JP2024010713A - 検査装置、検査方法及びプログラム - Google Patents
検査装置、検査方法及びプログラム Download PDFInfo
- Publication number
- JP2024010713A JP2024010713A JP2022112149A JP2022112149A JP2024010713A JP 2024010713 A JP2024010713 A JP 2024010713A JP 2022112149 A JP2022112149 A JP 2022112149A JP 2022112149 A JP2022112149 A JP 2022112149A JP 2024010713 A JP2024010713 A JP 2024010713A
- Authority
- JP
- Japan
- Prior art keywords
- needle
- tip
- probe
- needle tip
- region
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims description 26
- 239000000523 sample Substances 0.000 claims abstract description 178
- 230000011218 segmentation Effects 0.000 claims abstract description 42
- 238000012795 verification Methods 0.000 claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims description 47
- 230000005484 gravity Effects 0.000 claims description 37
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012549 training Methods 0.000 abstract description 3
- 239000004065 semiconductor Substances 0.000 description 25
- 238000010586 diagram Methods 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
- G01R1/06—Measuring leads; Measuring probes
- G01R1/067—Measuring probes
- G01R1/073—Multiple probes
- G01R1/07307—Multiple probes with individual probe elements, e.g. needles, cantilever beams or bump contacts, fixed in relation to each other, e.g. bed of nails fixture or probe card
- G01R1/07364—Multiple probes with individual probe elements, e.g. needles, cantilever beams or bump contacts, fixed in relation to each other, e.g. bed of nails fixture or probe card with provisions for altering position, number or connection of probe tips; Adapting to differences in pitch
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
- G01R1/06—Measuring leads; Measuring probes
- G01R1/067—Measuring probes
- G01R1/06794—Devices for sensing when probes are in contact, or in position to contact, with measured object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
- G01R31/2806—Apparatus therefor, e.g. test stations, drivers, analysers, conveyors
- G01R31/2808—Holding, conveying or contacting devices, e.g. test adapters, edge connectors, extender boards
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
- G01R1/06—Measuring leads; Measuring probes
- G01R1/067—Measuring probes
- G01R1/06711—Probe needles; Cantilever beams; "Bump" contacts; Replaceable probe pins
- G01R1/06733—Geometry aspects
- G01R1/06738—Geometry aspects related to tip portion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
- G01R1/06—Measuring leads; Measuring probes
- G01R1/067—Measuring probes
- G01R1/073—Multiple probes
- G01R1/07307—Multiple probes with individual probe elements, e.g. needles, cantilever beams or bump contacts, fixed in relation to each other, e.g. bed of nails fixture or probe card
- G01R1/07314—Multiple probes with individual probe elements, e.g. needles, cantilever beams or bump contacts, fixed in relation to each other, e.g. bed of nails fixture or probe card the body of the probe being perpendicular to test object, e.g. bed of nails or probe with bump contacts on a rigid support
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/282—Testing of electronic circuits specially adapted for particular applications not provided for elsewhere
- G01R31/2831—Testing of materials or semi-finished products, e.g. semiconductor wafers or substrates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2886—Features relating to contacting the IC under test, e.g. probe heads; chucks
- G01R31/2887—Features relating to contacting the IC under test, e.g. probe heads; chucks involving moving the probe head or the IC under test; docking stations
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
【課題】プローブ針の針先の位置を精度よく特定することができる技術を提供する。【解決手段】被検査体の検査に用いられるプローブカードに設けられたプローブ針の針先を撮影する撮影部と、プローブ針の針先を撮影した学習画像にプローブ針の範囲及び針先の範囲が付与された学習データを用いて学習されたセグメンテーションモデルに、撮影部により撮影された検証画像を入力することで、検証画像の針領域及び針先領域を認識する領域分割部と、針領域及び針先領域の位置関係に基づいて、針先の位置を特定する位置特定部と、位置特定部により特定された針先の位置に基づいて、被検査体とプローブ針の針先との相対位置を調整する位置調整部と、を備える検査装置が提供される。【選択図】図3
Description
本開示は、検査装置、検査方法及びプログラムに関する。
特許文献1は、被検査体に設けられた複数のテストパッドのそれぞれにプローブ針の針先を接触させ、複数のプローブ針の針先を介して被検査体に電気信号を供給することにより、被検査体を検査する検査装置を開示している。特許文献1に開示されている検査装置は、1つの画像内に複数のプローブ針の針先が写るように撮影された画像に基づいて、プローブ針の針先の位置を特定し、特定されたプローブ針の針先の位置に基づいて、プローブ針の針先の位置を調整する。
本開示は、プローブ針の針先の位置を精度よく特定することができる技術を提供する。
本開示の一の態様によれば、被検査体の検査に用いられるプローブカードに設けられたプローブ針の針先を撮影する撮影部と、前記プローブ針の針先を撮影した学習画像に前記プローブ針の範囲及び前記針先の範囲が付与された学習データを用いて学習されたセグメンテーションモデルに、前記撮影部により撮影された検証画像を入力することで、当該検証画像の針領域及び針先領域を認識する領域分割部と、前記針領域及び前記針先領域の位置関係に基づいて、前記針先の位置を特定する位置特定部と、前記位置特定部により特定された前記針先の位置に基づいて、前記被検査体と前記プローブ針の針先との相対位置を調整する位置調整部と、を備える検査装置が提供される。
一の側面によれば、プローブ針の針先の位置を精度よく特定することができる。
以下、図面を参照して本開示を実施するための形態について説明する。各図面において、同一構成部分には同一符号を付し、重複した説明を省略する場合がある。
[実施形態]
<概要>
本開示の実施形態は、半導体ウエハ等の被検査体の電気的検査を行う検査装置である。本実施形態に係る検査装置は、複数のプローブ針が設けられたプローブカードを有する。検査装置は、プローブカードに設けられた各プローブ針を、被検査体に設けられたテストパッドに接触させる。そして、検査装置は、外部テスタから所定の電気信号をプローブカードに出力し、プローブ針を介して被検査体から出力された電気信号に基づいて、被検査体の電気特性を評価する。
<概要>
本開示の実施形態は、半導体ウエハ等の被検査体の電気的検査を行う検査装置である。本実施形態に係る検査装置は、複数のプローブ針が設けられたプローブカードを有する。検査装置は、プローブカードに設けられた各プローブ針を、被検査体に設けられたテストパッドに接触させる。そして、検査装置は、外部テスタから所定の電気信号をプローブカードに出力し、プローブ針を介して被検査体から出力された電気信号に基づいて、被検査体の電気特性を評価する。
検査装置は、プローブ針をテストパッドに接触させるために、プローブ針の針先とテストパッドとの相対的な位置の調整を行う。このとき、被検査体を載置する載置台に取り付けられたカメラ等の撮影部によりプローブ針の針先を撮影し、撮影された画像からプローブ針の針先を認識することで、プローブ針の針先の位置を特定する。
プローブ針の針先を認識する際に、ブロブ解析又はエッジ解析等のルールベースによる画像認識技術を用いると、プローブ針の針先の位置を検出できない場合がある。その原因としては、例えば、プローブ針の先端が摩耗等により一部欠損している場合、又はプローブ針の位置とカメラの画角との位置関係によりプローブ針の一部が画像に含まれない場合等が挙げられる。
本実施形態に係る検査装置は、学習済みのセグメンテーションモデルを用いて、プローブ針の針先を撮影した画像から針領域及び針先領域を認識し、針領域及び針先領域の位置関係に基づいてプローブ針の針先の位置を特定する。本実施形態に係るセグメンテーションモデルは、画像認識結果とは因果関係を持たない、プローブ針の範囲及びプローブ針の針先の範囲を画像に付与した学習データを用いて学習されている。上記のように構成することで、本実施形態に係る検査装置は、プローブ針の針先の位置を精度よく特定することができる。
なお、画像認識結果との因果関係を持たないとは、画像に対して画像認識を行った結果として得られる針領域及び針先領域に基づかない情報であることを意味している。例えば、プローブ針の範囲及びプローブ針の針先の範囲は、画像から針領域及び針先領域を認識することなく、ユーザの操作に応じて画像に付与される。また、例えば、プローブ針の範囲及びプローブ針の針先の範囲は、画像から認識された針領域及び針先領域が真のプローブ針の範囲及びプローブ針の針先の範囲と異なる画像に対して、ユーザの操作に応じて付与されてもよい。
<検査装置の構成>
図1は、本実施形態に係る検査装置の一例を示す断面模式図である。図1に示されているように、本実施形態に係る検査装置10は、検査装置本体20及び制御装置50を有する。
図1は、本実施形態に係る検査装置の一例を示す断面模式図である。図1に示されているように、本実施形態に係る検査装置10は、検査装置本体20及び制御装置50を有する。
検査装置本体20は、中空の筐体21を有する。筐体21内の略中央には、載置台25を上下方向(図1に示したz軸方向)及び横方向(図1に示したx軸及びy軸と平行なxy平面内の方向)に移動させる移動機構23が設けられている。載置台25の上面には、被検査体の一例である半導体ウエハWが載置される。載置台25は、上面に載置された半導体ウエハWを真空チャック等により載置台25の上面に吸着保持する。
