System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本公开整体涉及半导体器件的缺陷检测,特别是低对比度缺陷。
技术介绍
1、随着半导体器件尺寸的减小和复杂性的增加,即使很小的缺陷也会不利地影响它们的性能。例如,一些设备在制造期间经历水洗或清洁,这可能留下水印缺陷。这些缺陷被认为是低对比度缺陷的示例,因为缺陷和非缺陷区域之间的对比度差异最小,使得它们难以检测。半导体器件在制造过程期间经常被检查以检测缺陷。
2、但是一些检查技术难以精确地检测低对比度缺陷。此外,一些检查技术可能使用参考图像来检测变化或缺陷,从而使其难以使用。
技术实现思路
1、本公开描述了一种用于检测半导体器件中的缺陷的方法,该方法包括:生成半导体器件的图像的多个二值切片;以及基于该图像的统计对比度特性将该多个二值切片中的每个二值切片分割成段;将这些段的子集输入到机器学习网络中,其中这些段的子集包括与该子集中未包括的其他段相比具有更高对比度分布的段;以及接收识别该图像中至少一个缺陷的存在或不存在的机器学习网络的输出。
2、本公开还描述来了一种检查系统,该检查系统包括用以捕获半导体器件的图像的检测器;机器的一个或多个处理器;以及存储指令的存储器,这些指令在由一个或多个处理器执行时使机器执行包括以下步骤的操作:生成半导体器件的图像的多个二值切片;基于该图像的统计对比度特性将该多个二值切片中的每个二值切片分割成段;将这些段的子集输入到机器学习网络中,其中这些段的子集包括与该子集中未包括的其他段相比具有更高对比度分布的段;以及接收识别该图像中至少一个缺陷
3、本公开还描述了一种体现指令的机器存储介质,这些指令在由机器执行时致使机器执行包括以下步骤的操作:生成该半导体器件的图像的多个二值切片;基于该图像的统计对比度特性,分割该多个二值切片中的每个二值切片以创建段;将这些段的子集输入到机器学习网络中,其中这些段的子集包括与该子集中未包括的其他段相比具有更高对比度分布的段;以及接收识别该图像中至少一个缺陷的存在或不存在的机器学习网络的输出。
本文档来自技高网...【技术保护点】
1.一种检测半导体器件中的缺陷的方法,所述方法包括:
2.根据权利要求1所述的方法,其中所述机器学习网络包括多层机器学习模型,并且其中每个二值切片对应于不同的灰度级。
3.根据权利要求1所述的方法,其中所述机器学习网络通过以下步骤被训练为利用至少一个训练图像使用监督式机器学习技术来检测缺陷:
4.根据权利要求1所述的方法,其中所述缺陷是低对比度水印缺陷。
5.根据权利要求1所述的方法,所述方法还包括:
6.根据权利要求1所述的方法,其中所述统计对比度特性由直方图、范围、标准偏差、最小值-最大值、平均值以及暗像素与亮像素的比率中的一者或多者限定。
7.根据权利要求1所述的方法,其中使用图形处理单元(GPU)和计算机处理单元(CPU)来执行所述方法。
8.一种检查系统,所述检查系统包括:
9.根据权利要求8所述的检查系统,其中所述机器学习网络包括多层机器学习模型,并且其中每个二值切片对应于不同的灰度级。
10.根据权利要求8所述的检查系统,其中所述机器学习网络通过以下步骤被训练
11.根据权利要求8所述的检查系统,其中所述缺陷是低对比度水印缺陷。
12.根据权利要求8所述的检查系统,所述操作还包括:
13.根据权利要求8所述的检查系统,其中所述统计对比度特性由直方图、范围、标准偏差、最小值-最大值、平均值以及暗像素与亮像素的比率中的一者或多者限定。
14.根据权利要求8所述的检查系统,其中所述一个或多个处理器包括图形处理单元(GPU)。
15.一种体现指令的机器存储介质,所述指令在由机器执行时致使所述机器执行包括以下步骤的操作:
16.根据权利要求15所述的机器存储介质,其中所述机器学习网络包括多层机器学习模型,并且其中每个二值切片对应于不同的灰度级。
17.根据权利要求15所述的机器存储介质,其中所述机器学习网络通过以下步骤被训练为利用至少一个训练图像使用监督式机器学习技术来检测缺陷:
18.根据权利要求15所述的机器存储介质,其中所述缺陷是低对比度水印缺陷。
19.根据权利要求15所述的机器存储介质,还包括:
20.根据权利要求15所述的机器存储介质,其中所述统计对比度特性由直方图、范围、标准偏差、最小值-最大值、平均值以及暗像素与亮像素的比率中的一者或多者限定。
...【技术特征摘要】
【国外来华专利技术】
1.一种检测半导体器件中的缺陷的方法,所述方法包括:
2.根据权利要求1所述的方法,其中所述机器学习网络包括多层机器学习模型,并且其中每个二值切片对应于不同的灰度级。
3.根据权利要求1所述的方法,其中所述机器学习网络通过以下步骤被训练为利用至少一个训练图像使用监督式机器学习技术来检测缺陷:
4.根据权利要求1所述的方法,其中所述缺陷是低对比度水印缺陷。
5.根据权利要求1所述的方法,所述方法还包括:
6.根据权利要求1所述的方法,其中所述统计对比度特性由直方图、范围、标准偏差、最小值-最大值、平均值以及暗像素与亮像素的比率中的一者或多者限定。
7.根据权利要求1所述的方法,其中使用图形处理单元(gpu)和计算机处理单元(cpu)来执行所述方法。
8.一种检查系统,所述检查系统包括:
9.根据权利要求8所述的检查系统,其中所述机器学习网络包括多层机器学习模型,并且其中每个二值切片对应于不同的灰度级。
10.根据权利要求8所述的检查系统,其中所述机器学习网络通过以下步骤被训练为利用至少一个训练图像使用监督式机器学习技术来检测缺陷:
11.根据权利要求8所述的...
【专利技术属性】
技术研发人员:R·S·巴斯蒂,J·达利瓦,丁建,
申请(专利权)人:昂图创新有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。