CN110767564A - 一种晶圆检测方法 - Google Patents

Abstract

本发明提供一种晶圆检测方法，涉及电气元件检测技术领域。该晶圆检测方法，包括以下步骤：S1.对晶圆的表面进行区域划分，将晶圆的表面划分为多个单独的检测区域；S2.对采集的晶圆图像进行特征提取，其中特征提取包括提取特征区域与特征区域的处理以及变换；S3.对采集的晶圆图像进行缺陷识别与检测；S4.导出晶圆图像进行缺陷识别与检测结果，将此结果与人工检测结果做对比；S5.选取样本数量中的1％进行人工检测，判断问题区域是否正确。通过对晶圆图像进行特征提取、算法检测以及人工纠正，使得晶圆检测方法得到了明显的优化，使得晶圆在检测过程中比较方便，检测效率得到了提高，同时检测的准确率也进一步的得到了提高。

Description

一种晶圆检测方法

技术领域

本发明涉及电气元件检测技术领域，具体为一种晶圆检测方法。

背景技术

晶圆的原始材料是硅，而地壳表面有用之不竭的二氧化硅，二氧化硅矿石经由电弧炉提炼，盐酸氯化，并经蒸馏后，制成了高纯度的多晶硅，其纯度高达99.9％，晶圆制造厂再把此多晶硅融解，再于融液里种入籽晶，然后将其慢慢拉出，以形成圆柱状的单晶硅晶棒，由于硅晶棒是由一颗晶面取向确定的籽晶在熔融态的硅原料中逐渐生成，此过程称为“长晶”，硅晶棒再经过切段，滚磨，切片，倒角，抛光，激光刻，包装后，即可成为最终的晶圆。

晶圆在生产制造之后需要对其表面缺陷进行检测，检测之后方可进行下一步加工工艺，目前，对晶圆表面缺陷检测一般采用图像分析法，但是该方法在实际检测过程中比较繁琐，检测效率较低，同时检测的准确率有待进一步提高。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种晶圆检测方法，解决了目前对晶圆表面缺陷检测一般采用图像分析法，但是该方法在实际检测过程中比较繁琐，检测效率较低，同时检测的准确率有待进一步提高的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种晶圆检测方法，包括以下步骤：

S1.对晶圆的表面进行区域划分，将晶圆的表面划分为多个单独的检测区域；

S2.对采集的晶圆图像进行特征提取，其中特征提取包括提取特征区域与特征区域的处理以及变换：

1)提取特征区域：利用图像采集装置采集晶圆表面的图像，然后对晶圆图像的几何特征进行提取，分析晶圆图像的几何形状变换性，判断图像是否发生大幅度的旋转，以及晶圆的几何特征是否发生相对位置、形状上的改变，同时在晶圆图像上建立一定的特征区域，在该特征区域中，并让特征区域作为晶圆图像相关性配准的特征量，判断晶圆图像特征区域中的宽度值，同时生成该特征区域中的矩形区域，检测出矩形区域图形的水平线与垂直线，并根据区域中的几何特征进行散图的拼接；

2)特征区域的处理以及变换：

i)在晶圆几何特征提取环节中，对特征区域进行二值化处理，然后对晶圆矩形区域图形进行水平和垂直边缘缺陷的检测；

ii)然后通过霍夫变换，得到晶圆矩形区域图形缺陷检测的水平线具体位置；

iii)在霍夫变换基础上，计算得到晶圆矩形区域图形垂直线的具体位置，然后根据霍夫变换对图像进行边缘的检测，挖掘晶圆图像中的灰度变化明显点；

iv)准确找到晶圆的缺陷边缘，寻找晶圆缺陷边缘上存在的亮点，对缺陷亮点进行运算求导，得到亮点梯度，在亮点梯度的基础上再次进行求导，得到亮点梯度的变化率；

S3.对采集的晶圆图像进行缺陷识别与检测，具体检测算法如下:

1)采集的晶圆图像被处理之后，将晶圆图像与模板进行对比，将含有缺陷的晶圆模板与标准晶圆模板之间进行直接的对比，根据图像特征与位置关系进行晶圆图像之间的运算；

2)对于晶圆图像进行形态学上的分析，提前预设好预设晶圆图像标准形态，根据大数据匹配算法对晶圆形态进行分析，分析待检测晶圆图像形态与标准形态的差异；

S4.导出晶圆图像进行缺陷识别与检测结果，将此结果与人工检测结果做对比，分析该算法检测结果的准确率，根据检测结果的差异对检测算法进行优化，并对该算法进行反复测试；

S5.根据最终的输出结果，判断出晶圆出现问题的具体区域，然后选取样本数量中的1％进行人工检测，判断问题区域是否正确。

(三)有益效果

本发明提供了一种晶圆检测方法。具备以下有益效果：

1、该晶圆检测方法，通过对晶圆图像进行特征提取、算法检测以及人工纠正，使得晶圆检测方法得到了明显的优化，使得晶圆在检测过程中比较方便，检测效率得到了提高，同时检测的准确率也进一步的得到了提高。

2、该晶圆检测方法，根据检测结果的差异对检测算法进行优化，并对该算法进行反复测试，以及选取样本数量中的1％进行人工检测，判断问题区域是否正确，从而大大提高了晶圆检测的精准度，省去了许多不必要的麻烦。

具体实施方式

下面将结合本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

本发明实施例提供一种晶圆检测方法，包括以下步骤：

S1.对晶圆的表面进行区域划分，将晶圆的表面划分为多个单独的检测区域；

S2.对采集的晶圆图像进行特征提取，其中特征提取包括提取特征区域与特征区域的处理以及变换：

1)提取特征区域：利用图像采集装置采集晶圆表面的图像，然后对晶圆图像的几何特征进行提取，分析晶圆图像的几何形状变换性，判断图像是否发生大幅度的旋转，以及晶圆的几何特征是否发生相对位置、形状上的改变，同时在晶圆图像上建立一定的特征区域，在该特征区域中，并让特征区域作为晶圆图像相关性配准的特征量，判断晶圆图像特征区域中的宽度值，同时生成该特征区域中的矩形区域，检测出矩形区域图形的水平线与垂直线，并根据区域中的几何特征进行散图的拼接；

2)特征区域的处理以及变换：

i)在晶圆几何特征提取环节中，对特征区域进行二值化处理，然后对晶圆矩形区域图形进行水平和垂直边缘缺陷的检测；

ii)然后通过霍夫变换，得到晶圆矩形区域图形缺陷检测的水平线具体位置；

iii)在霍夫变换基础上，计算得到晶圆矩形区域图形垂直线的具体位置，然后根据霍夫变换对图像进行边缘的检测，挖掘晶圆图像中的灰度变化明显点；

iv)准确找到晶圆的缺陷边缘，寻找晶圆缺陷边缘上存在的亮点，对缺陷亮点进行运算求导，得到亮点梯度，在亮点梯度的基础上再次进行求导，得到亮点梯度的变化率；

S3.对采集的晶圆图像进行缺陷识别与检测，具体检测算法如下:

1)采集的晶圆图像被处理之后，将晶圆图像与模板进行对比，将含有缺陷的晶圆模板与标准晶圆模板之间进行直接的对比，根据图像特征与位置关系进行晶圆图像之间的运算；

2)对于晶圆图像进行形态学上的分析，提前预设好预设晶圆图像标准形态，根据大数据匹配算法对晶圆形态进行分析，分析待检测晶圆图像形态与标准形态的差异；

S4.导出晶圆图像进行缺陷识别与检测结果，将此结果与人工检测结果做对比，分析该算法检测结果的准确率，根据检测结果的差异对检测算法进行优化，并对该算法进行反复测试，每一次测试之后都能够提高算法运算的准确度；

S5.根据最终的输出结果，判断出晶圆出现问题的具体区域，然后选取样本数量中的1％进行人工检测，判断问题区域是否正确，此样本数量应当保证有足够的数量。

通过对晶圆图像进行特征提取、算法检测以及人工纠正，使得晶圆检测方法得到了明显的优化，使得晶圆在检测过程中比较方便，检测效率得到了提高，同时检测的准确率也进一步的得到了提高，根据检测结果的差异对检测算法进行优化，并对该算法进行反复测试，以及选取样本数量中的1％进行人工检测，判断问题区域是否正确，从而大大提高了晶圆检测的精准度，省去了许多不必要的麻烦。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (1)

1.一种晶圆检测方法，其特征在于：包括以下步骤：

S1.对晶圆的表面进行区域划分，将晶圆的表面划分为多个单独的检测区域；

S2.对采集的晶圆图像进行特征提取，其中特征提取包括提取特征区域与特征区域的处理以及变换：

1)提取特征区域：利用图像采集装置采集晶圆表面的图像，然后对晶圆图像的几何特征进行提取，分析晶圆图像的几何形状变换性，判断图像是否发生大幅度的旋转，以及晶圆的几何特征是否发生相对位置、形状上的改变，同时在晶圆图像上建立一定的特征区域，在该特征区域中，并让特征区域作为晶圆图像相关性配准的特征量，判断晶圆图像特征区域中的宽度值，同时生成该特征区域中的矩形区域，检测出矩形区域图形的水平线与垂直线，并根据区域中的几何特征进行散图的拼接；

2)特征区域的处理以及变换：

i)在晶圆几何特征提取环节中，对特征区域进行二值化处理，然后对晶圆矩形区域图形进行水平和垂直边缘缺陷的检测；

ii)然后通过霍夫变换，得到晶圆矩形区域图形缺陷检测的水平线具体位置；

iii)在霍夫变换基础上，计算得到晶圆矩形区域图形垂直线的具体位置，然后根据霍夫变换对图像进行边缘的检测，挖掘晶圆图像中的灰度变化明显点；

iv)准确找到晶圆的缺陷边缘，寻找晶圆缺陷边缘上存在的亮点，对缺陷亮点进行运算求导，得到亮点梯度，在亮点梯度的基础上再次进行求导，得到亮点梯度的变化率；

S3.对采集的晶圆图像进行缺陷识别与检测，具体检测算法如下:

1)采集的晶圆图像被处理之后，将晶圆图像与模板进行对比，将含有缺陷的晶圆模板与标准晶圆模板之间进行直接的对比，根据图像特征与位置关系进行晶圆图像之间的运算；

2)对于晶圆图像进行形态学上的分析，提前预设好预设晶圆图像标准形态，根据大数据匹配算法对晶圆形态进行分析，分析待检测晶圆图像形态与标准形态的差异；

S4.导出晶圆图像进行缺陷识别与检测结果，将此结果与人工检测结果做对比，分析该算法检测结果的准确率，根据检测结果的差异对检测算法进行优化，并对该算法进行反复测试；

S5.根据最终的输出结果，判断出晶圆出现问题的具体区域，然后选取样本数量中的1％进行人工检测，判断问题区域是否正确。