載置台25の側面には、撮影部の一例であるカメラ27が取り付けられている。カメラ27は、撮影方向が上方を向くように載置台25の側面に取り付けられている。移動機構23によって載置台25が移動することにより、載置台25の側面に取り付けられたカメラ27も移動する。
移動機構23は、制御装置50によって制御される。移動機構23の移動量は、制御装置50によって管理される。したがって、載置台25及びカメラ27の筐体21内における位置のx座標、y座標及びz座標は、制御装置50によって管理されている。
筐体21は、上部に略円形状の開口部を有している。当該開口部には、テストヘッド30が設けられている。テストヘッド30は、開口部の周縁に沿って設けられたフレーム22に固定されている。テストヘッド30内において、フレーム22の位置には、複数の傾き調整部32が設けられている。複数の傾き調整部32は、フレーム22の下方において、シャフト33を介して略円筒状のホルダ34を上方から保持する。
ホルダ34は、その下部において、複数のプローブ針38が設けられたプローブカード36を着脱可能に保持する。プローブカード36に設けられた複数のプローブ針38は、針先が下方を向くようにプローブカード36に設けられている。
図1に例示されているプローブカード36には、片持ち梁タイプのプローブ針38が図示されているが、プローブカード36には、垂直針タイプのプローブ針38が設けられていてもよい。また、プローブカード36には、片持ち梁タイプのプローブ針38と垂直針タイプのプローブ針38とが両方設けられていてもよい。
複数のプローブ針38は、載置台25に載置された半導体ウエハWが検査時の位置に移動した場合に、プローブ針38の針先が半導体ウエハWに設けられたテストパッドにそれぞれ接触する位置となるように、プローブカード36に配置されている。
複数のプローブ針38は、プローブカード36に設けられた配線にそれぞれ接続されている。プローブカード36に設けられた配線は、ホルダ34に設けられた配線を介してテストヘッド30にそれぞれ接続されている。テストヘッド30には、外部テスタ31が接続されている。
ここで、プローブカード36は、ホルダ34に取り付けられる際の取り付け誤差等により、プローブ針38の針先の位置が、全体的に半導体ウエハWに設けられたテストパッドに対応する位置からずれた位置となる場合がある。例えば、プローブカード36が横方向にずれて取り付けられている場合には、全てのプローブ針38の針先の位置が横方向に一定量ずれる。プローブ針38の針先の位置が、横方向に大きくずれると、各プローブ針38の針先が、対応するテストパッドに接触しなくなる。
そのため、本実施形態では、まず、制御装置50が、検査開始前に、カメラ27を用いて複数のプローブ針38の位置をそれぞれ検出する。次に、制御装置50は、プローブ針38毎に、プローブ針38の針先の位置とテストパッドの位置との誤差を算出する。そして、制御装置50は、算出された誤差に基づいて、プローブ針38と半導体ウエハWとの相対位置を調整する。
このように構成された検査装置本体20において、載置台25上に載置された半導体ウエハWの検査が行われる。まず、制御装置50は、カメラ27がプローブ針38の下方に位置するように移動機構23を制御する。次に、制御装置50は、カメラ27にプローブ針38を撮影させる。続いて、制御装置50は、カメラ27によって撮影された画像に基づいて、各プローブ針38の針先の横方向における位置を測定する。そして、制御装置50は、各プローブ針38の針先の横方向の位置のずれを補正するように、移動機構23を制御することにより、載置台25の横方向の位置を調整する。
制御装置50は、移動機構23を制御することにより、半導体ウエハWが載置された載置台25を上昇させ、半導体ウエハW上の各テストパッドとプローブ針38とを所定のオーバードライブ量で接触させる。オーバードライブ量とは、半導体ウエハWが載置された載置台25を上昇させ、半導体ウエハW上のテストパッドと各プローブ針38の針先とを接触させた後、更に載置台25を上昇させたときの上昇量である。
制御装置50は、外部テスタ31を制御して、所定の電気信号をテストヘッド30へ出力させる。テストヘッド30は、外部テスタ31から出力された電気信号を、ホルダ34内の配線を介してプローブカード36へ出力する。プローブカード36へ出力された電気信号は、プローブカード36内の配線を介して、複数のプローブ針38にそれぞれ供給され、プローブ針38を介して半導体ウエハWのテストパッドへ出力される。
半導体ウエハW上のテストパッドから出力された電気信号は、プローブ針38へ出力される。プローブ針38へ出力された電気信号は、プローブカード36内の配線及びホルダ34内の配線を介して、テストヘッド30へ出力される。テストヘッド30へ出力された電気信号は、外部テスタ31へ出力される。外部テスタ31は、テストヘッド30へ出力した電気信号と、テストヘッド30から出力された電気信号とに基づいて、半導体ウエハWの電気特性を評価し、評価結果を制御装置50へ出力する。
なお、プローブ針38に破損や変形等の不具合が発生している場合には、移動機構23による横方向における位置の調整を行ったとしても、正しく検査を行うことが難しい。そのため、カメラ27により撮影された画像に基づいて、各プローブ針38の針先の破損や変形等が検出された場合には、制御装置50は、ディスプレイ等を介してオペレータにエラーを通知し、プローブカード36のメンテナンスや交換を促す。
<制御装置のハードウェア構成>
図2は、本実施形態に係る制御装置50のハードウェア構成の一例を示すブロック図である。図2に示されているように、制御装置50は、CPU(Central Processing Unit)500、RAM(Random Access Memory)501、ROM(Read Only Memory)502、補助記憶装置503、通信インターフェイス(I/F)504、入出力インターフェイス(I/F)505及びメディアインターフェイス(I/F)506を備える。
図2は、本実施形態に係る制御装置50のハードウェア構成の一例を示すブロック図である。図2に示されているように、制御装置50は、CPU(Central Processing Unit)500、RAM(Random Access Memory)501、ROM(Read Only Memory)502、補助記憶装置503、通信インターフェイス(I/F)504、入出力インターフェイス(I/F)505及びメディアインターフェイス(I/F)506を備える。
CPU500は、ROM502又は補助記憶装置503に格納されたプログラムに基づいて動作し、各部の制御を行う。ROM502は、制御装置50の起動時にCPU500によって実行されるブートプログラムや、制御装置50のハードウェアに依存するプログラム等を格納する。
補助記憶装置503は、例えばHDD(Hard Disk Drive)又はSSD(Solid State Drive)等である。補助記憶装置503は、CPU500によって実行されるプログラム及び当該プログラムによって使用されるデータ等を格納する。CPU500は、当該プログラムを、補助記憶装置503から読み出してRAM501上にロードし、ロードしたプログラムを実行する。
