CN116818704B - 一种半导体瑕疵ai高精度全自动检测方法、设备及介质 - Google Patents
一种半导体瑕疵ai高精度全自动检测方法、设备及介质 Download PDFInfo
- Publication number
- CN116818704B CN116818704B CN202310224442.3A CN202310224442A CN116818704B CN 116818704 B CN116818704 B CN 116818704B CN 202310224442 A CN202310224442 A CN 202310224442A CN 116818704 B CN116818704 B CN 116818704B
- Authority
- CN
- China
- Prior art keywords
- semiconductor
- image
- terahertz
- flaw
- spectrum
- 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.)
- Active
Links
- 239000004065 semiconductor Substances 0.000 title claims abstract description 281
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 238000001228 spectrum Methods 0.000 claims abstract description 63
- 230000007547 defect Effects 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000003595 spectral effect Effects 0.000 claims description 51
- 229910052751 metal Inorganic materials 0.000 claims description 34
- 239000002184 metal Substances 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 26
- 230000004927 fusion Effects 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000001237 Raman spectrum Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 26
- 230000008569 process Effects 0.000 abstract description 14
- 230000003287 optical effect Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 6
- 210000002381 plasma Anatomy 0.000 abstract 3
- 239000000919 ceramic Substances 0.000 description 59
- 239000000758 substrate Substances 0.000 description 58
- 238000003709 image segmentation Methods 0.000 description 12
- 239000003086 colorant Substances 0.000 description 8
- 230000005284 excitation Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 229910010293 ceramic material Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 239000003989 dielectric material Substances 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- FRWYFWZENXDZMU-UHFFFAOYSA-N 2-iodoquinoline Chemical compound C1=CC=CC2=NC(I)=CC=C21 FRWYFWZENXDZMU-UHFFFAOYSA-N 0.000 description 1
