-
公开(公告)号：CN109791897B
公开(公告)日：2023-06-20
申请号：CN201780061620.8
申请日：2017-10-05
Applicant: 科磊股份有限公司
IPC: H01L21/66
Abstract: 本文中描述用于基于三维图像的半导体晶片上的所关注缺陷DOI的改进检测与分类的方法及系统。厚分层结构的体积的三维成像以高处理量实现在三个维度中的精确缺陷检测及缺陷位置的估计。在数个不同晶片深度处获取一系列图像。从所述系列图像产生厚半导体结构的三维图像。基于所述厚半导体结构的所述三维图像的分析来对缺陷进行识别及分类。在一些实例中，通过等高线图或横截面图来可视化三维图像堆叠以识别特性缺陷响应。在一些实例中，以算法方式处理所述三维图像以对缺陷进行识别及分类。在另一方面中，基于所述三维图像，在三个维度中估计缺陷的位置。
-
公开(公告)号：CN108508028B
公开(公告)日：2021-03-09
申请号：CN201810473396.X
申请日：2015-06-26
Applicant: 科磊股份有限公司
IPC: G01N21/88 , G01N21/956 , G01N21/47 , G01N21/95
Abstract: 本揭露是关于在晶片检验期间确定定位于收集孔隙中的光学元件的配置。一种系统包含检测器，所述检测器经配置以在光学元件具有不同配置时，检测通过包含一组收集孔隙的所述光学元件的来自晶片的光，借此产生针对所述不同配置的不同图像。所述系统还包含计算机子系统，所述计算机子系统经配置以用于依据所述不同图像中的两者或两者以上建构额外图像，且用于产生所述额外图像中的任一者的所述两个或两个以上不同图像并不仅包含针对所述组中的单个收集孔隙产生的不同图像。所述计算机子系统经进一步配置以用于基于所述不同图像及所述额外图像而选择所述光学元件的所述不同或额外配置中的一者。
-
公开(公告)号：CN109791897A
公开(公告)日：2019-05-21
申请号：CN201780061620.8
申请日：2017-10-05
Applicant: 科磊股份有限公司
IPC: H01L21/66
Abstract: 本文中描述用于基于三维图像的半导体晶片上的所关注缺陷DOI的改进检测与分类的方法及系统。厚分层结构的体积的三维成像以高处理量实现在三个维度中的精确缺陷检测及缺陷位置的估计。在数个不同晶片深度处获取一系列图像。从所述系列图像产生厚半导体结构的三维图像。基于所述厚半导体结构的所述三维图像的分析来对缺陷进行识别及分类。在一些实例中，通过等高线图或横截面图来可视化三维图像堆叠以识别特性缺陷响应。在一些实例中，以算法方式处理所述三维图像以对缺陷进行识别及分类。在另一方面中，基于所述三维图像，在三个维度中估计缺陷的位置。
-
公开(公告)号：CN107077733A
公开(公告)日：2017-08-18
申请号：CN201580059583.8
申请日：2015-11-11
Applicant: 科磊股份有限公司
CPC classification number: G06K9/40 , G06K9/209 , G06K9/6202 , G06T5/002 , G06T7/001 , G06T2207/10056 , G06T2207/20024 , G06T2207/30024 , G06T2207/30148 , G06T7/0002 , G06T5/20
Abstract: 对样本的增强型缺陷检测包含针对第一光学模式从样本的两个或多于两个位置获取来自所述样本的两个或多于两个检验图像。所述缺陷检测还基于针对所述第一光学模式来自所述两个或多于两个位置的所述两个或多于两个检验图像而针对选定缺陷类型产生经聚合缺陷分布，以及计算针对所述第一光学模式从所述两个或多于两个位置获取的所述两个或多于两个检验图像的一或多个噪声相关性特性。缺陷检测进一步包含基于所述所产生的经聚合缺陷分布及所述所计算的一或多个噪声相关性特性而产生用于所述第一光学模式的匹配滤波器。
-
Patent Agency Ranking
公开(公告)号：CN106415249A
公开(公告)日：2017-02-15
申请号：CN201580029498.7
申请日：2015-06-26
Applicant: 科磊股份有限公司
CPC classification number: G01N21/9501 , G01N21/47 , G01N21/8806 , G01N21/8851 , G01N21/956 , G01N21/95623 , G01N2021/8887 , G01N2201/0668
Abstract: 本发明提供用于在晶片检验期间确定定位于收集孔隙中的光学元件的配置的方法及系统。一种系统包含检测器，所述检测器经配置以在光学元件具有不同配置时，检测通过包含一组收集孔隙的所述光学元件的来自晶片的光，借此产生针对所述不同配置的不同图像。所述系统还包含计算机子系统，所述计算机子系统经配置以用于依据所述不同图像中的两者或两者以上建构额外图像，且用于产生所述额外图像中的任一者的所述两个或两个以上不同图像并不仅包含针对所述组中的单个收集孔隙产生的不同图像。所述计算机子系统经进一步配置以用于基于所述不同图像及所述额外图像而选择所述光学元件的所述不同或额外配置中的一者。
-
公开(公告)号：CN119183530A
公开(公告)日：2024-12-24
申请号：CN202380039889.1
申请日：2023-10-26
Applicant: 科磊股份有限公司
Inventor： P·科尔钦
IPC: G01N21/956 , G01N21/88 , G06N3/084 , G06T7/00
Abstract: 公开一种用于使用数字滤波器来增强光学表征系统中的缺陷检测的系统。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。所述一组程序指令可经配置以引起所述一或多个处理器：获取一或多个样本图像，所述一或多个样本图像包含一或多个差异图像，所述一或多个样本图像包含一或多个光掩模图像，所述一或多个差异图像包含缺陷数据；通过将数字滤波器应用于所述一或多个样本图像中的每一者来产生一或多个经滤波图像，所述数字滤波器包含卷积滤波器，所述卷积滤波器包含一或多个卷积滤波器系数；及使用机器学习分类器来调整所述经应用数字滤波器，所述经调整数字滤波器经配置以增强检验子系统的缺陷检测。
-
公开(公告)号：CN107077733B
公开(公告)日：2019-03-01
申请号：CN201580059583.8
申请日：2015-11-11
Applicant: 科磊股份有限公司
Abstract: 对样本的增强型缺陷检测包含针对第一光学模式从样本的两个或多于两个位置获取来自所述样本的两个或多于两个检验图像。所述缺陷检测还基于针对所述第一光学模式来自所述两个或多于两个位置的所述两个或多于两个检验图像而针对选定缺陷类型产生经聚合缺陷分布，以及计算针对所述第一光学模式从所述两个或多于两个位置获取的所述两个或多于两个检验图像的一或多个噪声相关性特性。缺陷检测进一步包含基于所述所产生的经聚合缺陷分布及所述所计算的一或多个噪声相关性特性而产生用于所述第一光学模式的匹配滤波器。
-
公开(公告)号：CN108508028A
公开(公告)日：2018-09-07
申请号：CN201810473396.X
申请日：2015-06-26
Applicant: 科磊股份有限公司
IPC: G01N21/88 , G01N21/956 , G01N21/47 , G01N21/95
Abstract: 本揭露是关于在晶片检验期间确定定位于收集孔隙中的光学元件的配置。一种系统包含检测器，所述检测器经配置以在光学元件具有不同配置时，检测通过包含一组收集孔隙的所述光学元件的来自晶片的光，借此产生针对所述不同配置的不同图像。所述系统还包含计算机子系统，所述计算机子系统经配置以用于依据所述不同图像中的两者或两者以上建构额外图像，且用于产生所述额外图像中的任一者的所述两个或两个以上不同图像并不仅包含针对所述组中的单个收集孔隙产生的不同图像。所述计算机子系统经进一步配置以用于基于所述不同图像及所述额外图像而选择所述光学元件的所述不同或额外配置中的一者。
-
公开(公告)号：CN106415249B
公开(公告)日：2018-06-12
申请号：CN201580029498.7
申请日：2015-06-26
Applicant: 科磊股份有限公司
CPC classification number: G01N21/9501 , G01N21/47 , G01N21/8806 , G01N21/8851 , G01N21/956 , G01N21/95623 , G01N2021/8887 , G01N2201/0668
Abstract: 本发明提供用于在晶片检验期间确定定位于收集孔隙中的光学元件的配置的方法及系统。一种系统包含检测器，所述检测器经配置以在光学元件具有不同配置时，检测通过包含一组收集孔隙的所述光学元件的来自晶片的光，借此产生针对所述不同配置的不同图像。所述系统还包含计算机子系统，所述计算机子系统经配置以用于依据所述不同图像中的两者或两者以上建构额外图像，且用于产生所述额外图像中的任一者的所述两个或两个以上不同图像并不仅包含针对所述组中的单个收集孔隙产生的不同图像。所述计算机子系统经进一步配置以用于基于所述不同图像及所述额外图像而选择所述光学元件的所述不同或额外配置中的一者。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
