TW202422081A - 檢查裝置、檢查方法及程式 - Google Patents
檢查裝置、檢查方法及程式 Download PDFInfo
- Publication number
- TW202422081A TW202422081A TW112124871A TW112124871A TW202422081A TW 202422081 A TW202422081 A TW 202422081A TW 112124871 A TW112124871 A TW 112124871A TW 112124871 A TW112124871 A TW 112124871A TW 202422081 A TW202422081 A TW 202422081A
- Authority
- TW
- Taiwan
- Prior art keywords
- needle tip
- needle
- probe
- tip
- region
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000000523 sample Substances 0.000 claims abstract description 185
- 238000012549 training Methods 0.000 claims abstract description 80
- 230000011218 segmentation Effects 0.000 claims abstract description 53
- 238000012795 verification Methods 0.000 claims abstract description 28
- 230000005484 gravity Effects 0.000 claims description 36
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 description 33
- 239000004065 semiconductor Substances 0.000 description 25
- 230000007246 mechanism Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect 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
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Abstract
提供一種能高精度地確定探針的針尖位置之技術。
提供一種檢查裝置,係具備:攝影部,係拍攝使用於被檢查體的檢查之探針卡上所設置的探針的針尖;區域劃分部,係將攝影部拍攝到的驗證影像輸入至已使用訓練資料訓練後的分割模型,以辨識驗證影像的針區域及針尖區域,訓練資料係已在所拍攝到探針的針尖之訓練影像加入探針的範圍及針尖的範圍;位置確定部,係根據針區域及針尖區域的位置關係來確定針尖的位置;以及位置調整部,係根據位置確定部所確定出之針尖的位置來調整被檢查體與探針的針尖的相對位置。
Description
本揭露係關於一種檢查裝置、檢查方法及程式。
專利文獻1中揭示一種使探針的針尖分別接觸於被檢查體上設置的多個測試墊,並透過多個探針的針尖向被檢查體供應電氣訊號以對被檢查體進行檢查之檢查裝置。專利文獻1揭示的檢查裝置係根據以使多個探針的針尖會出現在1個影像內之方式所拍攝的影像來確定探針的針尖位置,並根據所確定出之探針的針尖位置來調整探針的針尖位置。
專利文獻1:日本特開2019-102640號公報
本揭露係提供一種能高精度地確定探針的針尖位置之技術。
根據本揭露之一態樣,提供一種檢查裝置,係具備:攝影部,係拍攝使用於被檢查體的檢查之探針卡上所設置的探針的針尖;區域劃分部,係將該攝影部拍攝到的驗證影像輸入至已使用訓練資料訓練後的分割模型,以辨識該驗證影像的針區域及針尖區域,該訓練資料係已在所拍攝到該探針的針尖之訓練影像加入該探針的範圍及該針尖的範圍;位置確定部,係根據該針區域及該針尖區域的位置關係來確定該針尖的位置;以及位置調整部,係根據該位置確定部所確定出之該針尖的位置來調整該被檢查體與該探針的針尖的相對位置。
根據一面向,便能高精度地確定探針的針尖位置。
以下,參照圖式對用於實施本揭露之型態加以說明。各圖式中,對於相同構成部分會有標示相同符號以省略重複說明的情況。
[實施型態]
<概要>
本揭露之實施型態係對半導體晶圓等被檢查體進行電性檢查之檢查裝置。本實施型態相關之檢查裝置係具有設置有多個探針之探針卡。檢查裝置會使探針卡上設置的各探針接觸於設置在被檢查體上的測試墊。然後,檢查裝置會從外部測試器向探針卡輸出既定的電氣訊號,並根據從被檢查體經由探針輸出的電氣訊號來評估被檢查體的電氣特性。