- 229910018072 Al 2 O 3 Inorganic materials 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- LTPBRCUWZOMYOC-UHFFFAOYSA-N beryllium oxide Inorganic materials O=[Be] LTPBRCUWZOMYOC-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- PMHQVHHXPFUNSP-UHFFFAOYSA-M copper(1+);methylsulfanylmethane;bromide Chemical compound Br[Cu].CSC PMHQVHHXPFUNSP-UHFFFAOYSA-M 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000004042 decolorization Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000008204 material by function Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002086 nanomaterial Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 1
- 229910010271 silicon carbide Inorganic materials 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004416 surface enhanced Raman spectroscopy Methods 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Toxicology (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Signal Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种半导体瑕疵AI高精度全自动检测方法、设备及介质，采用太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波对半导体进行检测不仅可以同时检测半导体内外瑕疵的面积、深度等数据，同时其生成的光谱图像相较于现有技术的检测过程中生成的光谱图像在传播的过程中损耗少，检测更加精准。太赫兹表面等离子体波生成的图像结合全色图像进行融合，全色图像弥补了光谱图像空间分辨率不高的缺陷，使得半导体瑕疵的检测更加精细、精准，解决了现有技术中基于光学原理和视觉成像技术对半导体表面缺陷的检测方法已不能满足半导体精密检测要求，从而无法检测出半导体中微瑕疵的问题。
Description
技术领域
本发明涉及半导体瑕疵检测技术领域，具体涉及一种半导体瑕疵AI高精度全自动检测方法、设备及介质。
背景技术
半导体器件生产中，从半导体单晶片到制成最终成品，须经历数十甚至上百道工序。为了确保产品性能合格、稳定可靠，并有高的成品率，根据各种产品的生产情况,对所有工艺步骤都要有严格的具体要求。
若半导体晶体在生产过程中存在瑕疵，会产生不均匀的二氧化硅膜生长、差的外延膜的淀积、不均匀的掺杂层及其他问题而导致工艺问题。在已完成的半导体器件中，这些瑕疵会引起有害的电流漏出，影响器件在正常电压下的使用。
因而,在生产过程中必须建立相应的系统和精确的监控措施，首先要从半导体工艺检测着手。
目前，对于半导体瑕疵的检测主要是利用计算机视觉技术检测和利用红外激光进行无损检测，但利用计算机视觉技术检测表面缺陷时主要是利用拍摄的图片和无缺陷时拍摄的图片进行对比，利用种方法检测时拍摄的参考图片的成像品质会影响检测准确度。而利用红外激光进行无损检测是通过激光照射在不同大小缺陷时产生的散射光信号不一致，并对这些散射光的信号进行收集然后重构最后判断缺陷大小，该技术是一种具有高灵敏度的发现微体缺陷的手段，能检测半导体内部10μm左右的缺陷。但是，使用该方法进行检测时，浅层瑕疵部分的散射光信号与正常部分的散射光信号相近，难以区分。
现有技术中基于光学原理和视觉成像技术对半导体表面缺陷的检测方法已不能满足半导体精密检测的要求，故现急需一种对半导体瑕疵进行精确检测的方法。
发明内容
基于背景技术中所提出的问题，本发明的目的在于提供一种半导体瑕疵AI高精度全自动检测方法、设备及介质，解决了现有技术中基于光学原理和视觉成像技术对半导体表面缺陷的检测方法已不能满足半导体精密检测要求，从而无法检测出半导体中微瑕疵的问题。
本发明通过下述技术方案实现：
本发明第一方面提供了一种半导体瑕疵AI高精度全自动检测方法，包括
向半导体发射检测太赫兹射线，所述检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波，并收集太赫兹表面等离子体波的光谱信息；
对所述光谱信息进行处理，得到半导体光谱图像；
采集半导体图像，对所述半导体图像进行处理，得到半导体全色图像；
将所述半导体光谱图像和所述半导体全色图像进行图像融合，得到半导体瑕疵图像；
其中，所述检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波包括：
在半导体表面设置金属介质,太赫兹射线以一定的角度射向金属介质与半导体表面之间的间隙，太赫兹射线在所述间隙处发生散射,
太赫兹射线通过散射获得补偿，生成太赫兹表面等离子体波。
在上述技术方案中，采用太赫兹射线对半导体表面等离子体进行激发生成太赫兹表面等离子体波，通过太赫兹表面等离子体波对半导体进行检测。在现有技术中通常采用红外激光、X射线对半导体进行检测，红外激光、X射线对应着微观光子学，而太赫兹波段位于微观光子学与宏观光子学之间，在该波段中太赫兹波不仅可以实现半导体物体成像而且可以实现对半导体的内部进行探测，获取其内部瑕疵信息。
对通过太赫兹表面等离子体波光谱信息进行处理生成的半导体光谱图像可以精准确定瑕疵位于半导体的表面或半导体的内部，以及该瑕疵的深度。
由于太赫兹无损检测系统是根据半导体的反馈的光谱信息进行成像，反应半导体的光谱信息。但该光谱信息具有单一性与片面性，不能完整反应半导体的空间特征。故采集半导体图像，对半导体图像进行处理，得到半导体全色图像，使半导体全色图像和半导体光谱图像进行融合，全面、精准反应微瑕疵的边缘、面积、深度等信息，解决了现有技术中基于光学原理和视觉成像技术对半导体表面缺陷的检测方法已不能满足半导体精密检测要求，从而无法检测出半导体中微瑕疵的问题。
在一种可选实施例中，对所述光谱信息进行处理，得到半导体光谱图像包括：
从所述光谱信息中获取太赫兹反射信号，对所述太赫兹反射信号进行时间解析得到太赫兹时域波形；
对所述太赫兹时域波形进行傅里叶变换，得到太赫兹频域波形；
选取所述太赫兹时域波形和所述太赫兹频域波形进行映射，得到半导体光谱图像。
在一种可选实施例中，对所述半导体图像进行处理，得到半导体全色图像包括：
采用卷积神经网络对所述半导体图像进行边缘特征提取，得到瑕疵形状；
将所述瑕疵形状标注于所述半导体图像中，并对标注后的半导体图像进行处理，得到半导体全色图像。
在一种可选实施例中，将所述半导体光谱图像和所述半导体全色图像进行图像融合，得到半导体瑕疵图像包括：
对所述半导体光谱图像进行线性变换，将半导体光谱图像从光谱空间转换到特定的特征空间；
使用转换后的所述半导体光谱图像对所述半导体全色图像进行数据拟合，得到替换信息；
使用替换信息对所述半导体光谱图像替换，得到半导体瑕疵图像。
在一种可选实施例中，使用转换后的半导体光谱图像对所述半导体全色图像进行数据拟合，得到替换信息包括：
对转换后的半导体光谱图像和半导体全色图像进行拟合，得到半导体光谱图像和半导体全色图像的图像差异；
重复对半导体光谱图像和所述半导体全色图像进行拟合，直至所述图像差异满足差异阈值。
在一种可选实施例中，将所述半导体光谱图像和所述半导体全色图像进行图像融合，得到半导体瑕疵图像之后还包括：
通过所述光谱信息中的拉曼光谱对所述半导体瑕疵图像上的瑕疵进行分析，得到修正信息；
通过所述修正信息对所述半导体瑕疵图像进行修正。
在一种可选实施例中，所述金属介质包括第一金属介质和第二金属介质。
在一种可选实施例中，所述检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波还包括：
所述太赫兹射线以一定的角度射向所述第一金属介质与半导体表面之间的间隙；
所述太赫兹射线在所述间隙处发生散射，生成波矢补偿；
所述太赫兹射线与所述波矢补偿激发出太赫兹表面等离子体波；
所述太赫兹表面等离子体波传播至所述第二金属介质耦合成自由等离子体波。
本发明第二方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种半导体瑕疵AI高精度全自动检测方法。
