CN109822231A - 检测用于晶圆划片的激光光束的质量的方法和装置 - Google Patents

Abstract

本公开描述了检测用于晶圆划片的激光光束的质量的方法和装置。根据本公开的一个方面，一种检测用于晶圆划片的激光光束的质量的方法包括：对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

Description

检测用于晶圆划片的激光光束的质量的方法和装置

技术领域

本公开总体上涉及半导体制造工艺，更具体地，涉及检测用于晶圆划片的激光光束的质量的方法和装置。

背景技术

作为二十世纪最重要的发明之一，半导体集成电路的出现推动着人类技术进步的方方面面。晶圆切割是半导体制造工艺中的重要一环。在半导体晶圆制造完成之后，通过切割的方式从晶圆上分离出一个个管芯，以用于后续的封装和测试。随着半导体制造工艺的不断发展，元器件集成度越来越高、而晶圆自身的机械性能却在逐渐降低，具备高精度、高效率、非接触式等诸多优点的激光划片逐渐发展成为晶圆切割的主要方式之一。

发明内容

在发明内容部分中，以简化的形式介绍一些选出的概念，其将在下面的具体实施方式部分中被进一步描述。该发明内容部分并非是要标识出所要求保护的主题的任何关键特征或必要特征，也不是要被用于帮助确定所要求保护的主题的范围。

根据本公开的一个方面，提供了一种检测用于晶圆划片的激光光束的质量的方法，所述方法包括：对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

根据本公开的另一个方面，提供了一种检测用于晶圆划片的激光光束的质量的设备，所述设备包括：存储器，其用于存储指令；以及至少一个处理器，其耦合到所述存储器，其中，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器：对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

根据本公开的再一个方面，提供了一种检测用于晶圆划片的激光光束的质量的装置，所述装置包括用于执行本公开中描述的方法的模块。

根据本公开的又一个方面，提供了一种计算机可读存储介质，其上存储有指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行本公开中描述的方法。

附图说明

在附图中对本公开的实现以示例的形式而非限制的形式进行了说明，附图中相似的附图标记表示相同或类似的部件，其中：

图1示出了可以在其中实施本公开的一些实现的示例性晶圆激光划片系统；

图2示出了根据本公开的一些实现的示例性方法的流程图；

图3示出了根据本公开的一些实现的示例性方法的流程图；

图4示出了根据本公开的一些实现的一个具体示例；

图5示出了根据本公开的一些实现的一个具体示例；

图6示出了根据本公开的一些实现的示例性装置的框图；以及

图7示出了根据本公开的一些实现的示例性设备的框图。

具体实施方式

在以下的说明书中，出于解释的目的，阐述了大量具体细节。然而，应当理解的是，本公开的实现无需这些具体细节就可以实施。在其它实例中，并未详细示出公知的电路、结构和技术，以免影响对说明书的理解。

说明书通篇中对“一个实现”、“实现”、“示例性实现”、“一些实现”、“各种实现”等的引述表示所描述的本公开的实现可以包括特定的特征、结构或特性，然而，并不是说每个实现都必须要包含这些特定的特征、结构或特性。此外，一些实现可以具有针对其它实现描述的特征中的一些、全部，或者不具有针对其它实现描述的特征。

在下面的说明书和权利要求书中，可能会用到术语“耦合”和“连接”及其派生词。需要理解的是，这些术语并非是要作为彼此的同义词。相反，在特定的实现中，“连接”用于表示两个或更多部件彼此直接物理或电接触，而“耦合”则用于表示两个或更多部件彼此协作或交互，但是它们可能、也可能不直接物理或电接触。

图1示出了可以在其中实施本公开的一些实现的示例性晶圆激光划片系统100。如图1所示，系统100可以包括激光器110、光学系统120、以及工作台130，晶圆140放置在工作台130上并被固定。光学系统120例如可以包括扩束镜、光阑、聚焦镜等一些光学元件，然而本公开的实现并不限于特定结构的光学系统。尽管未示出，但本领域技术人员可以理解，系统100还可以包括更多的部件，例如，一个或多个控制部件/设备，用于控制激光器110、光学系统120、和/或工作台130。

工作中，系统100的激光器110发出的高能激光光束经过光学系统120照射在工作台130上的晶圆140的指定位置(更具体地，晶圆140上的管芯区域之间的切割道)上，烧蚀出斑点，斑点的形态反映了相对应的激光光束的特性。晶圆140随着工作台130以预定的方向和速度相对于激光光束进行移动，由此在晶圆140的当前切割道上形成划线。

照射到晶圆140上的激光光束是否符合规定的标准对于激光划片工艺来说至关重要。在对制造好的晶圆进行正式的划片之前，需要对整个系统100进行非常精确的配置，包括设置与激光光束相关联的各种参数，以确保产品质量。然而，当前相当多的关键的配置操作仍需系统100的操作人员手动进行。

例如，在晶圆激光划片配置过程中，通过图像采集装置(例如，与光学或电子显微镜等相关联的)对激光光束照射在测试晶圆上形成的斑点或斑痕进行成像。现有技术中，操作人员要观察并移动这样采集的图像，手动地判断和/或测量斑痕的形态以确定配置质量。然而，受到环境、设备、以及操作人员自身情况等诸多因素的影响，这样的手动判断和/或测量是低效的且不稳定的，其不精确性会导致巨大的误差从而可能影响产品质量。

现在转到图2，其示出了根据本公开的一些实现的示例性方法200的流程图。方法200例如可以被用在晶圆激光划片配置过程中，检测激光光束的质量。该方法例如可以在如图1所示的晶圆激光划片系统100中实施，例如，实施在该系统的一个或多个控制部件/设备(未示出)中；替代地，该方法也可以在耦合到系统100的计算设备中实施，然而本公开并不限于此。

如图2所示，方法200开始于步骤210，在该步骤中，对采集到的包含激光光束照射在晶圆上形成的斑痕形状的图像进行预处理。

如前所述，在晶圆激光划片配置过程中，通过与诸如光学或电子显微镜等相关联的图像采集装置对来自于激光器110并经过光学系统120的激光光束照射在测试晶圆140上形成的斑痕进行成像。在本公开的一些实现中，可以直接获取这样的已采集图像并对其进行预处理，这使得已采集的图像得以被充分利用，避免了信息浪费。根据本公开的另一些实现，也可以采用其它类型的通用/专用图像采集装置来采集激光光束照射在晶圆上形成的斑痕的图像。本公开并不限于图像采集装置的特定实现。

通过对采集到的图像进行预处理，可以突出所述图像中的斑痕形状以方便后续的检测。为此，在本公开的一个示例性实现中，所述预处理可以包括对所述图像进行灰度化、降噪、二值化、以及腐蚀处理。本领域技术人员可以理解，可以采用更多或者更少的图像处理手段，来实现更好或者类似的效果。本公开并不限于特定的图像处理方式和顺序。

接下来，方法200进行到步骤220，在该步骤中，检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息。

在本公开的一些实现中，对图像中的斑痕形状的检测可以采用计算机视觉中的边缘检测技术来进行。示例性的边缘检测算法可以包括但不限于：Sobel边缘检测算法、Candy边缘检测算法、Scharr边缘检测算法、Laplacian边缘检测算法，等等。在本公开的一些示例性实现中，所述检测可以利用开源计算机视觉编程函数库OpenCV中提供的边缘检测函数来进行。

通过检测出图像中的斑痕形状，可以得到与该斑痕形状相关联的属性信息。例如，斑痕的形状可以是圆形或接近圆形。此外，斑痕的形状例如也可以是矩形。在本公开的一些实现中，所述属性信息可以包括斑痕形状在X、Y轴上的最大距离；在本公开的一些实现中，所述属性信息可以包括斑痕形状的半径/直径；在本公开的一些实现中，所述属性信息可以包括斑痕形状的圆整度；在本公开的一些实现中，所述属性信息可以包括斑痕形状的宽度；等等。

然后，方法200进行到步骤230，在该步骤中，基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

作为示例而非限制，所述判断可以通过将所获得的属性信息与所述预定义的标准进行比较来实现。继续前面的示例，所述预定义的标准可以是针对斑痕形状的直径的最大值和/或最小值要求、针对斑痕形状的圆整度的最大值和/或最小值要求、针对斑痕形状的宽度的最大值和/或最小值要求，等等。如前所述，斑痕的形态反映了相对应的激光光束的特性。因此，通过判断斑痕形状是否符合预定义的标准，可获知所配置的用于晶圆划片的激光光束的质量是否满足要求。

如图2所示的示例性方法200借助于计算机视觉技术完成了对用于晶圆划片的激光光束的质量的自动检测。相较于传统的手动判断和/或测量，该自动检测方法极大地提高了效率、精确度和稳定性。

示例性方法200还可以包括其它步骤。

例如，根据本公开的一些实现，在步骤230中判断了所述斑痕形状是否符合预定义的标准之后，方法200还可以包括生成指示所述判断的结果的报告，并且呈现所述报告。作为示例，所述报告可以包括所述图像本身、所获得的与斑痕形状相关联的属性信息、以及所述判断的结果。在一个更具体的示例性实现中，所述报告可以包括其上叠加了属性信息和判断结果的所述图像。所述报告例如显示在计算设备的显示器上，以供操作人员查看。

此外，根据本公开的一些实现，在步骤230中判断了所述斑痕形状是否符合预定义的标准之后，方法200还可以包括将所述图像、所获得的与斑痕形状相关联的属性信息、以及所述判断的结果等信息关联地进行存储作为历史数据，以供在需要时查阅和使用，从而实现了数据的可追踪性。在一些实现中，所述历史数据还可以包括上述生成的报告。此外，在一些实现中，所述预定义的标准是至少部分地基于所述历史数据来确定的。此外，作为示例，通过利用所述图像的来源设备、所述图像的拍摄时间等关键信息对这样的历史数据建立索引，可以方便后续的检索和使用。在一些实现中，这样的历史数据可以被用于定期地(例如，每日、每星期、每月……)生成统计报告。

此外，根据本公开的一些实现，方法200还可以包括：响应于步骤230的判断的结果指示所述斑痕形状不符合预定义的标准，调整与所述激光光束相关联的参数以改善所述激光光束的质量。作为示例而非限制，所述参数可以包括影响所述激光光束的质量的激光器110的参数，例如所发射激光的波长、功率、脉冲宽度、重复频率，等等。此外，所述参数也可以包括影响所述激光光束的质量的光学系统200的参数。在一些实现中，所述调整可以通过对用于控制激光器100和/或光学系统200的一个或多个控制部件/设备发出相应的指令来实现。本领域技术人员可以理解，调整其它会影响激光光束质量的参数也是可行的，本公开并不限于上述具体示例。

下面参考图3，其示出了根据本公开的一些实现的示例性方法300的流程图。方法300例如可以被用在晶圆激光划片配置过程中，检测并控制激光光束的质量。该方法例如可以在如图1所示的晶圆激光划片系统100中实施，例如，实施在该系统的一个或多个控制部件/设备(未示出)中；替代地，该方法也可以在耦合到系统100的计算设备中实施，然而本公开并不限于此。

如图3所示，方法300开始于步骤310，在该步骤中，对采集到的包含激光光束照射在晶圆上形成的斑痕形状的图像进行灰度化处理以获得灰度图像。接着，方法300前进到步骤320，在该步骤中，对在步骤310中获得的灰度图像进行降噪处理。然后，在步骤330中，对降噪后的灰度图像进行二值化处理以生成二值图像。方法300继续进行到步骤340，在该步骤中，对在步骤330中生成的二值图像应用腐蚀算法。

方法300的上述步骤310-340可以对应于前述方法200中的步骤210的图像预处理的一种示例性实现。本领域技术人员可以理解，针对灰度化、降噪、二值化、以及腐蚀这四个处理阶段中的每一个，还可以分别选取所适用的具体算法，而本公开并不限于特定的算法实现。此外，本领域技术人员可以理解，为了完成方法200中的步骤210的图像预处理以突出所述图像中的斑痕形状，并不是方法300的步骤310-340中的每一个都是必需的，而是可以采用更多或者更少的图像处理手段、和/或采用其它的处理顺序，来实现更好或者类似的效果。

方法300然后进行到步骤350，在该步骤中，检测经前述步骤处理后的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息。接着，在步骤360中，基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。响应于步骤360的判断的结果指示所述斑痕形状不符合预定义的标准，在步骤370中，调整与所述激光光束相关联的参数以改善所述激光光束的质量。方法300的上述步骤350-370可以分别对应于前述方法200中的步骤220、230以及附加地描述的调整步骤。

此外，在一些实现中，步骤310-370可以迭代地执行，直到在某一次循环中的步骤360的判断结果指示该次检测到的斑痕形状符合预定义的标准为止。

图4示出了根据本公开的一些实现的一个具体示例。图4的上部示出的是采集到的原始图像，该图像中包含用于晶圆划片的激光光束照射在晶圆上形成的斑点。在该示例中假定待测形状是圆形。在对该原始图像进行预处理后获得的图像如图4的中部所示，经过图像预处理，突出了中间的斑点。然后，通过利用边缘检测算法来检测图像中的该斑点形状，可以获得其坐标，确定斑点直径为35个像素。这里假定预定义的标准是直径应小于或等于40个像素。因此，可以判断出该斑点符合预定义的标准。图4的下部示出的是所生成的指示判断结果的报告，如图所示，表示斑点直径为35个像素的符号“35px”、表示判断结果为符合标准的符号“Pass”被叠加在原始图像上。另外，在该示例中，斑点边缘被高亮显示(图中以虚线框表示)。

事实上，斑点并不总是标准的圆形。在另一个示例中，可以利用边缘检测算法来检测图像中的斑点，获得该斑点在X轴上的最大距离(例如，25个像素)和Y轴上的最大距离(例如，30个像素)，确定二者之比为25/30，该比值反映斑点的圆整度。这里假定预定义的标准是圆整度应大于或等于0.8。因此，可以判断出该斑点符合预定义的标准。可以生成并显示与图4下部所示的形式类似的报告。

图5示出了根据本公开的一些实现的另一个具体示例。图5的上部示出的是采集到的原始图像，该图像中包含用于晶圆划片的激光光束照射在晶圆上形成的矩形斑痕。在该示例中假定待测的是矩形斑痕的宽度，并且预定义的标准是宽度应小于或等于16个像素。可以采用与上述类似的方式对原始图像进行初始化，然后检测其中的矩形斑痕，得到相应的宽度分别为18个像素、18个像素、20个像素。图5的下部示出的是所生成的指示判断结果的报告。这里，分别表示各斑痕宽度值的符号“18px”、“18px”和“20px”、表示判断结果为不符合标准的符号“Fail”被叠加在原始图像上。另外，在该示例中，矩形斑痕边缘也被高亮显示(图中以虚线框表示)。

图6示出了根据本公开的一些实现的示例性装置600的框图。例如，该装置可以被实现在图1中所示的晶圆激光划片系统120中(例如，实施在该系统的一个或多个控制部件/设备(未示出)中)；替代地，该装置也可以在耦合到系统100的计算设备中实施，然而本公开并不限于此。示例性装置600可以用软件、硬件、固件、或其任意组合来实现。

装置600可以包括用于对采集到的包含激光光束照射在晶圆上形成的斑痕形状的图像进行预处理的单元610。装置600还可以包括用于检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息的单元620。此外，装置600还可以包括用于基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准的单元630。

尽管装置600被示出为包含单元610-630，但是装置600还可以包括其它的单元、或者其现有的一个或多个单元可以进一步被配置为执行本公开中结合图2和图3描述的其它操作。

现在转到图7，示出了根据本公开的一些实现的示例性设备700的框图。如图7所示，设备700可以包括一个或多个处理器710以及存储器720。一个或多个处理器710可以包括任意类型的通用处理单元/核心(例如但不限于：CPU、GPU)，或者专用处理单元、核心、电路、控制器，等等。存储器720可以包括任意类型的可以用于存储数据的介质。存储器720被配置为存储指令，所述指令在执行时使得一个或多个处理器710执行在本公开中所描述的方法(例如，示例性方法200、300，等等)的操作。

这里描述的各种实现可以包括或操作多个组件、部件、单元、模块、实例或机制，其可以用硬件、软件、固件、或其任意组合来实现。硬件的示例可以包括、但不限于：设备、处理器、微处理器、电路、电路元件(例如、晶体管、电阻器、电容器、电感器，等等)、集成电路、专用集成电路(ASIC)、可编程逻辑器件(PLD)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、存储单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组，等等。软件的示例可以包括、但不限于：软件组件、程序、应用、计算机程序、应用程序、系统程序、机器程序、操作系统软件、中间件、软件模块、例程、子例程、函数、方法、过程、软件接口、应用编程接口(API)、指令集、计算机代码、计算机代码段、字、值、符号、或其任意组合。确定一个实现是使用硬件、软件、和/或固件来实现可以取决于多种因素而变化，例如期望的计算速率、功率级别、耐热性、处理周期预算、输入数据速率、输出数据速率、存储器资源、数据总线速度，以及其它的设计或性能约束，正如一个给定的实现所期望的。

这里描述的一些实现可以包括制品。制品可以包括存储介质。存储介质的示例可以包括用任意方法或技术实现的用以存储信息(例如，计算机可读指令、数据结构、程序模块、或其它数据)的易失性的和非易失性的、可移动的和不可移动的介质。存储介质可以包括、但不限于：随机存取存储器(RAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速存储器或其他存储器技术，光盘(CD)、数字多用盘(DVD)或其它光存储，磁带盒、磁带、磁盘存储或其它磁存储设备，或者任何其它的能够用于存储信息的介质。在一些实现中，制品可以存储可执行的计算机程序指令，其在被一个或多个处理单元执行时，使得处理单元执行这里所述的操作。可执行的计算机程序指令可以包括任意合适类型的代码，例如，源代码、编译代码、解释代码、可执行代码、静态代码、动态代码，等等。可执行的计算机程序指令可以使用任意适当的高级的、低级的、面向对象的、可视化的、编译的和/或解释的编程语言来实现。

下面描述本公开的一些示例性实现。

示例1：一种检测用于晶圆划片的激光光束的质量的方法包括：对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

示例2：根据前述任一示例所述的方法，还包括：响应于所述判断的结果指示所述斑痕形状不符合所述预定义的标准，调整与所述激光光束相关联的参数以改善所述激光光束的质量。

示例3：根据前述任一示例所述的方法，还包括：生成指示所述判断的结果的报告；以及呈现所述报告。

示例4：根据前述任一示例所述的方法，其中，所述报告包括所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果，并且其中，所述属性信息和所述判断的结果被叠加在所述图像上。

示例5：根据前述任一示例所述的方法，其中，所述预处理包括：对所述图像进行灰度化处理以获得灰度图像；对所获得的灰度图像进行降噪处理；对降噪后的灰度图像进行二值化处理以生成二值图像；以及对所生成的二值图像应用腐蚀算法。

示例6：根据前述任一示例所述的方法，其中，所述预定义的标准包括以下中的至少一个：针对斑痕形状的直径的最大值和/或最小值要求、针对斑痕形状的圆整度的最大值和/或最小值要求、针对斑痕形状的宽度的最大值和/或最小值要求。

示例7：根据前述任一示例所述的方法，还包括：将所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果相关联地进行存储。

示例8：一种检测用于晶圆划片的激光光束的质量的设备包括：存储器，其用于存储指令；以及至少一个处理器，其耦合到所述存储器，其中，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器：对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

示例9：根据前述任一示例所述的设备，其中，所述指令在由所述至少一个处理器执行时，还使得所述至少一个处理器：响应于所述判断的结果指示所述斑痕形状不符合所述预定义的标准，调整与所述激光光束相关联的参数以改善所述激光光束的质量。

示例10：根据前述任一示例所述的设备，其中，所述指令在由所述至少一个处理器执行时，还使得所述至少一个处理器：生成指示所述判断的结果的报告；以及呈现所述报告。

示例11：根据前述任一示例所述的设备，其中，所述报告包括所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果，并且其中，所述属性信息和所述判断的结果被叠加在所述图像上。

示例12：根据前述任一示例所述的设备，其中，所述预处理包括：对所述图像进行灰度化处理以获得灰度图像；对所获得的灰度图像进行降噪处理；对降噪后的灰度图像进行二值化处理以生成二值图像；以及对所生成的二值图像应用腐蚀算法。

示例13：根据前述任一示例所述的设备，其中，所述预定义的标准包括以下中的至少一个：针对斑痕形状的直径的最大值和/或最小值要求、针对斑痕形状的圆整度的最大值和/或最小值要求、针对斑痕形状的宽度的最大值和/或最小值要求。

示例14：根据前述任一示例所述的设备，其中，所述指令在由所述至少一个处理器执行时，还使得所述至少一个处理器：将所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果相关联地进行存储。

示例15：一种检测用于晶圆划片的激光光束的质量的装置，包括用于执行本文中所述的方法的模块。

示例16：一种计算机可读存储介质，其上存储有指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行本文中所述的方法。

上面已经描述的内容包括所公开的架构的示例。当然并不可能描述组件和/或方法的每种可以想见的组合，但是本领域技术人员可以理解，许多其它的组合和排列也是可行的。因此，该新颖架构旨在涵盖落入所附权利要求的精神和范围之内的所有这样的替代、修改和变型。

Claims (16)

1.一种检测用于晶圆划片的激光光束的质量的方法，包括：

对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；

检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及

基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

2.根据权利要求1所述的方法，还包括：

响应于所述判断的结果指示所述斑痕形状不符合所述预定义的标准，调整与所述激光光束相关联的参数以改善所述激光光束的质量。

3.根据权利要求1所述的方法，还包括：

生成指示所述判断的结果的报告；以及

呈现所述报告。

4.根据权利要求3所述的方法，其中，所述报告包括所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果，并且其中，所述属性信息和所述判断的结果被叠加在所述图像上。

5.根据权利要求1所述的方法，其中，所述预处理包括：

对所述图像进行灰度化处理以获得灰度图像；

对所获得的灰度图像进行降噪处理；

对降噪后的灰度图像进行二值化处理以生成二值图像；以及

对所生成的二值图像应用腐蚀算法。

6.根据权利要求1所述的方法，其中，所述预定义的标准包括以下中的至少一个：针对斑痕形状的直径的最大值和/或最小值要求、针对斑痕形状的圆整度的最大值和/或最小值要求、针对斑痕形状的宽度的最大值和/或最小值要求。

7.根据权利要求1所述的方法，还包括：

将所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果关联地进行存储。

8.一种检测用于晶圆划片的激光光束的质量的设备，包括：

存储器，其用于存储指令；以及

至少一个处理器，其耦合到所述存储器，其中，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器：

对采集到的包含所述激光光束照射在晶圆上形成的斑痕形状的图像进行预处理；

检测经预处理的图像中的斑痕形状，获得与所述斑痕形状相关联的属性信息；以及

基于所获得的与所述斑痕形状相关联的属性信息，判断所述斑痕形状是否符合预定义的标准。

9.根据权利要求8所述的设备，其中，所述指令在由所述至少一个处理器执行时，还使得所述至少一个处理器：

响应于所述判断的结果指示所述斑痕形状不符合所述预定义的标准，调整与所述激光光束相关联的参数以改善所述激光光束的质量。

10.根据权利要求8所述的设备，其中，所述指令在由所述至少一个处理器执行时，还使得所述至少一个处理器：

生成指示所述判断的结果的报告；以及

呈现所述报告。

11.根据权利要求10所述的设备，其中，所述报告包括所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果，并且其中，所述属性信息和所述判断的结果被叠加在所述图像上。

12.根据权利要求8所述的设备，其中，所述预处理包括：

对所述图像进行灰度化处理以获得灰度图像；

对所获得的灰度图像进行降噪处理；

对降噪后的灰度图像进行二值化处理以生成二值图像；以及

对所生成的二值图像应用腐蚀算法。

13.根据权利要求8所述的设备，其中，所述预定义的标准包括以下中的至少一个：针对斑痕形状的直径的最大值和/或最小值要求、针对斑痕形状的圆整度的最大值和/或最小值要求、针对斑痕形状的宽度的最大值和/或最小值要求。

14.根据权利要求8所述的设备，其中，所述指令在由所述至少一个处理器执行时，还使得所述至少一个处理器：

将所述图像、所获得的与所述斑痕形状相关联的属性信息、以及所述判断的结果关联地进行存储。

15.一种检测用于晶圆划片的激光光束的质量的装置，包括用于执行根据权利要求1-7中的任意一项所述的方法的模块。

16.一种计算机可读存储介质，其上存储有指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行根据权利要求1-7中的任意一项所述的方法。