通信I/F504は、LAN(Local Area Network)等の通信回線を介して検査装置本体20との間で通信を行う。通信I/F504は、通信回線を介して検査装置本体20からデータを受信してCPU500へ送り、CPU500が生成したデータを、通信回線を介して検査装置本体20へ送信する。
CPU500は、入出力I/F505を介して、キーボード等の入力装置及びディスプレイ等の出力装置を制御する。CPU500は、入出力I/F505を介して、入力装置から入力された信号を取得してCPU500へ送る。また、CPU500は、生成したデータを、入出力I/F505を介して出力装置へ出力する。
メディアI/F506は、記録媒体507に格納されたプログラム又はデータを読み取り、補助記憶装置503に格納する。記録媒体507は、例えばDVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)等の光学記録媒体、MO(Magneto-Optical disk)等の光磁気記録媒体、テープ媒体、磁気記録媒体又は半導体メモリ等である。
制御装置50のCPU500は、RAM501上にロードされるプログラムを、記録媒体507から読み取って補助記憶装置503に格納するが、他の例として、他の装置から、通信回線を介してプログラムを取得して補助記憶装置503に格納してもよい。
<制御装置の機能構成>
図3は、本実施形態に係る制御装置50の機能構成の一例を示すブロック図である。図3に示されているように、本実施形態に係る制御装置50は、撮影制御部51、画像記憶部52、正解位置入力部53、モデル学習部54、モデル記憶部55、領域分割部56、位置特定部57、位置調整部58及び検査実行部59を備える。
図3は、本実施形態に係る制御装置50の機能構成の一例を示すブロック図である。図3に示されているように、本実施形態に係る制御装置50は、撮影制御部51、画像記憶部52、正解位置入力部53、モデル学習部54、モデル記憶部55、領域分割部56、位置特定部57、位置調整部58及び検査実行部59を備える。
撮影制御部51、正解位置入力部53、モデル学習部54、領域分割部56、位置特定部57、位置調整部58及び検査実行部59は、例えば、図2に示されているCPU500が、RAM501上にロードされたプログラムを実行することにより実現される。画像記憶部52及びモデル記憶部55は、例えば、図2に示されているRAM501又は補助記憶装置503により実現される。
撮影制御部51は、カメラ27を制御することにより、プローブ針38の針先を撮影する(以下、カメラ27により撮影された画像を「針先画像」とも呼ぶ)。撮影制御部51は、セグメンテーションモデルを学習するために用いる針先画像(以下、「学習画像」とも呼ぶ)を撮影した場合、学習画像を画像記憶部52に記憶する。撮影制御部51は、プローブ針の針先の位置を特定するために用いる針先画像(以下、「検証画像」とも呼ぶ)を撮影した場合、検証画像を領域分割部56に送る。
画像記憶部52には、カメラ27により撮影された複数の学習画像が記憶される。学習画像の数は、セグメンテーションモデルを学習するために十分な量があればよい。セグメンテーションモデルを学習するために十分な量はモデルの種類により異なるが、例えば、50枚程度である。
正解位置入力部53は、ユーザの操作に応じて、学習画像に撮影されているプローブ針38の範囲(針領域の正解値)及びプローブ針38の針先の範囲(針先領域の正解値)を表す情報(以下、「正解位置情報」とも呼ぶ)の入力を受け付ける。正解位置入力部53は、受け付けた正解位置情報を学習画像に付与し、画像記憶部52に記憶する。以下、正解位置情報を付与された学習画像を「学習データ」とも呼ぶ。学習データは教師データとして機能する。検証画像は、学習データとしては使用されない。
モデル学習部54は、画像記憶部52に記憶されている学習データに基づいて、セグメンテーションモデルを学習する。当該セグメンテーションモデルは、針先画像を入力とし、当該針先画像の各画素を、針領域、針先領域及びその他の領域に分割した画像を出力する。針領域は、プローブ針38が映っている領域である。針先領域は、プローブ針38の針先が映っている領域である。その他の領域とは、針領域又は針先領域ではない領域である。
モデル記憶部55には、モデル学習部54により学習されたセグメンテーションモデルが記憶される。
領域分割部56は、学習済みのセグメンテーションモデルに、カメラ27により撮影された検証画像を入力することで、当該検証画像を針領域、針先領域及びその他の領域に分割する。以下、検証画像を領域分割した画像を「領域分割画像」と呼ぶ。
位置特定部57は、領域分割画像に含まれる針領域及び針先領域の位置関係に基づいて、プローブ針38の針先の位置を特定する。位置特定部57は、領域分割画像に複数の針領域が含まれるとき、各針領域について、針先の位置を特定する。
位置調整部58は、移動機構23を制御することにより、被検査体に設けられたテストパッドとプローブ針38の針先とを接触させる。このとき、位置調整部58は、位置特定部57により特定されたプローブ針38の針先の位置を表す情報に基づいて、プローブ針38の針先とテストパッドとの相対位置を調整する。なお、本実施形態では、プローブ針38の針先とテストパッドとのZ軸方向の位置関係は正しく調整されているものとする。
検査実行部59は、外部テスタ31に検査開始を指示し、半導体ウエハWの検査を開始する。
<学習方法の処理手順>
図4は、本実施形態に係る学習方法の一例を示すフローチャートである。本実施形態に係る学習方法は、針先画像を領域分割するセグメンテーションモデルを学習する方法である。
図4は、本実施形態に係る学習方法の一例を示すフローチャートである。本実施形態に係る学習方法は、針先画像を領域分割するセグメンテーションモデルを学習する方法である。
ステップS1において、撮影制御部51は、カメラ27を制御することにより、プローブ針38の針先を撮影する。撮影制御部51は、1つの画像内に複数のプローブ針38の針先が映るように撮影してもよいし、1つの画像内に1つのプローブ針38の針先が映るように撮影してもよい。
撮影制御部51は、カメラ27により撮影された学習画像を画像記憶部52に記憶する。このとき、撮影制御部51は、撮影位置を表す情報を針先画像に関連付けて記憶する。撮影位置を表す情報は、例えば、撮影時にカメラ27が位置したxy平面上の座標である。
≪針先画像≫
図5は、本実施形態に係る針先画像の一例を示す図である。図5に示されているように、本実施形態に係る針先画像100には、プローブ針38の針先が撮影されている。図5に示した例では、針先画像100に、4つのプローブ針38-1~38-4が撮影されているが、1枚の針先画像100に撮影されるプローブ針38の数は限定されない。
図5は、本実施形態に係る針先画像の一例を示す図である。図5に示されているように、本実施形態に係る針先画像100には、プローブ針38の針先が撮影されている。図5に示した例では、針先画像100に、4つのプローブ針38-1~38-4が撮影されているが、1枚の針先画像100に撮影されるプローブ針38の数は限定されない。
図4に戻って説明する。ステップS2において、正解位置入力部53は、ユーザの操作に応じて、学習画像に付与する正解位置情報の入力を受け付ける。正解位置入力部53は、受け付けた正解位置情報を学習画像に付与することで、学習データを生成する。正解位置入力部53は、生成した学習データを画像記憶部52に記憶する。
正解位置入力部53は、画像記憶部52に記憶されているすべての学習画像に対して正解位置情報の入力を受け付けてもよいし、一部の学習画像に対して正解位置情報の入力を受け付けてもよい。例えば、正解位置入力部53は、従来のルールベースによる画像認識技術で正しく針先の位置を認識できない学習画像のみについて、正解位置情報の入力を受け付けてもよい。
学習画像に複数のプローブ針38が撮影されている場合、正解位置入力部53は、学習画像に含まれるすべてのプローブ針38に対して正解位置情報の入力を受け付けてもよいし、一部のプローブ針38に対して正解位置情報の入力を受け付けてもよい。例えば、図5に示されているプローブ針38-4のように、プローブ針38の範囲全体が学習画像に含まれていない場合、当該プローブ針38に対しては正解位置情報の入力を受け付けなくてもよい。
従来のルールベースによる画像認識技術で正しく針先の位置を認識できない学習画像のみについて、正解位置情報の入力を受け付ける場合、正解位置入力部53は、まず、画像記憶部52に記憶されているすべての学習画像からプローブ針38の針先の位置を認識する。次に、ユーザは、認識結果として得られたプローブ針38の針先の位置が、学習画像に撮影されている真のプローブ針38の針先の位置と異なる学習画像を選択する。続いて、ユーザは、当該学習画像に撮影されているプローブ針38の範囲及びプローブ針38の針先の範囲を入力する。そして、正解位置入力部53は、ユーザにより入力された正解位置情報を学習画像に付与して、画像記憶部52に記憶する。
≪学習データ≫
図6は、本実施形態に係る学習データの一例を示す図である。図6には、真のプローブ針38の範囲200及び真の針先の位置210と、ルールベースの画像認識技術により認識されたプローブ針38の範囲220及び針先の位置230とが示されている。なお、認識された針先の位置230は、認識されたプローブ針38の範囲220の重心位置である。
図6は、本実施形態に係る学習データの一例を示す図である。図6には、真のプローブ針38の範囲200及び真の針先の位置210と、ルールベースの画像認識技術により認識されたプローブ針38の範囲220及び針先の位置230とが示されている。なお、認識された針先の位置230は、認識されたプローブ針38の範囲220の重心位置である。
図6(A)に示した学習画像では、認識されたプローブ針38の範囲が縦長の楕円状となっており、左側の一部が認識されていない。その結果、認識された針先の位置230は、真の針先の位置210から右方向にずれている。
図6(B)に示した学習画像では、認識されたプローブ針38の範囲がU字型となっており、真の針先の位置210を含む中心部分が認識されていない。その結果、認識されたプローブ針38の位置230は、真の針先の位置210から大きくずれている。
このように、ルールベースによる画像認識技術では、針先の範囲及び針先の位置が正しく認識されない場合がある。この場合、針先の位置が正しく認識されない学習画像に対して、真のプローブ針38の範囲200(針領域の正解値)及び真の針先の位置210(針先領域の正解値)を、正解位置情報として付与することで学習データを生成する。このように生成した学習データを用いてセグメンテーションモデルを学習することで、精度よく針領域及び針先領域を認識することが可能となる。
図4に戻って説明する。ステップS3において、モデル学習部54は、画像記憶部52に記憶されている学習データを読み出す。次に、モデル学習部54は、読み出した学習データを用いて、セグメンテーションモデルを学習する。本実施形態に係るセグメンテーションモデルは、針先画像を入力とし、当該針先画像の各画素を、針領域、針先領域及びその他の領域に分割した画像を出力する。
本実施形態に係るセグメンテーションモデルは、例えば、深層学習に基づくセマンティックセグメンテーションを行う深層学習モデルである。深層学習に基づくセマンティックセグメンテーションの一例は、参考文献1に開示されているUnet++である。
〔参考文献1〕Zongwei Zhou, Md Mahfuzur Rahman Siddiquee, Nima Tajbakhsh, and Jianming Liang, "UNet++: A Nested U-Net Architecture for Medical Image Segmentation", [online],[令和4年6月15日検索],インターネット<URL: https://arxiv.org/abs/1807.10165>
モデル学習部54は、セグメンテーションモデルを学習する際に、プローブ針38の針先の位置の誤差を最適化するように深層学習を行う。そのために、モデル学習部54は、針領域の重心位置の誤差及び針先領域の重心位置の誤差を表す項(以下、「重心損失」とも呼ぶ)を含む損失関数を用いる。
針領域の重心位置の誤差は、学習画像に付与されたプローブ針38の範囲の重心位置と、当該学習画像から認識された針領域の重心位置とのxy平面上の直線距離である。針先領域の重心位置の誤差は、学習画像に付与されたプローブ針38の針先の範囲の重心位置と、当該学習画像から認識された針先領域の重心位置とのxy平面上の直線距離である。
具体的には、本実施形態における損失関数lossは、針領域の重心位置の推定値を(xneedle, yneedle)とし、針領域の重心位置の正解値を(^xneedle, ^yneedle)とし、針先領域の重心位置の推定値を(xtip, ytip)とし、針先領域の重心位置の正解値を(^xtip, ^ytip)とし、以下の式(1)~(4)で表される。なお、「^」は本来直後の文字の真上に表記されるべき記号であるが、テキスト記法の制限により本文中では直前に表記している。数式中では本来の文字の真上に表記する。
ただし、BCEDiceLossは、参考文献1に記載されているUnet++で用いられる従来の損失関数である。centerlossneedleは針領域の重心位置の誤差である。centerlosstipは針先領域の重心位置の誤差である。したがって、式(1)におけるcenterlossneedle + centerlosstipが重心損失である。
なお、セグメンテーションモデルは上記のモデルに限定されず、正解位置情報が付与された針先画像に基づいて機械学習が可能なセグメンテーションモデルであれば、任意のモデルを用いることができる。セグメンテーションモデルの他の例は、インスタンスセグメンテーションモデル又はパノプティックセグメンテーションである。
ステップS4において、モデル学習部54は、ステップS3で学習したセグメンテーションモデルをモデル記憶部55に記憶する。
<検査方法の処理手順>
図7は、本実施形態に係る検査方法の一例を示すフローチャートである。本実施形態に係る検査方法は、学習済みのセグメンテーションモデルを用いてプローブ針と被検査体との相対位置を調整し、被検査体の検査を行う方法である。
図7は、本実施形態に係る検査方法の一例を示すフローチャートである。本実施形態に係る検査方法は、学習済みのセグメンテーションモデルを用いてプローブ針と被検査体との相対位置を調整し、被検査体の検査を行う方法である。
