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

CN114187294B - 基于先验信息的规则晶片定位方法 - Google Patents

基于先验信息的规则晶片定位方法 Download PDF

Info

Publication number
CN114187294B
CN114187294B CN202210139366.1A CN202210139366A CN114187294B CN 114187294 B CN114187294 B CN 114187294B CN 202210139366 A CN202210139366 A CN 202210139366A CN 114187294 B CN114187294 B CN 114187294B
Authority
CN
China
Prior art keywords
wafer
area
template
image
edge
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.)
Active
Application number
CN202210139366.1A
Other languages
English (en)
Other versions
CN114187294A (zh
Inventor
谢佩
曲东升
李长峰
李波
陈辉
熊继淙
冀伟
刘枭枭
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.)
Changzhou Mingseal Robotic Technology Co Ltd
Original Assignee
Changzhou Mingseal Robotic 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 Changzhou Mingseal Robotic Technology Co Ltd filed Critical Changzhou Mingseal Robotic Technology Co Ltd
Priority to CN202210139366.1A priority Critical patent/CN114187294B/zh
Publication of CN114187294A publication Critical patent/CN114187294A/zh
Application granted granted Critical
Publication of CN114187294B publication Critical patent/CN114187294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于先验信息的规则晶片定位方法,具体步骤如下:第一步骤、晶片初始位置的定位,定位出晶圆上所有晶片的初始位置;第二步骤、选择固定的拍照方式,拍摄多张图像,多张图像的晶片区域有重叠;第三步骤、按照第一步骤中定位的晶片初始位置,选择每块晶片的起点拍摄位置,然后按照第二步骤中的固定拍照方式进行拍照;第四步骤、选取一组图像作为模板,根据每幅图像上晶片的信息来提取一定的先验信息,后面其他的晶片采用模板的先验信息去定位。该基于先验信息的规则晶片定位方法,具有在图像精度满足需求的小视野图像中准确定位出晶片位置的优点。

Description

基于先验信息的规则晶片定位方法
技术领域
本发明涉及规则晶片定位方法的技术领域,尤其是一种基于先验信息的规则晶片定位方法。
背景技术
半导体行业发展迅速,在晶圆生成过程中需要对晶片做一些瑕疵检测,如对划伤、破裂、崩边等瑕疵的检测,在检测之前需要准确定位晶片的位置,实际生产中,由于晶片的种类不一样,因此它们的定位方式也不一样。
对于有一些固有特征的晶片,其位置定位可以根据这些特征来定位。但是对于表面光滑无特征的晶片,则没有固有特征来定位,需要不同场景不同分析。尤其是不同类型的晶片,其尺寸、大小不一样,对于可以完全呈现在图像视野中的晶片,则可以通过正常的定位方法定位出晶片位置,如晶片的外部轮廓。但是对于一些比较大的晶片,图像视野拍不全整个晶片,甚至有些只能拍出晶片的一条边。这些都是现有检测中需要关注解决的问题。
为了解决以上问题,目前主要考虑是通过改善硬件,扩大视野,将晶片拍全,然后定位,但是这种方法存在一定的缺陷,一是成本上的增加,另外需要考虑之前的机构是否可以安转,而且改善硬件的时候不会无限制的扩大视野,有时虽然视野扩大了,但精度降低了,反而导致后面的检测精度不满足,所以在图像精度满足需求的小视野图像中准确定位出晶片位置有重要意义。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此,本发明提出一种基于先验信息的规则晶片定位方法,具有在图像精度满足需求的小视野图像中准确定位出晶片位置的优点。
根据本发明实施例的基于先验信息的规则晶片定位方法,具体步骤如下:第一步骤、晶片初始位置的定位,定位出晶圆上所有晶片的初始位置;第二步骤、选择固定的拍照方式,拍摄多张图像,多张图像的晶片区域有重叠;第三步骤、按照第一步骤中定位的晶片初始位置,选择每块晶片的起点拍摄位置,然后按照第二步骤中的固定拍照方式进行拍照;第四步骤、选取一组图像作为模板,根据每幅图像上晶片的信息来提取一定的先验信息,后面其他的晶片采用模板的先验信息去定位。
本发明的有益效果是,本发明在现有硬件条件下拍摄图像,针对晶片在图像中不同的位置做定位,准确定位出每张图像中的晶片位置,在图像精度满足需求的图像小视野中准确定位晶片的位置,以完成检测需求。
根据本发明一个实施例,所述固定的拍照方式为多行多列的拍照方式。
根据本发明一个实施例,所述固定的拍照方式为3行3列,在9个拍摄位置处一共获得9张图像。
根据本发明一个实施例,在第四步骤中,采用形状特征模板匹配方法或者灰度匹配方法来制作模板。
根据本发明一个实施例,当拍照位置处拍摄的图像中有晶片的角点,该拍照位置的定位按照晶片角点来定位,提取包含角点的区域做模板。
根据本发明一个实施例,当拍照位置处拍摄的图像中都是晶片,后面在该拍照位置拍摄的图像都作为检测晶片区域。
根据本发明一个实施例,当拍照位置处拍摄的图像中出现晶片上边缘,提取区域作为模板区域,在该提取区域提取上边缘,将上边缘拟合为一条直线,保存直线的参数,将该提取区域制作为灰度匹配模板,并且保存晶片区域参数信息。
根据本发明一个实施例,当拍照位置处拍摄的图像中包括左边包含第一晶片区域和右边包含第二晶片的区域;对于左边包含第一晶片区域,提取区域提取出两条边缘,将边缘拟合为两条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息;对于右边包含第二晶片的区域,提取区域提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该区域制作灰度匹配模板,并且保存晶片区域参数信息。
根据本发明一个实施例,当拍照位置处拍摄的图像中出现晶片右边缘,提取区域提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息。
根据本发明一个实施例,当拍照位置处拍摄的图像中出现晶片下边缘,提取区域提取下边缘,将下边缘拟合为一条直线,保存直线的参数,同时选取该区域制作灰度匹配模板,并且保存晶片区域参数信息。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是拍照方式的示意图;
图2是晶片摆放的示意图;
图3是晶片位置定位的示意图;
图4是晶片拍照的示意图;
图5是图像视野有晶片角点的示意图;
图6是图像视野都是晶片区域的示意图;
图7是拍照位置2的示意图;
图8是拍照位置4的示意图;
图9是拍照位置4提取区域的示意图;
图10是拍照位置4提取区域的示意图;
图11是拍照位置6提取区域的示意图;
图12是拍照位置8提取区域的示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
