CN116797569A - 一种晶圆缺陷的检测方法及系统 - Google Patents

Abstract

本发明公开了一种晶圆缺陷的检测方法及系统，步骤1、获取晶圆正面的图像以及晶圆背面的编码图像；步骤2、对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；步骤3、提取校正后晶圆正面图像中的初步损伤特征；步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息，大大提高了晶圆的检测精度和效率，降低了晶圆的检测成本。

Description

一种晶圆缺陷的检测方法及系统

技术领域

本发明涉及晶圆制造技术领域，具体为一种晶圆缺陷的检测方法及系统。

背景技术

现在的电子产品、自动化工业设备及各种车辆上均安装有芯片，芯片作为设备的核心控制部件，因此芯片的需求量巨大，芯片都是通过切割晶圆来加工制造的，晶圆是制作硅半导体电路所用的硅晶片，其原始材料是硅，高纯度的多晶硅溶解制作成圆柱形的单晶硅，硅晶棒经过切片后形成晶圆片，在对晶圆片加工前需要对其质量和型号进行逐一检测分类。

在检测过程中需要对晶圆的正面和背面分别进行检测，然后根据检测结果对符合要求的晶圆进行分类存储，现有的检测方法是，将晶圆的正面和背面依次放置在两个检测台上，对晶圆正面损伤区域识别以及对晶圆背面的编码进行识别，该损伤采用人眼视觉检测，该检测方法劳动强度较大，检测效率低，检测精度易受工作人员生理上的视觉疲劳及个人的主观性影响，不可避免的造成漏检或误检，同时还需要耗费大量的人力资源；另外，基于超声波原理的晶圆表面缺陷检测方式，但是该检测方法成本较高，可以用作实验室的检测，但是不符合生产检测要求。

发明内容

针对现有技术中存在的问题，本发明提供一种晶圆缺陷的检测方法及系统，采用视觉识别技术实现晶圆损伤区域的快速检测。

本发明是通过以下技术方案来实现：

一种晶圆缺陷的检测方法，包括以下步骤：

步骤1、获取晶圆正面的图像以及晶圆背面的编码图像；

步骤2、对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；

步骤3、提取校正后晶圆正面图像中的初步损伤特征；

步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；

步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。

优选的，步骤2中用中值滤波算法、双边滤波算法或小波去噪算法对晶圆图像和编码进行降噪滤波处理。

优选的，步骤2中采用多项式拟合的方式对图像背景进行补偿校正。

优选的，步骤3中采用Soble算子结合双阈值的分割方法提取晶圆正面图像的初步损伤特征。

优选的，所述Soble算子用来计算图像灰度值梯度的大小和方向，对图像中的像素点使用Soble算子得到法矢量和灰度梯度矢量，进而获取晶圆图像的二值图像，对二值图像进行遍历并结合顶点法对晶圆的损伤区域进行定位，得到晶圆的初步损伤特征。

优选的，步骤4中先进行腐蚀操作，用于消除晶圆图像中的狭长和细小部分；再进行腐蚀操作，用于连接断裂的轮廓或者填充细小的空白区域，得到晶圆的损伤特征。

优选的，所述晶圆缺陷包括区域缺失、划痕、凹坑和毛刺。

优选的，所述机器学习方法为，将各损伤区域参数输入到训后好的机器学习模型中，机器学习模型对损伤特征进行识别分类。

优选的，所述机器学习模型包括支持向量机、二叉树、朴素贝叶斯分类器、神经网络、决策树和逻辑回归算法。

一种晶圆缺陷的检测方法的系统，包括，

采集模块，用于获取晶圆正面的图像以及晶圆背面的编码图像；

降噪滤波模块，用于对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；

初步损伤模块，用于提取校正后晶圆正面图像中的初步损伤特征；

损伤定位模块，用于采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；

识别模块，用于获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。

与现有技术相比，本发明具有以下有益的技术效果：

本发明公开了一种晶圆缺陷的检测方法，首先对图像进行降噪滤波处理，解决了图像采集过程中引入的噪声和图像灰度不均对缺陷识别造成影响，提高检测的准确性，其次采用Soble算子结合双阈值分割方法对晶圆图像中的缺陷进行分割，然后采用形态学处理将缺陷中的非缺陷进行消除，再提取缺陷的特征，最后结合机器学习方法损伤特征参数进行识别和分裂。提高了晶圆的检测效率和精度，解决了人工检测慢，以及超声波检测费用高的问题，采用该方法能够有效降低晶圆的生产成本。

附图说明

图1为本发明检测装置的外观示意图。

图2为本发明检测装置的结构示意图。

图3为本发明检测方法的流程图。

图中：10、图像采集装置；11、连接臂；12、纵向调节臂；13、高度调节臂；14、摄像头；20、上补光装置；21、调节杆；22、补光灯；30、编码采集装置；31、高度调节杆；32、读码器；40、下补光装置；41、滑杆；42、光板；50、固定架。

具体实施方式

下面结合附图对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

参阅图1和2，一种晶圆缺陷的检测装置，包括固定架50，以及设置在其上的图像采集装置10、编码采集装置30和光源，图像采集装置10位于编码采集装置30的顶部。

所述图像采集装置10包括调节装置和摄像头14，调节装置的一端与固定架连接，摄像头14与调节装置的另一端连接，调节装置用于调节摄像头14的空间位置；编码采集装置30包括能够沿固定架上下移动的读码器32，摄像头和读码器的光口相对设置，光源与固定架连接，用于增强摄像头和编码器获取图像时的环境亮度。

固定架包括底座以及垂直设置在其上的固定杆，所述调节装置包括连接臂11、纵向调节臂12和高度调节臂13，高度调节臂13的一端套设在固定杆上并能够沿其轴向滑动，纵向调节臂12水平设置并与高度调节臂13滑动连接，连接臂11的一端与纵向调节臂12的一端连接，另一端连接摄像头14，摄像头的出光口位于底部。

在本实施例中，所述固定杆、纵向调节臂12和高度调节臂13均为方管，高度调节臂13的两端均设置有方孔，并且两个方孔的轴向垂直布置，高度调节臂13通过两个方孔分别连接固定杆和纵向调节臂12，并且高度调节臂13与固定杆连接的方孔侧壁上设置有定位件，用于对高度调节臂13定位，优选的，定位件为顶丝。

所述读码器32设置在高度调节杆31的顶部，高度调节杆31的一端设置有方孔，并通过方孔套设在固定杆上，高度调节杆31的侧壁上设置有定位件，用于固定高度调节杆31的高度，通过高度调节杆31与固定杆的滑动连接，能够实现读码器32的高度控制，读码器32的光口位于顶部。

所述光源包括上补光装置20和下补光装置40，上补光装置20和下补光装置40分别位于晶圆片的顶部和底部。

所述上补光装置20包括补光灯22和调节杆21，调节杆21的一端滑动套设在固定板上并位于图像采集装置10的底部，调节杆21的另一端与补光灯22连接，并且补光灯22与摄像头错位设置，避免补光灯影响摄像头，调节杆21的端部通过紧固件与固定杆连接，紧固件用于对调节杆的高度定位。

所述下补光装置包括滑杆41和光板42，光板42上铺设有多个LED灯珠，滑杆41的一端与固定板滑动连接，并位于读码器的底部，滑杆41的另一端与光板固定连接，通过滑杆41调节的高度，调节读码器工作时的环境亮度。

该晶圆缺陷的检测装置，图像采集装置10和编码采集装置30分别于控制单元连接，整个装置通过底座固定在分拣台6上，图像采集装置10和编码采集装置30分别获取晶圆片顶面图像和背面的编码信息，补光灯和灯板分别设置在固定架的上端和下端，分别用于对两个镜头进行补光，使镜头能够清晰获取晶圆片的图像。

晶圆片的背面设置有晶圆编码，当机械臂使晶圆片位于两个摄像头和读码器之间，上部的摄像头用于获取晶圆片的图像，控制单元采用视觉图像处理技术对图像进行识别，识别晶圆片是否存在刮痕、刮伤等损伤问题，下部的读码器用于识别晶圆片的编码，并根据编码信息对晶圆片进行分类，机械臂根据分类信息将晶圆片放置在晶圆分类储存装置对应的晶圆仓中。

参阅图3，下面对本发明提供的一种晶圆缺陷的检测方法，包括以下步骤：

步骤1、采集晶圆正面的图像以及晶圆背面的编码图像；

具体的，使晶圆悬浮在转运盘上，通过机械臂将晶圆移动至上下两个摄像头和读码器之间，开启两个补光灯和灯板，上部的摄像头采集晶圆正面的图像，晶圆下部的读码器采集晶圆底面的编码图像，摄像头和读码器分别通过图像采集模块与控制单元连接。

步骤2、对获取的晶圆正面图像和背面编码进行降噪滤波处理，并对处理后的图像灰度进行校正。

降噪滤波处理采用中值滤波算法、双边滤波算法或小波去噪算法，本实施例中优选中值滤波算法。

由于采集图像的环境因素，得到的晶圆图像会出现灰度分布不均匀的情况，灰度不均匀会对后续的阈值分割造成严重的影响，因此需要对图像灰度校正所以采用多项式拟合的方式对背景进行补偿。

步骤3、提取校正后晶圆正面图像中的损伤特征；

采用Soble算子结合双阈值的分割方法提取晶圆正面图像的初步损伤特征；

如没有提取到损伤特征，则该晶圆符合要求，完成该晶圆的损伤检测。

采取Soble算子结合双阈值分割方法将晶圆的损伤图像从图像背景中分割出来。Soble算子作为一种离散型差分算子，用来计算图像灰度值梯度的大小和方向，对图像中的像素点使用Soble算子得到法矢量和灰度梯度矢量，进而获取晶圆图像的二值图像，对二值图像进行遍历并结合顶点法对晶圆的损伤区域进行定位，得到晶圆的初步损伤特征。

步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆的损伤特征。

经过图像分割检测出晶圆的初步损伤特征，初步损伤特征中会掺杂一些非损伤点，采用图像形态学处理方法对图像进行后处理，消除非损伤点，得到晶圆的损伤特征，图像形态学利用目标图形的形态特征对其进行变化，以得到理想的处理结果。图像形态学的处理过程是腐蚀和膨胀。

在本实施例中采用先进行腐蚀操作，即为开运算，用于消除晶圆图像中的狭长、细小部分；先进行膨胀操作，再进行腐蚀操作，即为闭运算，主要用于连接断裂的轮廓或者填充细小的空白区域。

步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别。

晶圆缺陷包括区域缺失、划痕、凹坑和毛刺，损伤区域参数包括损伤的图像数据，面积数据、灰度数据和灰度差，将各损伤区域参数输入到训后好的机器学习模型中，机器学习模型对损伤特征进行识别分类。

步骤6、根据校准后的编码图像获取该晶圆片的信息。

机器机器学习模型包括支持向量机(SVM)、二叉树、朴素贝叶斯分类器、神经网络、决策树和逻辑回归算法。本发明采用朴素贝叶斯分类器对晶圆损伤行识别和分类，朴素贝叶斯分类器具有最小错误率的特点，能够满足晶圆损伤辨识的实时性、准确性等性能要求，从而保证了晶圆损伤辨识的精度。

本发明还提供了一种晶圆缺陷的检测系统，包括采集模块、降噪滤波模块、初步损伤模块、损伤定位模块和识别模块；

采集模块，用于获取晶圆正面的图像以及晶圆背面的编码图像；

降噪滤波模块，用于对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；

初步损伤模块，用于提取校正后晶圆正面图像中的初步损伤特征；

损伤定位模块，用于采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；

识别模块，用于获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种晶圆缺陷的检测方法，其特征在于，包括以下步骤：

步骤1、获取晶圆正面的图像以及晶圆背面的编码图像；

步骤2、对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；

步骤3、提取校正后晶圆正面图像中的初步损伤特征；

步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；

步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。

2.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤2中用中值滤波算法、双边滤波算法或小波去噪算法对晶圆图像和编码进行降噪滤波处理。

3.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤2中采用多项式拟合的方式对图像背景进行补偿校正。

4.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤3中采用Soble算子结合双阈值的分割方法提取晶圆正面图像的初步损伤特征。

5.根据权利要求4所述的一种晶圆缺陷的检测方法，其特征在于，所述Soble算子用来计算图像灰度值梯度的大小和方向，对图像中的像素点使用Soble算子得到法矢量和灰度梯度矢量，进而获取晶圆图像的二值图像，对二值图像进行遍历并结合顶点法对晶圆的损伤区域进行定位，得到晶圆的初步损伤特征。

6.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤4中先进行腐蚀操作，用于消除晶圆图像中的狭长和细小部分；再进行腐蚀操作，用于连接断裂的轮廓或者填充细小的空白区域，得到晶圆的损伤特征。

7.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，所述晶圆缺陷包括区域缺失、划痕、凹坑和毛刺。

8.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，所述机器学习方法为，将各损伤区域参数输入到训后好的机器学习模型中，机器学习模型对损伤特征进行识别分类。

9.根据权利要求8所述的一种晶圆缺陷的检测方法，其特征在于，所述机器学习模型包括支持向量机、二叉树、朴素贝叶斯分类器、神经网络、决策树和逻辑回归算法。

10.一种用于执行权利要求1-9任一项所述的一种晶圆缺陷的检测方法的系统，其特征在于，包括，

采集模块，用于获取晶圆正面的图像以及晶圆背面的编码图像；

降噪滤波模块，用于对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；

初步损伤模块，用于提取校正后晶圆正面图像中的初步损伤特征；

损伤定位模块，用于采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；

识别模块，用于获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。