ステップS11において、撮影制御部51は、カメラ27を制御することにより、プローブ針38の針先を撮影する。撮影制御部51は、カメラ27により撮影された検証画像を領域分割部56に送る。
ステップS12において、領域分割部56は、撮影制御部51から検証画像を受け取る。次に、領域分割部56は、学習済みのセグメンテーションモデルをモデル記憶部55から読み出す。続いて、領域分割部56は、読み出したセグメンテーションモデルに、受け取った検証画像を入力する。これにより、領域分割部56は、検証画像を針領域、針先領域及びその他の領域に分割した領域分割画像を得る。領域分割部56は、得られた領域分割画像を、位置特定部57に送る。
≪領域分割画像≫
図8は、本実施形態に係る領域分割画像の一例を示す図である。図8は、図5に示した針先画像100を、学習済みのセグメンテーションモデルを用いて領域分割した結果である。
図8は、本実施形態に係る領域分割画像の一例を示す図である。図8は、図5に示した針先画像100を、学習済みのセグメンテーションモデルを用いて領域分割した結果である。
図8に示されているように、本実施形態に係る領域分割画像300は、プローブ針38の針先の範囲に対応する針領域310(310-1~310-4)と、プローブ針38の針先の位置に対応する針先領域320(320-1~320-3)とを含む。本実施形態に係るセグメンテーションモデルは、図6に示したように、プローブ針38の範囲とプローブ針38の針先の範囲との位置関係が付与された学習データを用いて学習されているため、針先領域320がいずれかの針領域310の中に位置するように認識されることが期待される。
図7に戻って説明する。ステップS13において、位置特定部57は、領域分割部56から領域分割画像を受け取る。次に、位置特定部57は、受け取った領域分割画像に含まれる針領域及び針先領域の位置関係に基づいて、プローブ針38の針先の位置を特定する。なお、位置特定部57は、領域分割画像に複数の針領域が含まれるとき、各針領域について、針先の位置を特定する。
≪位置特定処理の手順≫
図9は、本実施形態に係る位置特定処理(図7のステップS13)の一例を示すフローチャートである。
図9は、本実施形態に係る位置特定処理(図7のステップS13)の一例を示すフローチャートである。
ステップS13-1において、位置特定部57は、領域分割部56から領域分割画像を受け取る。位置特定部57は、領域分割画像に含まれる針領域のうち処理対象とする針領域を選択する。
ステップS13-2において、位置特定部57は、ステップS13-1で選択した針領域の中に含まれる針先領域の数を取得する。針領域に含まれる針先領域が1つである場合(YES)、位置特定部57はステップS13-3に処理を進める。針領域に針先領域が含まれないとき、又は針領域に2つ以上の針先領域が含まれるとき(NO)、位置特定部57はステップS13-4に処理を進める。
ステップS13-3において、位置特定部57は、ステップS13-1で選択した針領域に含まれる針先領域の重心位置を求める。位置特定部57は、得られた針先領域の重心位置をプローブ針38の針先の位置として特定する。
ステップS13-4において、位置特定部57は、ステップS13-1で選択した針領域の重心位置を求める。位置特定部57は、得られた針領域の重心位置をプローブ針38の針先の位置として特定する。
ステップS13-1で取得した領域分割画像に複数の針領域が含まれる場合、各針領域について、ステップS13-2~S13-4を実行する。
ステップS13-5において、位置特定部57は、ステップS13-3又はS13-4で特定したプローブ針38の針先の位置を表す情報を出力する。位置特定部57により特定される針先の位置は、検証画像における針先の位置の座標である。そのため、位置特定部57は、検証画像と関連付けて記憶されている撮影位置を表す座標を用いて、検証画像における針先の位置の座標をxy平面上の座標に変換し、プローブ針38の針先の位置を表す情報として出力する。
図10は、本実施形態に係る領域分割画像の一例を示す図である。図10(A)は、針領域310に1つの針先領域320が含まれる領域分割画像の例である。図10(A)に示されているように、針領域310に1つの針先領域320が含まれる場合、位置特定部57は、針先領域320の重心位置をプローブ針38の針先の位置として決定する。
図10(B)は、針領域310に複数の針先領域320-1~320-2が含まれる領域分割画像の例である。図10(B)に示されているように、針領域の310に複数の針先領域320が含まれる場合、位置特定部57は、針領域310の重心位置をプローブ針38の針先の位置として決定する。
図10(C)は、針領域310に針先領域が含まれない領域分割画像の例である。図10(C)に示されているように、針領域の310に針先領域が含まれない場合、位置特定部57は、針領域310の重心位置をプローブ針38の針先の位置として決定する。
図7に戻って説明する。ステップS14において、位置調整部58は、移動機構23を制御することにより、半導体ウエハWが載置された載置台25をプローブ針38の下方に移動させる。次に、位置調整部58は、位置特定部57により特定されたプローブ針38の針先の位置を表す情報に基づいて、プローブ針38の針先とテストパッドとの相対位置を調整する。
具体的には、まず、位置調整部58は、位置特定部57により特定されたプローブ針38の針先の位置を表す情報に基づいて、各プローブ針38の針先と、各プローブ針38の針先に接触する半導体ウエハW上のテストパッドとの、xy平面内における針先の位置の差分を算出する。次に、位置調整部58は、針先の位置の差分に基づいて、xy平面内における半導体ウエハWの位置を調整する。
そして、位置調整部58は、移動機構23を制御することにより、半導体ウエハW上のテストパッドとプローブ針38の針先とが接触するように、載置台25を上昇させる。これにより、プローブカードに設けられた複数のプローブ針38の針先が、対応するテストパッドに接触する。
ステップS15において、検査実行部59は、外部テスタ31に検査開始を指示し、半導体ウエハWの検査を開始する。外部テスタ31は、所定の電気信号をテストヘッド30へ出力する。外部テスタ31は、プローブ針38を介して半導体ウエハWに入出力される電気信号に基づいて、半導体ウエハWの電気特性を評価し、評価結果を検査実行部59に出力する。
<検証結果>
図11は、本実施形態に係る検証結果の一例を示すグラフである。図11では、(1)針先の位置を針先領域の重心としたときの真の針先の位置との誤差、(2)針先の位置を針領域の重心としたときの真の針先の位置との誤差、及び(3)針先の位置を上記の位置特定処理により特定したときの真の針先の位置との誤差を、それぞれ箱ひげ図で表したものである。
図11は、本実施形態に係る検証結果の一例を示すグラフである。図11では、(1)針先の位置を針先領域の重心としたときの真の針先の位置との誤差、(2)針先の位置を針領域の重心としたときの真の針先の位置との誤差、及び(3)針先の位置を上記の位置特定処理により特定したときの真の針先の位置との誤差を、それぞれ箱ひげ図で表したものである。
