买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉星隆科技(江苏)有限公司申请的专利一种晶圆贴膜瑕疵检测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119495587B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411483734.X，技术领域涉及：H01L21/66；该发明授权一种晶圆贴膜瑕疵检测系统及方法是由朱万杰;魏超;凡云帆;俞杰设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种晶圆贴膜瑕疵检测系统及方法在说明书摘要公布了：本发明公开了一种晶圆贴膜瑕疵检测系统及方法，涉及晶圆贴膜瑕疵检测技术领域，包括以下步骤：在晶圆贴膜瑕疵检测过程中，通过激光扫描仪按照预设光束覆盖率发射激光束，覆盖晶圆表面进行初步扫描；在激光束扫描的过程中，通过对激光反射信号的强度和一致性进行实时分析。本发明通过预设光束覆盖率进行初步扫描，利用卷积神经网络评估潜在瑕疵区域的显著性，实现对瑕疵明显区域和瑕疵不明显区域的精准分类，针对瑕疵不明显区域，动态调整光束覆盖率进行高密度二次扫描，捕捉更细微的表面信息，在提高检测效率的同时有效减少漏检和误检的风险，确保微小瑕疵的准确检测，显著提升了晶圆贴膜的质量控制，避免生产损失。

本发明授权一种晶圆贴膜瑕疵检测系统及方法在权利要求书中公布了：1.一种晶圆贴膜瑕疵检测方法，其特征在于，包括以下步骤： 在晶圆贴膜瑕疵检测过程中，通过激光扫描仪按照预设光束覆盖率发射激光束，覆盖晶圆表面进行初步扫描； 在激光束扫描的过程中，通过对激光反射信号的强度和一致性进行实时分析，以识别出晶圆表面与贴膜之间存在的反射差异区域，并将反射差异区域标记为疑似瑕疵区域； 对疑似瑕疵区域的反射信号进行特征提取，并对提取到的特征数据进行深度分析，基于深度分析后的特征通过预先训练的卷积神经网络评估晶圆贴膜中潜在瑕疵的明显程度，并将疑似瑕疵区域进一步划分为瑕疵明显区域和瑕疵不明显区域； 针对瑕疵明显区域，直接将该晶圆贴膜判定为质量不合格，针对瑕疵不明显区域，根据卷积神经网络的预测结果对光束覆盖率进行动态扩充，增加激光扫描密度，此时的激光扫描范围不再覆盖整个晶圆，而是集中在瑕疵不明显区域； 通过调整后的光束覆盖率在标记的疑似瑕疵区域发射更高密度的激光束进行二次扫描，利用高密度的激光束来捕捉更细微的表面信息，并结合三维形貌数据获取瑕疵的立体特征，精确定位并且识别贴膜瑕疵； 对疑似瑕疵区域的反射信号进行特征提取，提取的特征包括激光在晶圆表面反射后信号散射的非对称性和三维形貌上的深度变化，对激光在晶圆表面反射后信号散射的非对称性和三维形貌上的深度变化进行深度分析后，分别生成散射非对称参考值和深度变化参考值，通过散射非对称参考值量化激光反射后信号散射的不均匀性程度，通过深度变化参考值量化晶圆表面三维形貌的高度差异，将深度分析后得到的散射非对称参考值和深度变化参考值预先训练的卷积神经网络预测生成瑕疵明显系数，通过瑕疵明显系数评估晶圆贴膜中潜在瑕疵的明显程度； 将通过预先训练的卷积神经网络对疑似瑕疵区域的潜在瑕疵进行预测生成的瑕疵明显系数与预先设定的瑕疵明显系数参考阈值进行比对分析，将疑似瑕疵区域进一步划分为瑕疵明显区域和瑕疵不明显区域，具体的划分步骤为： 若瑕疵明显系数大于等于瑕疵明显系数参考阈值，则将该疑似瑕疵区域划分为瑕疵明显区域，若瑕疵明显系数小于瑕疵明显系数参考阈值，则将该疑似瑕疵区域划分为瑕疵不明显区域； 针对瑕疵不明显区域，根据卷积神经网络的预测结果对光束覆盖率进行动态扩充，增加激光扫描密度，具体的步骤如下： 计算瑕疵不明显区域中瑕疵明显系数相对于瑕疵明显系数参考阈值的相对性度量，计算的表达式为： ， 式中，τ显著表示相对显著性度量，用于衡量当前瑕疵明显系数Defectsign相对于瑕疵明显系数参考阈值Defect阈值的比例； 根据相对显著性度量τ显著计算覆盖率调整因子，以决定需要增加的光束覆盖率量，覆盖率调整因子的计算表达式为：式中，ΔC为覆盖率调整因子，用于动态扩充光束覆盖率，Cp为预设光束覆盖率，初始扫描时的覆盖率，ω为调整系数，控制覆盖率调整因子的敏感度和非线性程度； 将计算得到的覆盖率调整因子ΔC应用于预设光束覆盖率Cp，以获得新光束覆盖率，用于对疑似瑕疵区域进行更高密度的二次扫描，新光束覆盖率的计算表达式为：式中，Cnew为新光束覆盖率，应用于二次高密度扫描。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人星隆科技(江苏)有限公司，其通讯地址为：215000 江苏省苏州市苏州工业园区东旺路8号7号楼A幢1层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。