对于一些比较大的晶片,图像视野拍不全整个晶片,甚至有些只能拍出晶片的一条边,在检测时无法准确提取出晶片区域。同时,提升硬件扩大视野会带来成本的增加,也可能会带来图像精度降低,另外,硬件的提升需要考虑机构兼容性,新硬件可能需要因为尺寸问题无法安装。
本发明提出一种基于先验信息的规则晶片定位方法,可以在拍的部分图像中准确定位晶片位置。本发明在不改变现有硬件的情况下,通过多次拍照将晶片拍全,且图像拍摄的晶片有重合区域,然后在每张小视野图上准确定位晶片的位置上完成检测需求,节约成本,同时不需要改动机构。
本发明的基于先验信息的规则晶片定位方法,具体步骤如下:
第一步骤、晶片初始位置的定位,定位出晶圆上所有晶片的初始位置。
第二步骤、选择固定的拍照方式,拍摄多张图像,多张图像的晶片区域有重叠。其中,固定的拍照方式为多行多列的拍照方式,根据产品大小以及需求选择行和列的数目。
第三步骤、按照第一步骤中定位的晶片初始位置,选择每块晶片的起点拍摄位置,然后按照第二步骤中的固定拍照方式进行拍照。
第四步骤、选取一组图像作为模板(采用形状特征模板匹配方法或者灰度匹配方法来制作模板),根据每幅图像上晶片的信息来提取一定的先验信息,后面其他的晶片采用模板的先验信息去定位。
当拍照位置处拍摄的图像中有晶片的角点,该拍照位置的定位按照晶片角点来定位,提取包含角点的区域做模板。当拍照位置处拍摄的图像中都是晶片,后面在该拍照位置拍摄的图像都作为检测晶片区域。当拍照位置处拍摄的图像中出现晶片上边缘,提取区域作为模板区域,在该提取区域提取上边缘,将上边缘拟合为一条直线,保存直线的参数,将该提取区域制作为灰度匹配模板,并且保存晶片区域参数信息。当拍照位置处拍摄的图像中包括左边包含第一晶片区域和右边包含第二晶片的区域;对于左边包含第一晶片区域,提取区域提取出两条边缘,将边缘拟合为两条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息;对于右边包含第二晶片的区域,提取区域提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该区域制作灰度匹配模板,并且保存晶片区域参数信息。当拍照位置处拍摄的图像中出现晶片右边缘,提取区域提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息。当拍照位置处拍摄的图像中出现晶片下边缘,提取区域提取下边缘,将下边缘拟合为一条直线,保存直线的参数,同时选取该区域制作灰度匹配模板,并且保存晶片区域参数信息。
根据本发明一个实施例:
采用3行3列的固定拍照方式,在9个拍摄位置处一共获得9张图像。
如图2所示为晶片摆放示意图,图中有4个摆放区域,每个摆放区域里面有2块晶片(晶片1和晶片2),对于图像视野来讲,需要多次拍照才能将整个晶片区域拍全,然后每个小图中都有晶片区域,选择一组作为模板图像,提取必要的先验信息,后续根据这些先验信息进行精确的晶片区域定位。对于精确定位的方式按照具体图像小视野中出现的晶片区域来确定创建模板时所建立的先验信息,不同的情况不一样,里面具体的定位方法类似。
对图2中的晶片进行定位,具体步骤如下:
第1步骤、对晶片位置进行定位,如图3所示,选取晶片左上角作为特征定位,定位出晶片的位置,用于计算后面拍照位置的起点。
第2步骤、根据晶片的大小选择合适的拍照数量,且拍摄区域有一定的重叠,保证了后面提取的待检测晶片区域面积,也就是晶片的所有区域都会检测,如图1所示选择3行3列的拍照方式,固定的拍摄方式后面都用同样的拍照方式。
第3步骤、根据第1步骤定位的晶片位置,计算图像拍摄的起点位置,其它每组拍照的起点都根据这个方法选择,每组拍照的起点相对于当前晶片定位位置是一致的,如图4所示为拍照示意图。
第4步骤、选择一组图像作为模板,根据这组图像,提取先验信息。
第5步骤、如图4所示的晶片,根据这组图像中的晶片位置,对图像进行模板制作,并提取先验信息。
a、图像中是否有晶片的角点,如图5所示,在拍照位置1,拍照位置3,拍照位置7,拍照位置9处拍摄的图像中会计算出有晶片的角点,这些拍照位置的定位按照对应的晶片角点来定位,设定在拍照位置1处拍摄的图像中有角点1,在拍照位置3处拍摄的图像中有角点3,在拍照位置7处拍摄的图像中有角点7,在拍照位置9处拍摄的图像中有角点9,则拍照位置1的定位按照角点1来定位,拍照位置3的定位按照角点3来定位,拍照位置7的定位按照角点7来定位,拍照位置9的定位按照角点9来定位,提取包含角点的区域做模板,可以采用形状特征模板匹配方法或者灰度匹配方法制作模板,同时提取图像(在拍摄位置1处拍摄的图像、在拍摄位置3处拍摄的图像、在拍摄位置7处拍摄的图像以及在拍摄位置9处拍摄的图像)中的晶片区域保存下来。
其中,形状特征模板匹配方法就是通过提取现有图像上的特定形状特征作为模板,然后与图像进行比较找出图中所匹配的图像位置。