檢查裝置為了使探針接觸於測試墊,會對探針的針尖與測試墊的相對位置進行調整。此時,藉由供載置被檢查體之載置台上安裝的攝影機等攝影部來拍攝探針的針尖,並從拍攝到的影像來辨識探針的針尖以確定探針的針尖位置。
在辨識探針的針尖時,若使用區塊分析(Blob Analysis)或邊緣分析(Edge Analysis)等基於規則(Rule-based)的影像辨識技術,會有無法偵測到探針的針尖位置的情形。作為其原因,舉例有例如探針的前端因磨耗等而導致一部分發生缺損的情況,或因探針的位置與攝影機的視角的位置關係,使得探針的一部分未包含在影像中的情況等。
本實施型態相關之檢查裝置係使用已完成訓練的分割模型(segmentation model),從所拍攝到探針的針尖之影像來辨識針區域及針尖區域,並根據針區域及針尖區域的位置關係來確定探針的針尖位置。本實施型態相關之分割模型係使用與影像辨識結果不具有因果關係且已將探針的範圍及探針的針尖的範圍加入至影像後的訓練資料來進行訓練。藉由以上述方式加以構成,本實施型態相關之檢查裝置便能高精度地確定探針的針尖位置。
此外,與影像辨識結果不具有因果關係是指非基於作為對影像進行影像辨識後的結果所獲得的針區域及針尖區域之資訊的意思。例如,探針的範圍及探針的針尖的範圍並非由影像來辨識針區域及針尖區域,而是對應於使用者的操作來被加入在影像中。又,例如,探針的範圍及探針的針尖的範圍也可以對應於使用者的操作來被加入在由影像所辨識出之針區域及針尖區域和真正探針的範圍及探針的針尖的範圍不同之影像中。
<檢查裝置的構成>
圖1係顯示本實施型態相關之檢查裝置的一例之剖面示意圖。如圖1所示,本實施型態相關之檢查裝置10具有檢查裝置本體20及控制裝置50。
檢查裝置本體20具有中空的框體21。在框體21內的大致中央處設置有會使載置台25在上下方向(圖1所示的z軸方向)及橫向(與圖1所示的x軸及y軸平行之xy平面內的方向)上移動的移動機構23。在載置台25的上表面上載置有作為被檢查體的一例之半導體晶圓W。載置台25係藉由真空吸盤等來將載置於其上表面的半導體晶圓W吸附保持在載置台25的上表面。
在載置台25的側面安裝有作為攝影部的一例之攝影機27。攝影機27係以拍攝方向朝上之方式安裝在載置台25的側面。藉由移動機構23來讓載置台25移動,則安裝在載置台25側面的攝影機27也會移動。
移動機構23受到控制裝置50的控制。移動機構23的移動量係藉由控制裝置50來被管理。於是,載置台25及攝影機27在框體21內的位置的x座標、y座標及z座標便會藉由控制裝置50來被管理。
框體21於其上部具有大致圓形的開口部。在該開口部設置有測試頭30。測試頭30被固定在沿開口部周緣設置的框架22上。在測試頭30內,框架22的位置處設置有多個傾斜調整部32。多個傾斜調整部32係透過框架22下方的軸件33來從上方保持大致圓筒狀的保持具34。
保持具34在其下部處,可裝卸地保持著設置有多個探針38的探針卡36。設置在探針卡36上的多個探針38係以針尖朝下之方式設置於探針卡36。
圖1例示的探針卡36雖是圖示單臂型的探針38,也可以是在探針卡36設置有垂直針型的探針38。又,也可以在探針卡36設置有單臂型的探針38與垂直針型的探針38兩者。
多個探針38係以當載置台25上載置的半導體晶圓W移動到檢查時的位置時探針38的針尖會成為分別與半導體晶圓W上設置的測試墊接觸的位置之方式配置在探針卡36上。
多個探針38係分別連接於探針卡36上設置的配線。探針卡36上設置的配線係透過保持具34上設置的配線分別連接於測試頭30。測試頭30連接於外部測試器31。
此處,探針卡36因安裝在保持具34時的安裝誤差等,而有探針38的針尖位置成為整體地從和設置在半導體晶圓W上的測試墊對應的位置偏移之位置的情況。例如,探針卡36在橫向上偏移而被加以安裝的情況,則所有探針38的針尖位置便會在橫向上偏移固定量。若探針38的針尖位置在橫向上大幅偏移,則各探針38的針尖便會無法接觸到對應的測試墊。
因此,本實施型態中,首先,控制裝置50在檢查開始前會使用攝影機27來分別偵測多個探針38的位置。接著,控制裝置50對每個探針38計算探針38的針尖位置與測試墊的位置的誤差。然後,控制裝置50根據計算出的誤差來調整探針38與半導體晶圓W的相對位置。
在上述方式構成的檢查裝置本體20中對載置台25上載置的半導體晶圓W進行檢查。首先,控制裝置50控制移動機構23來使攝影機27位在探針38的下方。接著,控制裝置50會使攝影機27拍攝探針38。接著,控制裝置50根據攝影機27拍攝的影像來測定各探針38的針尖在橫向上的位置。然後,控制裝置50係藉由控制移動機構23來補正各探針38的針尖在橫向上的位置的偏移,以調整載置台25在橫向上的位置。