図11に示されているように、(1)針先の位置を針先領域の重心としたときの真の針先の位置との誤差は、平均0.66ナノメートルであった。(2)針先の位置を針領域の重心としたときの真の針先の位置との誤差は、平均0.71ナノメートルであった。これに対し、(3)針先の位置を位置特定処理により特定したときの真の針先の位置との誤差は、平均0.64ナノメートルであった。したがって、針先の位置を位置特定処理により特定することにより、最も誤差が小さくなる結果が得られる。
上記のとおり、本検証結果によって、本実施形態における位置特定処理によれば、精度よくプローブ針の針先の位置を特定できることが示された。また、(3)針先の位置を上記の位置特定処理により特定したときの真の針先の位置との誤差のバラツキについても±0.68ナノメートルであり、(1)及び(2)の誤差のバラツキに対してその約中間値を示し、バラツキの度合いに問題はないことを示している。
<実施形態の効果>
本実施形態に係る検査装置10は、プローブ針の針先を撮影した画像を、学習済みのセグメンテーションモデルに入力することで、当該画像の針領域及び針先領域を認識し、針領域及び針先領域の位置関係に基づいてプローブ針の針先を特定する。当該セグメンテーションモデルは、プローブ針の範囲及び針先の範囲を画像に付与した学習データを用いて学習されている。したがって、本実施形態に係る検査装置10によれば、プローブ針の針先の位置を精度よく特定することができる。そのため、本実施形態に係る検査装置10によれば、プローブ針の針先を被検査体のテストパッドに確実に接触させることができる。
本実施形態に係る検査装置10は、プローブ針の針先を撮影した画像を、学習済みのセグメンテーションモデルに入力することで、当該画像の針領域及び針先領域を認識し、針領域及び針先領域の位置関係に基づいてプローブ針の針先を特定する。当該セグメンテーションモデルは、プローブ針の範囲及び針先の範囲を画像に付与した学習データを用いて学習されている。したがって、本実施形態に係る検査装置10によれば、プローブ針の針先の位置を精度よく特定することができる。そのため、本実施形態に係る検査装置10によれば、プローブ針の針先を被検査体のテストパッドに確実に接触させることができる。
本実施形態に係る検査装置10は、針領域に含まれる針先領域の数に応じて、針領域又は針先領域のいずれかに基づいて、針先の位置を特定する。具体的には、本実施形態に係る検査装置10は、針領域に1つの針先領域が含まれるとき、針先領域の重心位置を針先の位置として特定し、その他のとき、当該針領域の重心位置を針先の位置として特定する。検証結果に示したように、本実施形態に係る検査装置10によれば、プローブ針の針先の位置をさらに精度よく特定することができる。
本実施形態に係るセグメンテーションモデルは、深層学習に基づくセマンティックセグメンテーションを行う。プローブ針の針先を撮影した画像には、複数のプローブ針が撮影されることがあるが、異なるプローブ針の針先が重なり合って撮影されることはない。そのため、本実施形態に係る検査装置10は、比較的処理の軽いセマンティックセグメンテーションを用いることができる。
本実施形態に係るセグメンテーションモデルは、針領域の重心位置の誤差及び針先領域の重心位置の誤差を最適化するように深層学習されている。したがって、本実施形態に係る検査装置10によれば、プローブ針の針先の位置をさらに精度よく特定することができる。
[補足]
今回開示された実施形態に係る検査装置及び検査方法は、すべての点において例示であって制限的なものではない。実施形態は、添付の請求の範囲及びその主旨を逸脱することなく、様々な形態で変形及び改良が可能である。上記複数の実施形態に記載された事項は、矛盾しない範囲で他の構成も取り得ることができ、また、矛盾しない範囲で組み合わせることができる。
今回開示された実施形態に係る検査装置及び検査方法は、すべての点において例示であって制限的なものではない。実施形態は、添付の請求の範囲及びその主旨を逸脱することなく、様々な形態で変形及び改良が可能である。上記複数の実施形態に記載された事項は、矛盾しない範囲で他の構成も取り得ることができ、また、矛盾しない範囲で組み合わせることができる。
W 半導体ウエハ
10 検査装置
20 検査装置本体
21 筐体
22 フレーム
23 移動機構
25 載置台
27 カメラ
31 外部テスタ
32 傾き調整部
33 シャフト
34 ホルダ
36 プローブカード
38 プローブ針
50 制御装置
51 撮影制御部
52 画像記憶部
53 正解位置入力部
54 モデル学習部
55 モデル記憶部
56 領域分割部
57 位置特定部
58 位置調整部
59 検査実行部
10 検査装置
20 検査装置本体
21 筐体
22 フレーム
23 移動機構
25 載置台
27 カメラ
31 外部テスタ
32 傾き調整部
33 シャフト
34 ホルダ
36 プローブカード
38 プローブ針
50 制御装置
51 撮影制御部
52 画像記憶部
53 正解位置入力部
54 モデル学習部
55 モデル記憶部
56 領域分割部
57 位置特定部
58 位置調整部
59 検査実行部
Claims (7)
- 被検査体の検査に用いられるプローブカードに設けられたプローブ針の針先を撮影する撮影部と、
前記プローブ針の針先を撮影した学習画像に前記プローブ針の範囲及び前記針先の範囲が付与された学習データを用いて学習されたセグメンテーションモデルに、前記撮影部により撮影された検証画像を入力することで、当該検証画像の針領域及び針先領域を認識する領域分割部と、
前記針領域及び前記針先領域の位置関係に基づいて、前記針先の位置を特定する位置特定部と、
前記位置特定部により特定された前記針先の位置に基づいて、前記被検査体と前記プローブ針の針先との相対位置を調整する位置調整部と、
を備える検査装置。 - 請求項1に記載の検査装置であって、
前記位置特定部は、前記針領域に含まれる前記針先領域の数に応じて、前記針領域又は前記針先領域のいずれかに基づいて、前記針先の位置を特定する、
検査装置。 - 請求項2に記載の検査装置であって、
前記位置特定部は、前記針領域に1つの前記針先領域が含まれるとき、当該針先領域の重心位置を前記針先の位置として特定し、前記針領域に前記針先領域が含まれないとき又は前記針領域に複数の前記針先領域が含まれるとき、当該針領域の重心位置を前記針先の位置として特定する、
検査装置。 - 請求項1から3のいずれか一項に記載の検査装置であって、
前記セグメンテーションモデルは、深層学習に基づくセマンティックセグメンテーションを行う、
検査装置。 - 請求項4に記載の検査装置であって、
前記セグメンテーションモデルは、前記学習画像から認識された前記針領域の重心位置の誤差及び前記針先領域の重心位置の誤差を最適化するように深層学習されている、
検査装置。 - 被検査体の検査に用いられるプローブカードに設けられたプローブ針の針先を撮影する工程と、
前記プローブ針の針先を撮影した学習画像に前記プローブ針の範囲及び前記針先の範囲が付与された学習データを用いて学習されたセグメンテーションモデルに、前記撮影する工程により撮影された検証画像を入力することで、当該検証画像の針領域及び針先領域を認識する工程と、
前記針領域及び前記針先領域の位置関係に基づいて、前記針先の位置を特定する工程と、
前記特定する工程により特定された前記針先の位置に基づいて、前記被検査体と前記プローブ針の針先との相対位置を調整する工程と、
を実行する検査方法。 - 制御装置に、
