[发明专利]扫描电子显微镜的物镜校准有效

专利信息
申请号: 201880039286.0 申请日: 2018-06-29
公开(公告)号: CN110770624B 公开(公告)日: 2021-10-08
发明(设计)人: 本庄一郎;C·西尔斯;杨河东;夏清;王建伟;徐惠那 申请(专利权)人: 科磊股份有限公司
主分类号: G02B21/02 分类号: G02B21/02;G02B27/64;G02B27/62
代理公司: 北京律盟知识产权代理有限责任公司 11287 代理人: 刘丽楠
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 扫描 电子显微镜 物镜 校准
【权利要求书】:

1.一种用于校准的方法,其包括:

在控制单元处接收第一图像,其中所述第一图像提供扫描电子显微镜系统中的物镜的对准信息;

使用所述控制单元来基于所述第一图像确定第一X-Y电压对,其中所述第一X-Y电压对提供与所述第一图像中相比更靠近对准目标的中心的所述物镜的对准,其中确定所述第一X-Y电压对是使用第一深度学习神经网络,其中使用所述第一深度学习神经网络确定所述第一X-Y电压对包括基于一组训练图像对所述第一图像进行分类并生成所述第一X-Y电压对,以使所述第一X-Y电压对落在所述训练图像上的粗网格点上,以及其中所述第一深度学习神经网络包含分类网络;

使用所述控制单元来将所述第一X-Y电压对传递到所述扫描电子显微镜系统;

在所述控制单元处接收第二图像,其中所述第二图像提供所述物镜的对准信息,且所述第二图像是所述第一X-Y电压对的设置的结果;

使用所述控制单元来基于所述第二图像确定第二X-Y电压对,其中所述第二X-Y电压对提供与所述第一X-Y电压对相比更靠近所述对准目标的所述中心的所述物镜的对准,以及其中确定所述第二X-Y电压对是使用第二深度学习神经网络;及

使用所述控制单元来将所述第二X-Y电压对传递到所述扫描电子显微镜系统。

2.根据权利要求1所述的方法,其中所述第一X-Y电压对是一种类别。

3.根据权利要求1所述的方法,其中所述第二X-Y电压对是连续值。

4.根据权利要求1所述的方法,其中所述第二X-Y电压对是基于多个结果的平均值。

5.根据权利要求1所述的方法,其进一步包括:

在生成所述第二图像之前,将所述第一X-Y电压对施加到所述扫描电子显微镜的Q4透镜;及

将所述第二X-Y电压对施加到所述扫描电子显微镜的所述Q4透镜。

6.根据权利要求1所述的方法,其中所述第二深度学习神经网络包含回归网络系综。

7.根据权利要求1所述的方法,其中所述第一图像及所述第二图像是碳衬底的图像,其中所述碳衬底上具有镀金锡球。

8.根据权利要求1所述的方法,其中所述第一X-Y电压对与所述第一图像的对焦区域的中心的X坐标和Y坐标相对应。

9.根据权利要求1所述的方法,其中使用第二深度学习神经网络确定所述第二X-Y电压对包括基于所述一组训练图像对所述第二图像进行分类并生成所述第二X-Y电压对,以使所述第二X-Y电压对落在所述训练图像上的粗网格点上。

10.一种存储用于校准的程序的非暂时性计算机可读媒体,所述程序经配置以指示处理器:

接收第一图像,其中所述第一图像提供扫描电子显微镜系统中的物镜的对准信息;

基于所述第一图像确定第一X-Y电压对,其中所述第一X-Y电压对提供与所述第一图像中相比更靠近对准目标的中心的所述物镜的对准,其中确定所述第一X-Y电压对是使用第一深度学习神经网络,其中使用第一深度学习神经网络确定所述第一X-Y电压对包括基于一组训练图像对所述第一图像进行分类并生成所述第一X-Y电压对,以使所述第一X-Y电压对落在所述训练图像上的粗网格点上,以及其中所述第一深度学习神经网络包含分类网络;

传递所述第一X-Y电压对到所述扫描电子显微镜系统;

接收第二图像,其中所述第二图像提供所述物镜的对准信息,且所述第二图像是所述第一X-Y电压对的设置的结果;

基于所述第二图像确定第二X-Y电压对,其中所述第二X-Y电压对提供与所述第一X-Y电压对相比更靠近所述对准目标的所述中心的所述物镜的对准,以及其中确定所述第二X-Y电压对是使用第二深度学习神经网络;及

传递所述第二X-Y电压对到所述扫描电子显微镜系统。

11.根据权利要求10所述的非暂时性计算机可读媒体,其中所述第一X-Y电压对是一种类别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于科磊股份有限公司,未经科磊股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201880039286.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top