Nothing Special   »   [go: up one dir, main page]

CN109522931A - 判断缺陷叠图聚集的方法及其系统 - Google Patents

判断缺陷叠图聚集的方法及其系统 Download PDF

Info

Publication number
CN109522931A
CN109522931A CN201811212402.2A CN201811212402A CN109522931A CN 109522931 A CN109522931 A CN 109522931A CN 201811212402 A CN201811212402 A CN 201811212402A CN 109522931 A CN109522931 A CN 109522931A
Authority
CN
China
Prior art keywords
defect
folded
aggregation
batch products
judgement
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
CN201811212402.2A
Other languages
English (en)
Inventor
高嵩
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 China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display 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 China Star Optoelectronics Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority to CN201811212402.2A priority Critical patent/CN109522931A/zh
Priority to PCT/CN2018/120979 priority patent/WO2020077784A1/zh
Publication of CN109522931A publication Critical patent/CN109522931A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请公开一种判断缺陷叠图聚集的方法及其系统,通过自动化的方法筛选出缺陷叠图中的缺陷群,判断缺陷叠图中是否存在缺陷数目大于第一预设值的缺陷群,从而判断缺陷叠图是否存在聚集,相对于人工观察缺陷叠图是否聚集,本申请发现缺陷叠图聚集现象的速度更快且更准确。

Description

判断缺陷叠图聚集的方法及其系统
技术领域
本申请涉及显示器制造技术领域,尤其涉及一种判断缺陷叠图聚集的方法及其系统。
背景技术
显示器生产过程中,一些缺陷会产生会集中在产品的固定区域内,因此通过对缺陷进行叠图会发现缺陷聚集的趋势,当发现某种缺陷具有聚集趋势时,此类异常需要及时解决,不然将导致后续生产的产品继续出现同样的异常从而导致更大范围的产品缺陷。目前,主要通过人员手动对产品上存在的缺陷进行叠图并观察缺陷叠图的结果来判断是否存在缺陷聚集现象,然而由于人员的失误会导致异常发现不及时问题。
因此,有必要提供一种技术方案以解决现有技术由于不能自动化判断缺陷叠图是否存在缺陷聚集现象导致异常发现不及时的问题。
发明内容
本申请的目的在于提供一种判断缺陷叠图聚集的方法,以实现自动化地判断缺陷叠图聚集,从而快速地发现缺陷叠图聚集现象。
为实现上述目的,技术方案如下。
一种判断缺陷叠图聚集的方法,所述判断缺陷叠图聚集的方法包括如下步骤:
筛选出缺陷叠图中的缺陷群,所述缺陷叠图是将具有相同缺陷的批次产品的缺陷进行叠图得到的,所述缺陷群中有至少两个所述相同缺陷;
若所述缺陷叠图中存在所述相同缺陷的数目大于第一预设值的缺陷群,则判断所述缺陷叠图为聚集;
若所述缺陷叠图中不存在所述相同缺陷的数目大于所述第一预设值的缺陷群,则判断所述缺陷叠图为未聚集。
在上述判断缺陷叠图聚集的方法中,所述筛选出所述缺陷叠图中的缺陷群包括如下步骤:
若所述缺陷叠图中的任意两个缺陷之间的距离小于第二预设值,则所述任意两个缺陷属于同一个缺陷群。
在上述判断缺陷叠图聚集的方法中,所述判断缺陷叠图聚集的方法还包括追溯缺陷叠图聚集的来源,所述追溯缺陷叠图聚集的来源包括如下步骤:
对所述判断为缺陷叠图聚集所对应的批次产品的识别码进行识别,以追溯所述缺陷叠图聚集所对应的批次产品的加工设备,所述识别码记录所述批次产品的缺陷信息,所述加工设备包括单路径机台及反应腔。
在上述判断缺陷叠图聚集的方法中,若所述缺陷叠图聚集所对应的批次产品的加工设备为单路径机台,则从所述缺陷叠图中提取出所述单路径机台所生产的批次产品的缺陷并进行叠图,同时发出所述单路径机台造成缺陷叠图聚集的警报信息;
若所述缺陷叠图聚集所对应的批次产品的加工设备为反应室,则从所述缺陷叠图中提取出所述反应室所生产的批次产品的缺陷并进行叠图,并发出所述反应室造成缺陷叠图聚集的警报信息。
在上述判断缺陷叠图聚集的方法中,所述缺陷信息包括第一类缺陷信息和第二类缺陷信息,所述第一类缺陷信息的所述缺陷叠图需要对至少3个所述批次产品的所述识别码进行识别以得到,所述第二类缺陷信息的所述缺陷叠图需要对至少一个批次产品的所述识别码进行识别以得到。
本申请的又一目的是提供一种判断缺陷叠图聚集的系统。
为实现上述目的,技术方案如下。
一种判断缺陷叠图聚集的系统,所述判断缺陷叠图聚集的系统包括:
第一筛选模块,用于筛选出缺陷叠图中的缺陷群,所述缺陷叠图是将具有相同缺陷的批次产品的缺陷进行叠图得到的,所述缺陷群中有至少两个所述相同缺陷;
第一判断模块,用于判断所述缺陷叠图中是否存在所述相同缺陷的数目大于第一预设值的缺陷群,
若所述缺陷叠图中存在所述相同缺陷的数目大于第一预设值的缺陷群,则判断所述缺陷叠图为聚集;
若所述缺陷叠图中不存在所述相同缺陷的数目大于所述第一预设值的缺陷群,则判断所述缺陷叠图为未聚集。
在上述判断缺陷叠图聚集的系统中,所述第一筛选模块包括:
第一计算单元,用于计算所述缺陷叠图中的任意两个缺陷之间的距离,若所述缺陷叠图中的任意两个缺陷之间的距离小于第二预设值,则所述任意两个缺陷属于同一个缺陷群。
在上述判断缺陷叠图聚集的系统,所述判断缺陷叠图聚集的系统还包括:
追溯模块,用于追溯缺陷叠图聚集的来源,所述追溯模块包括:
第一识别单元,用于对所述判断为缺陷叠图聚集所对应的批次产品的识别码进行识别,以追溯所述缺陷叠图聚集所对应的批次产品的加工设备,所述识别码记录所述批次产品的缺陷信息,所述加工设备包括单路径机台及反应腔。
在上述判断缺陷叠图聚集的系统,所述追溯模块包括:
第一响应单元,用于响应若所述缺陷叠图聚集所对应的批次产品的加工设备为单路径机台时,则从所述缺陷叠图中提取出所述单路径机台所生产的批次产品的缺陷并进行叠图,同时发出所述单路径机台造成缺陷叠图聚集的警报信息;
第二响应单元,用于响应若所述缺陷叠图聚集所对应的批次产品的加工设备为反应室时,则从所述缺陷叠图中提取出所述反应室所生产的批次产品的缺陷并进行叠图,并发出所述反应室造成缺陷叠图聚集的警报信息。
在上述判断缺陷叠图聚集的系统中,所述缺陷信息包括第一类缺陷信息和第二类缺陷信息,所述第一类缺陷信息的所述缺陷叠图需要对至少3个所述批次产品的所述识别码进行识别以得到,所述第二类缺陷信息的所述缺陷叠图需要对至少一个批次产品的所述识别码进行识别以得到。
有益效果:本申请提出一种判断缺陷叠图聚集的方法及其系统,通过自动化的方法筛选出缺陷叠图中的缺陷群,判断缺陷叠图中是否存在缺陷数目大于第一预设值的缺陷群,从而判断缺陷叠图是否存在聚集,相对于人工观察缺陷叠图是否聚集,本申请发现缺陷叠图聚集现象的速度更快且更准确。
附图说明
图1为本申请第一实施例的判断缺陷叠图聚集的方法;
图2为本申请第二实施例的判断缺陷叠图聚集的方法;
图3为本申请第一实施例的判断缺陷叠图聚集的系统。
具体实施方式
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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,其为本申请一实施例的判断缺陷叠图聚集的方法,包括如下步骤:
S10:筛选出缺陷叠图中的缺陷群,缺陷叠图是将具有相同缺陷的批次产品的缺陷进行叠图得到的,缺陷群中有至少两个所述相同缺陷;
在本实施例中,批次产品为具有缺陷的薄膜晶体管基板,在其他实施例中,批次产品可以为具有缺陷的玻璃基板、具有缺陷的彩膜基板或者具有缺陷的液晶盒等。通过成像设备获取批次产品上的缺陷图像,该缺陷图像包括缺陷的位置信息,再使缺陷图像通过图像处理设备处理,例如计算机等,将具有相同缺陷批次产品的缺陷图像进行叠图以得到缺陷叠图,缺陷叠图能够反应相同缺陷在批次产品上的位置分布信息,缺陷叠图中的缺陷数量足够多时,在缺陷叠图中会形成多个缺陷群,含有多个缺陷的缺陷群反应相同缺陷聚集在一定区域的概率较大,含有较少缺陷的缺陷群反应相同缺陷聚集在一定区域的概率较小。
S11:若缺陷叠图中存在所述相同缺陷的数目大于第一预设值的缺陷群,则判断缺陷叠图为聚集;
若缺陷叠图中不存在相同缺陷的数目大于第一预设值的缺陷群,则判断缺陷叠图为未聚集。
通过比较含有最多缺陷数目的缺陷群的缺陷数与第一预设值的大小,以判断缺陷是否在一定的区域聚集,从而判断缺陷叠图是否存在聚集的现象,如果存在缺陷数目大于第一预设值的缺陷群,则缺陷叠图中存在缺陷在一定区域聚集的现象。第一预设值的大小可以根据批次产品的数目进行调节,本申请不做具体的限定。
上述方案通过自动化的方法筛选出缺陷叠图中的缺陷群,判断缺陷叠图中是否存在缺陷数目大于第一预设值的缺陷群,从而判断缺陷叠图是否存在聚集,相对于人工观察缺陷叠图是否聚集,本申请发现缺陷叠图聚集现象的速度更快且更准确。
如图2所示,其为本申请第二实施例的判断缺陷叠图聚集的方法,包括如下步骤:
S20:输出批次产品。
如第一实施例中所述,批次产品为具有缺陷的薄膜晶体管基板,通过传输装置以批次为单位输出具有缺陷的薄膜晶体管基板。薄膜晶体管基板上的缺陷来源于制备薄膜晶体管基板的各个制程,缺陷的种类各异,且不同的缺陷在薄膜晶体管上出现的概率也不同。本实施例通过输出批次产品以为后续得到缺陷叠图作准备。
S21:对输出的批次产品的识别码进行筛选。
批次产品输出时,每个缺陷产品上都具有识别码,该识别码记录缺陷产品的缺陷信息,通过使用扫描设备对识别码进行筛选,将具有相同缺陷的产品筛选出来。对于出现概率较小的第一类缺陷,例如栅极层膜上有异物、半导体层膜上有异物等,需要对至少3个批次产品的识别码进行识别才能得到缺陷叠图,对于出现概率较大的第二类缺陷,例如涂布工艺前小异物、半导体材料残留等,需要对至少一个批次产品的识别码进行识别才能得到缺陷叠图。
S22:对具有相同识别码的批次产品的缺陷进行叠图,得缺陷叠图。
具体地,具有相同缺陷的产品筛选出来后,通过成像设备获取相同缺陷的产品的缺陷的图像,该图像包括缺陷的位置信息,再使缺陷图像通过图像处理设备处理,例如计算机等,将具有相同缺陷批次产品的缺陷图像进行叠图以得到缺陷叠图,缺陷叠图能够反应相同缺陷在批次产品上的位置分布信息,缺陷叠图中的缺陷数量足够多时,在缺陷叠图中会形成多个缺陷群,含有多个缺陷的缺陷群反应相同缺陷聚集在一定区域的概率较大,含有较少缺陷的缺陷群反应相同缺陷聚集在一定区域的概率较小。
S23:筛选出缺陷叠图中的缺陷群,若缺陷叠图中的任意两个缺陷之间的距离小于第二预设值,则任意两个缺陷属于同一个缺陷群。
不同薄膜晶体管基板上的相同缺陷位于不同的位置,通过将处于不同位置的相同缺陷进行叠图以得到缺陷叠图,再计算缺陷叠图中的任意两个缺陷的距离,以定义任意两个的缺陷是否属于同一缺陷群。由于一般缺陷的尺寸在微米级,即缺陷的尺寸较小,可以认为此类缺陷为点缺陷,第二预设值的大小可以设置为300微米以判断两个缺陷是否属于同一个缺陷群,在其他实施例中,第二预设值可以根据实际情况进行调整,对于尺寸较大的线缺陷或者面缺陷可以直接判断为为聚集。
S24:若缺陷叠图中存在相同缺陷的数目大于第一预设值的缺陷群,则判断缺陷叠图为聚集;
若缺陷叠图中不存在相同缺陷的数目大于所述第一预设值的缺陷群中,则判断缺陷叠图为未聚集。
S25:追溯缺陷叠图聚集的来源,包括:
对判断为缺陷叠图聚集所对应的批次产品的识别码进行识别,以追溯缺陷叠图聚集所对应的批次产品的加工设备,识别码记录批次产品的缺陷信息,加工设备包括单路径机台及反应腔;
对判定为缺陷聚集的批次产品的识别码进行识别,然后根据识别码可以追溯识别码对应的产品的生产加工信息,另外,根据识别码所反应的缺陷信息可以追溯到造成缺陷的加工设备。加工设备包括单路径机台及反应腔,单路径机台又包括物理沉积装置及湿蚀刻装置等,反应腔包括化学反应腔以及干蚀刻用的反应腔,即,通过缺陷产品的识别码可以调取缺陷产品的生产加工信息,结合识别码反应出的缺陷信息,可以追踪造成缺陷的加工设备。
接着,若所述缺陷叠图聚集所对应的批次产品的加工设备为单路径机台,则从所述缺陷叠图中提取出所述单路径机台所生产的批次产品的缺陷并进行叠图,同时发出所述单路径机台造成缺陷叠图聚集的警报信息;
若所述缺陷叠图聚集所对应的批次产品的加工设备为反应室,则从所述缺陷叠图中提取出所述反应室所生产的批次产品的缺陷并进行叠图,并发出所述反应室造成缺陷叠图聚集的警报信息。
追踪到造成缺陷的加工设备后,从缺陷叠图中提取出同一加工设备造成的缺陷并进行叠图以作为该加工设备造成的缺陷历史信息,同时发出该加工设备造成缺陷叠图聚集的警报信息,通过对造成缺陷叠图的加工设备进行检修,可以避免加工设备进一步造成产品缺陷。
上述实施例通过自动化的方法判断出缺陷叠图是否聚集,再对缺陷叠图聚集的原因进行追溯,有利于对造成缺陷叠图聚集的原因进行解决。
如图3所示,本申请还提供一种判断缺陷叠图聚集的系统30,包括:
第一筛选模块31,用于筛选出缺陷叠图中的缺陷群,缺陷叠图是将具有相同缺陷的批次产品的缺陷进行叠图得到的,缺陷群中有至少两个相同缺陷;
第一判断模块32,用于判断缺陷叠图中是否存在相同缺陷的数目大于第一预设值的缺陷群,
若缺陷叠图中存在相同缺陷的数目大于第一预设值的缺陷群,则判断缺陷叠图为聚集;
若缺陷叠图中不存在相同缺陷的数目大于第一预设值的缺陷群,则判断所述缺陷叠图为未聚集。
进一步地,第一筛选模块包括:
第一计算单元,用于计算缺陷叠图中的任意两个缺陷之间的距离,若缺陷叠图中的任意两个缺陷之间的距离小于第二预设值,则任意两个缺陷属于同一个缺陷群。
进一步地,判断缺陷叠图聚集的系统还包括:
追溯模块,用于追溯缺陷叠图聚集的来源,追溯模块包括:
第一识别单元,用于对判断为缺陷叠图聚集所对应的批次产品的识别码进行识别,以追溯缺陷叠图聚集所对应的批次产品的加工设备,识别码记录批次产品的缺陷信息,加工设备包括单路径机台及反应腔。
进一步地,追溯模块包括:
第一响应单元,用于响应若缺陷叠图聚集所对应的批次产品的加工设备为单路径机台时,则从缺陷叠图中提取出单路径机台所生产的批次产品的缺陷并进行叠图,同时发出单路径机台造成缺陷叠图聚集的警报信息;
第二响应单元,用于响应若缺陷叠图聚集所对应的批次产品的加工设备为反应室时,则从缺陷叠图中提取出反应室所生产的批次产品的缺陷并进行叠图,并发出反应室造成缺陷叠图聚集的警报信息。
进一步地,缺陷信息包括第一类缺陷信息和第二类缺陷信息,第一类缺陷信息的缺陷叠图需要对至少3个批次产品的识别码进行识别以得到,第二类缺陷信息的缺陷叠图需要对至少一个批次产品的识别码进行识别以得到。
本申请的判断缺陷叠图聚集的系统通过自动化的方法筛选出缺陷叠图中的缺陷群,判断缺陷叠图中是否存在缺陷数目大于第一预设值的缺陷群,从而判断缺陷叠图是否存在聚集,相对于人工观察缺陷叠图是否聚集,本申请发现缺陷叠图聚集现象的速度更快且更准确。此外,通过追溯模块对缺陷叠图造成的加工设备进行追溯并发出相关警报信息,有利于对造成缺陷叠图聚集的原因进行解决。
需要说明的是:上述实施例提供的判断缺陷叠图聚集的系统是根据上述各功能模块的划分进行举例,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即判断缺陷叠图聚集的系统可以划分成不同的功能模块,以完成上述描述的全部或部分功能。
以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想;本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例的技术方案的范围。

Claims (10)

1.一种判断缺陷叠图聚集的方法,其特征在于,所述判断缺陷叠图聚集的方法包括如下步骤:
筛选出缺陷叠图中的缺陷群,所述缺陷叠图是将具有相同缺陷的批次产品的缺陷进行叠图得到的,所述缺陷群中有至少两个所述相同缺陷;
若所述缺陷叠图中存在所述相同缺陷的数目大于第一预设值的缺陷群,则判断所述缺陷叠图为聚集;
若所述缺陷叠图中不存在所述相同缺陷的数目大于所述第一预设值的缺陷群,则判断所述缺陷叠图为未聚集。
2.根据权利要求1所述的判断缺陷叠图聚集的方法,其特征在于,所述筛选出所述缺陷叠图中的缺陷群包括如下步骤:
若所述缺陷叠图中的任意两个缺陷之间的距离小于第二预设值,则所述任意两个缺陷属于同一个缺陷群。
3.根据权利要求1所述的判断缺陷叠图聚集的方法,其特征在于,所述判断缺陷叠图聚集的方法还包括追溯缺陷叠图聚集的来源,所述追溯缺陷叠图聚集的来源包括如下步骤:
对所述判断为缺陷叠图聚集所对应的批次产品的识别码进行识别,以追溯所述缺陷叠图聚集所对应的批次产品的加工设备,所述识别码记录所述批次产品的缺陷信息,所述加工设备包括单路径机台及反应腔。
4.根据权利要求3所述的判断缺陷叠图聚集的方法,其特征在于,若所述缺陷叠图聚集所对应的批次产品的加工设备为单路径机台,则从所述缺陷叠图中提取出所述单路径机台所生产的批次产品的缺陷并进行叠图,同时发出所述单路径机台造成缺陷叠图聚集的警报信息;
若所述缺陷叠图聚集所对应的批次产品的加工设备为反应室,则从所述缺陷叠图中提取出所述反应室所生产的批次产品的缺陷并进行叠图,并发出所述反应室造成缺陷叠图聚集的警报信息。
5.根据权利要求3所述的判断缺陷叠图聚集的方法,其特征在于,所述缺陷信息包括第一类缺陷信息和第二类缺陷信息,所述第一类缺陷信息的所述缺陷叠图需要对至少3个所述批次产品的所述识别码进行识别以得到,所述第二类缺陷信息的所述缺陷叠图需要对至少一个批次产品的所述识别码进行识别以得到。
6.一种判断缺陷叠图聚集的系统,其特征在于,所述判断缺陷叠图聚集的系统包括:
第一筛选模块,用于筛选出缺陷叠图中的缺陷群,所述缺陷叠图是将具有相同缺陷的批次产品的缺陷进行叠图得到的,所述缺陷群中有至少两个所述相同缺陷;
第一判断模块,用于判断所述缺陷叠图中是否存在所述相同缺陷的数目比第一预设值大的缺陷群,
若所述缺陷叠图中存在所述相同缺陷的数目大于第一预设值的缺陷群,则判断所述缺陷叠图为聚集;
若所述缺陷叠图中不存在所述相同缺陷的数目大于所述第一预设值的缺陷群,则判断所述缺陷叠图为未聚集。
7.根据权利要求6所述的判断缺陷叠图聚集的系统,其特征在于,所述第一筛选模块包括:
第一计算单元,用于计算所述缺陷叠图中的任意两个缺陷之间的距离,若所述缺陷叠图中的任意两个缺陷之间的距离小于第二预设值,则所述任意两个缺陷属于同一个缺陷群。
8.根据权利要求6所述的判断缺陷叠图聚集的系统,其特征在于,所述判断缺陷叠图聚集的系统还包括:
追溯模块,用于追溯缺陷叠图聚集的来源,所述追溯模块包括:
第一识别单元,用于对所述判断为缺陷叠图聚集所对应的批次产品的识别码进行识别,以追溯所述缺陷叠图聚集所对应的批次产品的加工设备,所述识别码记录所述批次产品的缺陷信息,所述加工设备包括单路径机台及反应腔。
9.根据权利要求8所述的判断缺陷叠图聚集的系统,其特征在于,所述追溯模块包括:
第一响应单元,用于响应若所述缺陷叠图聚集所对应的批次产品的加工设备为单路径机台时,则从所述缺陷叠图中提取出所述单路径机台所生产的批次产品的缺陷并进行叠图,同时发出所述单路径机台造成缺陷叠图聚集的警报信息;
第二响应单元,用于响应若所述缺陷叠图聚集所对应的批次产品的加工设备为反应室时,则从所述缺陷叠图中提取出所述反应室所生产的批次产品的缺陷并进行叠图,并发出所述反应室造成缺陷叠图聚集的警报信息。
10.根据权利要求8所述的判断缺陷叠图聚集的系统,其特征在于,所述缺陷信息包括第一类缺陷信息和第二类缺陷信息,所述第一类缺陷信息的所述缺陷叠图需要对至少3个所述批次产品的所述识别码进行识别以得到,所述第二类缺陷信息的所述缺陷叠图需要对至少一个批次产品的所述识别码进行识别以得到。
CN201811212402.2A 2018-10-18 2018-10-18 判断缺陷叠图聚集的方法及其系统 Pending CN109522931A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811212402.2A CN109522931A (zh) 2018-10-18 2018-10-18 判断缺陷叠图聚集的方法及其系统
PCT/CN2018/120979 WO2020077784A1 (zh) 2018-10-18 2018-12-13 判断缺陷叠图聚集的方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811212402.2A CN109522931A (zh) 2018-10-18 2018-10-18 判断缺陷叠图聚集的方法及其系统

Publications (1)

Publication Number Publication Date
CN109522931A true CN109522931A (zh) 2019-03-26

Family

ID=65772022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811212402.2A Pending CN109522931A (zh) 2018-10-18 2018-10-18 判断缺陷叠图聚集的方法及其系统

Country Status (2)

Country Link
CN (1) CN109522931A (zh)
WO (1) WO2020077784A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111265A (zh) * 2019-04-04 2019-08-09 深圳市华星光电技术有限公司 叠加图形的校正方法及叠加图形的校正装置
CN111403309A (zh) * 2020-03-30 2020-07-10 上海华力集成电路制造有限公司 晶圆聚集状缺陷检测方法及其检测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010016061A1 (en) * 2000-02-15 2001-08-23 Atsushi Shimoda Method for analyzing circuit pattern defects and a system thereof
CN106067427A (zh) * 2016-05-25 2016-11-02 上海华力微电子有限公司 局部曝光异常缺陷自动检测方法
CN107767024A (zh) * 2017-09-20 2018-03-06 彩虹集团(邵阳)特种玻璃有限公司 一种用于盖板玻璃生产线产品质量实时监测系统及方法
CN107941812A (zh) * 2017-12-20 2018-04-20 联想(北京)有限公司 信息处理方法及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5120254B2 (ja) * 2006-07-06 2013-01-16 旭硝子株式会社 クラスタリングシステムおよび欠陥種類判定装置
JP5854370B2 (ja) * 2012-02-13 2016-02-09 日本電気硝子株式会社 蛍光体含有ガラス部材の検査装置及び検査方法
CN103064206B (zh) * 2013-01-08 2015-04-22 深圳市华星光电技术有限公司 玻璃基板的缺陷检测方法
CN105205803A (zh) * 2015-08-18 2015-12-30 武汉华星光电技术有限公司 显示面板缺陷检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010016061A1 (en) * 2000-02-15 2001-08-23 Atsushi Shimoda Method for analyzing circuit pattern defects and a system thereof
CN106067427A (zh) * 2016-05-25 2016-11-02 上海华力微电子有限公司 局部曝光异常缺陷自动检测方法
CN107767024A (zh) * 2017-09-20 2018-03-06 彩虹集团(邵阳)特种玻璃有限公司 一种用于盖板玻璃生产线产品质量实时监测系统及方法
CN107941812A (zh) * 2017-12-20 2018-04-20 联想(北京)有限公司 信息处理方法及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111265A (zh) * 2019-04-04 2019-08-09 深圳市华星光电技术有限公司 叠加图形的校正方法及叠加图形的校正装置
CN110111265B (zh) * 2019-04-04 2021-08-06 Tcl华星光电技术有限公司 叠加图形的校正方法及叠加图形的校正装置
CN111403309A (zh) * 2020-03-30 2020-07-10 上海华力集成电路制造有限公司 晶圆聚集状缺陷检测方法及其检测系统

Also Published As

Publication number Publication date
WO2020077784A1 (zh) 2020-04-23

Similar Documents

Publication Publication Date Title
CN106199276B (zh) 一种用电信息采集系统中异常信息的智能诊断系统及方法
CN104636450B (zh) 一种数据库表空间监控方法
CN104614380A (zh) 一种板带表面质量检测系统和方法
CN105159239B (zh) 一种spc策略自动更新方法及spc自动策略系统
CN107767024A (zh) 一种用于盖板玻璃生产线产品质量实时监测系统及方法
CN106990761A (zh) 制造型企业生产线数据采集和看板管理系统及方法
CN109916913A (zh) 一种基于机器视觉的智能制造产品识别与检测方法
CN109522931A (zh) 判断缺陷叠图聚集的方法及其系统
CN104614379A (zh) 一种版材表面缺陷的检测系统和方法
CN109978835A (zh) 一种在线装配缺陷识别系统及其方法
CN107395379A (zh) 一种集群巡检系统及方法
CN110340579A (zh) 一种全自动电池电芯焊接生产线管理系统及使用方法
CN116302763B (zh) Micro LED显示屏的触控检测方法及系统
CN117316262A (zh) 一种自动flash芯片检测机台
CN110020691A (zh) 基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法
CN111008812A (zh) 一种三元前驱体智能精益化系统及方法
CN113758524A (zh) 一种电路板加工监测系统
CN114625097B (zh) 一种基于工业互联网的生产工艺控制方法
CN203337559U (zh) 印品质量数字化全自动检测系统
CN104843982A (zh) 视觉测量补偿系统及其方法
CN110760895B (zh) 铜电积车间极板电路故障实时监测预警方法
CN107069126A (zh) 一种电池质量管理系统
CN105759748A (zh) 一种半导体生产机台硬件性能的动态监控系统及监控方法
CN103268353B (zh) 电网报警自动响应系统及电网报警自动响应方法
CN203310371U (zh) 基于机器视觉的连接件检测系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326

RJ01 Rejection of invention patent application after publication