目标连通域。
7.根据权利要求1所述的晶圆缺陷检测方法,其特征在于,得到所述待检测晶圆中的目标缺陷信息之后,所述方法还包括:
依据所述目标缺陷信息中目标缺陷的尺寸和位置,控制图像采集设备对所述待检测晶圆上所述目标缺陷信息对应所述目标缺陷进行图像采集,得到缺陷图像,其中,所述缺陷图像的分辨率高于所述局部图像的分辨率;
将所述缺陷图像发送至前端交互界面进行显示;
响应于前端交互界面的筛选指令,删除不符合要求的缺陷图像,其中,所述筛选指令用于指示删除不符合要求的无效缺陷;
在删除无效缺陷对应的缺陷图像的情况下,依据所述目标缺陷的所述缺陷图像,确定所述目标缺陷对应的缺陷类别。
8.一种晶圆缺陷检测装置,其特征在于,包括:
检测区域确定模块,用于依据待检测晶圆对应的晶圆参考图,确定所述待检测晶圆中的目标检测区域,其中,所述晶圆参考图至少用于表征所述待检测晶圆中待检测区域的尺寸信息;
局部图像获取模块,用于将所述目标检测区域划分为多个子区域,并依次对所述子区域进行图像采集得到局部图像,其中,每个所述子区域对应一个所述局部图像;
局部矫正拼接模块,用于对所述局部图像进行矫正,并依据矫正后的所述局部图像进行拼接,得到与所述目标检测区域相对应的目标图像,其中,矫正后的所述局部图像的尺寸与对应的子区域的尺寸一致;
目标缺陷确定模块,用于依据所述晶圆参考图中光栅分布信息,对所述目标图像中的有效区域进行缺陷检测,得到所述待检测晶圆中的目标缺陷信息,其中,所述有效区域为所述目标图像中与所述待检测晶圆中分布有光栅结构的位置所对应的区域。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述处理器用于运行存储在所述存储器中的程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的晶圆缺陷检测方法。
10.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的计算机程序,其中,所述非易失性存储介质所在设备通过运行所述计算机程序执行权利要求1至7中任意一项所述晶圆缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311193930.9A CN117132583A (zh) | 2023-09-14 | 2023-09-14 | 晶圆缺陷检测方法、装置、电子设备及非易失性存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311193930.9A CN117132583A (zh) | 2023-09-14 | 2023-09-14 | 晶圆缺陷检测方法、装置、电子设备及非易失性存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117132583A true CN117132583A (zh) | 2023-11-28 |
Family
ID=88854515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311193930.9A Pending CN117132583A (zh) | 2023-09-14 | 2023-09-14 | 晶圆缺陷检测方法、装置、电子设备及非易失性存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117132583A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117607165A (zh) * | 2024-01-24 | 2024-02-27 | 上海鲲游科技有限公司 | 一种衍射光波导的重影判断方法 |
-
2023
- 2023-09-14 CN CN202311193930.9A patent/CN117132583A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117607165A (zh) * | 2024-01-24 | 2024-02-27 | 上海鲲游科技有限公司 | 一种衍射光波导的重影判断方法 |
CN117607165B (zh) * | 2024-01-24 | 2024-03-26 | 上海鲲游科技有限公司 | 一种衍射光波导的重影判断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108701237B (zh) | 用于跨越多个组装单元自动生成公共测量的方法 | |
US10388010B2 (en) | Image acquiring device and method of correcting coordinates thereof | |
US8433128B2 (en) | Method of creating three-dimensional model and object recognizing device | |
WO2013136591A1 (ja) | 画像検査方法および検査領域設定方法 | |
CN117132583A (zh) | 晶圆缺陷检测方法、装置、电子设备及非易失性存储介质 | |
CN116051551B (zh) | 基于图像处理的显示屏缺陷检测方法及相关装置 | |
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
WO2019001164A1 (zh) | 滤光片同心度测量方法及终端设备 | |
CN107504917B (zh) | 一种三维尺寸测量方法及装置 | |
CN104423142A (zh) | 用于光学邻近校正模型的校准数据收集方法和*** | |
CN105354816A (zh) | 一种电子元件定位方法及装置 | |
CN112595262B (zh) | 一种基于双目结构光的高反光表面工件深度图像获取方法 | |
CN113326796A (zh) | 物体检测方法、模型训练方法、装置及电子设备 | |
CN113129307A (zh) | 图像分割方法以及图像分割装置 | |
CN105468881A (zh) | 基于航拍图像的实景距离计算方法及装置 | |
CN110058439A (zh) | 彩色滤光片上的异物去除方法及设备 | |
CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
CN116258666A (zh) | 一种晶圆检测Mark点定位方法及应用 | |
CN115100296A (zh) | 一种光伏组件故障定位方法、装置、设备及存储介质 | |
CN109087338B (zh) | 一种图像稀疏光流的提取方法和装置 | |
KR101184005B1 (ko) | 도화원도 심볼 자동검수를 통한 수치 도화원도 갱신 방법 | |
Guo et al. | The internal parameter calibration based on sub-pixel threshold segment algorithm | |
CN111553210B (zh) | 车道线检测模型的训练方法、车道线检测方法及装置 | |
CN113870365B (zh) | 相机标定方法、装置、设备以及存储介质 | |
CN116958104B (zh) | 物料表面图像处理方法、装置及存储介质 |
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 |