CN108831844A - 检测晶圆缺陷的方法和系统 - Google Patents

Abstract

本发明提供了一种检测晶圆缺陷的方法，其特征在于，包括以下步骤：获取待检测晶圆的至少一部分的红外热成像图；根据所述红外热成像图，识别所述待检测晶圆的缺陷。本发明提供了一种检测晶圆缺陷的方法和装置，通过获取待检测晶圆的红外热成像图，将待检测晶圆的能量信息转化为图像信息，识别待检测晶圆的缺陷，克服了人工目检的随机性，也无需昂贵的扫描机，提高了晶圆缺陷检测的准确性，降低了成本。

Description

检测晶圆缺陷的方法和系统

技术领域

本发明主要涉及半导体制造领域，尤其涉及一种检测晶圆缺陷的方法和系统。

背景技术

在半导体晶圆制造过程中，晶圆背面作为与生产测量机台的物理接触面会产生许多诸如刮伤、局部腐蚀的缺陷。这些缺陷会造成晶圆在后续制程与机台接触不良或晶圆破裂。

目前通常采用晶背缺陷扫描机台对晶圆背面缺陷进行检测或是拍照后以人工目检的方式进行缺陷检验。采用晶背缺陷扫描机台进行缺陷检测存在两个问题：第一，晶背缺陷扫描机台价格昂贵；第二，晶背缺陷扫描机台检测晶圆时间较长，导致产能受限。采用人工目检方式进行检验受人为因素影响很大，且由于拍照距离方位等都不固定，照片上的晶背缺陷的尺寸和位置等信息无法被准确测量。