本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种半导体瑕疵AI高精度全自动检测方法。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明采用太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波对半导体进行检测不仅可以同时检测半导体内外瑕疵的面积、深度等数据，同时其生成的光谱图像相较于现有技术的检测过程中生成的光谱图像在传播的过程中损耗少，检测更加精准。太赫兹表面等离子体波生成的图像结合全色图像进行融合，全色图像弥补了光谱图像空间分辨率不高的缺陷，使得半导体瑕疵的检测更加精细、精准，解决了现有技术中基于光学原理和视觉成像技术对半导体表面缺陷的检测方法已不能满足半导体精密检测要求，从而无法检测出半导体中微瑕疵的问题。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。在附图中：
图1为本发明实施例1提供的一种半导体瑕疵AI高精度全自动检测方法的流程图；
图2为本发明实施例2提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
图1为本发明实施例1提供的一种半导体瑕疵AI高精度全自动检测方法的流程图，如图1所示，一种半导体瑕疵AI高精度全自动检测方法包括如下步骤：
步骤S1、向半导体发射检测太赫兹射线，检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波，并收集太赫兹表面等离子体波的光谱信息。
其中，太赫兹射线是由太赫兹无损检测系统发出的频率在0.1THz到10THz范围的电磁波，由于太赫兹射线的能量低不容易破坏检测物质，故常用于对精密器件进行检测。
红外激光、X射线对应着微观光子学，而太赫兹波段位于微观光子学与宏观光子学之间，在该波段中太赫兹波不仅可以实现半导体物体成像而且可以实现对半导体的内部进行探测，获取其内部的波谱特征、太赫兹标记等重要信息，该重要信息对于半导体瑕疵的高精密检测具有重要意义。
虽然X射线对于半导体缺陷的检测更加精确，但是由于X射线能量高，容易造成过度照射，从而对半导体造成损失，不符合工业生产中对于半导体无损检测的要求。
虽然太赫兹提高了半导体瑕疵的检测及表征能力，但是由于太赫兹射线的能量低，其对于复杂的瑕疵检测误差较高，不能满足工业生产中对于瑕疵面积检测精确度的要求。
而表面等离子体是一种电磁表面波，它在表面处场强最大，在垂直于界面方向是指数衰减场，它能够被电子也能被光波激发。在激发区域内,由于样品表面或近表面的电磁场的增强导致吸附分子的拉曼散射信号比普通拉曼散射信号大大增强的现象。
表面等离子体波通常是在金属表面采用可见光对表面等离子体进行激发所生成的，而半导体采用非金属材料制成，无法使用可见光进行直接激发。但由于太赫兹的波段与石墨烯、半导体等材料的等离子频率接近，半导体表面等离子体在太赫兹射线的激励下会增强电磁表现，产生表面增强拉曼散射，增强了太赫兹射线的表现能力，提升了太赫兹对于半导体复杂瑕疵的检测。
基于上述理论，故本发明将太赫兹波与表面等离子体波进行结合可以对半导体瑕疵进行检测。
具体的，检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波包括：
在半导体表面设置金属介质；
太赫兹射线以一定的角度射向金属介质与半导体表面之间的间隙；
太赫兹射线在间隙处发生散射，生成波矢补偿；
太赫兹射线与波矢补偿激发出太赫兹表面等离子体波。
其中，由于半导体采用非金属材料制成，入射光波在不借助介质的情况下入射光波无法直接耦合成表面等离子体波。故在本发明中设置了金属作为介质实现对太赫兹射线的束缚，从而激发半导体表面等离子体生成太赫兹表面等离子体波，使得太赫兹表面等离子体波可以在半导体表面进行传输。
当太赫兹射线经过半导体与金属介质发生散射，散射的太赫兹射线会生成波矢，该波矢进行补偿转化生成太赫兹表面等离子体波。
进一步的，由于在散射的过程中存在光线损耗，部分太赫兹射线经过间隙时会发生反射，导致太赫兹射线不能完全耦合成表面等离子体波。故在本发明中，设置了两个金属介质，金属介质包括第一金属介质和第二金属介质。
具体的，使用第一金属介质和第二金属介质生成自由等离子体波包括如下步骤：
太赫兹射线以一定的角度射向第一金属介质与半导体表面之间的间隙；
太赫兹射线在间隙处发生散射，生成波矢补偿；
太赫兹射线与波矢补偿激发出太赫兹表面等离子体波；
太赫兹表面等离子体波传播至第二金属介质耦合成自由等离子体波。
其中，太赫兹表面等离子体波在经过第一金属介质散射后，在传播过程中，太赫兹表面等离子体波的束缚能力减弱，在传播至第二金属介质之后，再次耦合，增强其束缚能力。
步骤S2、对光谱信息进行处理，得到半导体光谱图像。