控制裝置50係藉由控制移動機構23來使載置有半導體晶圓W的載置台25上升,以使半導體晶圓W上的各測試墊與探針38以既定的過驅動量接觸。過驅動量係指使載置有半導體晶圓W的載置台25上升來使半導體晶圓W上的測試墊與各探針38的針尖接觸後,再進一步地使載置台25上升時的上升量。
控制裝置50會控制外部測試器31來將既定的電氣訊號輸出至測試頭30。測試頭30將從外部測試器31輸出的電氣訊號經由保持具34內的配線輸出至探針卡36。輸出至探針卡36的電氣訊號會經由探針卡36內的配線被分別供應至多個探針38,並經由探針38被輸出至半導體晶圓W的測試墊。
從半導體晶圓W上的測試墊輸出的電氣訊號會被輸出至探針38。輸出至探針38的電氣訊號會經由探針卡36內的配線及保持具34內的配線被輸出至測試頭30。輸出至測試頭30的電氣訊號會被輸出至外部測試器31。外部測試器31根據輸出至測試頭30的電氣訊號與從測試頭30輸入的電氣訊號來評估半導體晶圓W的電氣特性,並將評估結果輸出至控制裝置50。
此外,當探針38發生破損或變形等不良的情況,即使藉由移動機構23來進行橫向上的位置調整,仍難以正確地進行檢查。因此,根據攝影機27拍攝的影像,當偵測到各探針38的針尖發生破損或變形等的情況,控制裝置50便會透過顯示器等向作業員通知警訊以促使其進行探針卡36的維護或更換。
<控制裝置的硬體構成>
圖2係顯示本實施型態相關之控制裝置50的硬體構成的一例之方塊圖。如圖2所示,控制裝置50具備CPU(Central Processing Unit)500、RAM(Random Access Memory)501、ROM(Read Only Memory)502、輔助記憶裝置503、通訊介面(I/F)504、輸出入介面(I/F)505及媒體介面(I/F)506。
CPU500依據儲存在ROM502或輔助記憶裝置503內的程式進行動作以對各部位進行控制。ROM502係儲存當控制裝置50啟動時藉由CPU500執行的啟動程式(boot program)或取決於控制裝置50的硬體之程式等。
輔助記憶裝置503為例如HDD(Hard Disk Drive)或SSD(Solid State Drive)等。輔助記憶裝置503係儲存藉由CPU500所執行的程式及該程式所使用的資料等。CPU500從輔助記憶裝置503讀取該程式,將該程式載入至RAM501上,並執行所載入的程式。
通訊I/F504透過LAN(Local Area Network)等通訊線路在與檢查裝置本體20間進行通訊。通訊I/F504透過通訊線路從檢查裝置本體20接收資料,將該資料傳送至CPU500,並將CPU500生成的資料透過通訊線路傳送至檢查裝置本體20。
CPU500會透過輸出入I/F505來控制鍵盤等輸入裝置及顯示器等輸出裝置。CPU500會透過輸出入I/F505來取得從輸入裝置輸入的訊號並傳送至CPU500。又,CPU500會透過輸出入I/F505將所生成的資料輸出至輸出裝置。
媒體I/F506會讀取儲存在記錄媒體507中的程式或資料並儲存在輔助記憶裝置503。記錄媒體507為例如DVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)等光學記錄媒體、MO(Magneto-Optical disk)等光磁性記錄媒體、磁帶媒體、磁性記錄媒體或半導體記憶體等。
控制裝置50的CPU500會從記錄媒體507讀取載入至RAM501上的程式並儲存在輔助記憶裝置503,作為其他範例,也可以從其他裝置透過通訊線路來取得程式並儲存在輔助記憶裝置503。
<控制裝置的功能構成>
圖3係顯示本實施型態相關之控制裝置50的功能構成的一例之方塊圖。如圖3所示,本實施型態相關之控制裝置50具備攝影控制部51、影像儲存部52、正確位置輸入部53、模型訓練部54、模型儲存部55、區域劃分部56、位置確定部57、位置調整部58及檢查實施部59。
攝影控制部51、正確位置輸入部53、模型訓練部54、區域劃分部56、位置確定部57、位置調整部58及檢查實施部59係藉由例如圖2所示的CPU500會實施載入至RAM501上的程式而實現。影像儲存部52及模型儲存部55係藉由例如圖2所示的RAM501或輔助記憶裝置503而實現。
攝影控制部51係藉由控制攝影機27來拍攝探針38的針尖(以下,亦將攝影機27拍攝的影像稱作「針尖影像」)。攝影控制部51在拍攝為了訓練分割模型而使用的針尖影像(以下,亦稱作「訓練影像」)時,會將訓練影像儲存在影像儲存部52。攝影控制部51在拍攝為了確定探針的針尖位置而使用的針尖影像(以下,亦稱作「驗證影像」)的情況,會將驗證影像傳送至區域劃分部56。
影像儲存部52中儲存有攝影機27拍攝的多個訓練影像。訓練影像的數量只要是能夠訓練分割模型的足夠數量即可。用於訓練分割模型的足夠數量依模型的種類而異,例如50幅左右。
正確位置輸入部53會對應於使用者的操作來受理表示訓練影像中拍攝到的探針38的範圍(針區域的正確值)及探針38的針尖的範圍(針尖區域的正確值)之資訊(以下,亦稱作「正確位置資訊」)的輸入。正確位置輸入部53會將所受理的正確位置資訊加入至訓練影像中並儲存在影像儲存部52。以下,亦將已加入正確位置資訊後的訓練影像稱作「訓練資料」。訓練資料具有作為教學資料的功能。驗證影像不用作訓練資料。
模型訓練部54會根據儲存在影像儲存部52中的訓練資料來訓練分割模型。該分割模型係以針尖影像作為輸入,並輸出已將該針尖影像的各像素劃分成針區域、針尖區域及其他區域之影像。針區域為探針38出現的區域。針尖區域為探針38的針尖出現的區域。其他區域係指非針區域及針尖區域之區域。
模型儲存部55中儲存有藉由模型訓練部54進行訓練後的分割模型。
區域劃分部56藉由將攝影機27拍攝到的驗證影像輸入至已完成訓練的分割模型來將該驗證影像劃分成針區域、針尖區域及其他區域。以下,將已對驗證影像進行區域劃分後的影像稱作「區域劃分影像」。
位置確定部57會根據區域劃分影像所包含之針區域及針尖區域的位置關係來確定探針38的針尖位置。當區域劃分影像中包含多個針區域時,位置確定部57會對各針區域確定針尖的位置。
位置調整部58係藉由控制移動機構23來使設置在被檢查體上的測試墊與探針38的針尖接觸。此時,位置調整部58會根據表示位置確定部57所確定出之探針38的針尖位置之資訊來調整探針38的針尖與測試墊的相對位置。此外,本實施型態中已將探針38的針尖與測試墊在Z軸方向上的位置關係調整為正確。
檢查實施部59會向外部測試器31給予檢查開始的指示以開始半導體晶圓W的檢查。
<訓練方法的處理程序>
圖4係顯示本實施型態相關之訓練方法的一例之流程圖。本實施型態相關之訓練方法為一種訓練分割模型之方法,該分割模型係對針尖影像進行區域劃分。
步驟S1中,攝影控制部51係藉由控制攝影機27來拍攝探針38的針尖。攝影控制部51可利用多個探針38的針尖會出現在1個影像內之方式進行拍攝,也可以利用1個探針38的針尖會出現在1個影像內之方式進行拍攝。
攝影控制部51將攝影機27拍攝到的訓練影像儲存在影像儲存部52。此時,攝影控制部51會使表示拍攝位置之資訊和針尖影像具有關聯性並加以儲存。表示拍攝位置之資訊例如為拍攝時攝影機27所位處之xy平面上的座標。
<<針尖影像>>
圖5係顯示本實施型態相關之針尖影像的一例之圖。如圖5所示,本實施型態相關之針尖影像100中拍攝到探針38的針尖。圖5所示之範例中雖是在針尖影像100中拍攝到4個探針38-1~38-4,但1幅針尖影像100中所拍攝到探針38的數量並未限制。
回到圖4進行說明。步驟S2中,正確位置輸入部53會對應於使用者的操作來受理欲加入至訓練影像中之正確位置資訊的輸入。正確位置輸入部53會將所受理的正確位置資訊加入至訓練影像中以生成訓練資料。正確位置輸入部53會將所生成的訓練資料儲存在影像儲存部52。
正確位置輸入部53可以對影像儲存部52中儲存的所有訓練影像受理正確位置資訊的輸入,也可以對部分訓練影像受理正確位置資訊的輸入。例如,正確位置輸入部53也可以只對無法藉由習知基於規則的影像辨識技術來正確地辨識出針尖位置之訓練影像受理正確位置資訊的輸入。
當訓練影像中拍攝到多個探針38的情況,正確位置輸入部53可對訓練影像中包含的所有探針38受理正確位置資訊的輸入,也可以對一部分的探針38受理正確位置資訊的輸入。例如圖5所示之探針38-4般地,當探針38的整體範圍未包含在訓練影像中的情況,也可以不對該探針38受理正確位置資訊的輸入。
當只對無法藉由習知基於規則的影像辨識技術來正確地辨識出針尖位置之訓練影像受理正確位置資訊的輸入的情況,正確位置輸入部53首先會從影像儲存部52中儲存的所有訓練影像來辨識探針38的針尖位置。接著,使用者選擇作為辨識結果所獲得之探針38的針尖位置和訓練影像中所拍攝到真正探針38的針尖位置不同之訓練影像。接著,使用者輸入該訓練影像中所拍攝到探針38的範圍及探針38的針尖的範圍。然後,正確位置輸入部53將使用者輸入的正確位置資訊加入至訓練影像中並儲存在影像儲存部52。
<<訓練資料>>
圖6係顯示本實施型態相關之訓練資料的一例之圖。圖6中顯示了真正探針38的範圍200和真正針尖的位置210,以及藉由基於規則的影像辨識技術所辨識出之探針38的範圍220及針尖的位置230。此外,所辨識出之針尖的位置230為所辨識出之探針38的範圍220的重心位置。
圖6(A)所示之訓練影像中,所辨識出之探針38的範圍為縱長的橢圓狀,左側的一部分未被辨識出。其結果,所辨識出之針尖的位置230便會從真正針尖的位置210往右方偏移。