灰度匹配方法是直接在原图选择某个区域作为模板图像,然后基于灰度值相关的方法通过区域属性(灰度信息或频域分析等)的比较找出在图像中所匹配的位置。
b、如图6所示,拍照位置5图像中都是晶片,后面在拍照位置5拍摄的图像都作为检测晶片区域。
c、图像中出现晶片边缘,如图4所示,拍照位置2,拍照位置4,拍照位置6,拍照位置8的情况,按照如下方法需要具体情况具体分析:
第c-1种情况、如图7所示,在拍照位置2拍摄的图像上出现晶片上边缘,按照如图7所示提取区域作为模板区域,在该提取区域提取上边缘,将上边缘拟合为一条直线,保存直线的参数,将该提取区域制作为灰度匹配模板,并且保存晶片区域参数信息:在该拍照位置有一条上边缘,在上边缘下方区域都是晶片区域。
第c-2种情况、如图8所示,在拍照位置4拍摄的图像上将该部分分为两部分,这两部分包括左边包含晶片1区域和右边包含晶片2的区域。对于左边包含晶片1区域,如图9所示的提取区域,可以提取出两条边缘,将边缘拟合为两条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息:在该拍照位置左边1块晶片有左右两条边缘,在左右边缘中间区域都是晶片区域。对于右边包含晶片2的区域,如图10所示的提取区域,可以提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该区域制作灰度匹配模板,并且保存晶片区域参数信息:在该拍照位置右边晶片有左边一条边缘,在该左边缘右边区域都是晶片区域。
第c-3种情况、如图11所示,在拍照位置6拍摄的图像上,对于包含晶片2的右边缘区域,在如图11所示的提取区域,可以提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息:在该拍照位置右边一条边缘,在该右边缘左边区域都是晶片区域。
第c-4种情况、如图12所示,在拍照位置8拍摄的图像上,图像视野中出现晶片下边缘,按照图12所示的提取区域,在该区域提取下边缘,将下边缘拟合为一条直线,保存直线的参数,同时选取该区域制作灰度匹配模板,并且保存晶片区域参数信息:在该拍照位置有一条下边缘,在下边缘上方区域都是晶片区域。
第6步骤、根据模板以及先验信息精确定位晶片位置。
需要说明的是,文中所述仿射变换为图像的二维坐标到二维坐标的线性变换。获得仿射变换矩阵则是通过如下的计算方法获得,如创建的模板信息中二维坐标点为
Figure 923535DEST_PATH_IMAGE002
和待检测图像上匹配到对应的二维坐标点
Figure 737907DEST_PATH_IMAGE004
,仿射变换矩阵参数表示为
Figure 685003DEST_PATH_IMAGE006
(其中
Figure 952036DEST_PATH_IMAGE008
为需要计算的参数),根据公式1计算方法,通过点集(至少3个点)坐标代入公式1计算,可以计算出仿射变换矩阵参数即两者之间的变换关系。对于模板图像上的点坐标都可以通过该变换关系计算出在待检测目标图像上对应的坐标,再根据该坐标获得待检测目标图像上的对应区域。公式1的表达式如下:
Figure 777035DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE011
、在拍照位置1,拍照位置3,拍照位置7,拍照位置9拍摄的图像按照第5步骤中的a中创建的模板去匹配获得仿射变换矩阵,然后将之前保存下来的晶片区域仿射变换,获得目标图像需要检测的晶片区域。
Figure 570548DEST_PATH_IMAGE012
、在拍照位置5拍摄的图像都作为检测晶片区域。
Figure DEST_PATH_IMAGE013
、在拍照位置2,拍照位置4,拍照位置6,拍照位置8的情况,按照如下方法对应去匹配获得晶片区域。
Figure 563912DEST_PATH_IMAGE013
-1种情况、对于在拍照位置2处拍摄的图像,采用上述第5步骤中c情况的c-1中创建的模板去匹配,匹配会匹配到边缘,但是模板在待检测图像上匹配的结果不一定是匹配到和创建模板时候位置一样的区域(在待检测图像上会匹配到和模板最相似的区域,匹配出模板中边缘在待检测图像上的位置,该边缘所在的直线则是后面需要用到的位置信息,后续再根据这个边缘所在的直线来获得准确的边界),根据模板信息和匹配的结果信息获得仿射变换矩阵,将创建模板时拟合的直线仿射变换过去,则可以确定该图像上晶片位置的上边缘(获得准确的上边界),根据创建模板时记录的信息,在该上边缘下方区域为待检测晶片区域。
Figure 944340DEST_PATH_IMAGE013
-2种情况、对于在拍照位置4处拍摄的图像,该部分定位时也分为两部分,这两部分包括左边包含晶片1区域和右边包含晶片2的区域。对于左边包含晶片1区域,采用第5步骤中c情况的c-2对应的模板匹配,获得仿射变换矩阵,同样不一定是和创建模板时一样的区域,但是匹配到结果时会匹配到边缘,将创建模板时拟合的直线仿射变换过去,则可以确定该图像上晶片位置的左右边界,则定位出左右边界中间区域都是待检测晶片区域。对于右边包含晶片2的区域,用第5步骤中c情况的c-2对应的模板匹配,获得仿射变换矩阵,将创建模板时拟合的直线仿射变换过去,则可以确定该图像上晶片位置的左边界,根据创建模板时记录的信息,在该左边界右边区域为待检测晶片区域。
Figure 681351DEST_PATH_IMAGE013
-3种情况、对于在拍照位置6处拍摄的图像,采用上述第5步骤中c情况的c-3中创建的模板去匹配,匹配会匹配到边缘,获得仿射变换矩阵,将创建模板时拟合的直线仿射变换过去,则可以确定该图像上晶片位置的右边界,根据创建模板时记录的信息,在该右边界左边区域为待检测晶片区域。
Figure 329370DEST_PATH_IMAGE013
-4种情况、对于在拍照位置8处拍摄的图像,采用上述第5步骤中c情况的c-4中创建的模板去匹配,匹配会匹配到边缘,获得仿射变换矩阵,将创建模板时拟合的直线仿射变换过去,则可以确定该图像上晶片位置的下边界,根据创建模板时记录的信息,在该下边界上边区域为待检测晶片区域。
本发明对于规则晶片,在小视野中无法拍摄整个晶片情况下,通过先验信息在同样的拍照方式下准确定位晶片区域;通过创建模板,提取模板图像中晶片的位置信息作为后面定位的先验信息;对于小视野图像中出现有角点特征的,采用创建模板时提取的晶片区域仿射变换到目标图像上作为待检测的晶片区域;对于无法通过特征直接定位的规则晶片,采用匹配边缘,找到目标图像中晶片的边界然后根据先验信息在目标图像中生成待检测的晶片区域。
以上所述的,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于先验信息的规则晶片定位方法,其特征在于,具体步骤如下:
第一步骤、晶片初始位置的定位,定位出晶圆上所有晶片的初始位置;
第二步骤、选择固定的拍照方式,拍摄多张图像,多张图像的晶片区域有重叠;所述固定的拍照方式为多行多列的拍照方式;
第三步骤、按照第一步骤中定位的晶片初始位置,选择每块晶片的起点拍摄位置,然后按照第二步骤中的固定拍照方式进行拍照;
第四步骤、选取一组图像作为模板,根据每幅图像上晶片的信息来提取一定的先验信息,后面其他的晶片采用模板的先验信息去定位;
当拍照位置处拍摄的图像中有晶片的角点,该拍照位置的定位按照晶片角点来定位,提取包含角点的区域做模板;
当拍照位置处拍摄的图像中都是晶片,后面在该拍照位置拍摄的图像都作为检测晶片区域;
当拍照位置处拍摄的图像中出现晶片上边缘,提取区域作为模板区域,在该提取区域提取上边缘,将上边缘拟合为一条直线,保存直线的参数,将该提取区域制作为灰度匹配模板,并且保存晶片区域参数信息;
当拍照位置处拍摄的图像中包括左边包含第一晶片区域和右边包含第二晶片的区域;对于左边包含第一晶片区域,提取区域提取出两条边缘,将边缘拟合为两条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息;对于右边包含第二晶片的区域,提取区域提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该区域制作灰度匹配模板,并且保存晶片区域参数信息;
当拍照位置处拍摄的图像中出现晶片右边缘,提取区域提取出一条边缘,将边缘拟合为一条直线,保存直线的参数,同时该提取区域制作灰度匹配模板,并且保存晶片区域参数信息;
当拍照位置处拍摄的图像中出现晶片下边缘,提取区域提取下边缘,将下边缘拟合为一条直线,保存直线的参数,同时选取该区域制作灰度匹配模板,并且保存晶片区域参数信息。
2.根据权利要求1所述的基于先验信息的规则晶片定位方法,其特征在于:所述固定的拍照方式为3行3列,在9个拍摄位置处一共获得9张图像。
3.根据权利要求1所述的基于先验信息的规则晶片定位方法,其特征在于:在第四步骤中,采用形状特征模板匹配方法或者灰度匹配方法来制作模板。
CN202210139366.1A 2022-02-16 2022-02-16 基于先验信息的规则晶片定位方法 Active CN114187294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210139366.1A CN114187294B (zh) 2022-02-16 2022-02-16 基于先验信息的规则晶片定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210139366.1A CN114187294B (zh) 2022-02-16 2022-02-16 基于先验信息的规则晶片定位方法

