使用影子成像图像的自动化在线检验和计量

    公开(公告)号:CN106030775B

    公开(公告)日:2019-08-20

    申请号:CN201580010430.4

    申请日:2015-02-25

    Abstract: 本发明揭示轮廓剪影(Shadow‑gram),其用于堆叠晶片的边缘检验和计量。系统包含:光源,其将准直光引导在所述堆叠晶片的边缘处;检测器,其与所述光源相对;及控制器,其连接到所述检测器。所述堆叠晶片可相对于所述光源旋转。所述控制器分析所述堆叠晶片的所述边缘的轮廓剪影图像。比较所述堆叠晶片在所述轮廓剪影图像中的侧影(silhouette)的测量与预定测量。可汇总并分析沿所述堆叠晶片的所述边缘的不同点处的多个轮廓剪影图像。

    受引导的缺陷发现的特性化系统及方法

    公开(公告)号:CN114930353A

    公开(公告)日:2022-08-19

    申请号:CN202180008242.3

    申请日:2021-01-21

    Abstract: 根据本公开的一或多个实施例,公开一种系统。所述系统可包含控制器,所述控制器包含经配置以执行一组程序指令的一或多个处理器。所述组程序指令可经配置以致使所述处理器:从特性化子系统接收样本的图像;从图块剪辑识别目标剪辑;基于所述目标剪辑而制备经处理剪辑;通过变换所述经处理剪辑而产生经编码图像;将所述经编码图像分类成一组集群;显示来自所述组集群的经分类图像;接收所述经显示分类图像的标签;确定所述所接收标签是否足以训练深度学习分类器;及在确定所述所接收标签足以训练所述深度学习分类器后,经由所述经显示分类图像及所述所接收标签训练所述深度学习分类器。

    训练用于低分辨率图像中的缺陷检测的神经网络

    公开(公告)号:CN111819676B

    公开(公告)日:2022-01-14

    申请号:CN201980017305.4

    申请日:2019-03-28

    Abstract: 本发明提供用于训练用于低分辨率图像中的缺陷检测的神经网络的方法及系统。一个系统包含:检验工具,其包含高分辨率成像子系统及低分辨率成像子系统;及一或多个组件,其包含高分辨率神经网络及低分辨率神经网络。所述系统的计算机子系统经配置用于产生缺陷图像的训练集。所述缺陷图像中的至少一者由所述高分辨率神经网络使用由所述高分辨率成像子系统产生的图像合成地产生。所述计算机子系统还经配置用于使用缺陷图像的所述训练集作为输入而训练所述低分辨率神经网络。另外,所述计算机子系统经配置用于通过将由所述低分辨率成像子系统针对另一样品产生的所述图像输入到所述经训练低分辨率神经网络中而检测所述另一样品上的缺陷。

    训练用于低分辨率图像中的缺陷检测的神经网络

    公开(公告)号:CN111819676A

    公开(公告)日:2020-10-23

    申请号:CN201980017305.4

    申请日:2019-03-28

    Abstract: 本发明提供用于训练用于低分辨率图像中的缺陷检测的神经网络的方法及系统。一个系统包含:检验工具,其包含高分辨率成像子系统及低分辨率成像子系统;及一或多个组件,其包含高分辨率神经网络及低分辨率神经网络。所述系统的计算机子系统经配置用于产生缺陷图像的训练集。所述缺陷图像中的至少一者由所述高分辨率神经网络使用由所述高分辨率成像子系统产生的图像合成地产生。所述计算机子系统还经配置用于使用缺陷图像的所述训练集作为输入而训练所述低分辨率神经网络。另外,所述计算机子系统经配置用于通过将由所述低分辨率成像子系统针对另一样品产生的所述图像输入到所述经训练低分辨率神经网络中而检测所述另一样品上的缺陷。

    使用轮廓剪影图像的自动化在线检验和计量

    公开(公告)号:CN106030775A

    公开(公告)日:2016-10-12

    申请号:CN201580010430.4

    申请日:2015-02-25

    Abstract: 本发明揭示轮廓剪影(Shadow‑gram),其用于堆叠晶片的边缘检验和计量。系统包含:光源,其将准直光引导在所述堆叠晶片的边缘处;检测器,其与所述光源相对;及控制器,其连接到所述检测器。所述堆叠晶片可相对于所述光源旋转。所述控制器分析所述堆叠晶片的所述边缘的轮廓剪影图像。比较所述堆叠晶片在所述轮廓剪影图像中的侧影(silhouette)的测量与预定测量。可汇总并分析沿所述堆叠晶片的所述边缘的不同点处的多个轮廓剪影图像。

Patent Agency Ranking