被検査体の検査に用いられるプローブカードに設けられたプローブ針の針先が撮影された学習画像に前記プローブ針の範囲及び前記針先の範囲が付与された学習データを用いて学習されたセグメンテーションモデルに、前記プローブ針の針先が撮影された検証画像を入力することで、当該検証画像の針領域及び針先領域を認識する手順と、
前記針領域及び前記針先領域の位置関係に基づいて、前記針先の位置を特定する手順と、
を実行させるためのプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022112149A JP2024010713A (ja) | 2022-07-13 | 2022-07-13 | 検査装置、検査方法及びプログラム |
KR1020230085137A KR20240009354A (ko) | 2022-07-13 | 2023-06-30 | 검사 장치, 검사 방법 및 프로그램 |
US18/346,431 US20240019483A1 (en) | 2022-07-13 | 2023-07-03 | Testing device and method, and non-transitory computer-readable recording medium |
CN202310806781.2A CN117409304A (zh) | 2022-07-13 | 2023-07-03 | 检查装置、检查方法和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022112149A JP2024010713A (ja) | 2022-07-13 | 2022-07-13 | 検査装置、検査方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024010713A true JP2024010713A (ja) | 2024-01-25 |
Family
ID=89485939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022112149A Pending JP2024010713A (ja) | 2022-07-13 | 2022-07-13 | 検査装置、検査方法及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240019483A1 (ja) |
JP (1) | JP2024010713A (ja) |
KR (1) | KR20240009354A (ja) |
CN (1) | CN117409304A (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019102640A (ja) | 2017-12-01 | 2019-06-24 | 東京エレクトロン株式会社 | プローブ針の針先位置調整方法および検査装置 |
-
2022
- 2022-07-13 JP JP2022112149A patent/JP2024010713A/ja active Pending
-
2023
- 2023-06-30 KR KR1020230085137A patent/KR20240009354A/ko unknown
- 2023-07-03 US US18/346,431 patent/US20240019483A1/en active Pending
- 2023-07-03 CN CN202310806781.2A patent/CN117409304A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240019483A1 (en) | 2024-01-18 |
KR20240009354A (ko) | 2024-01-22 |
CN117409304A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8013621B2 (en) | Inspection method and program for inspecting electrical characteristics of a semiconductor wafer | |
JP4933601B2 (ja) | 検査装置および検査方法 | |
KR102362929B1 (ko) | 프로브 니들의 니들 팁 위치 조정 방법 및 검사 장치 | |
TWI392040B (zh) | Inspection device and position offset acquisition method | |
CN111308302B (zh) | 探针卡管理***和探针卡管理方法 | |
KR20090098893A (ko) | 프로브 검사 장치, 위치 이탈 보정 방법, 정보 처리 장치, 정보 처리 방법 및 프로그램 | |
KR102252592B1 (ko) | 기판 불량 검사 장치 및 방법 | |
JP2011158373A (ja) | 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置 | |
JP2010002425A (ja) | 異物検査装置 | |
JP2010133744A (ja) | 欠陥検出方法およびその方法を用いた視覚検査装置 | |
JP2024010713A (ja) | 検査装置、検査方法及びプログラム | |
US7991219B2 (en) | Method and apparatus for detecting positions of electrode pads | |
JP2008270632A (ja) | 検査装置および検査方法 | |
JP2010091401A (ja) | 教師データ作成支援方法、並びに、画像分類方法および画像分類装置 | |
JP2019219357A (ja) | 撮影装置、撮影方法および撮影プログラム | |
US11288809B2 (en) | Automated detection of artifacts in scan image | |
TW202422081A (zh) | 檢查裝置、檢查方法及程式 | |
JPH08327658A (ja) | 基板検査装置 | |
JP4783271B2 (ja) | ウエハ電極の登録方法及びウエハのアライメント方法並びにこれらの方法を記録した記録媒体 | |
JP2012242291A (ja) | 外観検査装置および外観検査方法 | |
US20240118338A1 (en) | Method for setting up test apparatus and test apparatus | |
JP2007071765A (ja) | プローブ位置測定のためのプローブ制御装置、及び、プローブ制御方法 | |
US20240142763A1 (en) | Magnification observation device, magnification observation method, and recording medium | |
JP2020092259A (ja) | 検査装置システム | |
JPH05256607A (ja) | 座標測定機の位置合わせ装置 |