Publications (2)

Publication Number Publication Date
CN114187294A CN114187294A (zh) 2022-03-15
CN114187294B true CN114187294B (zh) 2022-05-17

Family

ID=80545964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210139366.1A Active CN114187294B (zh) 2022-02-16 2022-02-16 基于先验信息的规则晶片定位方法

Country Status (1)

Country Link
CN (1) CN114187294B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102636120A (zh) * 2012-05-10 2012-08-15 吴晓 Led芯片视觉伺服二次定位系统及其定位方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003052803A1 (fr) * 2001-12-04 2003-06-26 Sony Corporation Masque, procede de fabrication correspondant, et procede de fabrication d'un dispositif a semiconducteur
TW201005837A (en) * 2008-07-22 2010-02-01 Top Optronics Corp Method of setting chip on display panel
US8977035B2 (en) * 2012-06-13 2015-03-10 Applied Materials Israel, Ltd. System, method and computer program product for detection of defects within inspection images
US9189844B2 (en) * 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
CN104700085B (zh) * 2015-03-10 2018-02-27 华中科技大学 一种基于模板匹配的芯片定位方法
JP7001494B2 (ja) * 2018-02-26 2022-01-19 株式会社日立ハイテク ウェハ観察装置
CN109003918B (zh) * 2018-07-05 2020-06-30 汕头大学 一种芯片主动遍历匹配方法
CN112150541A (zh) * 2020-09-10 2020-12-29 中国石油大学(华东) 一种多led晶片定位算法
CN113594076B (zh) * 2021-07-22 2023-06-20 上海精测半导体技术有限公司 有图形晶圆的对准方法及半导体设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102636120A (zh) * 2012-05-10 2012-08-15 吴晓 Led芯片视觉伺服二次定位系统及其定位方法

Also Published As

Publication number Publication date
CN114187294A (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN113077453B (zh) 一种基于深度学习的电路板元器件缺陷检测方法
WO2018068415A1 (zh) 元件错件检测方法和系统
US10853932B2 (en) Method of defect detection on a specimen and system thereof
US7693348B2 (en) Method of registering and aligning multiple images
CN107228860B (zh) 一种基于图像旋转周期特性的齿轮缺陷检测方法
WO2018010391A1 (zh) 一种板卡的检测方法及装置
WO2017181724A1 (zh) 电子元件漏件检测方法和系统
US20180268539A1 (en) Technique for measuring overlay between layers of a multilayer structure
CN114140679A (zh) 一种缺陷融合方法、装置、识别系统及存储介质
US10074167B2 (en) Reducing registration and design vicinity induced noise for intra-die inspection
JP2010520622A (ja) ウェーハ上に形成されたアレイ領域のための検査領域のエッジを正確に識別する方法、及び、ウェーハ上に形成されたアレイ領域に検知された欠陥をビニングする方法
US9851714B2 (en) Method of inspecting a specimen and system thereof
JP2006065429A (ja) 撮影画像の変化抽出装置及び方法
WO2017071406A1 (zh) 金针类元件的引脚检测方法和系统
CN117576219A (zh) 大广角鱼眼镜头单次拍摄图像的相机标定设备及标定方法
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置
CN113705564B (zh) 一种指针式仪表识别读数方法
CN118135179B (zh) 切割板件的级联识别方法、装置、计算机设备和存储介质
CN109509165B (zh) 图像定位区域选取方法及装置
CN114187294B (zh) 基于先验信息的规则晶片定位方法
CN113538232B (zh) 大尺寸航空航天复合材料构件全局缺陷定量识别方法
CN114373144B (zh) 一种用于高速视频中圆形标识点的自动识别方法
JP2009157701A (ja) 画像処理方法及び画像処理装置
JP7475901B2 (ja) 試験片上の欠陥検出の方法およびそのシステム
CN114298994A (zh) 一种基于高斯滤波利用芯片关键点的定位方法与装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant