CN106169431B - 基于gpu的掩膜版和晶圆缺陷检测方法 - Google Patents

基于gpu的掩膜版和晶圆缺陷检测方法 Download PDF

Info

Publication number
CN106169431B
CN106169431B CN201610530681.1A CN201610530681A CN106169431B CN 106169431 B CN106169431 B CN 106169431B CN 201610530681 A CN201610530681 A CN 201610530681A CN 106169431 B CN106169431 B CN 106169431B
Authority
CN
China
Prior art keywords
defect
grid
gpu
detection
data
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.)
Active
Application number
CN201610530681.1A
Other languages
English (en)
Other versions
CN106169431A (zh
Inventor
刘庄
刘建明
张彦鹏
蒋开
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.)
Jiangsu Weipu Optoelectronic Technology Co Ltd
Original Assignee
Jiangsu Weipu Optoelectronic Technology Co Ltd
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 Jiangsu Weipu Optoelectronic Technology Co Ltd filed Critical Jiangsu Weipu Optoelectronic Technology Co Ltd
Priority to CN201610530681.1A priority Critical patent/CN106169431B/zh
Publication of CN106169431A publication Critical patent/CN106169431A/zh
Application granted granted Critical
Publication of CN106169431B publication Critical patent/CN106169431B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • H01L22/34—Circuits for electrically characterising or monitoring manufacturing processes, e. g. whole test die, wafers filled with test structures, on-board-devices incorporated on each die, process control monitors or pad structures thereof, devices in scribe line

Abstract

本发明涉及一种基于GPU的掩膜版和晶圆缺陷检测方法，包括：提供一掩膜版以及对应的标准设计图；通过计算机把检测图数据和标准图数据输入到GPU中；两类图像数据进行绝对差运算；根据缺陷分辨率，划分GPU网格；每个对应的网格计算自己管辖的数据，超出阈值的置缺陷标识，没有超过阈值的，则访问该位置对应的模板领域数据，看是否都为空，如果是则认为是多余数据，标识为缺陷；等所有的网格计算完毕后，所有的缺陷都可以标识出来。本发明不仅能够提高缺陷检测的效率，有效减低误检，漏检率，并有效地提高掩膜和晶圆的良品率；而且还支持划痕、颗粒与关键尺寸的缺陷率分离，划痕和颗粒可以支持的更小。

Description

基于GPU的掩膜版和晶圆缺陷检测方法
技术领域
本发明涉及半导体检测技术领域，尤其是一种针对掩膜版和晶圆缺陷检测的方法。
背景技术
目前，半导体掩膜版和晶圆的检测一般常见还是光学图形检测，不管是Die2DB还是Die2Die的方式，都涉及图形学；
其中针对Die2DB来说，是以待检测图与标准图进行对比；一般提取图中的轮廓，然后一一对比，通过轮廓的周长，面积、法向线方向等方式进行对比差异，按照比例进行筛选出缺陷位置，其主要问题是关键尺寸图大小不一，在某些场景下，存在漏检，误检的问题，且检测效率不高。
另外一种是以检测图与标准图进行绝对相差运算，然后进行数学形态学等运算方式，最后提取缺陷，这种方式效率是高，但依然存在漏检和误检的问题，主要问题是进行膨胀腐蚀时，是对整个缺陷和关键尺寸图都在同一在运算，如果腐蚀过多时，很容易把划痕，脏点漏掉；如果腐蚀不够，很容易把关键尺寸图误认为是缺陷；
因此如何提供一种检测方法，以高效，降低误检，漏检率是本领域技术人员迫切解决的核心技术问题之一。
发明内容
本发明要解决的技术问题是：提出一种基于GPU的掩膜版和晶圆缺陷检测方法，是以GPU多核及网栅的特点，解决了以上存在的问题的同时，还提高缺陷检测的效率，有效减低误检，漏检率，并有效地提高掩膜和晶圆的良品率。
本发明所采用的技术方案为：一种基于GPU的掩膜版和晶圆缺陷检测方法，包括以下步骤：
1)提供已经经过二值化的检测图和标准图；
2)通过计算机把检测图以及标准图的图像数据输入到GPU中；
3)在GPU中对两类图像数据进行绝对差运算；
4)根据缺陷分辨率，对GPU进行网栅划分；GPU每个核心负责处理自己网格的图像数据；
5)根据设定的缺陷阈值进行运算以及缺陷判断；
6)每个网格设置的缺陷点合成缺陷位置图，然后回传计算机继续运算，把缺陷坐标位置、类型等标识到检测原始图中。
进一步的说，本发明所述的步骤1)中，检测图先做阈值分割然后再进行二值化；标准图由GDS转换而来并完成对矢量点的渲染形成二值化图。
再进一步的说，本发明所述的步骤4)中，对GPU进行网栅划分的方法是：把待检测二值化图和标准图都划分成m行n列，且每个网栅大小都是等同的，GPU的每个核心负责处理自己网格的图像数据，划分后的每个网格，网格大小就是缺陷的分辨率，缺陷分辨率越大，网格也越大。
再进一步的说，本发明所述的步骤5)中，根据设定的缺陷阈值进行运算，若超过阈值，则标识为缺陷；若没有超过阈值，则进行模板八邻域网栅数据处理。
再进一步的说，本发明所述的模板八邻域网栅数据处理为：将没有超过阈值的网栅的位置映射到标准图的位置，然后访问标准图对应位置的八邻域网栅数据，进行数据计算并进行判断是否都为空；若是，则认为是多余数据，将其标识为缺陷。
本发明的有益效果是：不仅能够提高缺陷检测的效率，有效减低误检，漏检率，并有效地提高掩膜和晶圆的良品率；而且还支持划痕、颗粒与关键尺寸的缺陷率分离，划痕和颗粒可以支持的更小。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是传统两张图样的绝对差计算示意图；
图2是两张真实的掩膜版检测图与设计标准图之间的绝对差计算图；
图3是对绝对差值图进行GPU网格化示意图；
图4是缺陷检测结果图。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
一种基于GPU的掩膜版和晶圆缺陷检测方法，具有以下步骤：
步骤1，提供的图片均是二值化图，首先需要对检测图做阈值分割，然后把其二值化；标准图一般是由GDS转换而来，要完成对矢量点的渲染形成二值化图；
步骤2，GPU本身是一个强大的多核计算卡，非常适合矩阵运算，为了适合快速运算，输入数据时，需要一批输入多张图像数据，这样才能有效利用GPU的特点；
步骤3，GPU内部把这两类图形进行相减运算，如图1和2所示，求出绝对差值，得到的值只有0和1；
步骤4，本步骤是整个流程的关键处之一，对GPU进行网栅划分，把一张待检测二值化图和标准图都划分成m行n列，且每个网栅大小都是等同的，那么届时GPU的每个核心负责处理自己网格的图像数据，如图3所示，划分后的每个网格(图3中的虚线方格)，网格大小就是缺陷的分辨率，缺陷分辨率越大，网格也自然越大；
步骤5，每个网格负责自己区域的像素，根据设定的缺陷阈值进行运算，如果超过阈值，则置为1，标识为缺陷；
步骤6,本步骤也是整个流程的核心点，就是访问“模板八邻域网栅数据”；为了能检测出更小的岛，洞等类型的缺陷，针对没有超过阈值的网栅进行额外处理，其网栅的位置要映射到标准图(图2中的设计标准图)的位置，然后访问标准图对应位置的八邻域网栅数据，进行数据计算，如果都为空，则认为是“岛或洞”类型的极小数据，针对这种多图(岛)，少图(洞)的缺陷分辨率可以设置的很低，能达到显微镜物镜的分辨率大小，针对图形的断裂和划痕同样适用；由于工艺问题，针对图形的关键尺寸检测要求与前者相比，是要宽松一些的，往往缺陷分辨率要设置的大一些，比如CD线宽，位置偏移的缺陷分辨率要比前者要大一些，这样可保证两种大类型的缺陷分辨率可以设置不同，其也完全符合半导体行业检测的实际运用要求，所以整个网栅更像一把智能筛子，可以把大缺陷检测出来，也可以把小于筛孔的缺陷检测出来；
每个网格设置的缺陷点合成缺陷位置图，然后回传计算机继续运算，把缺陷坐标位置、类型等标识到检测原始图中，如图4所示，这样便于检测人员进行确认、修复。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离本发明的实质和范围。

Claims (1)

1.一种基于GPU的掩膜版和晶圆缺陷检测方法，其特征在于包括以下步骤：
1)提供已经经过二值化的检测图和标准图；
2)通过计算机把检测图以及标准图的图像数据输入到GPU中；
3)在GPU中对两类图像数据进行绝对差运算；
4)根据缺陷分辨率，对GPU进行网栅划分；GPU每个核心负责处理自己网格的图像数据；
5)根据设定的缺陷阈值进行运算以及缺陷判断；
6)每个网格设置的缺陷点合成缺陷位置图，然后回传计算机继续运算，把缺陷坐标位置、类型标识到检测原始图中；
所述的步骤1)中，检测图先做阈值分割然后再进行二值化；标准图由GDS转换而来并完成对矢量点的渲染形成二值化图；
所述的步骤4)中，对GPU进行网栅划分的方法是：把待检测二值化图和标准图都划分成m行n列，且每个网栅大小都是等同的，GPU的每个核心负责处理自己网格的图像数据，划分后的每个网格，网格大小就是缺陷的分辨率，缺陷分辨率越大，网格也越大；
所述的步骤5)中，根据设定的缺陷阈值进行运算，若超过阈值，则标识为缺陷；若没有超过阈值，则进行模板八邻域网栅数据处理；
所述的模板八邻域网栅数据处理为：将没有超过阈值的网栅的位置映射到标准图的位置，然后访问标准图对应位置的八邻域网栅数据，进行数据计算并进行判断是否都为空；若是，则认为是多余数据，将其标识为缺陷。
CN201610530681.1A 2016-07-06 2016-07-06 基于gpu的掩膜版和晶圆缺陷检测方法 Active CN106169431B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610530681.1A CN106169431B (zh) 2016-07-06 2016-07-06 基于gpu的掩膜版和晶圆缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610530681.1A CN106169431B (zh) 2016-07-06 2016-07-06 基于gpu的掩膜版和晶圆缺陷检测方法

Publications (2)

Publication Number Publication Date
CN106169431A CN106169431A (zh) 2016-11-30
CN106169431B true CN106169431B (zh) 2019-03-26

Family

ID=58066071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610530681.1A Active CN106169431B (zh) 2016-07-06 2016-07-06 基于gpu的掩膜版和晶圆缺陷检测方法

Country Status (1)

Country Link
CN (1) CN106169431B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107248151B (zh) * 2017-04-20 2020-12-22 深圳市智能机器人研究院 一种基于机器视觉的液晶片智能检测方法及系统
CN108037142B (zh) * 2017-12-04 2021-01-19 江苏维普光电科技有限公司 基于图像灰度值的掩膜版光学缺陷检测方法
CN109375476A (zh) * 2018-11-26 2019-02-22 合肥芯碁微电子装备有限公司 一种光刻设备曝光一致性的标定补偿方法及系统
CN117170181B (zh) * 2023-11-01 2024-01-26 合肥晶合集成电路股份有限公司 掩膜版清洁方法、装置和计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452201A (zh) * 2007-11-30 2009-06-10 上海华虹Nec电子有限公司 检测掩膜版的方法
CN101738400A (zh) * 2008-11-14 2010-06-16 中芯国际集成电路制造(上海)有限公司 判断晶圆表面重复缺陷的方法及装置
CN102053093A (zh) * 2010-11-08 2011-05-11 北京大学深圳研究生院 一种晶圆表面切割芯片的表面缺陷检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452201A (zh) * 2007-11-30 2009-06-10 上海华虹Nec电子有限公司 检测掩膜版的方法
CN101738400A (zh) * 2008-11-14 2010-06-16 中芯国际集成电路制造(上海)有限公司 判断晶圆表面重复缺陷的方法及装置
CN102053093A (zh) * 2010-11-08 2011-05-11 北京大学深圳研究生院 一种晶圆表面切割芯片的表面缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于GPU的金属工件表面缺陷检测算法的研究;蒋财运 等;《计算机应用与软件》;20150331;第32卷(第3期);第271-273页
基于图像处理的印刷品缺陷检测技术研究;刘海娟;《中国优秀硕士学位论文全文数据库》;20140430(第4期);第31页

Also Published As

Publication number Publication date
CN106169431A (zh) 2016-11-30

Similar Documents

Publication Publication Date Title
CN106169431B (zh) 基于gpu的掩膜版和晶圆缺陷检测方法
JP6598162B2 (ja) 線形クラスタリングに基づくマルチタイプのｂｇａチップの視覚識別方法
CN109978839B (zh) 晶圆低纹理缺陷的检测方法
TWI480967B (zh) 缺陷分類法則建立方法、缺陷分類方法與基於該缺陷分類法則與關鍵區域分析的致命缺陷判斷方法
JP6078234B2 (ja) 荷電粒子線装置
JP2013257304A5 (zh)
TWI641960B (zh) 設計佈局的失效風險的智慧型預診斷系統及方法
JP5202110B2 (ja) パターン形状評価方法，パターン形状評価装置，パターン形状評価データ生成装置およびそれを用いた半導体形状評価システム
JP2007121147A (ja) パターンマッチング装置およびそれを用いた半導体検査システム
JP2009211626A (ja) 画像処理装置及び方法
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
US20110264404A1 (en) Identification method of data point distribution area on coordinate plane and recording medium
JP2019004115A (ja) 設計データを用いた欠陥可視化方法及び欠陥検出方法
WO2014103617A1 (ja) 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム
JP5389456B2 (ja) 欠陥検査装置および欠陥検査方法
CN111539955A (zh) 一种缺陷检测方法
JP5684550B2 (ja) パターンマッチング装置およびそれを用いた半導体検査システム
CN115690104A (zh) 一种晶圆裂缝检测方法、装置及存储介质
US10663407B2 (en) Method of examining locations in a wafer with adjustable navigation accuracy and system thereof
Mansoory et al. Edge defect detection in ceramic tile based on boundary analysis using fuzzy thresholding and radon transform
US20180300872A1 (en) Method And Apparatus For Integrated Circuit Pattern Inspection With Automatically Set Inspection Areas
JPS63193282A (ja) 輪郭線抽出方式
Li et al. Improvement of FLIP CHIP detection and localization based on traditional image algorithm
JP6345937B2 (ja) パターン形状検査装置及びパターン形状検査方法
KR20230112520A (ko) 결함 검출 시스템 및 결함 검출 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant