[go: up one dir, main page]

CN106250932A - 一种扫描图像识别的方法及装置 - Google Patents

一种扫描图像识别的方法及装置 Download PDF

Info

Publication number
CN106250932A
CN106250932A CN201610632391.8A CN201610632391A CN106250932A CN 106250932 A CN106250932 A CN 106250932A CN 201610632391 A CN201610632391 A CN 201610632391A CN 106250932 A CN106250932 A CN 106250932A
Authority
CN
China
Prior art keywords
scanogram
identified
characteristic information
preset
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610632391.8A
Other languages
English (en)
Inventor
姜国伟
章屠灵
顾硕峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Huahong Grace Semiconductor Manufacturing Corp
Original Assignee
Shanghai Huahong Grace Semiconductor Manufacturing Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Huahong Grace Semiconductor Manufacturing Corp filed Critical Shanghai Huahong Grace Semiconductor Manufacturing Corp
Priority to CN201610632391.8A priority Critical patent/CN106250932A/zh
Publication of CN106250932A publication Critical patent/CN106250932A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

一种扫描图像识别的方法及装置,所述方法包括:获取待识别的扫描图像;计算所述待识别的扫描图像的特征信息;比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果;根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。采用上述方案可以降低图像识别的耗时及人工成本。

Description

一种扫描图像识别的方法及装置
技术领域
本发明涉及图像处理领域,尤其涉及一种扫描图像识别的方法及装置。
背景技术
扫描式电子显微镜(Scanning Electron Microscope,SEM)是1965年发明的较现代的细胞生物学研究工具,它主要是利用二次电子信号成像来获取样品的表面形态信息,即用极狭窄的电子束去扫描样品,电子束与样品的相互作用产生各种电子的发射,其中主要是样品的二次电子发射,而二次电子能够产生样品表面放大的形貌像,故可以使用逐点成像的方法获得样品表面的放大像。由于SEM的精度较高,且基于半导体领域的特定测量需求,其中一种SEM,即微距量测扫描式电子显微镜(CD Scanning Electron Microscope,CD-SEM)多年来一直被用于测试晶圆的关键尺寸(CD)。经过多项处理工艺后,晶圆方可被做成符合要求的产品,而一旦工艺中的任何一个流程出现异常,均会影响产品的质量。
一般而言,CD值是一个用于判断工艺流程是否出现异常的重要参数,但有些工艺异常无法被CD值所反映。而所述有些工艺异常会导致晶圆的表面出现异常,且每次测量CD值时会拍摄晶圆的图像,目前,通过肉眼观察所述晶圆图像来识别这些工艺异常。
但是,如果采用这种方法来识别扫描得到的晶圆图像,会造成耗时过长,人工成本耗费高。
发明内容
本发明解决的问题是如何降低图像识别的耗时及人工成本。
为解决上述问题,本发明实施例提供了一种扫描图像识别的方法,所述方法包括:获取待识别的扫描图像;计算所述待识别的扫描图像的特征信息;比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果;根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。
可选地,所述特征信息为灰度值分布。
可选地,所述识别所述待识别的扫描图像是否出现异常,包括:当所述待识别的扫描图像的特征信息与预设的特征信息的区别度属于预设的区别度范围时,确定所述待识别的扫描图像出现异常。
可选地,所述识别所述待识别的扫描图像是否出现异常,包括:当所述待识别的扫描图像的特征信息与预设的特征信息的区别度不属于预设的区别度范围时,确定所述待识别的扫描图像未出现异常。
可选地,所述预设的特征信息为根据预设的图像计算得到。
可选地,所述扫描图像为CD-SEM扫描图像。
本发明实施例提供了一种扫描图像识别的装置,所述装置包括:获取单元,适于获取待识别的扫描图像;计算单元,适于计算所述待识别的扫描图像的特征信息;比较单元,适于比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果;识别单元,适于根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。
可选地,所述特征信息为灰度值分布。
可选地,所述识别单元,适于当所述待识别的扫描图像的特征信息与预设的特征信息的区别度属于预设的区别度范围时,确定所述待识别的扫描图像出现异常。
可选地,所述识别单元,适于当所述待识别的扫描图像的特征信息与预设的特征信息的区别度不属于预设的区别度范围时,确定所述待识别的扫描图像未出现异常。
可选地,所述比较单元,适于根据预设的图像计算得到所述预设的特征信息。
可选地,所述扫描图像为CD-SEM扫描图像。
与现有技术相比,本发明的技术方案具有以下优点:
通过计算待识别的扫描图像的特征参数,并比较所述待识别的扫描图像的特征参数与预设图像的特征参数,得到比较结果,进而根据所述比较结果,识别所述待识别的扫描图像是否异常,并将识别结果输出至用户,可以避免用户通过肉眼观察图像来识别这些异常,故可以降低图像识别的耗时及人工成本。并且由于所有识别的步骤均可以通过控制程序来执行,故可以实时进行,因此可以实时地识别图像的异常,提高图像识别的效率。
附图说明
图1示出了CD-SEM扫描得到的经历了同一种工艺流程的不同的晶圆图像;
图2是本发明实施例中的一种扫描图像识别的方法的流程示意图;
图3示出了CD-SEM扫描得到的经历了同一种工艺流程的不同的晶圆图像;
图4是本发明实施例中与图3中的晶圆图像所对应的灰度值分布示意图;
图5是本发明实施例中的一种扫描图像识别的装置的结构示意图。
具体实施方式
扫描式电子显微镜(Scanning Electron Microscope,SEM)是1965年发明的较现代的细胞生物学研究工具,它主要是利用二次电子信号成像来获取样品的表面形态信息,即用极狭窄的电子束去扫描样品,电子束与样品的相互作用产生各种电子的发射,其中主要是样品的二次电子发射,而二次电子能够产生样品表面放大的形貌像,故可以使用逐点成像的方法获得样品表面的放大像。
由于SEM的精度较高,且基于半导体领域的特定测量需求,其中一种SEM,即微距量测扫描式电子显微镜(CD Scanning Electron Microscope,CD-SEM)多年来一直被用于测试晶圆的关键尺寸(CD)。经过多项处理工艺后,晶圆方可被做成符合要求的产品,而一旦工艺中的任何一个流程出现异常,均会影响产品的质量。
一般而言,CD值是一个用于判断工艺流程是否出现异常的重要参数,但有些工艺异常无法被CD值所反映。而所述有些工艺异常会导致晶圆的表面出现异常,且每次测量CD值时会拍摄晶圆的图像,目前,通过肉眼观察所述晶圆图像来识别这些工艺异常。
比如,图1示出了CD-SEM扫描得到的经历了同一种工艺流程的不同的晶圆图像,图1包括图1(a)及图1(b),图1(a)及图1(b)示出的为经历了同一种工艺流程的处理后得到的晶圆的图像,但是工艺流程的具体参数并不相同。
图1(a)中示出的晶圆所经历的工艺流程的参数符合生产要求,即为正常的工艺流程;图1(b)中示出的晶圆所经历的工艺流程的参数不符合生产要求,即为异常的工艺流程。例如,对于退膜这一种工艺流程,如果图1(a)中示出的晶圆使用的浓度为20%的氢氧化钠,图1(b)则可能使用的浓度为25%的氢氧化钠。图1(a)及图1(b)中的晶圆在经过所述同一种工艺流程处理之前,为相同的晶圆。图1(a)及图1(b)示出的图像的中心处两个横线间的纵向间距大小为CD,对比图1(a)及图1(b),两个图像的CD值大小并没有变化,但是肉眼可清晰看出两个晶圆图像的不同。
但是,如果采用这种方法来识别扫描得到的晶圆图像,会造成耗时过长,人工成本耗费高。
为解决上述问题,本发明实施例提供了扫描图像识别的方法,通过计算待识别的扫描图像的特征参数,并比较所述待识别的扫描图像的特征参数与预设图像的特征参数,得到比较结果,进而根据所述比较结果,识别所述待识别的扫描图像是否异常,并将识别结果输出至用户,可以避免用户使用肉眼观察图像来识别这些异常,故可以降低图像识别的耗时及人工成本。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
下面示出了本发明实施例中的一种扫描图像识别的方法,如图2所示,下面结合图2对所述方法进行分步骤详细介绍,所述方法可以按照如下步骤执行:
步骤S21:获取待识别的扫描图像。
由于CD-SEM被用于测量晶圆的CD值,且每次测量时均会扫描拍摄晶圆的图像,故在本发明一实施例中,所述扫描图像为CD-SEM扫描图像,也即是可以从CD-SEM处获取待识别的扫描图像。需要说明的是,为便于理解,此处以CD-SEM的晶圆图像为例对本发明进行说明,但是本发明的方法也适用于其他的扫描图像,扫描图像的类型并不对本发明的保护范围构成任何限制。
步骤S22:计算所述待识别的扫描图像的特征信息。
在具体实施中,所述特征信息可以为多种形式。比如可以为颜色特征信息,也可以为明暗纹理特征,还可以为灰度值分布。并且对于灰度值分布,可以包括灰度值位置信息的分布和灰度值数字信息的分布。
具体而言,灰度值位置信息的分布是指相同的灰度值可以分布在图像的不同位置上,比如之前灰度值0.5分布在图像的区域中心,之后大小为0.5的灰度值分布位置变成了图像的区域边缘。灰度值数字信息的分布是指灰度值具有一定的统计分布特征,在统计直方图上,不同的图像会表现出不同的统计分布特征,所述统计分布特征可以包括峰度、偏度及标准差,比如之前的扫描图像的峰度为11,之后的扫描图像的峰度改变为12。
在具体实施中,扫描图像的有些特征信息会随着特定的条件发生可预测的改变,或者说,随着特定条件的不同,图像的某个特征信息呈现不同的表现。比如对于CD-SEM的晶圆图像,工艺流程的异常越严重,工艺流程越不符合要求,晶圆图像的灰度值分布会呈现明显的改变。
图3示出了本发明实施例中的一种CD-SEM扫描得到的经历了同一种工艺流程的CD-SEM的晶圆图像,图3包括图3(a)、图3(b)及图3(c)。图4示出了与图3中的CD-SEM的晶圆图像所对应的灰度值分布,图4包括图4(a)、图4(b)及图4(c)。具体可以参考图3及图4,图3(a)、图3(b)及图3(c)均为CD-SEM扫描的晶圆图像,且晶圆所经历的工艺流程相同,但是工艺流程的参数异常程度依次递增,相应得到的晶圆图像越异常,图像异常体现在晶圆的中间区域粗糙度增加,肉眼可见晶圆图像的黑点增多。
图4(a)、图4(b)及图4(c)分别为与图3中的CD-SEM扫描晶圆图像所对应的灰度值分布,即图4(a)为图3(a)示出的图像的灰度值分布,对应关系依此类推,且图4(a)、图4(b)及图4(c)中的横轴GL均表示灰度值,纵轴f均表示频率,结合图3及图4可知,随着工艺流程的异常程度越高,图像的灰度值分布会发生改变,即:图像的标准差、偏度及峰度值越来越大。
步骤S23:比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果。
为了及时识别出扫描图像的异常,并对之进行相应地处理,在具体实施中,可以把所述待识别的扫描图像的特征信息与预设的特征信息进行比较,并得出对比之后的结果。由于是对两个图像进行比较后所得到的结果,故比较结果为一个可以反映两个扫描图像的特征信息的区别度的参数。
在具体实施中,所述预设的特征信息可以根据预设的图像计算得到。对于CD-SEM扫描图像,所述预设的图像可以为经过了正常的工艺流程后所得到的晶圆的图像。
步骤S24:根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。
在具体实施中,如果所述待识别的扫描图像的特征信息与预设的特征信息的区别度属于预设的区别度范围时,可以确定所述待识别的扫描图像出现异常。如果所述待识别的扫描图像的特征信息与预设的特征信息的区别度不属于预设的区别度范围时,确定所述待识别的扫描图像未出现异常,也就是待识别的扫描图像所经历的工艺流程异常。
比如,预设区别度范围为0.5~0.7,若待识别的扫描图像的特征信息与预设的特征信息的区别度为0.3,则确定待识别的扫描图像出现异常;若待识别的扫描图像的特征信息与预设的特征信息的区别度为0.6,则确定待识别的扫描图像未出现异常,即为正常;若待识别的扫描图像的特征信息与预设的特征信息的区别度为0.8,也则确定待识别的扫描图像出现异常。
在具体实施中,根据所述比较结果,识别出所述待识别的扫描图像是否出现异常之后,可以将识别结果输出至用户。换言之,以上的步骤S21~步骤S24均可以由程序或者机器所完成,用户无需通过自己肉眼去观察和对比,只需从机器所输出的识别结果,即可获知待识别的扫描图像是否异常,故可以减少人力消耗。并且由于整个识别过程均可由机器完成,故也可以实时地识别扫描图像是否异常,因此也可以提高图像识别的精准度。
综上所述可知,通过计算待识别的扫描图像的特征参数,并比较所述待识别的扫描图像的特征参数与预设图像的特征参数,得到比较结果,进而根据所述比较结果,识别所述待识别的扫描图像是否异常,并将识别结果输出至用户,可以避免用户使用肉眼观察图像来识别这些异常,故可以降低图像识别的耗时及人工成本。并且由于所有的识别的步骤均可以通过控制程序来执行,故可以实时进行,因此可以实时地识别图像的异常,提高图像识别的效率。
为使得本领域技术人员更好地理解和实现本发明,下面还提供了本发明实施例中一种可以实现上述实施例中扫描图像识别的方法的装置,如图5所示,所示装置可以包括:获取单元51、计算单元52、比较单元53及识别单元54,其中:
获取单元51,适于从所述处获取待识别的扫描图像。
计算单元52,适于计算所述待识别的扫描图像的特征信息。
比较单元53,适于比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果。
识别单元54,适于根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。
在本发明一实施例,所述特征信息为灰度值分布。
在具体实施中,所述识别单元54,适于当所述待识别的扫描图像的特征信息与预设的特征信息的区别度属于预设的区别度范围时,确定所述待识别的扫描图像出现异常。
在具体实施中,所述识别单元54,适于当所述待识别的扫描图像的特征信息与预设的特征信息的区别度不属于预设的区别度范围时,确定所述待识别的扫描图像未出现异常。
在具体实施中,所述比较单元53,适于根据预设的图像计算得到所述预设的特征信息。
在具体实施中,所述扫描图像为CD-SEM扫描图像。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于以计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (12)

1.一种扫描图像识别的方法,其特征在于,包括:
获取待识别的扫描图像;
计算所述待识别的扫描图像的特征信息;
比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果;
根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。
2.根据权利要求1所述的扫描图像识别的方法,其特征在于,所述特征信息为灰度值分布。
3.根据权利要求1所述的扫描图像识别的方法,其特征在于,所述识别所述待识别的扫描图像是否出现异常,包括:
当所述待识别的扫描图像的特征信息与预设的特征信息的区别度属于预设的区别度范围时,确定所述待识别的扫描图像出现异常。
4.根据权利要求1所述的扫描图像识别的方法,其特征在于,所述识别所述待识别的扫描图像是否出现异常,包括:
当所述待识别的扫描图像的特征信息与预设的特征信息的区别度不属于预设的区别度范围时,确定所述待识别的扫描图像未出现异常。
5.根据权利要求1所述的扫描图像识别的方法,其特征在于,所述预设的特征信息为根据预设的图像计算得到。
6.根据权利要求1所述的扫描图像识别的方法,其特征在于,所述扫描图像为CD-SEM扫描图像。
7.一种扫描图像识别的装置,其特征在于,包括:
获取单元,适于获取待识别的扫描图像;
计算单元,适于计算所述待识别的扫描图像的特征信息;
比较单元,适于比较所述待识别的扫描图像的特征信息与预设的特征信息,得到比较结果;
识别单元,适于根据所述比较结果,识别所述待识别的扫描图像是否出现异常,并将识别结果输出至用户。
8.根据权利要求7所述的扫描图像识别的装置,其特征在于,所述特征信息为灰度值分布。
9.根据权利要求7所述的扫描图像识别的装置,其特征在于,所述识别单元,适于当所述待识别的扫描图像的特征信息与预设的特征信息的区别度属于预设的区别度范围时,确定所述待识别的扫描图像出现异常。
10.根据权利要求7所述的扫描图像识别的装置,其特征在于,所述识别单元,适于当所述待识别的扫描图像的特征信息与预设的特征信息的区别度不属于预设的区别度范围时,确定所述待识别的扫描图像未出现异常。
11.根据权利要求7所述的扫描图像识别的装置,其特征在于,所述比较单元,适于根据预设的图像计算得到所述预设的特征信息。
12.根据权利要求7所述的扫描图像识别的装置,其特征在于,所述扫描图像为CD-SEM扫描图像。
CN201610632391.8A 2016-08-04 2016-08-04 一种扫描图像识别的方法及装置 Pending CN106250932A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610632391.8A CN106250932A (zh) 2016-08-04 2016-08-04 一种扫描图像识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610632391.8A CN106250932A (zh) 2016-08-04 2016-08-04 一种扫描图像识别的方法及装置

Publications (1)

Publication Number Publication Date
CN106250932A true CN106250932A (zh) 2016-12-21

Family

ID=58078469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610632391.8A Pending CN106250932A (zh) 2016-08-04 2016-08-04 一种扫描图像识别的方法及装置

Country Status (1)

Country Link
CN (1) CN106250932A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107180242A (zh) * 2017-05-25 2017-09-19 上海地铁第运营有限公司 基于嵌入式系统的消防安全隐患图像识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1384467A (zh) * 2002-06-07 2002-12-11 清华大学 微观图像特征提取及识别的方法
US6575367B1 (en) * 1998-11-05 2003-06-10 Welch Allyn Data Collection, Inc. Image data binarization methods enabling optical reader to read fine print indicia
CN1645588A (zh) * 2003-11-10 2005-07-27 汉民微测科技股份有限公司 监控ic加工的方法与系统
CN101021902A (zh) * 2007-03-09 2007-08-22 永凯软件技术(上海)有限公司 一种工程cad图纸的矢量化图形识别方法
CN104182752A (zh) * 2014-07-29 2014-12-03 南京邮电大学 一种户外广告牌智能监测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6575367B1 (en) * 1998-11-05 2003-06-10 Welch Allyn Data Collection, Inc. Image data binarization methods enabling optical reader to read fine print indicia
CN1384467A (zh) * 2002-06-07 2002-12-11 清华大学 微观图像特征提取及识别的方法
CN1645588A (zh) * 2003-11-10 2005-07-27 汉民微测科技股份有限公司 监控ic加工的方法与系统
CN101021902A (zh) * 2007-03-09 2007-08-22 永凯软件技术(上海)有限公司 一种工程cad图纸的矢量化图形识别方法
CN104182752A (zh) * 2014-07-29 2014-12-03 南京邮电大学 一种户外广告牌智能监测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107180242A (zh) * 2017-05-25 2017-09-19 上海地铁第运营有限公司 基于嵌入式系统的消防安全隐患图像识别方法

Similar Documents

Publication Publication Date Title
KR101764658B1 (ko) 결함 해석 지원 장치, 결함 해석 지원 장치에 의해 실행되는 프로그램 및 결함 해석 시스템
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
US10181202B2 (en) Control apparatus, robot, and control method
JP2017515097A (ja) 射影画像を用いた自動インライン検査及び計測
CN115393354B (zh) 一种激光切割缺陷识别方法
CA2933334C (en) Method for defect indication detection
JP2005277395A5 (zh)
JP6369019B2 (ja) 画像評価装置および画像評価プログラム
WO2012099190A1 (ja) 荷電粒子線装置、及び画像解析装置
CN102859346A (zh) 用于设置光学检查参数的装置与方法
WO2013140907A1 (ja) パターン計測装置、及び半導体計測システム
CN111739012A (zh) 基于转盘的摄像头模组白斑检测系统
JP2022532532A (ja) Ebsd/tkdマップの改善方法
CN120663374A (zh) 基于机器视觉的铜箔剪切在线质量检测与反馈控制系统
US11127132B2 (en) Method and device for multiple edge detection
KR102853085B1 (ko) 기판 불량 검출 방법 및 장치
CN106250932A (zh) 一种扫描图像识别的方法及装置
CN102549412A (zh) 用于缆线线轴的自动检视的方法和设备
KR101889833B1 (ko) 패턴 측정 장치 및 컴퓨터 프로그램
CN106204478A (zh) 基于背景噪声特征空间的磁光图像增强算法
US20130325397A1 (en) Dimension measuring apparatus and computer readable medium
CN119741698A (zh) 聚氨酯滚轮的缺陷检测方法及相关设备
CN118864464A (zh) 一种用于纺织工艺品的智能管理系统
JP5949690B2 (ja) 評価方法及び評価装置
Ali et al. Vision based measurement system for gear profile

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161221

RJ01 Rejection of invention patent application after publication