圖6(B)所示之訓練影像中,所辨識出之探針38的範圍為U字型,包含真正針尖的位置210之中心部分並未被辨識出。其結果,所辨識出之探針38的位置230便會從真正針尖的位置210大幅地偏移。
像這樣,在基於規則的影像辨識技術中,會有針尖的範圍及針尖的位置未被正確地辨識出之情況。此情況下,係藉由將真正探針38的範圍200(針區域的正確值)及真正針尖的位置210(針尖區域的正確值)作為正確位置資訊加入至針尖的位置未被正確地辨識出之訓練影像中來生成訓練資料。藉由使用上述方式生成的訓練資料來訓練分割模型,便能高精度地辨識針區域及針尖區域。
回到圖4進行說明。步驟S3中,模型訓練部54會讀取儲存在影像儲存部52中的訓練資料。接著,模型訓練部54會使用所讀取的訓練資料來訓練分割模型。本實施型態相關之分割模型係以針尖影像作為輸入,並輸出已將該針尖影像的各像素劃分成針區域、針尖區域及其他區域之影像。
本實施型態相關之分割模型例如為一種會進行基於深度學習的語意分割(semantic segmentation)之深度學習模型。基於深度學習的語意分割的一例為參考文獻1中揭示的Unet++。
〔參考文獻1〕Zongwei Zhou, Md Mahfuzur Rahman Siddiquee, Nima Tajbakhsh, and Jianming Liang, "UNet++: A Nested U-Net Architecture for Medical Image Segmentation", [online],[日本令和4年6月15日檢索],internet<URL: https://arxiv.org/abs/1807.10165>
模型訓練部54在訓練分割模型時,係進行深度學習以使探針38的針尖位置的誤差最佳化。因此,模型訓練部54中使用了損失函數,該損失函數係包含表示針區域的重心位置的誤差及針尖區域的重心位置的誤差之項目(以下,亦稱作「重心損失」)。
針區域的重心位置的誤差為已加入至訓練影像中之探針38的範圍的重心位置與從該訓練影像所辨識出之針區域的重心位置在xy平面上的直線距離。針尖區域的重心位置的誤差為已加入至訓練影像中之探針38的針尖的範圍的重心位置與從該訓練影像所辨識出之針尖區域的重心位置在xy平面上的直線距離。
具體而言,本實施型態中的損失函數loss為使針區域的重心位置的推測值為(x
needle, y
needle),使針區域的重心位置的正確值為(^x
needle, ^y
needle),使針尖區域的重心位置的推測值為(x
tip, y
tip),使針尖區域的重心位置的正確值為(^x
tip, ^y
tip),並藉由以下的式(1)~(4)表示。此外,符號「^」原本應該標示在緊隨其後的文字的正上方,但由於文字表述方法的限制,本文中是標示在緊隨其後的文字前。數學式中係標示在原本的文字的正上方。
〔數學式1〕
此外,BCEDiceLoss為在參考文獻1記載的Unet++中所使用之習知的損失函數。Centerloss
needle為針區域的重心位置的誤差。centerloss
tip為針尖區域的重心位置的誤差。因此,式(1)中的centerloss
needle+centerloss
tip便為重心損失。
此外,分割模型不限於上述模型,只要是可根據已加入正確位置資訊後的針尖影像來進行機器學習之分割模型,則可使用任意的模型。分割模型的其他範例為實例分割模型(instance segmentation model)或全景分割模型(panoptic segmentation model)。
步驟S4中,模型訓練部54會將步驟S3中訓練後的分割模型儲存在模型儲存部55。
<檢查方法的處理程序>
圖7係顯示本實施型態相關之檢查方法的一例之流程圖。本實施型態相關之檢查方法係使用已完成訓練的分割模型來調整探針與被檢查體的相對位置以進行被檢查體的檢查之方法。
步驟S11中,攝影控制部51係藉由控制攝影機27來拍攝探針38的針尖。攝影控制部51將攝影機27拍攝到的驗證影像傳送至區域劃分部56。
步驟S12中,區域劃分部56從攝影控制部51接收驗證影像。接著,區域劃分部56從模型儲存部55讀取已完成訓練的分割模型。接著,區域劃分部56將所接收的驗證影像輸入至已讀取的分割模型。藉此,區域劃分部56便會獲得已將驗證影像劃分成針區域、針尖區域及其他區域之區域劃分影像。區域劃分部56會將所獲得的區域劃分影像傳送至位置確定部57。
<<區域劃分影像>>
圖8係顯示本實施型態相關之區域劃分影像的一例之圖。圖8係使用已完成訓練的分割模型來對圖5所示之針尖影像100進行區域劃分後的結果。
如圖8所示,本實施型態相關之區域劃分影像300係包含和探針38的針尖的範圍對應之針區域310(310-1~310-4)與和探針38的針尖位置對應之針尖區域320(320-1~320-3)。如圖6所示,由於本實施型態相關之分割模型是使用已加入了探針38的範圍與探針38的針尖的範圍之位置關係後的訓練資料來進行訓練,故期待能以針尖區域320會位在任一針區域310中之方式進行辨識。
