CN113878253A - 晶片的检查方法 - Google Patents

晶片的检查方法 Download PDF

Info

Publication number
CN113878253A
CN113878253A CN202110727285.9A CN202110727285A CN113878253A CN 113878253 A CN113878253 A CN 113878253A CN 202110727285 A CN202110727285 A CN 202110727285A CN 113878253 A CN113878253 A CN 113878253A
Authority
CN
China
Prior art keywords
image
wafer
layer
front surface
mark
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.)
Pending
Application number
CN202110727285.9A
Other languages
English (en)
Inventor
水本由达
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.)
Disco Corp
Original Assignee
Disco Corp
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 Disco Corp filed Critical Disco Corp
Publication of CN113878253A publication Critical patent/CN113878253A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/50—Working by transmitting the laser beam through or within the workpiece
    • B23K26/53—Working by transmitting the laser beam through or within the workpiece for modifying or reforming the material inside the workpiece, e.g. for producing break initiation cracks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/04—Automatically aligning, aiming or focusing the laser beam, e.g. using the back-scattered light
    • B23K26/046—Automatically focusing the laser beam
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Plasma & Fusion (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Dicing (AREA)
  • Laser Beam Processing (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供晶片的检查方法，能够简化实施了激光加工的晶片的检查。晶片的检查方法包含如下的工序：第1图像取得工序，对实施激光加工前的图像取得用的晶片的正面侧进行拍摄，取得多个第1图像；第2图像取得工序，对形成有改质层的图像取得用的晶片的正面侧中与第1图像对应的区域进行拍摄，取得多个第2图像；加工痕图像取得工序，取得相当于第1图像与第2图像的差异的加工痕图像；标记工序，参照第2图像和加工痕图像，根据加工痕对第2图像进行标记；以及学习工序，通过使用了已标记的第2图像的机器学习，构成对有无加工痕进行判定的机器学习部。

