CN115144405B - 基于光学检测的Mini LED晶圆外观缺陷检测方法 - Google Patents

Abstract

本发明涉及光学检测技术领域，具体涉及基于光学检测的Mini LED晶圆外观缺陷检测方法。方法为：获取多光谱晶圆显微图像；获取多光谱晶圆显微图像中每个晶圆像素的光谱序列；获取多个正常晶圆像素的光谱序列，然后将所述每个晶圆像素的光谱序列与所述多个正常晶圆像素的光谱序列进行光谱匹配，得到晶圆网格表示图像；对所述晶圆网格表示图像进行分析，获取聚合缺陷比，并基于所述聚合缺陷比利用聚类算法获取缺陷簇；将所述缺陷簇与所述各类标准缺陷的晶圆簇进行匹配，获取所述缺陷簇的缺陷类型。本方法基于小尺寸方形窗口和聚合缺陷比来对缺陷像素进行密度聚类，可以有效获取不同缺陷类型的空间分布，实现对混合型外观缺陷的精确检测。

Description

基于光学检测的Mini LED晶圆外观缺陷检测方法

技术领域

本发明涉及光学检测领域，具体涉及基于光学检测的Mini LED晶圆外观缺陷检测方法。

背景技术

随着市面上Mini LED技术热度的逐渐升高，各厂商也都将Mini LED作为重点发力的方向。鉴于对Mini LED制造的高质量和低成本要求，实现高产量（无故障器件占总器件的一小部分）对于创造更高的收入至关重要。因此，基于收益的质量是公司在市场上取得成功的首要标准。Mini LED晶片制造是一种成本高昂且复杂的工艺，涉及许多工艺步骤和过程变量。

Mini LED晶片设计的日益复杂和集成密度的不断增加，加剧了Mini LED晶片中的外观缺陷。这也导致了混合型外观缺陷，即在单个晶片中存在两个或多个外观缺陷图案。在确定了正确的外观缺陷类型后，工程师可以定位过程中外观缺陷的原因，纠正外观缺陷并提高产量。然而，混合型外观缺陷的分类尤其具有挑战性，因为单个外观缺陷的位置和角度可能变化很大。因此，它们可能以多种方式组合，形成混合型外观缺陷。有效检测这些外观缺陷是半导体制造公司面临的关键挑战。传统上，晶片缺陷检测由经验丰富的工程师手动完成。

发明内容

为了解决上述技术问题，本发明的目的在于提供基于光学检测的Mini LED晶圆外观缺陷检测方法，所采用的技术方案具体如下：

本发明一个实施例提供了基于光学检测的Mini LED晶圆外观缺陷检测方法，该方法包括以下步骤：

利用多光谱显微镜对Mini LED晶圆进行观测，获取多光谱晶圆显微图像；

对所述多光谱晶圆显微图像进行晶圆区域提取，并获取晶圆中每个像素的光谱序列；

获取标准无缺陷的晶圆多光谱图像，挑选多个正常晶圆像素的光谱序列，然后将所述晶圆区域中每个像素的光谱序列与所述多个正常晶圆像素的光谱序列进行光谱匹配，得到晶圆网格表示图像；

对所述晶圆网格表示图像进行分析，获取聚合缺陷比，并基于所述聚合缺陷比利用DBSCAN聚类算法对所述晶圆网格表示图像进行聚类，获取缺陷簇；

获取各类标准缺陷的晶圆簇，将所述缺陷簇与所述各类标准缺陷的晶圆簇进行匹配，获取所述缺陷簇的缺陷类型。

进一步的，所述多光谱显微镜的分辨率应在5微米/像素以下，保证满足高分辨率观测要求。

进一步的，所述利用多光谱显微镜对Mini LED晶圆进行观测的方法为：

观测过程采用稳定的卤素灯作为光源，卤素灯的光强为

；同时为了增 强近红外波长的光强度，利用光纤束连接灯壳与准直透镜，利用发散角为0.8°的透镜对光 线发出的光进行准直，通过调整准直透镜的聚焦位置，使聚光灯在晶圆表面离焦，从而消除 光源的模式。

进一步的，所述多光谱晶圆显微图像中波段的波长包含：390、475、550、590、700、850nm。

进一步的，所述晶圆中每个像素的光谱序列的获取方法为：

对多光谱晶圆显微图像进行真彩色合成得到晶圆RGB图像，然后进行灰度转换，得到晶圆灰度图，对所述晶圆灰度图采用大津阈值分割方法进行晶圆区域分割并对其进行闭运算，得到晶圆二值图像，然后将所述晶圆二值图像与多光谱晶圆显微图像相乘，得到晶圆多光谱图像；

将每个像素的多个通道的光谱值组成一个序列，该序列用以反映该像素处不同波段的光谱信息，得到晶圆区域每个像素的光谱序列。

进一步的，所述晶圆网格表示图像的获取方法为：

获取一个标准无缺陷的晶圆多光谱图像，然后挑选多个正常晶圆像素的光谱序列；

对于光谱序列利用波峰波谷检测算法，得到光谱序列的波峰波谷点，然后将波峰点进行连接，得到光谱波峰包络线，将波谷点进行连接，得到光谱波谷包络线；

计算待测晶圆像素与正常晶圆像素光谱序列、光谱波峰包络线、光谱波谷包络线的余弦相似度，并求和，得到光谱相似度；

将待测晶圆像素与多个正常晶圆像素的光谱相似度进行求平均，获取平均光谱相似度；

然后通过设定相似度阈值，当待测晶圆光谱序列与多个正常晶圆像素的光谱序列的平均光谱相似度小于相似度阈值时，认为其为缺陷像素，最终得到晶圆网格表示图像，图像中，数值为1，表明其为缺陷像素，数值为0，表面为功能良好的芯片。

进一步的，所述聚合缺陷比的计算方法为：

对晶圆网格表示图像进行连通域分析，得到多个晶圆连通域，然后设定的聚合阈值，晶圆连通域中像素数大于聚合阈值的晶圆连通区域中的像素为聚合像素，小于聚合阈值的晶圆连通区域中的像素为非聚合像素；

所述DBSCAN的窗口选用方形窗口，对于每个像素获取其八邻域像素与中心点像素相同的数量，计算聚合缺陷比：

m表示窗口的大小，a为窗口中晶圆像素的数量，b为窗口中聚合像素的数量。

进一步的，所述基于所述聚合缺陷比进行DBSCAN密度聚类的方法为：

（1）从所有晶圆缺陷像素的坐标中任意选取一个晶圆像素点p；

（2）如果点p的U值满足U大于G2，则所选取的晶圆缺陷像素点p为核心点，则找出所有从p密度可达的晶圆缺陷像素点，形成一个簇，G2的经验值为0.12；

（3）如果选取的晶圆缺陷像素点p小于G2，其为边缘点，则选取另一个晶圆缺陷像素点；

（4）重复（2）、（3）步，直到所有晶圆缺陷点被处理。

进一步的，所述缺陷簇与所述各类标准缺陷的晶圆簇进行匹配的方法为：

人为获取各类标准缺陷的晶圆簇；

获取每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇的ZerNike矩，用以度量晶圆簇的形状、形态信息；

然后对于每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇进行均匀采样，每个采样的点都有其光谱序列，所有采样点的光谱序列组成一个光谱矩阵；

计算匹配度T：

T=NCC(X1,X2)*w1+cosine similarity(Z1,Z2)*w2+L1(S1,S2)*w3

w1、w2、w3分别为晶圆光谱、晶圆缺陷形态、晶圆大小的权重，X1，X2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的光谱矩阵，NCC为归一化互相关度量，最终求出后，归一化互相关度量越大，代表两个晶圆簇的光谱序列越相近，Z1，Z2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的ZerNike矩向量，cosine similarity( )为余弦相似度计算函数，余弦相似度越大，表明两个晶圆簇的外观形态越相近，S1，S2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的面积占比，L1表示求取两个晶圆簇的面积占比的L1距离，L1距离越大表面两个晶圆簇的大小越不接近；

利用上述方法求得存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇的匹配度，然后选取匹配度最大的标准缺陷晶圆簇的缺陷类型作为存在外观缺陷的晶圆簇的缺陷类型，完成对Mini LED晶圆外观缺陷类型的检测。

本发明具有如下有益效果：

本发明方法通过多光谱成像并结合像素光谱与光谱波峰波谷包络线来判断晶圆外观缺陷位置，相比原始的晶圆探测手段精度更高。

本发明采用基于小尺寸方形窗口和聚合缺陷比度量来对缺陷像素进行密度聚类，可以有效获取不同缺陷类型的空间分布，避免了传统算法中聚类导致不同类型缺陷区域误判断为一个空间区域的问题，可以实现对混合型外观缺陷的精确检测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的基于光学检测的Mini LED晶圆外观缺陷检测方法流程图。

图2为本发明一个实施例所提供的基于光学检测的Mini LED晶圆外观缺陷检测方法中晶圆的各类外观缺陷示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于光学检测的Mini LED晶圆外观缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于光学检测的Mini LED晶圆外观缺陷检测方法的具体方案。

请参阅图1，其示出了本发明基于光学检测的Mini LED晶圆外观缺陷检测方法，该方法包括以下步骤：

步骤一：利用光学显微镜对Mini LED晶圆进行观测，获取多光谱晶圆显微图像。

由于晶圆表面存在的翘曲大于显微物镜的景深，在晶圆表面图像获取时需要通过对焦保证图像的清晰，为了快速获取晶圆表面最清晰图像，可以采用飞拍自动对焦系统，以飞拍快速获取晶圆表面图像，并保证每一次拍照得到的都是经过自动对焦后的最清晰图像。

本发明为解决混合型外观缺陷，采用多光谱扫描显微镜，不仅可以获取其晶圆表面的微观图像，还可以获取图像中每个像素单元的光谱信息。

所述多光谱扫描显微镜分辨率在应在5um/pixel以下，保证满足高分辨率观测要求，可采用Sony IMX267LLR-C图像传感器，其分辨率为1.93um/pixel，所述多光谱的波长为:390、475、550、590、700、850nm，对于每个波段都可获取一张视觉图像，对于晶圆而言不同波段其反应不同；图像采集过程所述相机和镜头配合，所述镜头设置于相机下方，检测时所述位移载物台设置于镜头正下方，将晶圆置于位移载物台进行图像采集。

采集过程采用稳定的卤素灯作为光源。同时为了增强近红外波长的光强度，利用光纤束连接灯壳与准直透镜，利用发散角为0.8°的透镜对光线发出的光进行准直。通过调整准直透镜的聚焦位置，是聚光灯在晶圆表面离焦，从而消除光源的模式。

卤素灯的光强为

，在不同波段的图像采集过程中，保持光的稳定性对 多波段光谱学至关重要。

在卤素灯照射下，在相同的曝光时间获取多幅图像，并求平均以降低噪声，最终得到稳定的多光谱晶圆显微图像。本方案中曝光时间采用5000ms。

图像采集获取的多光谱晶圆显微图像的尺寸为4096*2160。

所述图像采集过程还包含图像超分辨处理，利用超分辨技术对稳定的多光谱晶圆显微图像进行超分辨率图像增强，提高图像分辨率，使得可以检测更细微的外观缺陷。所述超分辨技术可采用SRGAN、RCAN等技术。可以实现两倍超分辨率的效果，即0.965um/pixel，可以有效观测微观缺陷。如果分辨率不够上述条件，则单个像素可能同时包含缺陷与非缺陷区域，导致后续判断错误。

步骤二：对多光谱晶圆显微图像进行晶圆区域提取，并获取晶圆中每个像素的光谱信息。

为了便于分析Mini LED晶圆上外观的缺陷，此处首先将多光谱晶圆显微图像中的晶圆区域利用图像分割的方法给提取出来。对多光谱晶圆显微图像进行真彩色合成得到晶圆RGB图像，然后进行灰度转换，得到晶圆灰度图，对晶圆灰度图采用大津阈值分割方法进行晶圆区域分割并对其进行闭运算，得到晶圆二值图像，提取得到的晶圆二值图像中，前景为晶圆，即附图2中所述圆形区域，然后将晶圆二值图像与多光谱晶圆显微图像相乘，得到晶圆多光谱图像。真彩色合成、灰度转换、大津阈值属于本领域技术人员所周知的，这里不再赘述其细节。

对于多光谱而言，其获取的晶圆多光谱图像为一个多通道图像，将每个像素的多个通道的光谱值组成一个序列，该序列用以反映该像素处不同波段时的光谱信息，最终可以获取晶圆区域每个像素的光谱序列。

步骤三： 利用光谱匹配算法获取待测晶圆光谱与正常晶圆光谱的相似度，判断存在外观缺陷的晶圆区域。

同时利用上述方法进行拍摄获取一个标准无缺陷的晶圆多光谱图像，然后挑选多个正常晶圆像素的光谱序列，然后将待测晶圆区域中每个像素的光谱序列与多个正常晶圆像素的光谱序列进行光谱匹配，

将具有 n 个波段的多光谱数据中每个像素的光谱序列作为 N 维空间矢量，计算其与多个正常晶圆像素的光谱序列之间的相似度，进而判断匹配的好坏程度。对于晶圆而言，其表面存在外观缺陷时，会导致光谱发生变化，只采用余弦相似度来度量会存在光谱差异较小的问题，导致判断缺陷不精确。因此对于光谱序列利用波峰波谷检测算法，得到光谱序列的波峰波谷点，然后将波峰点进行连接，得到波峰包络线，将波谷点进行连接，得到波谷包络线。

计算光谱相似度公式如下：

u为光谱的特征序列数量，包括光谱序列、光谱波峰包络线、光谱波谷包络线，

为余弦相似度计算函数，

、

分别为待测晶圆区域中像素的第i个特征 序列与正常晶圆像素的光谱的第i个特征序列。最终V的值越大，代表两个像素的光谱相似 性越大。

获取平均光谱相似度

：

其中n为挑选的正常晶圆像素数量。

表示待测晶圆区域中像素与第j个正常晶圆 像素的光谱相似度。

然后通过设定相似度阈值G，当待测晶圆光谱序列与多个正常晶圆像素的光谱序列的平均光谱相似度小于G时，认为其为缺陷像素，G的经验值为0.9。最终得到晶圆网格表示图像，图像中，数值为1，表明其为缺陷像素，数值为0，表面为功能良好的芯片。

步骤四： 利用DBSCAN聚类算法对存在外观缺陷的晶圆进行区域划分，得到多个存在外观缺陷的晶圆簇。

对于晶圆而言，可能存在两个或多个外观缺陷图案，混合型缺陷难以检测的原因即缺陷的空间分布比较杂乱，同时难以获取每个类型缺陷的精准空间位置，进而导致判断困难。

本发明采用DBSCAN聚类算法获取每个类型缺陷的空间位置，DBSCAN聚类常规的采用数量阈值（一个点附近的点数量，超过等于数量数值才会被视为核心点），但是对于晶圆图像而言，很多缺陷类型采用数量阈值方法会导致所有的缺陷区域都为一个簇，进而难以实现对混合型外观缺陷的检测，本方案采用下述方法进行空间位置的准确提取：

对晶圆网格表示图像进行连通域分析，得到多个晶圆连通域，然后设定的聚合阈值G1，晶圆连通域中像素数大于G1的晶圆连通区域中的像素为聚合像素，小于G1的晶圆连通区域中的像素为非聚合像素。

所述DBSCAN的窗口选用方形窗口，大小m为3，选择窗口较大，会导致某些缺陷检测不出，如划痕缺陷。对于每个像素获取其八邻域的像素，获取其八邻域像素与中心点像素相同的数量，计算聚合缺陷比：

表示窗口的面积，a为窗口中晶圆像素的数量，b为窗口中聚合像素的数量。聚 合像素数量越多，代表该缺陷区域与其他缺陷越聚集、越连通，更可能属于同一种缺陷。

至此，对于任一数据点，都可获取其聚合缺陷比。

然后利用基于聚合缺陷比的DBSCAN算法进行聚类，所属DBSCAN算法的输入为晶圆网格表示图像中所有晶圆缺陷像素的坐标，其处理流程如下：

（1）从所有晶圆缺陷像素的坐标中任意选取一个晶圆像素点p；

（2）如果点p的U值满足U大于G2，则所选取的晶圆缺陷像素点p为核心点，则找出所有从p密度可达的晶圆缺陷像素点，形成一个簇，G2的经验值为0.12；

（3）如果选取的晶圆缺陷像素点p小于G2，其为边缘点，则选取另一个晶圆缺陷像素点；

（4）重复（2）、（3）步，直到所有晶圆缺陷点被处理。

至此，即可获取每个缺陷簇。

步骤五： 将存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇匹配，判断晶圆表面存在的缺陷类型。

对于每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇进行匹配，所述各类标准缺陷的晶圆簇需要人为基于缺陷进行晶圆簇的划分。

构建匹配度量，首先获取每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇的ZerNike矩，用以度量晶圆簇的形状、形态信息。

然后对于每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇进行均匀采样，均匀采样的点的个数经验值为20，每个采样的点都有其光谱序列，这所有采样点的光谱序列可以组成一个光谱矩阵。

获取匹配度T：

T=NCC(X1,X2)*w1+cosine similarity(Z1,Z2)*w2+L1(S1,S2)*w3

w1、w2、w3分别为三项的权重，经验值分别为0.2,0.5,0.3。X1，X2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的光谱矩阵，NCC为归一化互相关度量，最终求出后，归一化互相关度量越大，代表两个晶圆簇的光谱序列越相近。Z1，Z2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的ZerNike矩向量，cosine similarity( )为余弦相似度计算函数，余弦相似度越大，表明两个晶圆簇的外观形态越相近。S1，S2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的面积占比（晶圆簇的像素数量除以晶圆的总像素数量），L1表示求取两个晶圆簇的面积占比的L1距离，L1距离越大表面两个晶圆簇的大小越不接近。

至此，即可利用上述方法求得存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇的匹配度，然后选取匹配度最大的标准缺陷晶圆簇的缺陷类型作为存在外观缺陷的晶圆簇的缺陷类型，最终完成对Mini LED晶圆外观缺陷的检测。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于光学检测的Mini LED晶圆外观缺陷检测方法，其特征在于，该方法包括以下步骤：

利用多光谱显微镜对Mini LED晶圆进行观测，获取多光谱晶圆显微图像；

对所述多光谱晶圆显微图像进行晶圆区域提取，并获取晶圆中每个像素的光谱序列，具体包括：对多光谱晶圆显微图像进行真彩色合成得到晶圆RGB图像，然后进行灰度转换，得到晶圆灰度图，对所述晶圆灰度图采用大津阈值分割方法进行晶圆区域分割并对其进行闭运算，得到晶圆二值图像，然后将所述晶圆二值图像与多光谱晶圆显微图像相乘，得到晶圆多光谱图像；

将每个像素的多个通道的光谱值组成一个序列，该序列用以反映该像素处不同波段的光谱信息，得到晶圆区域每个像素的光谱序列；

获取标准无缺陷的晶圆多光谱图像，挑选多个正常晶圆像素的光谱序列，然后将所述晶圆区域中每个像素的光谱序列与所述多个正常晶圆像素的光谱序列进行光谱匹配，得到晶圆网格表示图像，具体包括：获取一个标准无缺陷的晶圆多光谱图像，然后挑选多个正常晶圆像素的光谱序列；

对于光谱序列利用波峰波谷检测算法，得到光谱序列的波峰波谷点，然后将波峰点进行连接，得到光谱波峰包络线，将波谷点进行连接，得到光谱波谷包络线；

计算待测晶圆像素与正常晶圆像素光谱序列、光谱波峰包络线、光谱波谷包络线的余弦相似度，并求和，得到光谱相似度；

将待测晶圆像素与多个正常晶圆像素的光谱相似度进行求平均，获取平均光谱相似度；

然后通过设定相似度阈值，当待测晶圆光谱序列与多个正常晶圆像素的光谱序列的平均光谱相似度小于相似度阈值时，认为其为缺陷像素，最终得到晶圆网格表示图像，图像中，数值为1，表明其为缺陷像素，数值为0，表面为功能良好的芯片；

对所述晶圆网格表示图像进行分析，获取聚合缺陷比，具体包括：对晶圆网格表示图像进行连通域分析，得到多个晶圆连通域，然后设定聚合阈值，晶圆连通域中像素数大于聚合阈值的晶圆连通区域中的像素为聚合像素，小于聚合阈值的晶圆连通区域中的像素为非聚合像素；

DBSCAN的窗口选用方形窗口，对于每个像素获取其八邻域像素与中心点像素相同的数量，计算聚合缺陷比：

m表示窗口的大小，a为窗口中晶圆像素的数量，b为窗口中聚合像素的数量；

并基于所述聚合缺陷比利用DBSCAN聚类算法对所述晶圆网格表示图像进行聚类，获取缺陷簇；

获取各类标准缺陷的晶圆簇，将所述缺陷簇与所述各类标准缺陷的晶圆簇进行匹配，获取所述缺陷簇的缺陷类型。

2.根据权利要求1所述的基于光学检测的Mini LED晶圆外观缺陷检测方法，其特征在于，所述多光谱显微镜的分辨率应在5微米/像素以下。

3.根据权利要求1所述的基于光学检测的Mini LED晶圆外观缺陷检测方法，其特征在于，所述利用多光谱显微镜对Mini LED晶圆进行观测的方法为：

观测过程采用稳定的卤素灯作为光源，卤素灯的光强为

；同时利用光纤束 连接灯壳与准直透镜，利用发散角为0.8°的透镜对光线发出的光进行准直，调整准直透镜 的聚焦位置，使聚光灯在晶圆表面离焦，消除光源的模式。

4.根据权利要求1所述的基于光学检测的Mini LED晶圆外观缺陷检测方法，其特征在于，所述多光谱晶圆显微图像中波段的波长包含：390、475、550、590、700、850nm。

5.根据权利要求1所述的基于光学检测的Mini LED晶圆外观缺陷检测方法，其特征在于，所述基于所述聚合缺陷比进行DBSCAN密度聚类的方法为：

（1）从所有晶圆缺陷像素的坐标中任意选取一个晶圆像素点p；

（2）如果点p的U值满足U大于G2，则所选取的晶圆缺陷像素点p为核心点，则找出所有从p密度可达的晶圆缺陷像素点，形成一个簇，G2的经验值为0.12；

（3）如果选取的晶圆缺陷像素点p小于G2，其为边缘点，则选取另一个晶圆缺陷像素点；

（4）重复（2）、（3）步，直到所有晶圆缺陷点被处理。

6.根据权利要求1所述的基于光学检测的Mini LED晶圆外观缺陷检测方法，其特征在于，所述缺陷簇与所述各类标准缺陷的晶圆簇进行匹配的方法为：

人为获取各类标准缺陷的晶圆簇；

获取每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇的ZerNike矩，用以度量晶圆簇的形状、形态信息；

然后对于每个存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇进行均匀采样，每个采样的点都有其光谱序列，所有采样点的光谱序列组成一个光谱矩阵；

计算匹配度T：

T=NCC(X1,X2)*w1+cosine similarity(Z1,Z2)*w2+L1(S1,S2)*w3

w1、w2、w3分别为晶圆光谱、晶圆缺陷形态、晶圆大小的权重，X1，X2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的光谱矩阵，NCC为归一化互相关度量，最终求出后，归一化互相关度量越大，代表两个晶圆簇的光谱序列越相近，Z1，Z2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的ZerNike矩向量，cosine similarity( )为余弦相似度计算函数，S1，S2分别为存在外观缺陷的晶圆簇、标准缺陷的晶圆簇的面积占比，L1表示求取两个晶圆簇的面积占比的L1距离；

利用上述方法求得存在外观缺陷的晶圆簇与各类标准缺陷的晶圆簇的匹配度，然后选取匹配度最大的标准缺陷晶圆簇的缺陷类型作为存在外观缺陷的晶圆簇的缺陷类型，完成对Mini LED晶圆外观缺陷类型的检测。

Images