回到圖7進行說明。步驟S13中,位置確定部57會從區域劃分部56接收區域劃分影像。接著,位置確定部57會根據所接收之區域劃分影像中包含的針區域及針尖區域的位置關係來確定探針38的針尖位置。此外,當區域劃分影像中包含多個針區域時,位置確定部57會對各針區域確定針尖的位置。
<<位置確定處理的程序>>
圖9係顯示本實施型態相關之位置確定處理(圖7的步驟S13)的一例之流程圖。
步驟S13-1中,位置確定部57會從區域劃分部56接收區域劃分影像。位置確定部57會選擇區域劃分影像包含的針區域中作為處理對象的針區域。
步驟S13-2中,位置確定部57會取得步驟S13-1中所選擇之針區域中包含的針尖區域的數量。若針區域中包含的針尖區域為1個的情況(YES),則位置確定部57會使處理前進至步驟S13-3。若針區域中未包含針尖區域時,或針區域中包含2個以上的針尖區域時(NO),則位置確定部57會使處理前進至步驟S13-4。
步驟S13-3中,位置確定部57會求出步驟S13-1中所選擇之針區域中包含的針尖區域的重心位置。位置確定部57會將所獲得的針尖區域的重心位置確定為探針38的針尖位置。
步驟S13-4中,位置確定部57會求出步驟S13-1中所選擇之針區域的重心位置。位置確定部57會將所獲得的針區域的重心位置確定為探針38的針尖位置。
當步驟S13-1中取得的區域劃分影像中包含多個針區域的情況,會對各針區域實施步驟S13-2~S13-4。
步驟S13-5中,位置確定部57會輸出表示步驟S13-3或S13-4中所確定出之探針38的針尖位置之資訊。位置確定部57所確定出之針尖位置為驗證影像中之針尖位置的座標。因此,位置確定部57是使用已和驗證影像建立關聯性並加以儲存後之表示拍攝位置之座標,來將驗證影像中之針尖位置的座標轉換成xy平面上的座標,並作為表示探針38的針尖位置之資訊加以輸出。
圖10係顯示本實施型態相關之區域劃分影像的一例之圖。圖10(A)為針區域310中包含1個針尖區域320之區域劃分影像的範例。如圖10(A)所示,當針區域310中包含1個針尖區域320的情況,位置確定部57會將針尖區域320的重心位置確定為探針38的針尖位置。
圖10(B)為針區域310中包含多個針尖區域320-1~320-2之區域劃分影像的範例。如圖10(B)所示,當針區域310中包含多個針尖區域320的情況,位置確定部57會將針區域310的重心位置確定為探針38的針尖位置。
圖10(C)為針區域310中未包含針尖區域之區域劃分影像的範例。如圖10(C)所示,當針區域310中未包含針尖區域的情況,位置確定部57會將針區域310的重心位置確定為探針38的針尖位置。
回到圖7進行說明。步驟S14中,位置調整部58係藉由控制移動機構23來使載置有半導體晶圓W的載置台25移動至探針38的下方。接著,位置調整部58會根據表示位置確定部57所確定出之探針38的針尖位置之資訊來調整探針38的針尖與測試墊的相對位置。
具體而言,首先,位置調整部58會根據表示位置確定部57所確定出之探針38的針尖位置之資訊來計算出各探針38的針尖與接觸於各探針38的針尖之半導體晶圓W上的測試墊在xy平面內之針尖位置的差值。接著,位置調整部58會根據針尖位置的差值來調整半導體晶圓W在xy平面內的位置。
然後,位置調整部58係藉由控制移動機構23來讓載置台25上升,以使半導體晶圓W上的測試墊與探針38的針尖相接觸。藉此,探針卡上設置的多個探針38的針尖便會和對應的測試墊接觸。
步驟S15中,檢查實施部59會向外部測試器31給予檢查開始的指示,以開始半導體晶圓W的檢查。外部測試器31會將既定的電氣訊號輸出至測試頭30。外部測試器31會根據經由探針38輸入至半導體晶圓W及從半導體晶圓W輸出的電氣訊號來評估半導體晶圓W的電氣特性,並將評估結果輸出至檢查實施部59。
<驗證結果>
圖11係顯示本實施型態相關之驗證結果的一例之圖表。圖11中係分別以箱形圖來表示(1)與將針尖位置作為針尖區域的重心時的真正針尖的位置之誤差,(2)與將針尖位置作為針區域的重心時的真正針尖的位置之誤差,及(3)與藉由上述位置確定處理來確定針尖位置時的真正針尖的位置之誤差。
如圖11所示,(1)與將針尖位置作為針尖區域的重心時的真正針尖的位置之誤差平均為0.66奈米。(2)與將針尖位置作為針區域的重心時的真正針尖的位置之誤差平均為0.71奈米。相對於此,(3)與藉由位置確定處理來確定針尖位置時的真正針尖的位置之誤差平均為0.64奈米。因此,藉由位置確定處理來確定針尖的位置,便能獲得誤差變得最小的結果。
如上所述,藉由本驗證結果,顯示出根據本實施型態中的位置確定處理,便能高精度地確定探針的針尖位置。又,(3)關於與藉由上述位置確定處理來確定針尖位置時的真正針尖的位置之誤差的偏差,也是±0.68奈米,相對於(1)及(2)之誤差的偏差顯示大約為其中間值,表示偏差的程度沒有問題。
<實施型態的效果>
本實施型態相關之檢查裝置10係將所拍攝到探針的針尖之影像輸入至已完成訓練的分割模型,以辨識該影像的針區域及針尖區域,並根據針區域及針尖區域的位置關係來確定探針的針尖。該分割模型係使用已將探針的範圍及針尖的範圍加入至影像後的訓練資料進行訓練。是以,依據本實施型態相關之檢查裝置10,能高精度地確定探針的針尖位置。因此,依據本實施型態相關之檢查裝置10,便能使探針的針尖確實地接觸於被檢查體的測試墊。
本實施型態相關之檢查裝置10係依針區域所包含的針尖區域的數量,根據針區域或針尖區域的任一者來確定針尖的位置。具體而言,本實施型態相關之檢查裝置10在針區域包含1個針尖區域時,係將針尖區域的重心位置確定為針尖的位置,其他時候,則是將該針區域的重心位置確定為針尖的位置。如驗證結果所示般地,依據本實施型態相關之檢查裝置10,便能更高精度地確定探針的針尖位置。
本實施型態相關之分割模型係進行基於深度學習的語意分割。雖會有所拍攝到探針的針尖之影像中拍攝到多個探針的情況,但不會有拍攝到不同探針的針尖彼此重疊的情形。因此,本實施型態相關之檢查裝置10可以使用處理量相對較輕的語意分割。
本實施型態相關之分割模型係進行深度學習以使針區域的重心位置的誤差及針尖區域的重心位置的誤差最佳化。是以,依據本實施型態相關之檢查裝置10,便能更高精度地確定探針的針尖位置。
[補充]
應認為本次所揭露之實施型態相關的檢查裝置及檢查方法在所有方面皆為範例而非用來加以限制。實施型態可在未脫離申請專利範圍及其要旨的情況下,以各種型態進行變形及改良。上述多個實施型態中記載的事項可在未矛盾之範圍內亦採用其他構成,又,可在未矛盾之範圍內加以組合。
W:半導體晶圓
10:檢查裝置
20:檢查裝置本體
21:框體
22:框架
23:移動機構
25:載置台
27:攝影機
31:外部測試器
32:傾斜調整部
33:軸件
34:保持具
36:探針卡
38:探針
50:控制裝置
51:攝影控制部
52:影像儲存部
53:正確位置輸入部
54:模型訓練部
55:模型儲存部
56:區域劃分部
57:位置確定部
58:位置調整部
59:檢查實施部
圖1係顯示一實施型態相關之檢查裝置的一例之剖面示意圖。
圖2係顯示一實施型態相關之控制裝置的硬體構成的一例之方塊圖。
圖3係顯示一實施型態相關之控制裝置的功能構成的一例之方塊圖。
圖4係顯示一實施型態相關之訓練方法的一例之流程圖。
圖5係顯示一實施型態相關之針尖影像的一例之圖。
圖6係顯示一實施型態相關之訓練資料的一例之圖。
圖7係顯示一實施型態相關之檢查方法的一例之流程圖。
圖8係顯示一實施型態相關之區域劃分影像的一例之圖。
圖9係顯示一實施型態相關之位置確定處理的一例之流程圖。
圖10係顯示一實施型態相關之區域劃分影像的一例之圖。
圖11係顯示一實施型態相關之驗證結果的一例之圖表。
23:移動機構
27:攝影機
31:外部測試器
50:控制裝置
51:攝影控制部
52:影像儲存部
53:正確位置輸入部
54:模型訓練部
55:模型儲存部
56:區域劃分部
57:位置確定部
58:位置調整部
59:檢查實施部
Claims (7)
- 一種檢查裝置,係具備: 攝影部,係拍攝使用於被檢查體的檢查之探針卡上所設置的探針的針尖; 區域劃分部,係將該攝影部拍攝到的驗證影像輸入至已使用訓練資料訓練後的分割模型,以辨識該驗證影像的針區域及針尖區域,該訓練資料係已在所拍攝到該探針的針尖之訓練影像加入該探針的範圍及該針尖的範圍; 位置確定部,係根據該針區域及該針尖區域的位置關係來確定該針尖的位置;以及 位置調整部,係根據該位置確定部所確定出之該針尖的位置來調整該被檢查體與該探針的針尖的相對位置。
- 如申請專利範圍第1項之檢查裝置,其中該位置確定部係依該針區域所包含的該針尖區域的數量,根據該針區域或該針尖區域的任一者來確定該針尖的位置。
- 如申請專利範圍第2項之檢查裝置,其中該位置確定部在該針區域包含1個該針尖區域時,係將該針尖區域的重心位置確定為該針尖的位置,而在該針區域未包含該針尖區域時或該針區域包含多個該針尖區域時,則是將該針區域的重心位置確定為該針尖的位置。
- 如申請專利範圍第1至3項中任一項之檢查裝置,其中該分割模型係進行基於深度學習的語意分割。
- 如申請專利範圍第4項之檢查裝置,其中該分割模型係進行深度學習以使從該訓練影像所辨識出之該針區域的重心位置的誤差及該針尖區域的重心位置的誤差最佳化。