Description

晶片的检查方法
技术领域
本发明涉及对通过激光束的照射而形成有改质层的晶片进行检查的晶片的检查方法。
背景技术
在器件芯片的制造工序中，使用在由呈格子状排列的多条分割预定线(间隔道)划分的多个区域中分别形成有器件的晶片。通过沿着分割预定线对该晶片进行分割，能够得到分别具有器件的多个器件芯片。器件芯片搭载于移动电话、个人计算机等各种电子设备。
在晶片的分割中使用切削装置，该切削装置利用环状的切削刀具对晶片进行切削。另一方面，近年来，还着眼于通过激光加工对晶片进行分割的技术。例如，向晶片照射对于晶片具有透过性的激光束而在晶片的内部沿着分割预定线形成被改质的区域(改质层)的方法被实用化(参照专利文献1、2)。形成有晶片的改质层的区域变得比其他区域脆。因此，当对形成有改质层的晶片施加外力时，晶片以改质层为起点而断裂，从而沿着分割预定线被分割。
专利文献1：日本特开2002-192370号公报
专利文献2：日本特开2005-184032号公报
在如上所述通过激光加工对晶片进行分割的情况下，沿着相互交叉的分割预定线照射激光束。另外，根据晶片的厚度和材质等，有时沿着各分割预定线在晶片的厚度方向上形成有多层改质层。因此，在朝向晶片照射激光束时，有时激光束照射至已经形成于晶片的改质层而产生被称为飞溅的激光束的散射(漫反射)。
当产生激光束的散射时，有可能晶片的正面侧的从分割预定线偏离的区域会被意外地加工而损伤器件。因此，在晶片上形成了改质层之后，对晶片的正面侧进行拍摄，进行确认在晶片的正面侧是否残留有因激光束的散射而引起的加工痕(激光痕)的检查。而且，在确认了在从改质层大幅偏离的位置不存在加工痕之后继续进行晶片的处理。
但是，有时在晶片的正面侧从激光加工前就附着有灰尘等异物。因此，即使在激光加工后对晶片的正面侧进行拍摄而在所取得的图像中包含有点状的像，有时也难以判别该像表现了最初附着于晶片的异物，或是表现了因激光束的散射而形成的加工痕。
因此，进行如下的作业：预先在激光加工前取得晶片的正面侧的图像，生成相当于激光加工的前后的晶片的图像的差异的加工痕图像。在该加工痕图像中，不显示从激光加工前就存在于晶片的图案，仅显示通过激光加工而新形成的图案。因此，通过观察加工痕图像，能够容易地对有无因激光束的散射而形成的加工痕进行判别。
但是，在使用上述方法的情况下，需要在每次进行晶片的检查时实施如下的工序：在激光加工前多次拍摄晶片而取得晶片的整个正面侧的图像(加工前图像)；在激光加工后多次拍摄晶片而取得与加工前图像对应的多个图像(加工后图像)；以及对加工前图像和加工后图像实施图像处理而生成加工痕图像。因此，晶片的检查花费工夫和时间，也可能成为晶片的加工效率降低的原因。
发明内容
本发明是鉴于上述问题而完成的，其目的在于，提供晶片的检查方法，能够简化实施了激光加工的晶片的检查。
根据本发明的一个方式，提供一种晶片的检查方法，对实施了激光加工的晶片中有无因激光束的散射而形成的加工痕进行检查，该晶片在由分割预定线划分的多个区域的正面侧分别形成有器件，该激光加工在从该晶片的背面侧将对于该晶片具有透过性的波长的该激光束的聚光点定位于该晶片的内部的与该分割预定线对应的区域的状态下照射该激光束而形成改质层，其中，该晶片的检查方法包含如下的工序：第1图像取得工序，对实施该激光加工前的图像取得用的该晶片的正面侧进行拍摄，取得多个第1图像；第2图像取得工序，对形成有该改质层的图像取得用的该晶片的正面侧中与该第1图像对应的区域进行拍摄，取得多个第2图像；加工痕图像取得工序，取得相当于该第1图像与该第2图像的差异的加工痕图像；标记工序，参照该第2图像和该加工痕图像，根据该加工痕对该第2图像进行标记；学习工序，通过使用了已标记的该第2图像的机器学习，构成对有无该加工痕进行判定的机器学习部；被检查图像取得工序，对形成有该改质层的检查对象的该晶片的正面侧进行拍摄，取得被检查图像；以及判定工序，将该被检查图像输入该机器学习部，对该被检查图像中有无该加工痕进行判定，并输出判定的结果。
另外，优选该机器学习部具有神经网络，该神经网络包含输入层、输出层以及隐藏层，在该学习工序中，该神经网络使用对该输入层输入的多个该第2图像而进行深层学习，在该判定工序中，该神经网络根据对该输入层输入的该被检查图像而进行运算，并从该输出层输出该判定的结果。另外，优选该神经网络通过语义分割来进行该判定。
在本发明的一个方式的晶片的检查方法中，通过使用了对形成有改质层的图像取得用的晶片的正面侧进行拍摄而取得的图像(第2图像)的机器学习，构成对有无加工痕进行判定的机器学习部。而且，将通过对实施了激光加工的检查对象的晶片的正面侧进行拍摄而取得的图像(被检查图像)输入机器学习部，由此对被检查图像中有无加工痕进行判定。
当使用上述的晶片的检查方法时，在机器学习部的学习完成之后，能够在不取得成为检查对象的晶片的激光加工前的图像的情况下高精度地对有无加工痕进行判定。由此，能够省略每当实施检查时对激光加工前的晶片进行多次拍摄的工序，晶片的检查变得极其简单。
附图说明
图1是示出晶片的立体图。
图2的(A)是示出第1图像取得工序中的晶片的立体图，图2的(B)是示出在第1图像取得工序中所取得的第1图像的图像图。
图3是示出激光加工装置的立体图。
图4是将形成有改质层的晶片的一部分放大而示出的剖视图。
图5的(A)是示出第2图像取得工序中的晶片的立体图，图5的(B)是示出在第2图像取得工序中所取得的第2图像的图像图。
图6是示出在加工痕图像取得工序中所取得的加工痕图像的图像图。
图7是示出学习工序中的运算部的框图。
图8的(A)是示出被检查图像取得工序中的晶片的立体图，图8的(B)是示出在被检查图像取得工序中所取得的被检查图像的图像图。
图9是示出判定工序中的运算部的框图。
标号说明
11：晶片；11a：正面(第1面)；11b：背面(第2面)；13：分割预定线(间隔道)；15：器件；17：电极焊盘；19：电路；21：带；23：框架；23a：开口；25：改质层(变质层)；27：裂纹；29：加工痕(激光痕)；31：晶片；31a：正面(第1面)；31b：背面(第2面)；33：分割预定线(间隔道)；35：器件；37：裂纹；39：电极焊盘；41：电路；43：加工痕(激光痕)；2：拍摄单元(拍摄构件)；4：控制部(控制单元)；6：运算部；8：存储部；10：图像(第1图像、加工前图像)；12：激光加工装置；14：卡盘工作台(保持工作台)；16：激光照射单元；18：激光束；20：控制部(控制单元)；22：图像(第2图像、加工后图像)；24：图像(加工痕图像、差异图像)；26：图像(被检查图像)；30：机器学习部；32：神经网络；34：输入层；36：输出层；38：隐藏层(中间层)。
具体实施方式
以下，参照附图对本发明的一个方式的实施方式进行说明。首先，对能够用于本实施方式的晶片的检查方法的晶片的结构例进行说明。图1是示出晶片11的立体图。
晶片11例如是由硅等形成的圆盘状的半导体晶片，具有相互大致平行的正面(第1面)11a和背面(第2面)11b。晶片11被以相互交叉的方式呈格子状排列的多条分割预定线(间隔道)13划分为多个矩形状的区域。而且，在由分割预定线13划分的区域的正面11a侧分别形成有IC(Integrated Circuit：集成电路)、LSI(Large Scale Integration：大规模集成电路)、LED(Light Emitting Diode：发光二极管)、MEMS(Micro Electro MechanicalSystems：微机电系统)等器件15。
另外，晶片11的材质、形状、构造、大小等没有限制。例如，晶片11也可以是由硅以外的半导体(GaAs、InP、GaN、SiC等)、蓝宝石、玻璃、陶瓷、树脂、金属等形成的任意的形状和大小的晶片。另外，器件15的种类、数量、形状、构造、大小、配置等也没有限制。
通过对晶片11进行加工而沿着分割预定线13进行分割，能够得到分别具有器件15的多个器件芯片。例如，晶片11能够如后所述通过激光加工分割成多个器件芯片。
在本实施方式的晶片的检查方法中，首先，对实施激光加工前的晶片11的正面11a侧进行拍摄，取得多个图像(第1图像，加工前图像)(第1图像取得工序)。图2的(A)是示出第1图像取得工序中的晶片11的立体图。
在第1图像取得工序中，将晶片11用作图像取得用的晶片，利用拍摄单元(拍摄构件)2对晶片11的正面11a侧进行拍摄。例如，拍摄单元2是包含CCD(Charged-CoupledDevices：电荷耦合器件)、CMOS(Complementary Metal-Oxide-Semiconductor：互补金属氧化物半导体)等拍摄元件和透镜等光学元件的照相机，该拍摄单元2配置于晶片11的正面11a侧的上方。
拍摄单元2与对拍摄单元2进行控制的控制部(控制单元)4连接。例如，控制部4由包含CPU(Central Processing Unit：中央处理单元)等处理器和作为主存储装置、辅助存储装置等发挥功能的各种存储器的计算机构成。另外，在图2的(A)中，用块表示控制部4的功能性结构。具体而言，控制部4包含进行运算的运算部6和存储用于运算部6的运算的各种信息(数据、程序等)的存储部8。
例如，晶片11以正面11a侧向上方露出的方式被卡盘工作台(未图示)保持。而且，利用拍摄单元2对晶片11的正面11a侧进行多次拍摄，取得多张晶片11的正面11a侧的局部的图像。
图2的(B)是示出在第1图像取得工序中所取得的图像(第1图像，加工前图像)10的图像图。在图像10中分别显示有配置于晶片11的正面11a侧的分割预定线13和器件15等。另外，在器件15中包含有电极焊盘17和电路19等结构要素，有时在图像10中包含它们的局部。
在第1图像取得工序中，一边变更晶片11与拍摄单元2的位置关系，一边利用拍摄单元2对晶片11进行多次拍摄，由此取得不同的多个图像10。例如，在对晶片11进行保持的卡盘工作台上连接有使卡盘工作台沿着水平方向移动的滚珠丝杠式的移动机构(未图示)和使卡盘工作台绕与铅垂方向大致平行的旋转轴进行旋转的电动机等旋转驱动源(未图示)。
然后，一边通过移动机构变更卡盘工作台的位置或者通过旋转驱动源变更卡盘工作台的旋转角度，一边利用拍摄单元2对晶片11的正面11a侧进行多次拍摄。由此，使用1张晶片11取得多个(例如500张以上)图像10。
由拍摄单元2取得的多个图像10被输出到控制部4，并被存储在存储部8中。另外，存储部8中存储有示出利用拍摄单元2拍摄晶片11时的晶片11与拍摄单元2的位置关系的位置信息(例如卡盘工作台的坐标、旋转角度等)。
接着，对晶片11实施激光加工(激光加工工序)。在晶片11的激光加工中，使用通过激光束的照射而对晶片11进行加工的激光加工装置。图3是示出激光加工装置12的立体图。
在利用激光加工装置12对晶片11进行加工时，为了便于晶片11的处理(保持、搬送等)，晶片11被环状的框架23支承。具体而言，在晶片11的正面11a侧(器件15侧)粘贴有直径比晶片11大的圆形的带21。由此，器件15被带21覆盖而被保护。
作为带21，使用具有形成为圆形的膜状的基材和设置在基材上的粘接层(糊层)的片材等。例如，基材由聚烯烃、聚氯乙烯、聚对苯二甲酸乙二醇酯等树脂形成，粘接层由环氧系、丙烯酸系或者橡胶系的粘接剂等形成。另外，粘接层也可以使用通过紫外线的照射而固化的紫外线固化型的树脂。
带21的外周部粘贴于由金属等形成的环状的框架23上。在框架23的中央部设置有直径比晶片11大的圆形的开口23a，晶片11以配置于开口23a的内侧的方式粘贴在带21的中央部。由此，晶片11借助带21而被框架23支承。而且，由框架23支承的状态的晶片11被搬送到激光加工装置12。
激光加工装置12具有对晶片11进行保持的卡盘工作台(保持工作台)14和照射激光束18的激光照射单元16。在卡盘工作台14上连接有滚珠丝杠式的移动机构(未图示)和电动机等旋转驱动源(未图示)。移动机构使卡盘工作台14沿着X轴方向(加工进给方向、第1水平方向)和Y轴方向(分度进给方向、第2水平方向)移动。另外，旋转驱动源使卡盘工作台14绕与Z轴方向(铅垂方向、上下方向)大致平行的旋转轴进行旋转。
卡盘工作台14的上表面构成对晶片11进行保持的保持面。卡盘工作台14的保持面是与X轴和Y轴大致平行的平坦面，例如与晶片11的形状对应地形成为圆形。但是，卡盘工作台14的保持面的形状和大小能够根据晶片11而适当变更。另外，卡盘工作台14的保持面经由形成于卡盘工作台14的内部的流路(未图示)、阀(未图示)等而与喷射器等吸引源(未图示)连接。
在卡盘工作台14的上方设置有朝向卡盘工作台14所保持的晶片11照射激光束18的激光照射单元16。激光照射单元16具有脉冲振荡出激光的YAG激光器、YVO4激光器、YLF激光器等激光振荡器和使从激光振荡器脉冲振荡的激光聚光的聚光透镜。
设定激光束18的照射条件以便晶片11的被照射了激光束18的区域通过多光子吸收而改质(变质)。具体而言，设定激光束18的波长以便激光束18相对于晶片11示出透过性。因此，从激光照射单元16向晶片11照射至少一部分透过晶片11的激光束18(对于晶片11具有透过性的激光束18)。另外，也适当设定激光束18的其他照射条件(输出、脉冲宽度、光斑直径、重复频率等)以便晶片11适当地改质。
另外，激光加工装置12具有与激光加工装置12的各结构要素(卡盘工作台14、激光照射单元16等)连接的控制部(控制单元)20。例如，控制部20由包含处理器和存储器的计算机构成，生成对激光加工装置12的结构要素的动作进行控制的控制信号。由此，控制激光加工装置12的运转。
另外，图2所示的拍摄单元2也可以设置于激光加工装置12。另外，在利用拍摄单元2对晶片11进行拍摄时，晶片11也可以由卡盘工作台14保持。即，上述的第1图像取得工序也可以使用激光加工装置12来实施。在该情况下，也可以将与拍摄单元2连接的控制部4(参照图2)组装于激光加工装置12的控制部20，通过控制部20来实现控制部4的功能。
通过激光加工装置12沿着分割预定线13(参照图1)对晶片11进行加工。具体而言，首先，利用卡盘工作台14对晶片11进行保持。例如，晶片11以正面11a侧(带21侧)与卡盘工作台14的保持面对置且背面11b侧向上方露出的方式配置在卡盘工作台14上。在该状态下，当使吸引源的负压作用于保持面时，晶片11的正面11a侧隔着带21而被卡盘工作台14吸引保持。
接着，使卡盘工作台14进行旋转，使一条分割预定线13(参照图1)的长度方向与X轴方向一致。另外，调整卡盘工作台14在Y轴方向上的位置，以便将激光束18的聚光点配置在一条分割预定线13的延长线上。进而，使激光束18的聚光点的高度位置对齐晶片11的内部(背面11b的下方且正面11a的上方)的高度位置。
然后，一边从激光照射单元16照射激光束18，一边使卡盘工作台14沿着X轴方向移动(加工进给)，使卡盘工作台14和激光照射单元16沿着X轴方向相对地移动。由此，在将激光束18的聚光点定位于晶片11的内部的与分割预定线13对应的区域的状态下，从晶片11的背面11b侧沿着分割预定线13照射激光束18。
晶片11的内部的被照射了激光束18的区域通过多光子吸收而改质(变质)。其结果为，在晶片11的内部沿着分割预定线13形成有改质层(变质层)25。
之后，重复进行同样的步骤，沿着其他分割预定线13形成改质层25。而且，当沿着所有分割预定线13形成有改质层25时，能够得到呈格子状形成有改质层25的晶片11。另外，也可以根据晶片11的厚度和材质等，在晶片11的厚度方向上形成2层以上的改质层25。
图4是将形成有改质层25的晶片11的一部分放大而示出的剖视图。当通过激光束18的照射而形成改质层25时，在改质层25中产生裂纹27。该裂纹27具有朝向与激光束18入射的面(背面11b)相反的一侧的面(正面11a)发展的倾向。
晶片11的形成有改质层25或裂纹27的区域变得比晶片11的其他区域脆。因此，当对晶片11施加外力时，晶片11以改质层25或裂纹27为起点而被分割。即，改质层25和裂纹27作为对晶片11进行分割时的分割起点(分割的开端)而发挥功能。
当通过激光束18的照射而适当地形成改质层25时，如图4所示，在改质层25中产生的裂纹27发展而到达晶片11的正面11a。其结果为，在晶片11的正面11a侧出现与改质层25对应的格子状的裂纹27的图案(参照图5的(A))。而且，在激光加工完成之后，将带21从晶片11的正面11a侧剥离、去除。
接着，对形成有改质层25的晶片11的正面11a侧中的与图像10对应的区域进行拍摄，取得多个图像(第2图像、加工后图像)(第2图像取得工序)。图5的(A)是示出第2图像取得工序中的晶片11的立体图。
例如，晶片11以正面11a侧向上方露出的方式被卡盘工作台(未图示)保持。而且，通过与第1图像取得工序同样的步骤，利用拍摄单元2对晶片11的正面11a侧进行多次拍摄。
另外，在第2图像取得工序中，利用拍摄单元2对晶片11的正面11a侧中的与图像10(参照图2的(B))对应的区域(图像10中显示的区域)进行拍摄。具体而言，控制部4参照存储于存储部8的位置信息，对晶片11或拍摄单元2的位置进行调节，以便实现在第1图像取得工序中利用拍摄单元2拍摄了晶片11时的晶片11与拍摄单元2的位置关系。在该状态下，利用拍摄单元2对晶片11的正面11a侧进行拍摄，由此取得表现激光加工后的晶片11中的与图像10对应的区域的图像。
图5的(B)是示出在第2图像取得工序中所取得的图像(第2图像、加工后图像)22的图像图。与图像10(参照图2的(B))相同，在图像22中分别包含有分割预定线13和器件15等。另外，在图像22中显示有沿着分割预定线13(改质层25)形成并到达晶片11的正面11a的裂纹27。
此外，有时在图像22中包含有在实施了上述的激光加工时形成于晶片11的加工痕(激光痕)29。该加工痕29是因晶片11的正面11a侧因激光束18(参照图3)的散射而被意外地加工而形成的。
具体而言，在激光加工时，激光束18有时照射到已经形成于晶片11的改质层25或裂纹27。例如，在沿着一条分割预定线13形成有改质层25的状态下，当沿着与该一条分割预定线13交叉的其他分割预定线13照射激光束18时，在分割预定线13的交叉区域中，激光束18照射到改质层25或裂纹27。另外，当在晶片11的厚度方向上形成有多层改质层25的情况下，在形成第2层以后的改质层25时，有时激光束18照射到已经形成于晶片11的改质层25或裂纹27。
当激光束18照射到改质层25或裂纹27时，在晶片11的内部产生被称为飞溅的激光束18的散射(漫反射)。而且，当散射的激光束18到达晶片11的正面11a时，晶片11的正面11a侧的被照射了激光束18的区域被意外地加工，形成加工痕29。
另外，加工痕29的数量和位置根据激光束18的散射的程度而不同。例如，在激光束的散射较小的情况下，加工痕29的数量较少，并且加工痕29容易形成在距改质层25较近的位置(分割预定线13的内侧等)。另一方面，在激光束的散射较大的情况下，有时在从改质层25大幅偏离的区域(分割预定线13的外侧等)形成有多个加工痕29。在该情况下，散射的激光束18有可能照射到器件15而损伤器件15。
这样，图像22所包含的加工痕29成为评价是否适当地进行了激光加工时的有益的信息。然后，由拍摄单元2取得的多个图像22被输出到控制部4，并被存储在存储部8中。
如上所述，当实施第1图像取得工序和第2图像取得工序时，能够得到多组(set)表现激光加工前后的晶片11的正面11a侧的相同区域的图像10(参照图2的(B))和图像22(参照图5的(B))的对(pair)。
接着，取得相当于图像10与图像22的差异的图像(加工痕图像、差异图像)(加工痕图像取得工序)。在加工痕图像取得工序中，首先，控制部4的运算部6访问存储部8，读出存储在存储部8中的图像10、22的组。然后，运算部6从图像22减去图像10，由此生成相当于图像10与图像22的差异的图像。然后，对所有的图像10、22的组实施同样的图像处理。
图6是示出在加工痕图像取得工序中所取得的图像(加工痕图像、差异图像)24的图像图。图像24是相当于激光加工前的晶片11的图像10与激光加工后的晶片11的图像22的差异的图像。
这里，有时在晶片11的正面11a侧从实施激光加工之前就附着有灰尘等异物。在该情况下，在激光加工后的晶片11的图像22(参照图5的(B))中，除了与加工痕29对应的像以外，有时还包含与异物对应的像。而且，在两者的大小和形状类似的情况下，即使仅参照图像22，也难以区别异物和加工痕29，有时难以进行加工痕29的评价。
另一方面，在图像24中，不显示图像10和图像22所共有的像，仅显示通过激光加工而新形成在晶片11上的要素(裂纹27、加工痕29等)。因此，通过参考图像24，能够容易地区别异物和加工痕29，能够准确地掌握图像22所包含的加工痕29的数量和位置。
接着，参照图像22(参照图5的(B))和图像24(参照图6)，根据加工痕29对多个图像22进行标记(分类)(标记工序)。例如在标记工序中，根据加工痕29的有无来对图像22进行分类。
具体而言，通过参照与图像22(参照图5的(B))对应的图像24(参照图6)，确定图像22所包含的像中的与加工痕29对应的像。然后，根据图像22中是否包含与加工痕29对应的像，将图像22分类为有加工痕的图像和无加工痕的图像。
对多个图像22分别进行上述的基于加工痕29的有无的分类作业。另外，分类可以由人(作业者)通过目视观察图像22和图像24来进行，也可以通过使用了图像22和图像24的图像处理来自动地进行。
接着，通过使用了已标记的图像22的机器学习，构成判定有无加工痕29的机器学习部(学习工序)。图7是示出学习工序中的运算部6的框图。
运算部6具有机器学习部30，机器学习部30进行使用了已标记的图像22作为学习数据的机器学习。机器学习部30构成为：通过机器学习，在输入了图像22时，输出图像22中是否包含加工痕29的判定结果。以下，作为一例，对机器学习部30具有神经网络32的情况进行说明。但是，机器学习部30的结构只要能够进行机器学习，则没有限制。
例如，神经网络32是分层型的神经网络，包含输入数据的输入层34、输出数据的输出层36以及设置在输入层34与输出层36之间的多个隐藏层(中间层)38。输入层34、输出层36以及隐藏层38分别包含多个节点(单元、神经元)。输入层34的节点与第1层的隐藏层38的节点连接，输出层36的节点与最终层的隐藏层38的节点连接。另外，隐藏层38的节点与输入层34或上一层的隐藏层38的节点以及输出层36或后一层的隐藏层38的节点连接。
输入层34、输出层36以及隐藏层38所包含的节点的数量、各节点的激活函数能够自由地设定。另外，隐藏层38的层数也没有限制。特别是，包含2层以上的隐藏层38的神经网络32能够称为深度神经网络(DNN)。另外，深度神经网络的学习能够称为深层学习。
在学习工序中，使用标记后的多个图像22作为学习用的数据，进行神经网络32的深层学习。具体而言，进行将图像22用作学习用图像(学习数据)并将加工痕29的有无(标记的结果)用作正解标签(教师数据)的有教师学习。作为学习的算法，例如使用误差逆传播法。但是，神经网络32的学习方法没有限制。
通过神经网络32的学习，输入层34、输出层36、隐藏层38的节点的权重和偏误被更新。由此，神经网络32构成为：在向输入层34输入了图像22时，从输出层36输出对图像22中有无加工痕29进行了判定的结果。
在上述的学习工序中，能够使用在第2图像取得工序(参照图5的(A))中取得的多个图像22来实施机器学习部30的学习。由此，能够构成能够高精度地对图像22进行分类的机器学习部30。而且，在学习完成后，将应用于输入层34、输出层36、隐藏层38的各种参数(权重、偏误等)的值存储于存储部8(参照图2等)。
另外，如上所述，机器学习部30对图像22的判定是着眼于图像22中是否包含加工痕29来进行的。因此，优选机器学习部30(神经网络32)通过分别对图像22所包含的像素进行分类的语义分割(Semantic Segmentation)来进行判定。例如，作为神经网络32的模型，能够使用具有编码器/解码器构造的语义分割网络(SegNet)。
语义分割网络具有：编码器网络，其包含卷积层和池化层(最大池化层)；以及解码器网络，其包含卷积层和上采样层(反池化层)。而且，记录编码器中的最大池化的位置信息，并用于解码器中的上采样。语义分割网络所包含的各层作为神经网络32的隐藏层38而被安装。另外，作为输出层36的激活函数，使用softmax函数。
语义分割网络的学习能够通过使用了图像22的有教师学习来实施。具体而言，首先，对在加工痕图像取得工序中取得的图像24(参照图6)进行二值化，将图像24所包含的各像素分类为表现裂纹27或加工痕29的像素和其他像素。然后，使用图像22作为输入数据，使用二值化后的图像24作为正解标签(教师数据)来进行语义分割网络的学习。其结果为，构成机器学习部30，该机器学习部30根据加工后的晶片11的图像进行推论，输出提取了该图像所包含的裂纹27和加工痕29的二维映射图。
接着，对形成有改质层的检查对象的晶片(被检查晶片)进行拍摄，取得成为检查对象的图像(被检查图像)(被检查图像取得工序)。图8的(A)是示出被检查图像取得工序中的晶片31的立体图。
晶片31是在被检查图像取得工序中成为检查对象的晶片，例如是在实际的器件芯片的制造中使用的产品用晶片。另外，晶片31具有与在第1图像取得工序中使用的图像取得用的晶片11(参照图2的(A))相同的结构。
具体而言，晶片31具有大致相互平行的正面(第1面)31a和背面(第2面)31b。晶片31被以相互交叉的方式呈格子状排列的多条分割预定线(间隔道)33划分为多个矩形状的区域。而且，在由分割预定线33划分的区域的正面31a侧分别形成有器件35。另外，晶片31的材质等与晶片11相同。另外，形成于晶片31的器件35的种类等也与形成于晶片11的器件15相同。
晶片31与晶片11同样地被激光加工装置12加工(参照图3)。其结果为，在晶片31的内部沿着分割预定线33形成有改质层(参照图4的改质层25)。另外，在改质层中产生的裂纹37发展而到达晶片31的正面31a。其结果为，在晶片31的正面31a侧出现与改质层对应的格子状的裂纹37的图案。
形成有改质层的晶片31例如以正面31a侧向上方露出的方式被卡盘工作台(未图示)保持。然后，通过与第1图像取得工序(参照图2的(A))相同的步骤，利用拍摄单元2对晶片31的正面31a侧进行拍摄。其结果为，取得加工后的晶片31的正面31a侧的局部的图像(被检查图像)。
图8的(B)是示出在被检查图像取得工序中所取得的图像(被检查图像)26的图像图。在图像26中显示有配置于晶片31的正面31a侧的分割预定线33和器件35等。另外，在器件35中包含有电极焊盘39和电路41等结构要素，有时在图像26中包含它们的局部。而且，由拍摄单元2取得的图像26被输出到控制部4，并被存储在存储部8中。
另外，在图像26中显示有沿着分割预定线33(改质层)形成并到达晶片31的正面31a的裂纹37。另外，有时在图像26中包含有形成于晶片31的正面31a侧的加工痕(激光痕)43。形成加工痕43的原理与加工痕29(参照图5的(B))相同。
接着，将图像26输入到机器学习部30，判定图像26中有无加工痕29，并输出判定的结果(判定工序)。图9是示出判定工序中的运算部6的框图。
在判定工序中，从存储部8(参照图8的(A))中读出在被检查图像取得工序中所取得的图像26，并输入到机器学习部30。然后，机器学习部30通过神经网络32的推论，判定在图像26中是否包含加工痕43。具体而言，图像26被输入到输入层34，在输入层34、隐藏层38、输出层36中依次进行使用图像26作为输入数据的运算。然后，从输出层36输出有无加工痕43的判定结果。
从机器学习部30输出的判定结果例如显示于显示器等显示部(未图示)。由此，向操作员通知在晶片31上是否形成有加工痕43的信息。
另外，在使用语义分割网络(SegNet)作为神经网络32的模型的情况下，通过机器学习部30的推论，输出提取了图像26所包含的裂纹37和加工痕43的图像(二维映射图)。因此，操作者能够参照输出图像来确认在晶片31的正面31a侧是否形成有加工痕43以及确认加工痕43的数量和位置。
然后，根据有无加工痕43的判定结果，决定之后的晶片31的处理。例如，在由机器学习部30判定为在晶片31上未形成加工痕43的情况下，或者形成有加工痕43的位置处在距裂纹37规定的范围内(例如，分割预定线33的内侧)的情况下，继续进行晶片31的处理。
具体而言，对晶片31施加外力，沿着分割预定线33对晶片31进行分割。例如，将能够通过施加外力而扩展的圆形的带(扩展带)粘贴于晶片31。然后，通过将扩展带向半径方向外侧拉伸而延展，对晶片31施加外力。
由此，晶片31以改质层和裂纹37为起点，沿着分割预定线33被分割。其结果为，能够得到分别具有器件35的多个器件芯片。器件芯片例如由夹头(未图示)拾取，通过芯片接合等而安装于规定的基板(布线基板等)。
如上所述，在本实施方式的晶片的检查方法中，通过使用了对形成有改质层25的图像取得用的晶片11的正面11a侧进行拍摄而取得的图像22的机器学习，构成判定有无加工痕29的机器学习部30。而且，将通过对实施了激光加工的检查对象的晶片31的正面31a侧进行拍摄而取得的图像26输入到机器学习部30，由此对图像26中有无加工痕43进行判定。
因此，在机器学习部30的学习完成之后，能够在不取得成为检查对象的晶片31的激光加工前的图像的情况下高精度地判定有无加工痕43。由此，能够省略每当实施检查时对激光加工前的晶片31进行拍摄的工序，晶片的检查变得极其简单。
另外，机器学习部30的功能也可以通过软件和硬件中的任意一方来实现。例如，机器学习部30通过记述了机器学习部30进行的一系列运算的程序来实现。具体而言，在机器学习部30具有神经网络32的情况下，通过程序对输入层34、输出层36、隐藏层38中的运算进行计述，该程序存储于控制部4的存储部8。而且，在进行有无加工痕的判定时，从存储部8中读出程序，并由运算部6执行。
另外，在被检查图像取得工序(参照图8的(A))中，也可以通过利用拍摄单元2对晶片31进行多次拍摄来取得多个图像26。在该情况下，在晶片31被卡盘工作台保持的状态下，通过移动机构变更卡盘工作台的位置，并且利用拍摄单元2对晶片31的正面31a侧进行多次拍摄。
通过上述步骤，取得表现了晶片31的不同区域的多个图像26(例如，晶片31的正面31a的整个区域的图像26)。然后，在判定工序中，将多个图像26依次输入到机器学习部30，针对多个图像26分别判定有无加工痕43。
除此以外，本实施方式的构造、方法等能够在不脱离本发明的目的的范围内进行适当变更来实施。

Claims (3)

1.一种晶片的检查方法，对实施了激光加工的晶片中有无因激光束的散射而形成的加工痕进行检查，该晶片在由分割预定线划分的多个区域的正面侧分别形成有器件，该激光加工在从该晶片的背面侧将对于该晶片具有透过性的波长的该激光束的聚光点定位于该晶片的内部的与该分割预定线对应的区域的状态下照射该激光束而形成改质层，
其特征在于，
该晶片的检查方法包含如下的工序：
第1图像取得工序，对实施该激光加工前的图像取得用的该晶片的正面侧进行拍摄，取得多个第1图像；
第2图像取得工序，对形成有该改质层的图像取得用的该晶片的正面侧中与该第1图像对应的区域进行拍摄，取得多个第2图像；
加工痕图像取得工序，取得相当于该第1图像与该第2图像的差异的加工痕图像；
标记工序，参照该第2图像和该加工痕图像，根据该加工痕对该第2图像进行标记；
学习工序，通过使用了已标记的该第2图像的机器学习，构成对有无该加工痕进行判定的机器学习部；
被检查图像取得工序，对形成有该改质层的检查对象的该晶片的正面侧进行拍摄，取得被检查图像；以及
判定工序，将该被检查图像输入该机器学习部，对该被检查图像中有无该加工痕进行判定，并输出判定的结果。
2.根据权利要求1所述的晶片的检查方法，其特征在于，
该机器学习部具有神经网络，该神经网络包含输入层、输出层以及隐藏层，
在该学习工序中，该神经网络使用对该输入层输入的多个该第2图像而进行深层学习，
在该判定工序中，该神经网络根据对该输入层输入的该被检查图像而进行运算，并从该输出层输出该判定的结果。
3.根据权利要求2所述的晶片的检查方法，其特征在于，
该神经网络通过语义分割来进行该判定。
CN202110727285.9A 2020-07-02 2021-06-29 晶片的检查方法 Pending CN113878253A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-114781 2020-07-02
JP2020114781A JP7442939B2 (ja) 2020-07-02 2020-07-02 ウエーハの検査方法

Publications (1)

Publication Number Publication Date
CN113878253A true CN113878253A (zh) 2022-01-04

Family

ID=79010641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110727285.9A Pending CN113878253A (zh) 2020-07-02 2021-06-29 晶片的检查方法

Country Status (4)

Country Link
JP (1) JP7442939B2 (zh)
KR (1) KR20220003962A (zh)
CN (1) CN113878253A (zh)
TW (1) TW202203307A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115229899A (zh) * 2022-07-13 2022-10-25 潮州三环（集团）股份有限公司 巴块切割控制方法、装置及巴块切割系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3408805B2 (ja) 2000-09-13 2003-05-19 浜松ホトニクス株式会社 切断起点領域形成方法及び加工対象物切断方法
ATE518242T1 (de) 2002-03-12 2011-08-15 Hamamatsu Photonics Kk Methode zur trennung von substraten
JP5156452B2 (ja) 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115229899A (zh) * 2022-07-13 2022-10-25 潮州三环（集团）股份有限公司 巴块切割控制方法、装置及巴块切割系统

Also Published As

Publication number Publication date
KR20220003962A (ko) 2022-01-11
JP7442939B2 (ja) 2024-03-05
TW202203307A (zh) 2022-01-16
JP2022012734A (ja) 2022-01-17

Similar Documents

Publication Publication Date Title
CN106042199B (zh) 加工装置
JP2022010789A (ja) 加工装置
JP2015190826A (ja) 基板検査装置
JP5420890B2 (ja) チャックテーブルに保持された被加工物の高さ位置計測装置
JP7366637B2 (ja) ワークの確認方法、及び、加工方法
TW201351483A (zh) 改質層形成方法
CN113878253A (zh) 晶片的检查方法
JP7475781B2 (ja) 加工装置
JP6253356B2 (ja) ウエーハのレーザー加工方法
CN115376947A (zh) 晶片的检查方法
JP2009274100A (ja) レーザ加工装置
JP7427337B2 (ja) ウエーハの検査方法
KR20210156745A (ko) 리프트 오프 방법 및 레이저 가공 장치
CN113739716A (zh) 晶片检查装置和晶片检查方法
CN111489981A (zh) 关键图案的检测方法和装置
US11456260B2 (en) Wafer processing method
JP7349841B2 (ja) チップの製造方法
JP2018129372A (ja) ダイシング装置及びダイシング方法
JP7345970B2 (ja) 被加工物の検査方法及びレーザー加工装置
JP2024008559A (ja) 加工装置、プログラム及び学習済みモデルの生成方法
KR20230171386A (ko) 가공 장치
JP2023163591A (ja) 被加工物の検査方法、及び検査装置、加工方法、加工装置
JP2024148906A (ja) 加工装置
KR20210106891A (ko) 웨이퍼의 가공 방법
JP2022097232A (ja) レーザー加工装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination