[發明專利]晶圓識別方法及設備在審
| 申請號： | 201710253165.3 | 申請日： | 2017-04-18 |
| 公開（公告）號： | CN108304756A | 公開（公告）日： | 2018-07-20 |
| 發明（設計）人： | 方偉力 | 申請（專利權）人： | 南亞科技股份有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 隆天知識產權代理有限公司 72003 | 代理人： | 李昕巍;章侃銥 |
| 地址： | 中國臺*** | 國省代碼： | 中國臺灣;71 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 向量 晶圓 投影 影像信息 影像 投影向量 不良品 良品 矩陣 變異數 識別率 種晶 分類 | ||
1.一種晶圓識別方法，其包含：
通過獲取一第一晶圓的一影像來獲得包括一第一向量的影像信息，其中該第一晶圓是已知為一良品；
通過獲取一第二晶圓的一影像來獲得包括一第二向量的影像信息，其中該第二晶圓是已知為一不良品；
基于與該第一向量及該第二向量相關的一共變異數矩陣，計算一投影向量；
通過獲取待測的一第三晶圓的一影像來獲得包括一第三向量的影像信息；
將該第一向量、該第二向量及該第三向量的各者投影到該投影向量上；及
基于該經投影第一向量、該經投影第二向量及該經投影第三向量將該第三晶圓分類成該良品或該不良品。
2.如權利要求1所述的晶圓識別方法，其中該基于與該第一向量及該第二向量相關的該共變異數矩陣的該投影向量的計算進一步包含：
基于該第一向量及該第二向量計算該共變異數矩陣。
3.如權利要求2所述的晶圓識別方法，其中該基于與該第一向量及該第二向量相關的該共變異數矩陣的該投影向量的計算進一步包含：
基于該共變異數矩陣計算一第一特征值及一第二特征值。
4.如權利要求3所述的晶圓識別方法，其中該基于與該第一向量及該第二向量相關的該共變異數矩陣的該投影向量的計算進一步包含：
基于該第一特征值及該第二特征值二者計算一第一特征向量及一第二特征向量。
5.如權利要求4所述的晶圓識別方法，其中該基于與該第一向量及該第二向量相關的該共變異數矩陣的該投影向量的計算進一步包含：
基于該第一特征向量及該第二特征向量二者計算該投影向量。
6.如權利要求1所述的晶圓識別方法，其中該基于該經投影第一向量、該經投影第二向量及該經投影第三向量的該第三晶圓為該良品或該不良品的分類包含：
基于該經投影第一向量、該經投影第二向量及該經投影第三向量且根據最近鄰規則(nearest neighbor rule，NNR)將該第三晶圓分類成該良品或該不良品。
7.如權利要求1所述的晶圓識別方法，其中該基于該經投影第一向量、該經投影第二向量及該經投影第三向量的該第三晶圓為該良品或該不良品的分類包含：
計算在該經投影第一向量與該經投影第三向量之間的一第一距離；
計算在該經投影第二向量與該經投影第三向量之間的一第二距離；及
基于該第一距離及該第二距離將該第三晶圓分類成該良品或該不良品。
8.如權利要求7所述的晶圓識別方法，其中該基于該第一距離及該第二距離的該第三晶圓為該良品或該不良品的分類包含：
當該第一距離小于該第二距離時，將該第三晶圓分類成該良品。
9.如權利要求7所述的晶圓識別方法，其中該基于該第一距離及該第二距離的該第三晶圓為該良品或該不良品的分類包含：
當該第一距離大于該第二距離時，將該第三晶圓分類成該不良品。
10.一種晶圓識別方法，其包含：
通過獲取一第一晶圓的一影像來獲得包括一第一向量的影像信息，其中該第一晶圓是已知為一良品；
通過獲取一第二晶圓的一影像來獲得包括一第二向量的影像信息，其中該第二晶圓是已知為一不良品；
基于該第一向量及該第二向量計算一共變異數矩陣；
基于該共變異數矩陣計算一第一特征值及一第二特征值；
比較該第一特征值與該第二特征值；
當該第一特征值大于該第二特征值時，基于該第一特征值而非基于該第一特征值及該第二特征值二者，計算一特征向量；
基于該特征向量獲得一投影向量；
將該第一向量、該第二向量及該第三向量的各者投影到該投影向量上；及
基于該經投影第一向量、該經投影第二向量及該經投影第三向量將該第三晶圓分類成該良品或該不良品。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南亞科技股份有限公司，未經南亞科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710253165.3/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：用于圖像處理的神經網絡模型的訓練方法和裝置
- 下一篇：身份識別方法及裝置