发明内容

本发明要解决的技术问题是提供检测晶圆缺陷的方法和系统，可以快速、准确和低成本地检测晶圆缺陷。

为解决上述技术问题，本发明提供了一种检测晶圆缺陷的方法，其特征在于，包括以下步骤：

获取待检测晶圆的至少一部分的红外热成像图；

根据所述红外热成像图，识别所述待检测晶圆的缺陷。

在本发明的一实施例中，获取所述待检测晶圆的背面的至少一部分的红外热成像图。

在本发明的一实施例中，所述探测器适于检测所述待检测晶圆主动散发的红外线。

在本发明的一实施例中，根据所述红外热成像图，识别所述待检测晶圆的缺陷的方法包括图像识别算法。

在本发明的一实施例中，在识别所述待检测晶圆的缺陷后，还包括：

确定所述缺陷在所述待检测晶圆中的位置。

在本发明的一实施例中，确定所述缺陷在所述待检测晶圆中的位置的步骤包括：

在所述待检测晶圆中确定第一参考点；

在所述红外热成像图中确定与所述第一参考点对应的第二参考点；

确定所述缺陷在所述红外热成像图中相对于所述第二参考点的位置；

根据所述红外热成像图与所述待检测晶圆的对应部分的实际尺寸的比例，确定所述缺陷在所述待检测晶圆中相对于所述第一参考点的位置。

在本发明的一实施例中，还包括根据所述缺陷在所述待检测晶圆中的位置形成缺陷分布图。

在本发明的一实施例中，还包括如下步骤：

将所述红外热成像图调整到与所述待检测晶圆的对应部分一致的尺寸；

在所述待检测晶圆中确定第一参考点；

在所述红外热成像图中确定与所述第一参考点对应的第二参考点；

确定所述缺陷在所述红外热成像图中相对于所述第二参考点的位置；

根据所述缺陷在所述待检测晶圆中相对于所述第一参考点的位置与所述缺陷在所述红外热成像图中相对于所述第二参考点的位置相同，确定所述缺陷在所述待检测晶圆中的位置。

本发明还提供一种检测晶圆缺陷的装置，其特征在于，包括：

图像获取模块，用于获取待检测晶圆的至少一部分的红外热成像图；

图像处理模块，用于根据所述红外热成像图，识别所述待检测晶圆的缺陷。

在本发明的一实施例中，所述图像获取模块用于获取所述待检测晶圆的背面的至少一部分的红外热成像图。

在本发明的一实施例中，所述图像获取模块包括红外探测器，所述红外探测器用于检测由所述待检测晶圆的至少一部分发出的红外线。

在本发明的一实施例中，所述图像处理模块用于根据所述红外热成像图，利用图像识别算法识别所述待检测晶圆的缺陷。

在本发明的一实施例中，还包括：定位模块，用于在识别所述待检测晶圆的缺陷后，确定所述缺陷在所述待检测晶圆中的位置。

在本发明的一实施例中，所述定位模块进一步包括：

第一定位模块，用于确定所述缺陷在所述红外热成像图中相对于第二参考点的位置；

第二定位模块，用于根据所述红外热成像图与所述待检测晶圆的对应部分的实际尺寸的比例，确定所述缺陷在所述待检测晶圆中相对于第一参考点的位置；

其中，所述第一参考点在所述待检测晶圆中，所述第二参考点在所述红外热成像图中与所述第一参考点对应的位置。

在本发明的一实施例中，还包括图形模块，用于根据所述缺陷在所述待检测晶圆中的位置形成缺陷分布图。

在本发明的一实施例中，所述图像处理模块还用于将所述红外热成像图调整到与所述待检测晶圆的对应部分一致的尺寸；

所述定位模块进一步包括：

第一定位模块，用于确定所述缺陷在所述红外热成像图中相对于第二参考点的位置；

第二定位模块，用于根据所述缺陷在所述待检测晶圆中相对于所述第一参考点的位置与所述缺陷在所述红外热成像图中相对于所述第二参考点的位置相同，确定所述缺陷在所述待检测晶圆中的位置；

其中，所述第一参考点在所述待检测晶圆中，所述第二参考点在所述红外热成像图中与所述第一参考点对应的位置。

与现有技术相比，本发明具有以下优点：本发明提供了一种检测晶圆缺陷的方法和装置，通过获取待检测晶圆的红外热成像图，将待检测晶圆的能量信息转化为图像信息，识别待检测晶圆的缺陷，克服了人工目检的随机性，也无需昂贵的扫描机，提高了晶圆缺陷检测的准确性，降低了成本。

附图说明

图1是根据本发明一实施例的一种检测晶圆缺陷的方法的流程图。

图2是根据本发明一实施例获取的待检测晶圆的红外热成像图。

图3是根据本发明一实施例的确定缺陷在待检测晶圆中的位置的方法的流程图。

图4是根据本发明一实施例的方法确定缺陷在待检测晶圆中的位置的示意图。

图5是根据本发明另一实施例的确定缺陷在待检测晶圆中的位置的方法的流程图。

图6是根据本发明另一实施例的方法确定缺陷在待检测晶圆中的位置的示意图。

图7是根据本发明另一实施例的一种检测晶圆缺陷的装置的示意图。

具体实施方式

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

为了方便描述，此处可能使用诸如“之下”、“下方”、“低于”、“下面”、“上方”、“上”等等的空间关系词语来描述附图中所示的一个元件或特征与其他元件或特征的关系。将理解到，这些空间关系词语意图包含使用中或操作中的器件的、除了附图中描绘的方向之外的其他方向。例如，如果翻转附图中的器件，则被描述为在其他元件或特征“下方”或“之下”或“下面”的元件的方向将改为在所述其他元件或特征的“上方”。因而，示例性的词语“下方”和“下面”能够包含上和下两个方向。器件也可能具有其他朝向(旋转90度或处于其他方向)，因此应相应地解释此处使用的空间关系描述词。此外，还将理解，当一层被称为在两层“之间”时，它可以是所述两层之间仅有的层，或者也可以存在一个或多个介于其间的层。

红外热成像技术可以通过非接触探测红外热量并将其转换成热图像和温度值。对于晶圆而言，其基本组成为单晶硅，一旦晶圆因机械力、应力、化学腐蚀、电荷击穿等原因产生缺陷，缺陷所在的区域会具有与单晶硅不同的能量与热量，这种热量的差别虽然无法通过人工识别，但是可以被对热量差异极度敏感的红外探测装置精确的识别并快速的转换为图像信号，通过分析图像信号可以获得晶圆的缺陷信息。

检测晶圆缺陷的方法

图1是根据本发明一实施例的一种检测晶圆缺陷的方法的流程图。如图1所示，检测晶圆缺陷的方法包括：

步骤110，获取待检测晶圆的至少一部分的红外热成像图。

在该步骤中，采用红外探测器获取待检测晶圆的至少一部分的红外热成像图。探测器适于检测待检测晶圆主动散发的红外线。红外探测器可以待检测晶圆的背面的至少一部分的红外热成像图，将晶圆的热量信息转换成图像信息。在半导体工艺中，晶圆的正面是指晶圆的用于形成器件结构的面，晶圆的背面指的是与晶圆的正面相对的面。

图2示出了根据本发明一实施例的获取的待检测晶圆的红外热成像图。如图2所示，在该热成像图中，晶圆200的热量信息被转换成了图像信息。晶圆200中具有不同热量的区域在热成像图中展现了不同的图像信息。

步骤120，根据红外热成像图识别待检测晶圆的缺陷。

在该步骤中，获取红外热成像图之后，根据红外热成像图识别待检测晶圆的缺陷。

获取红外热成像图之后，可以对图像进行预处理，以便于实施后续步骤。对红外热成像图的预处理可以是图像增强，以提高图像整体和局部的对比度，突出图像的细节信息。图像增强的算法可以是直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法等。这些算法都是常用的算法，此次不再赘述。可以理解，可以不对步骤110获取的红外热成像图进行预处理，直接识别获取的红外热成像图。

识别待检测晶圆的缺陷的方法可以是图像识别算法(Image RecognitionAlgorithm)。图像识别算法可以将获取的图像转换为像素矩阵，通过像素矩阵来提取和识别特征。像素包括位置信息和色彩信息，可以通过分析位置信息和色彩信息来进行图像识别。在图像处理领域，通常将彩色图像转化为灰度图像以降低数据量简化计算，因此色彩信息可以简化为灰度信息。例如，可以比较任意相邻两个像素的灰度信息，如果相邻两个像素的灰度值之差小于阈值，则认为这两个相邻的像素具有相同的特征；如果相邻两个像素的灰度值之差大于阈值，则认为这两个相邻的像素具有不同的特征。阈值可以根据实际需要进行设置，例如特征区域与其它区域相差较小时，可以设置较小的阈值，特征区域与其它区域相差较大时，可以设置较大的阈值。比较所有相邻的像素之后，可以获得特征区域的边缘信息。

对于待检测晶圆的红外热成像图，缺陷所在的区域会具有与单晶硅不同的能量与热量，这些不同的能量和热量被转换为图像信息。例如，缺陷区域具有与单晶硅区域不同的灰度值。

参考图2所示的晶圆200的红外热成像图，比较晶圆200的红外热成像图中任意相邻两个像素的灰度信息，如果相邻两个像素的灰度值之差小于阈值，则认为这两个相邻的像素具有相同的特征；如果相邻两个像素的灰度值之差大于阈值，则认为这两个相邻的像素具有不同的特征。阈值可以根据实际需要进行设置，例如缺陷区域与单晶硅区域相差较小时，可以设置较小的阈值，缺陷区域与单晶硅区域相差较大时，可以设置较大的阈值。比较所有相邻的像素之后，可以获得缺陷区域的边缘信息。如图2所示，通过图像识别算法可以识别出晶圆200的缺陷区域202，晶圆200中缺陷区域202之外的区域为单晶硅区域。

步骤130，确定缺陷在待检测晶圆中的位置。

在该步骤中，识别出晶圆中的缺陷之后，可以通过确定缺陷在待检测晶圆中的位置以实现对缺陷的定位。缺陷可能位于晶圆的边缘，也可能位于晶圆的内部，通过定位可以量化缺陷的具体位置，提高定位的准确性。确定缺陷在待检测晶圆中的位置的方法将在下文详述。

步骤140，根据缺陷在待检测晶圆中的位置形成缺陷分布图。

在该步骤中，确定缺陷在待检测晶圆中的位置，根据缺陷在待检测晶圆中的位置形成缺陷分布图。如果待检测晶圆中包括多个分离的缺陷，这些多个分离的缺陷的位置形成了缺陷分布图。生成的缺陷分布图可以导出分析，便于后续制程。

在此使用了流程图用来说明根据本申请的实施例的方法所执行的操作。应当理解的是，前面的操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。例如，对本申请而言，步骤130和140并非必须，因而可以省略，或者替换为其他步骤。

本发明的该实施例提供了一种检测晶圆缺陷的方法，通过获取待检测晶圆的红外热成像图，将待检测晶圆的能量信息转化为图像信息，识别待检测晶圆的缺陷，克服了人工目检的随机性，也无需昂贵的扫描机，提高了晶圆缺陷检测的准确性，降低了成本。

确定缺陷在待检测晶圆中的位置

仅作为示例，下面介绍确定缺陷在待检测晶圆中的位置的方法。

图3示出了根据本发明一实施例的确定缺陷在待检测晶圆中的位置的方法的流程图。图4示出了根据本发明一实施例的方法确定缺陷在待检测晶圆中的位置的示意图。下面参考图3-4描述确定缺陷在待检测晶圆中的位置的方法。该实施例中确定缺陷在待检测晶圆中的位置的方法包括：

步骤1311，在待检测晶圆中确定第一参考点。

在该步骤中，在待检测晶圆中确定第一参考点。第一参考点可以是晶圆的圆心，也可以是晶圆中圆心之外的其它点。为了简化计算，通常使用晶圆的圆心作为第一参考点。

在图4所示的确定缺陷在待检测晶圆中的位置的示意图中，晶圆410的第一参考点为晶圆410的圆心A，晶圆410具有直径R1，通过圆心A和直径R1可以描述晶圆410。

步骤1312，在红外热成像图中确定与第一参考点对应的第二参考点。

在该步骤中，在红外热成像图中确定与第一参考点对应的第二参考点。当红外热成像图接近规则的圆形时，第二参考点可以是红外热成像图的圆心。当红外热成像图是不规则的图形时，第二参考点可以是红外热成像图的近似圆形的圆心，或者是红外热成像图的重心。

在图4所示的确定缺陷在待检测晶圆中的位置的示意图中，红外热成像图420接近规则圆形，选取该圆形的圆心B作为第二参考点。图4中示出第二参考点B与第一参考点A重合，可以理解，第二参考点B与第一参考点A也可以不重合。红外热成像图420具有直径R2，通过圆心B和直径R2可以描述红外热成像图。图4中示出晶圆的直径R1大于红外热成像图的直径R2，即红外热成像图相当于晶圆的实际尺寸是缩小的，可以理解，晶圆的直径R1也可以小于红外热成像图的直径R2，即红外热成像图相当于晶圆的实际尺寸是放大的。

步骤1313，确定缺陷在红外热成像图中相对于第二参考点的位置。

在该步骤中，确定缺陷在红外热成像图中相对于第二参考点的位置。缺陷在红外热成像图中相对于第二参考点的位置可以通过直角坐标或者极坐标来描述。直角坐标包括缺陷的横坐标和纵坐标。极坐标包括缺陷的距离和角度。可以确定缺陷的边缘相对于第二参考点的位置，也可以确定缺陷内部的特定点相对于第二参考点的位置，特定点与缺陷的边缘形成映射关系，可以反映出缺陷边缘的分布，例如特定点可以是缺陷的边缘形成的图形的重心。为了简化计算，可以使用特定点来描述缺陷区域的位置。

在图4所示的确定缺陷在待检测晶圆中的位置的示意图中，缺陷430具有边缘，可以确定缺陷430的边缘相对于第二参考点B的位置，也可以确定缺陷430内部的特定点相对于第二参考点B的位置，特定点与缺陷430的边缘形成映射关系，可以反映出缺陷430边缘的分布，例如特定点可以是缺陷430的边缘形成的图形的重心。为了简化计算，可以使用特定点来描述缺陷430区域的位置。例如，使用重心的直角坐标(x,y)或极坐标(r,θ)来描述缺陷的位置。

步骤1314，确定缺陷在待检测晶圆中相对于第一参考点的位置。

在该步骤中，根据红外热成像图与待检测晶圆的对应部分的实际尺寸的比例，确定缺陷在待检测晶圆中相对于第一参考点的位置。例如，可以根据红外热成像图与待检测晶圆的对应部分的直径来确定缺陷在待检测晶圆中相对于第一参考点的位置。

在图4所示的确定缺陷在待检测晶圆中的位置的示意图中，待检测晶圆410的直径为R1，红外热成像图420的直径为R2，待检测晶圆410与红外热成像图420的比例K＝R1/R2，缺陷在红外热成像图中相对于第二参考点的位置例如是(x,y)，则缺陷在晶圆中相对于第一参考点位置是K*(x,y)，得到了缺陷在待检测晶圆中的位置。

图5示出了根据本发明另一实施例的确定缺陷在待检测晶圆中的位置的方法的流程图。图6示出了根据本发明另一实施例的方法确定缺陷在待检测晶圆中的位置的示意图。该实施例与上一实施例的区别在于先将红外热成像图调整到与待检测晶圆的对应部分一致的尺寸，无需复杂的坐标换算，简化了计算。下面参考图5-6描述确定缺陷在待检测晶圆中的位置的方法。该实施例中确定缺陷在待检测晶圆中的位置的方法包括：

步骤1321，将红外热成像图调整到与待检测晶圆的对应部分一致的尺寸。

在该步骤中，将红外热成像图调整到与待检测晶圆的对应部分一致的尺寸。通过将红外热成像图调整到与待检测晶圆的对应部分一致的尺寸，无需复杂的坐标换算，可以简化计算。获取红外热成像图的过程中可能受到噪声的干扰，红外热成像图并不一定是规则的圆形，可以将红外热成像图中规则的部分与待检测晶圆中的对应部分匹配，并将两者的尺寸调整为相同。为了简化说明，下文中红外热成像图都是规则的圆形图形。

在图6所示的确定缺陷在待检测晶圆中的位置的示意图中，晶圆510具有直径R1，红外热成像图具有直径R2，将红外热成像图的直径R2调整为待检测晶圆510的直径R1一致，即R2＝R1。

步骤1322，在待检测晶圆中确定第一参考点。

在该步骤中，在待检测晶圆中确定第一参考点。第一参考点可以是待检测晶圆的圆心，也可以是待检测晶圆中圆心之外的其它点。为了简化计算，通常使用待检测晶圆的圆心作为第一参考点。

在图6所示的确定缺陷在待检测晶圆中的位置的示意图中，晶圆510的第一参考点为晶圆510的圆心A，晶圆510具有直径R1，通过圆心A和直径R1可以描述晶圆510。

步骤1323，在红外热成像图中确定与第一参考点对应的第二参考点。

在该步骤中，在红外热成像图中确定与第一参考点对应的第二参考点。当红外热成像图接近规则的圆形时，第二参考点可以是红外热成像图的圆心。当红外热成像图是不规则的图形时，第二参考点可以是红外热成像图的近似圆形的圆心，或者是红外热成像图的重心。

在图6所示的确定缺陷在待检测晶圆中的位置的示意图中，红外热成像图520接近规则圆形，选取该圆形的圆心B作为第二参考点。为了便于后续计算，第二参考点B与第一参考点A重合。红外热成像图520具有直径R2，通过圆心B和直径R2可以描述红外热成像图。图6中示出晶圆的直径R1大于红外热成像图的直径R2，即红外热成像图相当于晶圆的实际尺寸是缩小的，可以理解，晶圆的直径R1也可以小于红外热成像图的直径R2，即红外热成像图相当于晶圆的实际尺寸是放大的。

步骤1324，确定缺陷在待检测晶圆中的位置。

在该步骤中，根据缺陷在待检测晶圆中相对于第一参考点的位置与缺陷在红外热成像图中相对于第二参考点的位置相同，确定缺陷在待检测晶圆中相对于第一参考点的位置。

缺陷的位置可以通过直角坐标或者极坐标来描述。直角坐标包括缺陷的横坐标和纵坐标。极坐标包括缺陷的距离和角度。可以确定缺陷的边缘相对于第二参考点的位置，也可以确定缺陷内部的特定点相对于第二参考点的位置，特定点与缺陷的边缘形成映射关系，可以反映出缺陷边缘的分布，例如特定点可以是缺陷的边缘形成的图形的重心。为了简化计算，可以使用特定点来描述缺陷区域的位置。

在图6所示的确定缺陷在待检测晶圆中的位置的示意图中，待检测晶圆510的直径为R1，红外热成像图520的直径为R2，待检测晶圆510的直径与红外热成像图520的直径相同，缺陷在红外热成像图中相对于第二参考点的位置例如是(x,y)，则缺陷在晶圆中相对于第一参考点位置也是(x,y)，得到了缺陷在待检测晶圆中的位置。

检测晶圆缺陷的装置

图7示出了本发明的一实施例的一种检测晶圆缺陷的装置700。如图7所示，该装置700包括晶圆701、图像获取模块702、图像处理模块703。

晶圆701为待检测的对象，其基本组成为单晶硅，一旦晶圆因机械力、应力、化学腐蚀、电荷击穿等原因产生缺陷，缺陷所在的区域会具有与单晶硅不同的能量与热量，这种热量的差别虽然无法通过人工识别，但是可以被对热量差异极度敏感的红外探测装置精确的识别并快速的转换为图像信号，通过分析图像信号可以获得晶圆的缺陷信息。

图像获取模块702用于获取待检测晶圆701的至少一部分的红外热成像图。图像获取模块702可以包括红外探测器，用于检测由待检测晶圆701的至少一部分发出的红外线。探测器适于检测待检测晶圆主动散发的红外线。红外探测器可以待检测晶圆701的背面的至少一部分的红外热成像图，将晶圆的热量信息转换成图像信息。在半导体工艺中，晶圆的正面是指晶圆的用于形成器件结构的面，晶圆的背面指的是与晶圆的正面相对的面。

图像处理模块703用于根据图像获取模块701生成的红外热成像图，识别待检测晶圆701的缺陷。图像处理模块703可以对图像进行预处理，以便于实施后续步骤。对红外热成像图的预处理可以是图像增强，以提高图像整体和局部的对比度，突出图像的细节信息。图像增强的算法可以是直方图均衡图像增强算法、小波变换图像增强算法、偏微分方程图像增强算法和基于Retinex理论的图像增强算法等。这些算法都是常用的算法，此次不再赘述。可以理解，图像处理模块703也可以不对获取的红外热成像图进行预处理，直接对获取的红外热成像图进行识别。

图像处理模块703识别待检测晶圆701的缺陷的方法可以是图像识别算法。图像识别算法可以将获取的图像转换为像素矩阵，通过像素矩阵来提取和识别特征。比较红外热成像图中任意相邻两个像素的灰度信息，如果相邻两个像素的灰度值之差小于阈值，则认为这两个相邻的像素具有相同的特征；如果相邻两个像素的灰度值之差大于阈值，则认为这两个相邻的像素具有不同的特征。阈值可以根据实际需要进行设置，例如缺陷区域与单晶硅区域相差较小时，可以设置较小的阈值，缺陷区域与单晶硅区域相差较大时，可以设置较大的阈值。比较所有相邻的像素之后，可以获得缺陷区域的边缘信息。

在一些实施例中，装置700还可以包括定位模块704，用于在图像处理模块703识别待检测晶圆701的缺陷后，确定缺陷在待检测晶圆701中的位置。

定位模块704可以包括第一定位模块7041和第二定位模块7042。第一定位模块7041用于确定缺陷在红外热成像图中相对于第二参考点的位置。第二定位模块7042用于根据红外热成像图与待检测晶圆701的对应部分的实际尺寸的比例，确定缺陷在待检测晶圆701中相对于第一参考点的位置，或者用于根据缺陷在待检测晶圆701中相对于第一参考点的位置与缺陷在红外热成像图中相对于第二参考点的位置相同，确定缺陷在待检测晶圆701中的位置。第一参考点在待检测晶圆701中，第二参考点在红外热成像图中与第一参考点对应的位置。第一定位模块7041和第二定位模块7042的实现过程参见上文“确定缺陷在待检测晶圆中的位置”部分，此次不再赘述。

在一些实施例中，装置700还可以包括图像模块705，用于根据缺陷在待检测晶圆701中的位置形成缺陷分布图。如果待检测晶圆701中包括多个分离的缺陷，这些多个分离的缺陷的位置形成了缺陷分布图。生成的缺陷分布图可以导出分析，便于后续制程。

本发明的该实施例提供了一种检测晶圆缺陷的装置，通过获取待检测晶圆的红外热成像图，将待检测晶圆的能量信息转化为图像信息，识别待检测晶圆的缺陷，克服了人工目检的随机性，也无需昂贵的扫描机，提高了晶圆缺陷检测的准确性，降低了成本。

虽然本发明已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，在没有脱离本发明精神的情况下还可作出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims (16)

1.一种检测晶圆缺陷的方法，其特征在于，包括以下步骤：

获取待检测晶圆的至少一部分的红外热成像图；

根据所述红外热成像图，识别所述待检测晶圆的缺陷。

2.根据权利要求1所述的方法，其特征在于，获取所述待检测晶圆的背面的至少一部分的红外热成像图。

3.根据权利要求1所述的方法，其特征在于，所述探测器适于检测所述待检测晶圆主动散发的红外线。

4.根据权利要求1所述的方法，其特征在于，根据所述红外热成像图，识别所述待检测晶圆的缺陷的方法包括图像识别算法。

5.根据权利要求1所述的方法，其特征在于，在识别所述待检测晶圆的缺陷后，还包括：

确定所述缺陷在所述待检测晶圆中的位置。

6.根据权利要求5所述的方法，其特征在于，确定所述缺陷在所述待检测晶圆中的位置的步骤包括：

在所述待检测晶圆中确定第一参考点；

在所述红外热成像图中确定与所述第一参考点对应的第二参考点；

确定所述缺陷在所述红外热成像图中相对于所述第二参考点的位置；

根据所述红外热成像图与所述待检测晶圆的对应部分的实际尺寸的比例，确定所述缺陷在所述待检测晶圆中相对于所述第一参考点的位置。

7.根据权利要求6所述的方法，其特征在于，还包括根据所述缺陷在所述待检测晶圆中的位置形成缺陷分布图。

8.根据权利要求1所述的方法，其特征在于，还包括如下步骤：

将所述红外热成像图调整到与所述待检测晶圆的对应部分一致的尺寸；

在所述待检测晶圆中确定第一参考点；

在所述红外热成像图中确定与所述第一参考点对应的第二参考点；

确定所述缺陷在所述红外热成像图中相对于所述第二参考点的位置；

根据所述缺陷在所述待检测晶圆中相对于所述第一参考点的位置与所述缺陷在所述红外热成像图中相对于所述第二参考点的位置相同，确定所述缺陷在所述待检测晶圆中的位置。

9.一种检测晶圆缺陷的装置，其特征在于，包括：

图像获取模块，用于获取待检测晶圆的至少一部分的红外热成像图；

图像处理模块，用于根据所述红外热成像图，识别所述待检测晶圆的缺陷。

10.根据权利要求9所述的装置，其特征在于，所述图像获取模块用于获取所述待检测晶圆的背面的至少一部分的红外热成像图。

11.根据权利要求9所述的装置，其特征在于，所述图像获取模块包括红外探测器，所述红外探测器用于检测由所述待检测晶圆的至少一部分发出的红外线。

12.根据权利要求9所述的装置，其特征在于，所述图像处理模块用于根据所述红外热成像图，利用图像识别算法识别所述待检测晶圆的缺陷。

13.根据权利要求9所述的装置，其特征在于，还包括：定位模块，用于在识别所述待检测晶圆的缺陷后，确定所述缺陷在所述待检测晶圆中的位置。

14.根据权利要求13所述的装置，其特征在于，所述定位模块进一步包括：

第一定位模块，用于确定所述缺陷在所述红外热成像图中相对于第二参考点的位置；

第二定位模块，用于根据所述红外热成像图与所述待检测晶圆的对应部分的实际尺寸的比例，确定所述缺陷在所述待检测晶圆中相对于第一参考点的位置；

其中，所述第一参考点在所述待检测晶圆中，所述第二参考点在所述红外热成像图中与所述第一参考点对应的位置。

15.根据权利要求14所述的装置，其特征在于，还包括图形模块，用于根据所述缺陷在所述待检测晶圆中的位置形成缺陷分布图。

16.根据权利要求13所述的装置，其特征在于，所述图像处理模块还用于将所述红外热成像图调整到与所述待检测晶圆的对应部分一致的尺寸；

所述定位模块进一步包括：

第一定位模块，用于确定所述缺陷在所述红外热成像图中相对于第二参考点的位置；

第二定位模块，用于根据所述缺陷在所述待检测晶圆中相对于所述第一参考点的位置与所述缺陷在所述红外热成像图中相对于所述第二参考点的位置相同，确定所述缺陷在所述待检测晶圆中的位置；

其中，所述第一参考点在所述待检测晶圆中，所述第二参考点在所述红外热成像图中与所述第一参考点对应的位置。