一种用于晶圆键合的图像识别方法、装置以及系统与流程

1.本技术大体上涉及半导体技术领域，更具体地，涉及一种用于晶圆键合的图像识别方法、装置以及系统。


背景技术：

2.在半导体大规模集成电路制造或工艺检测过程中，半导体晶圆会经过多个制造工艺阶段，由多个不同的设备进行处理或检测。晶圆键合工艺已经成为半导体制造技术集成发展和实用化的关键技术。晶圆键合是指将两片平整的晶圆面对面贴合起来，并施加以一定的压力、温度、电压等外部条件，在原有的两片晶圆间的界面产生原子或者分子间的结合力，如共价键、金属键、分子键等，使两表面间的键合能达到一定强度，而使这两片晶圆结为一体。
3.在晶圆键合工艺中，需要将两片晶圆对准键合。通常使用模板图像来达到这一目的。然而，现有的模板图像的选择一般需要用户手动选择出模板区域，并且需要人工设置和调整模板区域的位置和大小，模板区域的位置调整过程需要人眼判断，因此会导致识别结果精度低，重复性差等问题。
4.因此，需要对现有技术的方案进行改进，以解决现有技术中存在的问题。


技术实现要素：

5.本技术的目的之一在于提供一种用于晶圆键合的图像识别方法、装置以及系统，其解决了当用户手动选择模板区域以及当模板图像旋转和/或模糊时导致的识别结果精度低，重复性差等问题。
6.根据本技术的一个层面，本技术提供了一种用于晶圆键合的图像识别方法，其包括：提供模板图像；检测模板图像中的边缘；对检测所得的边缘进行筛选，以获得模板图像中的模板区域的外边缘；以及测量模板区域在模板图像中的位置。根据本技术的一个层面，本技术提供了一种用于晶圆键合的图像识别装置，其包括：供应模块，其经配置以提供模板图像；检测模块，其经配置以检测模板图像中的边缘；筛选模块，其经配置以对检测所得的边缘进行筛选，以获得模板图像中的模板区域的外边缘；以及测量模块，其经配置以测量模板区域在模板图像中的位置。
7.根据本技术的一个层面，本技术还提供了一种非易失性计算机可读存储媒体，该非暂时性计算机可读存储媒体存储有一个或多个程序，该一个或多个程序可被一个或多个处理器执行，以实现本技术中所述的用于晶圆键合的图像识别方法。
8.根据本技术的一个层面，本技术还提供了一种用于晶圆键合的图像识别系统，其包括：处理器；存储有计算机可执行指令的非易失性计算机可读存储媒体，其耦合至处理器；载台，其用以支撑晶圆；其中，处理器经配置以执行计算机可执行指令以在所述晶圆上实施本技术中所述的用于晶圆键合的图像识别方法。本技术提供的一种用于晶圆键合的图像识别方法、装置以及系统，其能够自动筛选出模板图像中的模板区域，提高了图像识别精
度。此外，本技术提供的一种用于晶圆键合的图像识别方法、装置以及系统，还能为多个相机获得高度一致性的模板。另外，本技术提供的一种用于晶圆键合的图像识别方法、装置以及系统，更能够精确计算模板图像的中心位置和边界，使得模板在后期图像处理中不易受损，进一步提高了图像识别精度。
附图说明
9.在下文中将简要地说明为了描述本技术实施例或现有技术所必要的附图以便于描述本技术的实施例。显而易见地，下文描述中的附图仅只是本技术中的部分实施例。对本领域技术人员而言，在不需要创造性劳动的前提下，依然可以根据这些附图中的例示来获得其他实施例的附图。
10.图1为根据本技术一些实施例的用于晶圆键合的图像识别方法流程图。
11.图2为根据本技术一些实施例的经灰度化之后的模板图像的示意图。
12.图3为根据本技术一些实施例的执行边缘检测步骤后的模板图像的示意图。
13.图4为根据本技术一些实施例的边缘处理的具体流程图。
14.图5为根据本技术一些实施例的执行图4所示的边缘处理步骤后的模板图像的示意图。
15.图6为根据本技术一些实施例的测量模板区域位置的具体流程图。
16.图7为根据本技术一些实施例的执行图6所示的测量模板区域位置的步骤后的模板图像的示意图。
17.图8为根据本技术一些实施例的用于晶圆键合的图像识别装置的结构框图。
具体实施方式
18.为更好的理解本技术的精神，以下结合本技术的部分优选实施例对其作进一步说明。
19.以下详细地讨论本技术的各种实施方式。尽管讨论了具体的实施，但是应当理解，这些实施方式仅用于示出的目的。相关领域中的技术人员将认识到，在不偏离本技术的精神和保护范围的情况下，可以使用其他部件和配置。
20.图1为根据本技术一些实施例的用于晶圆键合的图像识别方法流程图。以下结合图2至7来具体描述如图1所示的本技术一些实施例的用于晶圆键合的图像识别方法。
21.首先，读入图像(步骤s10)。具体而言，选择一张模板图像，并读取该模板图像。
22.在一些实施例中，灰度化图像(步骤s20)。在该步骤中，对读取的模板图像进行灰度化，得到经灰度化后的模板图像。图2为根据本技术一些实施例的经灰度化之后的模板图像的示意图。如图2所示，模板图像20包括模板区域22。
23.在一些实施例中，增强图像对比度(步骤s30)。在一些实施例中，对经灰度化之后的模板图像执行操作，以提高该模板图像的对比度。
24.在一些实施例中，锐化图像(步骤s40)。在一些实施例中，对经步骤s30处理后的模板图像进行锐化。
25.步骤s30和步骤s40可用于提高边缘检测的精准度。在一些实施例中，步骤s30和步骤s40也可以省略，仅基于经灰度化之后的模板图像同样可以进行边缘检测。
26.在一些实施例中，检测边缘(步骤s50)。在一些实施例中，对来自步骤s40的模板图像进行检测并找出模板图像中的所有边缘的位置。在一些实施例中，通过基于sobel算子的边缘检测算法来检测并找出模板图像中的所有边缘的位置，具体操作如下：
27.将模板图像假设为一个二维结构，因此根据导数的定义式可知在x方向上的偏导数的定义式为y方向上同理；
28.现在假设δx＝1，因此上述定义式可化简为：
29.进一步可以将公式(1)改写为：
[0030][0031][0032]
综合x方向的偏导和y方向的偏导可得梯度g：
[0033][0034]
应用sobel算子，对不同的方向：在[1,1]，[-1,1]方向上的权重为1，在[0,1]，[1,0]方向上为4，所以在x方向和y方向上的计算公式为：
[0035][0036][0037]
根据上述计算公式(5)和(6)，将它们转换为3*3的卷积核为：
[0038]
表1：
[0039]-10+1-20+2-10+1
[0040]
sobel在x方向的权重
[0041]
表2：
[0042]-1-2-1000+1+2+1
[0043]
sobel在x方向的权重
[0044]
表3：
[0045]
(x-1,y-1)(x,y-1)(x+1,y-1)(x-1,y)(x,y)(x+1,y)(x-1,y+1)(x,y+1)(x,y+1)
[0046]
模板图像中位于(x,y)处的像素点和其邻域
[0047]
判断模板图像上的该像素点的是否是边缘像素点：应用上述公式(4)、(5)以及(6)计算出梯度g的数值大小；然后，根据用户的需求，设置一个阈值t；当g大于阈值t时，则认为当前的像素点为边缘像素点；当g小于该阈值t时，则当前像素点不是边缘像素点。
[0048]
图3为根据本技术一些实施例的执行边缘检测步骤后的模板图像的示意图。如图3所示，模板图像30包括模板区域32。执行检测边缘的步骤s50后检测到模板图像中具有多个边缘。具体而言，如图3所示，包括模板区域32的外边缘322以及内边缘324、位于模板区域32的外边缘322之外的边缘326、以及边缘328。
[0049]
在一些实施例中，处理边缘(步骤s60)。参见图1和图3，在该步骤s60中，对检测到的所有边缘进行筛选，以最终获得模板图像30中的模板区域32的外边缘322。图4为根据本技术一些实施例的处理边缘的具体流程图。
[0050]
在一些实施例中，剔除长度小于阈值的模板图像中的边缘(步骤s602)。该步骤的主要目的在于剔除由噪声引起的细小边缘，例如图3中的边缘328。噪声产生的边缘的长度一般很小，并且计算出的梯度g的值很大，所以无法调整阈值t的大小来过滤掉它。因此，在本技术的一些实施例中，采用边缘长度筛选的方法来去除这些噪声边缘328。例如，在本技术的一些实施例中，当检测到的边缘长度的阈值小于10个像素时，去除该条边缘。然而，应当理解，此处的10个像素仅仅是本技术的优选实施例，在其他情况下，边缘长度的阈值可以根据需要选择其他数值，在此不做具体限定。
[0051]
在一些实施例中，将模板图像中的断裂的边缘进行补充(步骤s604)。由于边缘检测算法存在的缺陷或者光照以及图像模糊程度等原因，造成检测到的模板图像30的边缘的某些位置处存在断裂。例如，如图3所示，模板区域32的外边缘322的拐角处存在断裂322a。此时，需要对断裂的外边缘322进行补充。通常，断裂位置一般会在拐角处。然而，在一些实施例中，断裂也可能出现在其他平滑区域处，例如：外边缘322上的中间段处等。在一些实施例中，通过以下方式将模板图像30中的断裂的边缘进行补充：当检测到模板图像30中的边缘不是完整的边缘轮廓时，以断裂的边缘的一个端点为圆心进行扫描；当在扫描区域内找到另一个断裂的边缘的端点时，将两个端点连接起来。在一些实施例中，设置阈值为10，即：扫描半径为10个像素。因此，扫描区域为以断裂的边缘的一个端点为中心，半径为10像素的圆。然而，应当理解，此处的10个像素仅仅是本技术的优选实施例，在其他情况下，扫描半径可以根据需要选择其他数值，在此不做具体限定。
[0052]
在一些实施例中，剔除模板图像中的未闭合的边缘(步骤s606)。由于光照等原因，还有可能检测到较大的噪声边缘，例如，图3中的边缘326。通常，这种噪声边缘都是未闭合的。因此，可以通过判断检测到的边缘是否闭合，来剔除边缘326。当检测到边缘为未闭合的边缘时，剔除该边缘。
[0053]
在一些实施例中，将模板图像中闭合的边缘组成的边缘轮廓中的内部边缘轮廓剔除(步骤s608)。具体而言，获取模板图像中的模板区域的外边缘322的位置坐标，以获得由外边缘322围成的闭合外部边缘轮廓；接着将外边缘322围成的轮廓区域之内的边缘(即，内边缘324)剔除。
[0054]
图5为根据本技术一些实施例的执行图4所示的边缘处理步骤后的模板图像的示意图。参见图3和图5，经边缘处理步骤后的模板图像30仅保留了模板区域32的外边缘322，
噪声边缘328和未闭合的边缘326被去除，且模板区域32的外边缘322的拐角处的断裂322a得到了修复补充。
[0055]
参见图1和图5，在一些实施例中，测量模板区域位置(步骤s70)。在一些实施例中，基于模板区域32的外边缘332与模板图像30的边界之间的距离，测量模板区域32在模板图像30中的位置。图6为根据本技术一些实施例的测量模板区域位置的具体流程图。
[0056]
在一些实施例中，获取模板区域的外边缘的像素坐标(步骤s702)。在一些实施例中，将步骤s60中得到的模板区域32的外边缘322进行提取，对比所有被提取的外边缘322，查找以下四个位置处的像素坐标：(1)x坐标为最小值的像素点的x的位置值；(2)y坐标为最小值的像素点的y的位置值；(3)x坐标为最大值的像素点的x的位置值；以及(4)y坐标为最大值的像素点的y的位置值。在本一些实施例中，坐标轴的原点位于模板图像30的左上角。
[0057]
在一些实施例中，计算模板区域的外边缘与模板图像的边界之间的距离(步骤s704)。在一些实施例中，计算以下4个位置处的距离：(1)最小值的像素点的x的位置值与模板图像30左边界的距离；(2)最小值的像素点的y的位置值与模板图像30上边界的距离；(3)最大值的像素点的x的位置值与模板图像30右边界的距离；以及(4)最大值的像素点的y的位置值与模板图像30下边界的距离。
[0058]
通过以上步骤s702和步骤s704，可以测量并确定出模板区域32在模板图像30中的位置。
[0059]
图7为根据本技术一些实施例的执行图6所示的测量模板区域位置的步骤后的模板图像的示意图。如图7所示，模板区域72的外边缘722与其对应的模板图像70的边界之间的距离都不相同，这表示模板区域72的中心并没有位于模板图像70的中心。
[0060]
在一些实施例中，当模板区域72的中心并没有位于模板图像70的中心时，使模板区域72的中心位于模板图像70的中心。例如，可通过移动的方式将模板区域72的中心移动到模板图像70的中心，或者也可以通过将裁减模板图像70的边界，使得模板区域72的外边缘722与其对模板图像70的裁减后的边界之间的距离都相同。
[0061]
返回参见图1，在一些实施例中，标出模板区域位置和参数(步骤s80)。在一些实施例中，当模板区域的中心位于模板图像的中心时，标识出模板区域。具体而言，如果最小值的像素点的x的位置值与模板图像左边界的距离与最大值的像素点的x的位置值与模板图像右边界的距离相等，并且最小值的像素点的y的位置值与模板图像上边界的距离与最大值的像素点的y的位置值与模板图像下边界的距离相等，则模板区域的中心位于模板图像的中心。也就是说，参见图5，当模板区域32的外边缘322中x坐标为最小值的像素点与模板图像30的左侧边界的距离与模板区域32的外边缘322中x坐标为最大值的像素点与模板图像30的右侧边界的距离相等，且当模板区域32的外边缘322中y坐标为最小值的像素点与模板图像30的上边界的距离与模板区域32的外边缘322中y坐标为最大值的像素点与模板图像30的下边界的距离相等时，则表示模板区域32的中心位于模板图像30的中心。当检测到模板区域的中心位于模板图像的中心以后，找到该模板区域并标识出该模板区域。具体而言，当检测到模板区域的中心位于模板图像的中心以后，找到该模板区域并标识出该模板区域的位置和相应参数。
[0062]
图8为根据本技术一些实施例的用于晶圆键合的图像识别装置的结构框图。如图8所示，用于晶圆键合的图像识别装置80包括供应模块802、检测模块804、筛选模块806、测量
模块808、标识模块810、预处理模块812以及调整模块814。本技术实施方式的用于晶圆键合的图像识别方法可以由本技术实施方式的用于晶圆键合的图像识别装置80实现。其中，步骤s10和s20可以由供应模块802实现；步骤s30和s40可以由预处理模块812实现；步骤s50可以由检测模块804实现；步骤s60可以由筛选模块806实现；步骤s70可以由测量模块808实现；步骤s80可以由标识模块810实现。此外，当模板区域的中心没有位于模板图像的中心时，调整模块814还以使模板区域的中心位于模板图像的中心。也就是说，用于晶圆键合的图像识别装置80可以经由供应模块802、检测模块804、筛选模块806、测量模块808、标识模块810、预处理模块812以及调整模块814实现本文中描述的任何方法的任何步骤，包括图1、图4以及图6所述的方法步骤。
[0063]
本技术的另一些实施例涉及一种非易失性计算机可读存储媒体，其存储有一个或多个程序，该一个或多个程序可被一个或多个处理器执行，以实现本文中描述的任何方法的任何步骤，包括图1、图4以及图6所述的方法步骤。程序可以各种方式中的任一者实施，包含基于程序的技术、基于组件的技术和/或面向对象的技术等。例如，可视需要使用activex控件、c++对象、javabeans、微软基础类别(mfc)、流式传输simd扩展(sse)或其他技术或方法实施程序。
[0064]
另外，本技术的另一些实施例还提供了一种用于晶圆键合的图像识别系统。该系统包括了处理器、存储有计算机可执行指令的非易失性计算机可读存储媒体以及载台。存储有计算机可执行指令的非易失性计算机可读存储媒体耦合至处理器。载台可用以支撑晶圆。处理器经配置以执行计算机可执行指令以在所述晶圆上实施本文中描述的任何方法的任何步骤，包括图1、图4以及图6所述的方法步骤。
[0065]
本技术所提供的用于晶圆键合的图像识别方法、装置以及系统至少具有以下优点：(1)通过边缘检测算法，可发现模板区域在模板板图像中的具体位置；(2)通过边缘检测算法，可发现模板区域以外的边缘；(3)可对断裂的边缘进行补充；(4)可通过测量模板区域与模板图像的边界之间的距离，确定模板区域在模板图像中的位置；(5)可利用边缘检测算法发现模板轮廓，实现自动截取模板区域；(6)可通过提高模板图像的对比度和边缘锐化，提高边缘检测的精准度；(7)通过确定模板图像的位置，为多个相机提供了一个获取高一致性的模板图像的方法。
[0066]
需要说明的是，在本说明书通篇中对“本技术一些实施例”或类似术语的参考意指连同其它实施例一起描述的特定特征、结构或特性包含于至少一个实施例中且可未必呈现在所有实施例中。因此，短语“本技术一些实施例”或类似术语在本说明书通篇中的各处的相应出现未必指同一实施例。此外，可以任何适合方式来组合任何特定实施例的所述特定特征、结构或特性与一或多个其它实施例。
[0067]
本发明的技术内容及技术特点已揭示如上，然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰。因此，本发明的保护范围应不限于实施例所揭示的内容，而应包括各种不背离本发明的替换及修饰，并为本专利申请权利要求书所涵盖。

技术特征：
1.一种用于晶圆键合的图像识别方法，其特征在于，所述用于晶圆键合的图像识别方法包括：提供模板图像；检测所述模板图像中的边缘；对检测所得的边缘进行筛选，以获得所述模板图像中的模板区域的外边缘；以及测量所述模板区域在所述模板图像中的位置。2.根据权利要求1所述的用于晶圆键合的图像识别方法，其特征在于，当所述模板区域的中心位于所述模板图像的中心时，标识出所述模板区域。3.根据权利要求2所述的用于晶圆键合的图像识别方法，其特征在于，基于所述模板区域的所述外边缘与所述模板图像的边界之间的距离，测量所述模板区域在所述模板图像中的位置。4.根据权利要求3所述的用于晶圆键合的图像识别方法，其特征在于，当所述模板区域的所述外边缘中横坐标为最小值的像素点与所述模板图像的左侧边界的距离与所述模板区域的所述外边缘中横坐标为最大值的像素点与所述模板图像的右侧边界的距离相等，且当所述模板区域的所述外边缘中纵坐标为最小值的像素点与所述模板图像的上边界的距离与所述模板区域的所述外边缘中纵坐标为最大值的像素点与所述模板图像的下边界的距离相等时，所述模板区域的所述中心位于所述模板图像的所述中心。5.根据权利要求1所述的用于晶圆键合的图像识别方法，其特征在于，在检测所述模板图像中的边缘之前，所述方法还包括：提高所述模板图像的对比度；以及锐化所述模板图像。6.根据权利要求1所述的用于晶圆键合的图像识别方法，其特征在于，使用边缘检测算法检测所述模板图像中的边缘。7.根据权利要求6所述的用于晶圆键合的图像识别方法，其特征在于，所述边缘检测算法基于sobel算子。8.根据权利要求6所述的用于晶圆键合的图像识别方法，其特征在于，对检测所得的边缘进行筛选，以获得所述模板图像中的模板区域的外边缘包括以下至少一种步骤：(a)剔除长度小于阈值的所述模板图像中的边缘；(b)将所述模板图像中断裂的边缘进行补充；(c)剔除所述模板图像中未闭合的边缘；以及(d)将所述模板图像中闭合的边缘组成的边缘轮廓中的内部边缘轮廓剔除。9.根据权利要求8所述的用于晶圆键合的图像识别方法，其特征在于，所述阈值为10个像素的长度。10.根据权利要求8所述的用于晶圆键合的图像识别方法，其特征在于，通过以下方式将所述模板图像中断裂的边缘进行补充：当检测到所述模板图像中的边缘不是完整的边缘轮廓时，以所述断裂的边缘的一个端点为圆心进行扫描；以及当在扫描区域内找到另一个断裂的边缘的端点时，将两个端点连接起来。11.根据权利要求10所述的用于晶圆键合的图像识别方法，其特征在于，所述扫描区域
的半径为10个像素的长度。12.根据权利要求8所述的用于晶圆键合的图像识别方法，其特征在于，通过以下方式将所述模板图像中闭合的边缘组成的边缘轮廓中的内部边缘轮廓剔除：获取所述模板图像中的所述模板区域的所述外边缘的位置坐标；以及将所述外边缘所围成的轮廓区域之内的边缘剔除。13.根据权利要求1所述的用于晶圆键合的图像识别方法，其特征在于，当所述模板区域的中心没有位于所述模板图像的中心时，使所述模板区域的中心位于所述模板图像的中心。14.一种用于晶圆键合的图像识别装置，其特征在于，所述用于晶圆键合的图像识别装置包括：供应模块，其经配置以提供模板图像；检测模块，其经配置以检测所述模板图像中的边缘；筛选模块，其经配置以对检测所得的边缘进行筛选，以获得所述模板图像中的模板区域的外边缘；以及测量模块，其经配置以测量所述模板区域在所述模板图像中的位置。15.根据权利要求14所述的用于晶圆键合的图像识别装置，其特征在于，所述用于晶圆键合的图像识别装置还包括标识模块，其经配置以当所述模板区域的中心位于所述模板图像的中心时，标识出所述模板区域。16.根据权利要求15所述的用于晶圆键合的图像识别装置，其特征在于，所述测量模块进一步经配置以基于所述模板区域的所述外边缘与所述模板图像的边界之间的距离来测量所述模板区域在所述模板图像中的位置。17.根据权利要求15所述的用于晶圆键合的图像识别装置，其特征在于，所述标识模块进一步经配置以：当所述模板区域的所述外边缘中横坐标为最小值的像素点与所述模板图像的左侧边界的距离与所述模板区域的所述外边缘中横坐标为最大值的像素点与所述模板图像的右侧边界的距离相等，且当所述模板区域的所述外边缘中纵坐标为最小值的像素点与所述模板图像的上边界的距离与所述模板区域的所述外边缘中纵坐标为最大值的像素点与所述模板图像的下边界的距离相等时，确定所述模板区域的中心位于所述模板图像的中心。18.根据权利要求14所述的用于晶圆键合的图像识别装置，其特征在于，所述用于晶圆键合的图像识别装置还包括预处理模块，所述预处理模块经配置以在检测所述模板图像中的边缘之前：提高所述模板图像的对比度；以及锐化所述模板图像。19.根据权利要求18所述的用于晶圆键合的图像识别装置，其特征在于，所述检测模块经配置以使用边缘检测算法检测所述模板图像中的边缘。20.根据权利要求19所述的用于晶圆键合的图像识别装置，其特征在于，所述边缘检测算法基于sobel算子。21.根据权利要求19所述的用于晶圆键合的图像识别装置，其特征在于，所述筛选模块进一步经配置以通过以下至少一种方式对检测所得的边缘进行筛选，以获得所述模板图像
中的模板区域的外边缘：(a)剔除长度小于阈值的所述模板图像中的边缘；(b)将所述模板图像中断裂的边缘进行补充；(c)剔除所述模板图像中未闭合的边缘；以及(d)将所述模板图像中闭合的边缘组成的边缘轮廓中的内部边缘轮廓剔除。22.根据权利要求21所述的用于晶圆键合的图像识别装置，其特征在于，所述阈值为10个像素的长度。23.根据权利要求21所述的用于晶圆键合的图像识别装置，其特征在于，所述筛选模块进一步经配置以通过以下方式将所述模板图像中断裂的边缘进行补充：当检测到所述模板图像中的边缘不是完整的边缘轮廓时，以所述断裂的边缘的一个端点为圆心进行扫描；以及当在扫描区域内找到另一个断裂的边缘的端点时，将两个端点连接起来。24.根据权利要求23所述的用于晶圆键合的图像识别装置，其特征在于，所述扫描区域的半径为10个像素的长度。25.根据权利要求21所述的用于晶圆键合的图像识别装置，其特征在于，所述筛选模块进一步经配置以通过以下方式将所述模板图像中闭合的边缘组成的边缘轮廓中的内部边缘轮廓剔除：获取所述模板图像中的所述模板区域的所述外边缘的位置坐标；以及将所述外边缘所围成轮廓区域之内的边缘剔除。26.根据权利要求14所述的用于晶圆键合的图像识别装置，其特征在于，所述用于晶圆键合的图像识别装置的还包括调整模块，其经配置以当所述模板区域的中心没有位于所述模板图像的中心时，使所述模板区域的中心位于所述模板图像的中心。27.一种非易失性计算机可读存储媒体，其特征在于，所述非暂时性计算机可读存储媒体存储有一个或多个程序，所述一个或多个程序可被一个或多个处理器执行，以实现如权利要求1-13中任一权利要求所述的用于晶圆键合的图像识别方法。28.一种用于晶圆键合的图像识别系统，其包括：处理器；存储有计算机可执行指令的非易失性计算机可读存储媒体，其耦合至所述处理器；以及载台，其用以支撑晶圆；其中，所述处理器经配置以执行所述计算机可执行指令以在所述晶圆上实施根据权利要求1-13中任一权利要求所述的用于晶圆键合的图像识别方法。

技术总结
本申请涉及一种用于晶圆键合的图像识别方法、装置以及系统。根据本申请一些实施例的方法包含：提供模板图像；检测模板图像中的边缘；对检测所得的边缘进行筛选，以获得模板图像中的模板区域的外边缘；以及测量模板区域在模板图像中的位置。与现有技术相比，本申请能够自动筛选出模板图像中的模板区域，同时还能为多个相机获得高度一致性的模板，提高了图像识别精度。识别精度。识别精度。


技术研发人员：孙宝 赵捷 唐安伦 周坚
受保护的技术使用者：拓荆键科（海宁）半导体设备有限公司
技术研发日：2021.12.28
技术公布日：2023/7/11