背景技术
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(Wafer)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。在半导体制造或工艺检测设备处理有图案晶圆(PatternedWafer)时,机械手(Robot)会将晶圆从晶圆盒(Cassette)取出,送到预对准器(Pre-aligner)上,预对准器能根据晶圆边缘的凹槽(Notch)或短的直边(定边位)(flat)粗略确定晶圆的取向,然后机械手再将晶圆输送到该设备的工作平台(Stage)上。所有直径为300mm的晶圆和部分直径200mm的晶圆外侧上都有凹槽,部分直径200mm的晶圆外侧为短的直边。通常工作平台可在XY轴构成的平面上平动和绕平台中心的轴转动,以及在Z轴方向上下移动,如图1所示。
在这些半导体设备对晶圆工作时,晶圆相对于设备运动平台的方向是十分重要的。例如在晶圆缺陷检测(Wafer Inspection)设备,膜厚测量设备(Thin-film Measurement),和关键尺寸(线宽)(CriticalDimension)测量设备中,需要用激光或电子束扫描某些工作单元(晶片)(die)中的一些区域,扫描象素精度可达几十纳米甚至几个纳米,在高放大倍率下,成像设备视场又很小,离开了极为精确的晶圆对准,要找到正确的工作区域是不可能的。
有图案晶圆表面通常包括很多重复的矩形单元,即工作单元,工作单元被水平和垂直的刻线边界包围,内部形成所需的半导体集成电路图案,它们可能是逻辑单元如计算机CPU或记忆单元如计算机内存。工作单元之间无论在水平或垂直方向都有固定距离,之间的区域称为街道(Street)。工作单元的边界和其中大部分图案都由方向一致的水平和垂直线所构成,它们的方向就决定了整体晶圆的取向。在半导体设备对晶圆进行处理时,首先就是要将晶圆与工作平台的水平轴对准,也就是要精确地探测晶圆坐标/方向和工作平台XY轴的相对关系,从而转动工作平台使它们一致(在允许的误差范围之内)。
如图2所示,在晶圆到达工作平台上之前,机械手将晶圆从晶圆盒中取出,放到设备的预对准器上,预对准器可根据缺凹槽的位置,将晶圆作预对准,在一定误差范围将其转动某一误差范围小角度误差范围之内,例如0.2度之内。然后机械手再将晶圆放到设备工作平台上,以便作更精确的晶圆对准。通常平台之上还有一个晶圆座(chuck),用于固定晶圆,可用真空或静电吸引,特别是当平台运动时。由于它相对平台不动,在此和下文中可以省略它。下一步就是晶圆对准,它是必需的,否则几乎所有关于晶圆的工作都不能正常进行。晶圆对准就是要进一步取得晶圆(其方向由其众多的工作单元决定)相对于运动平台在XY平面内的角度,并通过平台转动来修正它。根据半导体设备的不同,晶圆对准的精度要求也不同,有的设备晶圆对准要求的角度误差可在0.0001度以下。
为了确定晶圆的取向,用户通常选择两个分别位于晶圆上相距较远的,理应在一条直线上的类似图像,其中包含纵横向特征图案,例如为两个在同一排上的工作单元的一部分(比如一角),通过两图案之间的相对位置关系(图案在图像中的位置,和可从运动平台的读数中获得所摄图像间位置关系)来确定晶圆方向,因为至少需要有两点才能确定一条直线。这两点的距离越大,结果的相对误差就越小。同时考虑到误差因素和机械手放置晶圆时的误差,主要是角度的误差(例如0.2度),使用者可以先选择靠近圆心的点开始,慢慢找到相距圆心较远的点,最后也可用多点通过最小二乘法拟合来确定一条直线。无论是两点或多点位置的精确确定,都需要通过图像的匹配来完成。而本发明所要阐述的就是图像匹配的新方法。
用户通常可移动运动平台选择图像,和其中两个类似的图案。图像和图案需满足一定的条件,如在视场(Field of View)即所采集的图像内图案的唯一性,同时图案有较多垂直和水平方向的特征,良好的对比度和亮度,较小的噪声等。半导体设备应用通常分两阶段,菜单(Recipe)设立阶段和菜单执行(Run Recipe)阶段。在菜单设立阶段,用户可以驱动平台选择两个或多个晶圆上的图像保存,作为模板图像,同时记录它们在晶圆上的位置。而在菜单执行时,对准是自动进行的。当机械手将预对准过的晶圆放到运动平台上时,运动平台自动移动到两(多)个图像所在晶圆上的位置摄取图像,用保存的模板图像和它们进行匹配,以确定图像精确位置,通常是亚像素(sub-pixel)精度的,这也就明确确定了两个类似点在晶圆上的位置,也就确定了这两点所决定的直线的斜率,从而确定了晶圆的取向。其实,匹配不仅包括位移,也可包括两图像间的相对微小转动(rotation)和缩放(scaling)。
图像的摄取可以采用多种图像传感器,种类不限,如CCD、CMOS、X光或电子显微镜等成像技术。至于图像匹配,通常使用者在晶圆模版图像(Model image)中选择一个模版图案(Model pattern或称为Kernel pattern),通过算法到目标图像(Target image)中搜索匹配的图案。搜索匹配的方法有多种,对于灰度(gray scale)图像的匹配,归一化互相关(Normalized Cross Correlation,简称NCC)算法是常用的。某些情况下用到二值化的图像时,其它算法如布尔“与”运算是可用的。对于边缘提取(Edge detection)后的二值化的图像匹配,HausdorffDistance算法也是可用的。
匹配结果称为相似度,通常归一到[0,1]之间,0对应二图之间相似度最低,1对应二图之间相似度最高。当该目标图案与模版图案两者之间的相似度达到很高的水平时,例如高于一个经过实践检验的经验阈值例如0.7时,可认为图案相匹配,也就可以认为该目标图案与模版图案之间的相对几何关系与整个目标晶圆图像与模版晶圆图像之间的总体相对几何关系相同,从而可靠地确定了目标晶圆图像与模版晶圆图像之间的相对几何关系。
但是,由于在实际光刻过程中光刻设备的漂移(包括曝光时间、聚焦等)、设备噪声、亮度变化、晶圆表面损伤、图像噪声、图像局部失真、预对准设备的误差,和机械手放置晶圆到运动平台时的误差等因素的影响,常常会造成成像图像的质量下降,导致计算机根据从模版图像中选定的模版图案,在目标图像搜索得到的最佳匹配目标图案和模版图案的相似度仍然较低,即相似度较低(仍低于某阈值),匹配失败。因此,在实际应用过程中,当图像质量不高时,晶圆匹配成功概率很低,给半导体制造和工艺检测带来了时间上和费用上的损失,特别是当该半导体设备是在线(online)的设备时,匹配失败造成的影响会很大。
为了解决这个问题,实践中有可能存在一种使用多个模版图案依次进行晶圆图像匹配方法:使用者事先确定从模版图像中依次选择多个模版图案,计算机首先搜索其中一个模版图案在目标晶圆图像中的匹配,若无法找到目标图案与该模版图案的相似度高于给定阈值的目标图案,则转而对另一个模版图案进行搜索,直至找到一个相似度高于给定阈值的目标图案,并可将该目标图案与模版图案之间的相对几何关系当作整个目标晶圆图像与模版晶圆图像之间的总体相对几何关系;如果对于多个模版图案都无法找到相似度较高的目标图案,那么晶圆匹配失败。这个解决方案是前述的使用单个模版进行晶圆匹配的方案的多次简单叠加,每次相似度的阈值仍然要求较高,在图像质量不高时,晶圆匹配成功的概率并不能得到实质的提高,技术效果并不好。
具体实施方式
下面参照附图,对根据本发明的实施例进行描述。
相关半导体设备都包括一个前端部分,它包括晶圆盒,用来搬运晶圆的机械手,预对准器等。设备还包括机械运动平台,它可作XY平面内的平移和转动,和在与XY平面垂直的Z轴方向的运动,它上面通常还有一晶圆座用来安放晶圆(有可能要通过真空或静电的方法来吸附晶圆)。半导体设备还包括工业相机,和主控计算机(用于图像采集,算法运算,图像显示,结果显示,用户输入)。
在进行匹配前,晶圆已处在运动平台的晶圆座上。如图3所示,半导体设备已经获取了晶圆某处的模版图像40,它通常是某个工作单元的一部分。模版图像可以是当场摄取的,也可以是从同类晶圆上事先摄取并保存的。该设备通过机械平台运动和相机拍摄,也获得了目标晶圆的图像41。这里讲的晶圆可以是4英寸、5英寸、6英寸、12英寸、甚至是18英寸等任何尺寸的。这里讲的目标图像和模版图像可以是黑白二值图、灰度图或是彩色图,可以采用CCD、CMOS、X光或电子显微镜成像等各种成像方式获得的。图像的格式可以是raw(原始数组)、bmp(位图)或tiff(标签图像文件格式),图像可以经过或不经过压缩,也不论其每个像素值的比特(bit)数是多少。
如图4所示,首先,在步骤S1中,模版图案确定装置根据一模版图案确定方法从模版图像中的一部分相关区域确定模版图案。不同于常规,这里要求在模版图像中确定至少两个模版图案。这些模版图案中一般都包括较丰富的水平和垂直两个方向上的特征,它们可以由半导体设备根据一定算法自动地在模版图像中选择特征比较丰富的部分而确定,也可以由使用者从图形用户界面中显示的模版图案中选择。本实施例以半导体设备确定了401、402、403和404这四个模版图案为例进行说明。
事先已确定了3个大小不同的匹配阈值,T1>T2>T3。例如可选T1=0.75(75%),T1=0.50(50%),T3=0.35(35%)。
在确定了多个,在此例为四个模版图像之后,在步骤S2中,模式识别装置使用一模式识别算法就各个模板图案,在整个目标晶圆图像41或目标晶圆图像的相应的关注区域中搜索得到各个模板图案的最佳匹配,在此例中应有4个最佳匹配,它们不一定达到某个阈值,只是对每个模板图案最佳。寻找匹配的方法很多,例如可以使用下面讲的归一化互相关算法来匹配灰度图像。
对于模版图案,如图5所示意,以像素为单位,其宽度和高度分别Wk和Hk,目标图像,或目标图像中进行搜索的关注区域的宽度和高度分别为Wt和Ht。一般来说Wt应大于Wk,Ht应大于Hk。计算机逐个像素地将模版图案和目标图像中的每一个宽度和高度分别Wk和Hk的矩形部分进行比较,并分别计算模版图案和每一个图像部分的相似程度。在NCC归一互相关算法中,每次计算相似程度(或称之为匹配程度)基于的量化公式如下:
其中,K表示模版图案的像素灰度值,T表示搜索的目标图像中的矩形部分的像素灰度值,N表示每一次计算中的总像素个数。r表示模版图案401和目标图像中的该矩形部分的相似程度,或称之为相似度,r的范围一般为[0,1],或者转换为百分比为[0%,100%],值越高表示相似程度越高,反之亦然。在搜索过程中,半导体设备能在起初的粗略匹配中对整个范围使用“下采样”以加快搜索速度,并在之后的精细匹配中对粗略匹配结果最好的较小范围使用全分辨率进行搜索。
经过搜索,会产生一个相关表面,其宽度Wc和高度Hc分别为:
Wc=(WT-Wk)
(2)
Hc=(HT-Hk)
该相关表面的每一个点,产生于模版图案和目标图像上的相应大小的每一个矩形部分的一次比较结果。相关表面点(0,0)对应目标图像最左上角的矩形部分,(0,WT-Wk)对应目标图像(或关注区域)最右上角的矩形部分,(HT-Hk,0)对应目标图像(或关注区域)最左下角的矩形部分,(HT-Hk,HT-Hk)对应目标图像(或关注区域)最右下角的矩形部分。该相关表面和相似程度r的曲面关系如图6所示意。
该表面上对应相似程度r的极值的部分是与模版图案相似程度最高的矩形部分,该矩形部分的位置是以像素为最小单位的。可以通过在一维(水平或垂直)或者两维(水平和垂直)方向进行插值拟合,进一步在亚像素的范畴内搜索相关表面中相似程度最高的点。例如,如图7所示,在水平X方向上可以用二次函数r(x)=ax2+bx+c拟合相关表面的三个点x1、x2和x3以及对应的相似程度r的关系曲线,并在拟合出系数a、b和c的值后,计算得到该相似程度,即相似度的极大值rmax,以及该极大值对应的、可能带有小数位的点xmax。在水平Y方向同样可以进行拟合,确定与相似程度的极大值对应的点ymax。则相关表面s上的(以亚像素为单位的)点(xmax,ymax)所对应的目标图像的矩形部分是目标图像中与模版图案最为相似的,即最佳匹配点。另外,相比较这样分别作2次一维的曲线拟合,也可以作一次二维的曲面拟合且精度更加高,只是它的计算量大而较费时,2次一维的曲线拟合已足够精确。通常模版图案在模板图像中以其左上角为原点的坐标系中的坐标为(xk,yk),目标图案在目标图像中以其左上角为原点的坐标系中的坐标为(xt,yt),则目标图案与模版图案之间的偏移量也可以得到确定,即在水平方向相差dx=xt-xk,在垂直方向相差dy=yt-yk。
在进行模式识别之前,本发明涉及的半导体设备还可以进行自动对焦,或对模版图像和目标图像进行预处理,包括进行高通/低通/中值(Median)滤波,以及使用Sobel/Canny滤波器或高斯平滑滤波器进行边缘提取。本说明书在此不做赘述。
以上以在空间域使用归一互相关算法对灰度图象进行模式识别为例进行说明。可以理解,本发明并不限于此,本领域的一般技术人员所熟知的其他任何用于在目标图案中搜索与模版图案最相似的图案的模式识别方法,例如用于灰度图象的基于傅立叶变换的频域相位相关方法、频域强度相关方法和用于黑白二值图像(BinarizedImage)的布尔“与”算法等等都适用于本发明,并处于本发明权利要求的保护范围之内。
此外,在一些应用中,寻找匹配时,还可以计算目标图案和模版图案之间其他相对几何关系:通过在小范围转动模板图案或目标图案的其中之一,然后都将二者进行互相关匹配,将获得的结果进行曲线拟合,找到在某一角度dθ下目标图案与模版图案之间的最大相似程度。由于匹配算法的限制,角度搜寻范围通常不大。同样可在小范围内缩放模板图案或目标图案的其中之一,并通过拟合找到在某一缩放比例ds下目标图案与模版图案之间的最大相似程度。同样由于匹配算法的限制,该缩放搜寻范围不大。
使用以上归一化互相关方法,在步骤S2中,如图3所示,模式识别算法对于模版图像中的四个模版图案401、402、403和404分别搜索到相应的最佳匹配a、匹配b、匹配c和匹配d,即各个最佳匹配相应的目标图案411、412、413和414,和各自的相似度ra、rb、rc和rd。以下为方便说明,令目标图案在目标图像41上的以目标图像41左上角为原点的坐标系上的坐标为(xti,yti),模版图案在模版图像40上以模版图像40左上角为原点的坐标系上的坐标为(xki,yki),各目标图案和相应的模版图案之间的相对偏移量dxi和dyi分别为xti-xki与yti-yki,各匹配的相对旋转角度为dθi,各匹配的相对缩放比例为dsi,其中i∈{a,b,c,d}。
本发明不使用搜索到的各个匹配中相似程度较差的匹配来确定图像的总体匹配。在步骤S3中,匹配选择装置使用一匹配选择方法,使用(3个中)一个最低的阈值T3进行筛选,将匹配a、匹配b、匹配c和匹配d中相似度低于阈值T3的匹配排除在外。在本实施例中,匹配a、匹配b和匹配d的相似度均大于或等于阈值T3,匹配c的相似度rc小于该最低阈值T3。则匹配c被排除,其余匹配暂时保留。该最低阈值T3(以及较高的阈值T2和T1)可以由半导体设备根据所使用的模版图案的模式匹配的方法而自动确定,也可以由实用者确定。
在步骤S4中,本发明中的一个方法将四个匹配按照相似度的高低排序。在本实施例中,排序结果为:匹配a,匹配d,匹配b。
而后,在步骤S5中,匹配选择方法的第一判断方法判断各个匹配中是否有匹配程度很高的,可以独自代表了整个目标晶圆图像与模版晶圆图像之间的总体相对几何关系的匹配。具体的,它判断匹配a、匹配d和匹配b中最大的相似度是否大于第一阈值即最高阈值T1。例如用时(空)域互相关算法作匹配的话,T1可等于0.75。
当匹配a的相似度ra大于第一阈值T1时,在步骤S6中,选择方法将该匹配的相似度和目标图案411和模板图案401的相对几何关系,作为目标晶圆图像41和模板晶圆图像41之间的总体相似度以及总体相对几何关系。具体的,匹配a的相似度为ra,目标图案411和模版图案401之间相对旋转角度为dθa,缩放比例为dsa。目标图案411和模版图案401在水平方向相差dxa=xta-xka,在垂直方向相差dya=yta-yka。则,目标图像41和模版图像40之间的总体相似度R,总体相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds按以下公式确定:
Dx=dxa=xta-xka
Dy=dya=yta-yka
R=ra (3)
Dθ=dθa
Ds=dsa
当各匹配的相似度均低于第一阈值T1时,本发明方法选出相似度高于次高或最低阈值的多个匹配作为可用匹配。
在一个实施例中,在步骤S7中,选择方法判断匹配a、匹配d和匹配b中是否包括至少两个相似度高于第二即次高阈值T2的匹配。例如T2可以设为0.45。
当存在至少两个这样的匹配时,本发明以可用匹配a、可用匹配d和可用匹配b的相似度均高于第二阈值T2为例进行说明。在步骤S8中,第一合格匹配确定方法从可用匹配a、可用匹配d和可用匹配b中选出相似度最大的两个可用匹配a和d作为合格匹配,前面讲过,匹配a,b,c,d都是根据相似度由大到小排过序的。如图8所示,本发明的算法首先将可用匹配a(相似度最大)和可用匹配d(相似度次大)中的两个目标图案411和414之间在目标图像41上的距离和分别对应的两个模板图案401和404在模版图像40上的距离作减法,将距离的差值取绝对值作为距离误差。并判断该距离误差是否小于一最大误差阈值DEmax。DEmax值可以由使用者事先确定,也可以由半导体设备软件给定,例如DEmax可取0.25像素。具体的讲,两个目标图案411和414之间在目标图像41上的距离DTad、两个模板图案401和404在模版图像40上的距离DKad和该两个距离的误差DEad按以下公式确定:
DEad=|DTad-DKad|
当DEad≤DEmax时,第一合格匹配确定方法确定匹配a和匹配d为合格匹配。在这种情况下,虽然匹配a和匹配d的相似度都不是很高,但由于两个目标图案之间的距离与两个模版图案之间的距离近似相等,有理由认为搜索得到的这两个目标图案的位置是比较准确的,半导体设备可以根据这两个合格匹配的两个目标图案的位置确定目标图像和模版图像之间的整体相对几何关系。当DEad>DEmax时,则按前述方法,考虑其它达到T2阈值的匹配来替换,在此即考察匹配a和匹配b,或匹配d和匹配b的两个目标图案的距离与相应两个模板图案的距离的差值的绝对值,并确定距离误差小于DEmax的两个匹配为合格匹配。若最终仍无法确定两个合格匹配,则算法转入下面将要描述的步骤S10中同时根据三个达到最低阈值的匹配来确定图像间的匹配。
接下来以确定匹配a和匹配d为合格匹配继续对本发明的实施例进行说明。在步骤S9中,本发明中的计算装置根据第一计算方法,采用不加权平均或加权平均的方式,基于该两个合格匹配a和b各自的目标图案和模板图案的相似度和相对几何关系,计算目标图像41和模板图像40之间的总体相似度和总体相对几何关系。
具体的,在采用平均方法进行计算的实施例中,本发明的第一计算方法按以下公式计算目标图像41和模版图像40之间的总体相似度R,总体相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds:
Dx=(dxa+dxd)/2
Dy=(dya+dyd)/2
R=[(ra+rd)W2]<1.0 (5)
Dθ=(dθa+dθd)/2
Ds=(dsa+dsd)/2
其中,W2是一个处于0至1之间的折算系数,R=[(ra+rd)W2]<1.0表示将两个相似度的和与折算系数的乘积以1.0进行截断,即R等于(ra+rd)W2和1.0两者中较小的值。可以理解,将两个相似度的和折算成总体相似度,是为了能方便地将该总体相似度与采用其他方式确定的目标图像和模版图像之间的匹配的相似度进行统一地比较,以确定匹配的优劣。W2可以由半导体设备软件根据所使用的模式识别算法而自动地确定,或由使用者给定,例如等于0.8。
在采用加权平均方法进行计算的实施例中,本发明中的第一计算方法按以下公式计算目标图像41和模版图像40之间的总体相似度R,总体相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds:
wa=ra/(ra+rd)
wd=rd/(ra+rd)
Dx=wadxa+wddxd
Dy=wadya+wddyd
R=[(ra+rd)W2]<1.0 (6)
Dθ=wadθa+wddθd
Ds=wadsa+wddsd
其中wa和wb分别为合格匹配a和b的归一化权重,可见该归一化权重与该合格匹配的相似度成正比。和前面一样,W2是一个处于0至1之间的折算系数,R=[(ra+rd)W2]<1.0表示将两个相似度的和与折算系数的乘积以1.0进行截断,即R等于(ra+rd)W2和1.0两者中较小的值。可见目标图像41和模版图像40之间总体相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds分别为合格匹配a和b的各自偏移量、各自旋转角度和各自缩放比例加权后的平均,权重和各自相似度大小成正比,且是归一化的。
当匹配a、匹配d和匹配b中不包括至少两个相似度高于第二阈值T2的匹配时,或者经过用上述距离误差检验不足两个合格匹配时,在步骤S10中,本发明中的一个方法选择第三判断方法来判断匹配a、匹配d和匹配b中是否包括至少三个相似度大于第三阈值即最低阈值T3的匹配。例如T3可以设为0.4。
当存在至少三个这样的匹配时,本发明以可用匹配a、可用匹配d和可用匹配b的相似度均高于第三阈值T3为例进行说明。在步骤S11中,本发明的第二合格匹配确定方法此时可用匹配a、可用匹配d和可用匹配b作为合格匹配。而后对于所选出三个可用匹配中的每一个,判断其他两个可用匹配与该可用匹配的两个目标图案的距离与相应两个模板图案的距离的差值的绝对值中较小的一个是否大于一个最大距离差阈值。具体的,两个目标图案的距离与相应两个模板图案的距离的差值的绝对值按如下公式计算:
i,j∈{a,d,b},i≠j (7)
DEij=|DTij-DKij|
则对于可用匹配a,可以得到DEad和DEab两个距离的差值的绝对值。对于可用匹配d和b,同样可获得两个与其相关距离误差。而后,对于每个可用匹配,半导体设备判断该可用匹配的两个距离误差中较小的一个值是否大于一个最大距离误差阈值DEmax,如大于它的话,则该匹配不可用,必须用剩余可用匹配取代它。在本实施例,假定可用匹配a、d和b都符合以上条件,则半导体设备将该三个可用匹配确定为合格匹配。在三个可用匹配中存在不符合以上条件的匹配情况下,若还有其他可用匹配,可将不符合以上条件的可用匹配删去,并再选出相似度最大的三个可用匹配,对于这三个可用匹配中的每一个,继续判断其他两个可用匹配与该可用匹配的两个目标图案的距离与相应两个模板图案的距离的差值的绝对值中较小的一个是否大于最大距离误差阈值DEmax,并将不符合条件的匹配删去,直至确定距离的差值的绝对值中较小的一个小于最大距离差值DEmax的三个可用匹配,并将其确定为合格匹配。在这种情况下,虽然匹配a、匹配d和匹配b的相似度都不是很高,但由于它们两两之间的两个目标图案之间的距离与两个模版图案之间的距离近似相等,有理由认为搜索得到的这三个目标图案的位置是比较准确的,半导体设备可以根据这三个合格匹配的两个目标图案的位置确定目标图像和模版图像之间的整体相对几何关系。但如果最终经过距离误差检验合格的匹配数不足3个时,则两图像间的关系无法确定。
在确定了三个合格匹配后,在步骤S12中,本发明中的第二计算方法用平均或加权平均的方式,基于该三个合格匹配各自的目标图案和模板图案的相似度和相对几何关系,计算目标晶圆图像41和模板晶圆图像41之间的总体相似度和总体相对几何关系。
具体的,在采用平均方法进行计算的实施例中,本发明中的第二计算方法按以下公式计算目标图像41和模版图像40之间的总体相似度R,总体分别在X和Y方向的相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds:
Dx=(dxa+dxd+dxb)/3
Dy=(dya+dyd+dyb)/3
R=[(ra+rd+rb)W3]<1.0 (8)
Dθ=(dθa+dθd+dθb)/3
Ds=(dsa+dsd+dsb)/3
其中,W3是一个处于0至1之间的折算系数,R=[(ra+rd+rb)W3]<1.0表示将三个相似度的和与折算系数的乘积以1.0进行截断,即R等于(ra+rd+rb)W3和1.0两者中较小的值。可以理解,将三个相似度的和折算成总体相似度,是为了方便将该总体相似度与采用其他方式确定的目标图像和模版图像之间的匹配的指数进行统一地比较。W3可以由半导体设备软件根据所使用的模式识别算法而自动地确定,或由使用者给定,例如它可以取0.8。
在采用加权平均方法进行计算的实施例中,首先确定该三个合格匹配各自的权重和归一化权重。在一个实施例中,半导体设备基于第二权重确定方法根据合格匹配的相似度大小决定该匹配的权重,该权重和相似度成正比,并且合格匹配a、d和b各自的归一化权重wi如下公式所定义:
wi=ri/(ra+rd+rb) (9)
其中,i∈{a,d,b}。
然后按以下公式计算目标图像41和模版图像40之间的总体相似度R,总体相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds:
Dx=wadxa+wddxd+wbdxb
Dy=wadya+wddyd+wbdyb
R=[(ra+rd+rb)W3]<1.0 (10)
Dθ=wadθa+wddθd+wbdθb
Ds=wadsa+wddsd+wbdsb
在另一个实施例中,对于三个合格匹配中的每一个,本发明中的第二权重确定方法根据其他两个可用匹配与该可用匹配的两个目标图案的距离与相应两个模板图案的距离的差的绝对值中较小的一个确定权重,该权重在一定变化范围内随着距离的误差绝对值减少而递增(参见图10)。
例如,本发明的一个权重确定方法基于以下公式描述的分段函数,根据匹配i的两个距离差值的绝对值DEij和DEik较小的一个DEi=min(DEij,DEik),确定权重DCWi:
MAXDE和MINDE是分段函数中的两个分段点,它们值可以由使用者给定,也可以由半导体设备软件根据所用的模式识别算法而确定,例如MAXDE等于0.25像素,MINDE等于0.05像素。该分段函数的曲线如图10所示。可以理解,用于确定权重的方法并不限于该分段函数,其他任何方法都处于本发明权利要求的保护范围内。
而后根据三个合格匹配各自的权重,按以下公式确定三个匹配各自的归一化权重wi:
其中,i∈{a,d,b}。
本发明中的第二计算方法按以下公式计算目标图像41和模版图像40之间的总体相似度R,总体相对偏移量Dx和Dy,总体相对旋转角度Dθ和总体缩放比例Ds:
Dx=wadxa+wddxd+wbdxb
Dy=wadya+wddyd+wbdyb
R=[(DCWara+DCWdrd+DCWbrb)W3]<1.0 (13)
Dθ=wadθa+wddθd+wbdθb
Ds=wadsa+wddsd+wbdsb
如前所述,以上实施例所用的阈值,例如第一阈值T1,第二阈值T2,第三阈值T3,最大距离误差阈值DEmax,以及所用的参数,例如折算系数W2,折算系数W3,分段函数的两个分段点MAXDE和MINDE,可以在进行图像匹配之前由使用者,当然是受过训练的或有经验的使用者选定,更通常是由半导体设备软件事先确定。
用以上晶圆对准实例对本发明进行的描述,概括了半导体制造、工艺检测设备,还适用于太阳能电池的生产和检测设备。实际上,任何使用本发明对晶圆进行对准的多模板、多阈值方法以及设备都处于本发明权利要求的保护范围内。
尽管用了附图和前述实例详细阐明和描述了本发明,应认为该阐明和描述是说明性的和示例性的,而不是限制性的;本发明不限于所上述实施方式。
在权利要求中,措词“包括”不排除其他的步骤,并且措辞“一个”不排除复数。
在权利要求和说明书中,措词“方法”可以和“装置”为同义词,因为这些“方法”可以完全由计算机硬件或固件(firmware)来实现。
在发明的实际应用中,一个部件可能执行权利要求中所引用的多个技术特征的功能。权利要求中的任何附图标记不应理解为对范围的限制。