- 一種檢查方法,係實施以下工序: 拍攝使用於被檢查體的檢查之探針卡上所設置的探針的針尖之工序; 將該拍攝之工序中拍攝到的驗證影像輸入至已使用訓練資料訓練後的分割模型,以辨識該驗證影像的針區域及針尖區域之工序,該訓練資料係已在所拍攝到該探針的針尖之訓練影像加入該探針的範圍及該針尖的範圍; 根據該針區域及該針尖區域的位置關係來確定該針尖的位置之工序;以及 根據該確定之工序所確定出之該針尖的位置來調整該被檢查體與該探針的針尖的相對位置之工序。
- 一種程式,係使控制裝置實施以下程序: 對已使用被檢查體的檢查所用之探針卡上所設置的探針的針尖被拍攝後之訓練影像中加入有該探針的範圍及該針尖的範圍之訓練資料訓練後的分割模型輸入所拍攝到該探針的針尖之驗證影像,以辨識該驗證影像的針區域及針尖區域之程序;以及 根據該針區域及該針尖區域的位置關係來確定該針尖的位置之程序。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022-112149 | 2022-07-13 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202422081A true TW202422081A (zh) | 2024-06-01 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10026011B2 (en) | Mask inspection apparatus, mask evaluation method and mask evaluation system | |
KR102362929B1 (ko) | 프로브 니들의 니들 팁 위치 조정 방법 및 검사 장치 | |
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 | |
TW201132962A (en) | Inspection device and method | |
JP6151489B2 (ja) | 振動計測装置および振動計測方法 | |
TW202422081A (zh) | 檢查裝置、檢查方法及程式 | |
JP2019219357A (ja) | 撮影装置、撮影方法および撮影プログラム | |
KR20240009354A (ko) | 검사 장치, 검사 방법 및 프로그램 | |
JP4357361B2 (ja) | 低コヒーレンス干渉法を用いた微小高さ測定装置 | |
US11288809B2 (en) | Automated detection of artifacts in scan image | |
TWI734383B (zh) | 載台移動控制裝置及荷電粒子線系統 | |
JP2015105897A (ja) | マスクパターンの検査方法 | |
TWI303392B (en) | A method and system for automatically focusing an image detector for defect detection and analysis | |
US20240142763A1 (en) | Magnification observation device, magnification observation method, and recording medium | |
TWI822269B (zh) | 圖像檢查方法、不良部位的圖像的管理方法以及圖像檢查裝置 | |
TWI798010B (zh) | 粒子測量裝置、三維形狀測定裝置、探針器裝置、粒子測量系統及粒子測量方法 | |
TWI254122B (en) | Automatic optical inspection apparatus with compensation function and focusing error compensation method therefor | |
JP7317913B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2012242291A (ja) | 外観検査装置および外観検査方法 | |
EP4383209A1 (en) | Image processing apparatus, learning method of feature extractor, updating method of identifier, and image processing method | |
JP2007085991A (ja) | 寸法測定装置 | |
KR20220105125A (ko) | 검사 장치, 제어 방법 및 기억 매체 | |
JP2003121114A (ja) | 光学系測定画像による磁気ヘッドのトラック幅測定装置 | |
JP2013229135A (ja) | 画像取得装置、画像取得装置の観察視野及び撮像画素数の算出方法、及び、プログラム |