其中，光谱信息至少包括获取太赫兹反射信号、拉曼光谱、太赫兹波长、频率等信息。
其中，对光谱信息进行处理，得到半导体光谱图像可以采用以下步骤：
步骤S21、从光谱信息中获取太赫兹反射信号，对太赫兹反射信号进行时间解析得到太赫兹时域波形。
其中，太赫兹反射信号是太赫兹射线激发半导体表面等离子体后生成太赫兹表面等离子体波所反馈回来的反射光波。
太赫兹时域波形为通过对一段时间内的反射光波进行解析所构建的波形图，太赫兹时域波形在瑕疵处的波形与在正常处的波形不同，通过太赫兹时域波形可以反馈瑕疵区域。
其中，由于该光谱是通过太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波得到的。
半导体的复介电常数对于表面等离子体的激发具有重要影响，弛豫时间与半导体的载流子迁移率以及半导体中载流子的有效质量呈正相关，与电子电荷量呈负相关。复介电常数包括实部和虚部，由于半导体的材质限制，半导体的复介电常数的实部需为负，故太赫兹入射波的频率不得高于半导体等离子频率。
表面等离子体波在半导体表面传输时能量随着传播距离的增加而减少，故传播距离与等离子体波色散呈负相关，太赫兹表面等离子体波色散越快，其传播距离越小。
太赫兹表面等离子体波在空气和半导体的衰减距离可以反应出太赫兹表面等离子体波的束缚程度，当太赫兹表面等离子体波通过缺陷以后由于部分能量在缺陷出散射或者反射，对比在光滑半导体表面的传输时的能量会有减少。
当半导体内部有空气间隙瑕疵时，空气和半导体会形成新的等效半导体。这样表面等离子体波在半导体瑕疵内部的衰减要比在半导体中衰减的少，从而表面等离子体波在表面传播距离会更远。
当瑕疵位于半导体表面时，随着瑕疵尺寸的增加传播的越短；当缺陷位于半导体内部时，随着缺陷尺寸的增加传播的越长。
通过传播距离以及衰减距离可以确定半导体上对应位置的电离子浓度，通过电离子浓度可以确定该点的瑕疵以及瑕疵程度。
故通过传播距离可以确定瑕疵位于半导体的表面或半导体的内部，以及该瑕疵的深度。
相较于采用太赫兹检测系统直接发射太赫兹射线对半导体进行检测，检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波进行检测不仅可以在半导体表面传输，而且还具有传播距离长、穿透深度深的优点。太赫兹表面等离子体波在经过缺陷以后能量会因散射和反射减少，这种能量的减少会反映在实验所测得到的太赫兹时域波形的振幅上。
由于耦合后太赫兹表面等离子体波的能量大部分束缚在表面，其在传播过程中损失更小，故相较于采用太赫兹检测系统直接发射太赫兹射线对半导体进行检测所得到时域波形更精确。
步骤S22、对太赫兹时域波形进行傅里叶变换，得到太赫兹频域波形。
步骤S23、选取太赫兹时域波形和太赫兹频域波形进行映射，得到半导体光谱图像。
其中，从太赫兹时域波形中选取成像参数，该成像参数包括但不限于最小峰值、最大峰值、最小峰值对应的时间、最大峰值对应的时间。从太赫兹频域波形中选取成像信息，该成像信息包括但不限于振幅、功率密度、能量、相位、吸收系数和折射率。
通过上述所有成像参数计算反射脉冲峰谷之间的差值，选取所有像素点的反射脉冲峰谷之间的差值进行灰度映射成像，得到半导体光谱图像。
其中，半导体光谱图像具有较高的光谱分辨率且光谱信息丰富，虽然其空间分辨率较低，但是由于其光谱信息丰富，可以用于反映半导体的瑕疵区域。由于其本发明采用的太赫兹射线进行检测，其频段与可见光不同，可以不受工业环境频繁变化以及可见光源的影响。
步骤S3、采集半导体图像，对半导体图像进行处理，得到半导体全色图像。
由于太赫兹无损检测系统是根据半导体的反馈的光谱信息进行成像，反应半导体的光谱信息。但该光谱信息具有单一性与片面性，不能完整反应事物的本质特征。半导体光谱图像具有较高的光谱分辨率且光谱信息丰富，但其空间分辨率较低。本发明采用高精度工业精密光学面阵成像采集半导体图像，其图像相较于半导体光谱图像的空间分辨率高，可以通过高精度工业精密光学面阵成像采集的半导体图像获取半导体瑕疵的边缘、轮廓、形状、纹理等信息，使得半导体瑕疵的检测更加高精密、精准。
步骤S31、采用卷积神经网络对半导体图像进行边缘特征提取，得到瑕疵形状。
由于半导体的光谱中边缘的波形不易分辨，故在本发明中结合卷积神经网络对半导体图像进行边缘特征提取，标记半导体瑕疵的轮廓。在本发明实施例中选用卷积神经网络CNN对半导体图像进行边缘的特征提取，得到瑕疵形状。
需要说明的是，由于半导体瑕疵比如刮伤，凹陷等，其边缘在图像上呈现不明显，在进行半导体瑕疵轮廓的标记时，常常会受到光线强弱的影响，将阴影等干扰因素作为半导体瑕疵的轮廓进行标记。
在本发明中采用卷积神经网络对半导体图像进行边缘特征提取，得到瑕疵形状。
具体的，采用卷积神经网络对半导体图像进行边缘特征提取的过程如下：
步骤S311、通过高精度工业精密光学面阵成像采集的半导体图像，并对半导体图像进行预处理。
其中，预处理的目的在于消除半导体图像中无关的信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。在本发明实施例中的预处理包括但不限于高斯滤波降噪处理。
步骤S312、构建图像分割模型，采用图像分割模型对预处理后的半导体图像进行图像分割，得到瑕疵边缘区域。
其中，在本发明中图像分割模型采用U-Net网络模型，该模型包括特征提取网络和特征融合网络。
将训练图像输入特征提取网络中，经过多个卷积层之间的最大池化操作和卷积层的多次卷积操作，得到训练图像的瑕疵特征。
在特征融合网络中，在反卷积层中将特征提取网络中相同纬度的图像进行融合，经过多个反卷积层的反卷积操作和反卷积层的多次卷机操作，将图像恢复到与训练图大小相近。
进一步的，采用Dice损失函数作为图像分割模型的损失函数，来评估真实的半导体瑕疵轮廓与通过图像分割模型所得到的预测半导体瑕疵轮廓之间的差异。
需要说明的是，由于在实际应用过程中对半导体瑕疵进行检测时工业环境会存在频繁变化，从而使得成像过程中背景较为丰富，故在本发明实施例中采用像素精度、召回率、和F1分数作为评价指标逐像素分析，从而完成对图像分割模型进行评估。
其中，像素精准度计算公式如下：
PA＝Corr/(Corr+InCorr)
Dice损失函数根据像素精准度计算Dice系数，其公式：
Dice＝Corr/InCorr
其中，PA为像素精准度，Corr为正确预测像素的数量，InCorr为错误预测像素的数量。
进一步的，为了扩大数据量，可将半导体图像进行翻转作为图像分割模型的训练数据。
步骤S313、选用RGB颜色模型和灰度图对瑕疵边缘区域中的图像进行转换，并基于霍夫变换原理对转换后的图像进行边缘线条检测，得到瑕疵形状。
其中，由于在灰度图中对于瑕疵边缘线条的检测容易受到灯光强度的影响，本发明实施例中为了减小灯光强度的影响，选用RGB颜色模型中的B通道和灰度图对瑕疵边缘区域中的图像进行转换，转换后对上述两个通道中的图像采用边缘检测算法进行边缘检测，得到B通道边缘图像和灰度通道边缘图像，将上述两个边缘图像进行图像合并。
基于霍夫变换原理，对合并后的图像进行边缘线条检测，得到瑕疵形状。
步骤S32、将瑕疵形状标注于半导体图像中，并对标注后的半导体图像进行处理，得到半导体全色图像。
其中，对标注后的半导体图像进行处理包括图像锐化和去色。
图像锐化是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，分为空间域处理和频域处理两类，突出半导体图像上的瑕疵形状特征。
图像锐化后进行去色处理，去除颜色对于图像融合的干扰，便于后续将半导体光谱图像和半导体全色图像进行图像融合。
步骤S4、将半导体光谱图像和半导体全色图像进行图像融合，得到半导体瑕疵图像。
步骤S41、对半导体光谱图像进行线性变换，将半导体光谱图像从光谱空间转换到特定的特征空间。
其中，半导体光谱图像包含两部分信息，第一图像信息和第二图像信息，第一图像信息为图像的光谱信息，第二图像信息为图像的空间文件结构信息。
需要说明的是，现有技术中的光谱信息通常是通过计算图像每一像素点的局部均值所获得的，在本发明中采用检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波，从而收集太赫兹表面等离子体波的光谱信息，相较于现有技术中获取的光谱信息更加真实、全面。
步骤S42、使用转换后的半导体光谱图像对半导体全色图像进行数据拟合，得到替换信息。
具体的，使用转换后的半导体光谱图像对半导体全色图像进行数据拟合，得到替换信息的步骤如下：
步骤S421、对转换后的半导体光谱图像和半导体全色图像进行拟合，得到半导体光谱图像和半导体全色图像的图像差异。
通过双三次插值对半导体光谱图像进行上采样，得到重采样的成分。通过双三次插值对半导体图像进行下采样，得到重采样的全色图像。
对重采样的成分和重采样的全色图像看做两个矩阵，通过矩阵减法进行处理得到图像差异。
步骤S422、重复对转换后的半导体光谱图像和半导体全色图像进行拟合，直至图像差异满足差异阈值。
光谱失真的主要原因之一是替换成分和被替换成分之间明显不同，为保持光谱特性，使用高斯滤波对图像差异进行处理后得到的均值图像中的第一图像信息与半导体全色图像中第一信息通过矩阵减法进行处理。
直至图像差异满足差异阈值，该替换信息的替换成分和被替换成分差异满足替换需求。需要说明的是，差异阈值可根据实际情况进行确定，本发明实施例不作进一步讨论。
步骤S43、使用替换信息对半导体光谱图像替换，得到半导体瑕疵图像。
半导体光谱图像中空间分辨率较低，替换信息中包括对半导体光谱图像中空间分辨率的替换。
替换之后得到的半导体瑕疵图像不仅包括了半导体的轮廓还包括了半导体的面积、深度等信息。相较于现有技术对于半导体瑕疵的检测更加精细、精准。
步骤S5、通过光谱信息中的拉曼光谱对半导体瑕疵图像上的瑕疵进行分析，得到修正信息，通过修正信息对半导体瑕疵图像进行修正。
其中，拉曼光谱是一种散射光谱，对一些纳米结构及取向发挥重要功能材料的表征非常有力。通过分析拉曼光谱信号及其变化，可以有效放大微瑕疵的散射，从而达到微瑕疵的检出的目的。
对拉曼光谱中瑕疵部分与正常部分交界范围内的弱峰，重叠峰，宇宙射线，峰宽进行峰谱识别，通过峰谱的数量、峰宽等重新确定半导体瑕疵图像中瑕疵部分与正常部分交界范围内的瑕疵作为修正信息对半导体瑕疵图像进行修正。
实施例2
在实施例1的基础上，实施例2提供了一种半导体瑕疵AI高精度全自动检测方法应用于芯片陶瓷基板的实现方式及效果。
陶瓷基板是指将导电材料在高温下直接键合到陶瓷基片表面形成具有特殊功效的电路板，其基于陶瓷材料所具有的高散热、低热阻、寿命长、耐电压等优点，已广泛应用于电子、电子封装、混合微电子与多芯片模块等领域。目前陶瓷基板的材质主要包括：氧化铝、氧化铍、氮化铝、氮化硅、碳化硅等。
IGBT(绝缘栅双极型晶体管)是一种具有自关断功能的功率半导体，其广泛应用于家电、飞机、新能源汽车、智能电网、轨道交通等行业。近年来，Si3N4陶瓷基板以其硬度高、机械强度高、耐高温和热稳定性好、介电常数和介质损耗低、耐磨损、耐腐蚀等优异的性能，被认为是综合性能最好的陶瓷材料，在IGBT模块封装中得到青睐，并逐步替代Al2O3和AlN陶瓷基板。
为了使器件能正常使用，需在生产环节对陶瓷基板进行瑕疵检测。而传统的视觉检测手段，受限于芯片陶瓷基板的瑕疵成像对于背景光、光照的角度都有一定要求，且瑕疵的颜色和产品的颜色非常接近，需要结合特殊的光学方法进行成像处理，很难单纯的用工业线阵相机完成所有瑕疵的成像和检出。
具体的，一种半导体瑕疵AI高精度全自动检测方法应用于芯片陶瓷基板的实现方式如下：
步骤S1、向芯片陶瓷基板发射检测太赫兹射线，检测太赫兹射线激发芯片陶瓷基板表面等离子体生成太赫兹表面等离子体波，并收集太赫兹表面等离子体波的光谱信息。
相较于本征半导体在常温下束缚电子很难脱离共价键成为自由电子，在使用太赫兹射线激发半导体表面等离子体时，需要在本征半导体表面设置金属介质用于激发表面等离子体。而对于芯片陶瓷基板而言，其会以钛等金属元素作为过渡层，过渡层与陶瓷基片结合构成陶瓷基板。在使用太赫兹射线激发芯片陶瓷基板表面等离子体时，无需再额外设置金属介质。
太赫兹射线可以在陶瓷基片上方放置金属元素过渡层，陶瓷基片与金属元素过渡层之间存在空隙用于激发。且通过该空隙太赫兹射线可与表面等离子体多次进行耦合，增强太赫兹表面等离子体波的束缚性。从而增加太赫兹所呈现的光谱信息的呈现。
步骤S2、对光谱信息进行处理，得到芯片陶瓷基板光谱图像。
由于，介电常数对于表面等离子体的激发具有重要影响，弛豫时间与芯片陶瓷基板的载流子迁移率以及芯片陶瓷基板中载流子的有效质量呈正相关，与电子电荷量呈负相关。复介电常数包括实部和虚部，由于芯片陶瓷基板的材质限制，芯片陶瓷基板的复介电常数的实部需为负，故太赫兹入射波的频率不得高于芯片陶瓷基板等离子频率。
相较于传统的半导体而言，芯片陶瓷基板介电常数和介质损耗低，其对于太赫兹入射波的频率要求较低。
步骤S3、采集芯片陶瓷基板图像，对芯片陶瓷基板图像进行处理，得到芯片陶瓷基板全色图像。
其中，采集芯片陶瓷基板图像，对芯片陶瓷基板图像进行处理，得到芯片陶瓷基板全色图像可以采用以下步骤：
步骤S31、采用卷积神经网络对芯片陶瓷基板图像进行边缘特征提取，得到瑕疵形状。
步骤S311、通过高精度工业精密光学面阵成像采集的芯片陶瓷基板图像，并对芯片陶瓷基板图像进行预处理。
步骤S312、构建图像分割模型，采用图像分割模型对预处理后的芯片陶瓷基板图像进行图像分割，得到瑕疵边缘区域。
步骤S313、选用RGB颜色模型、HSV颜色模型和灰度图对瑕疵边缘区域中的图像进行转换，并基于霍夫变换原理对转换后的图像进行边缘线条检测，得到瑕疵形状。
其中，芯片陶瓷基板的瑕疵成像对于背景光、光照的角度都有一定要求，如暗裂、通孔、磁泡等瑕疵，其颜色和背景的颜色通常比较接近，而且需要加不同颜色的背景光才能实现瑕疵成像。除此之外，陶瓷表面瑕疵颜色和背景的颜色比较接近，只是亮度不同，在光学成像上需要对于瑕疵做特殊处理，对于瑕疵的检出也增加了难度。
当选用红色的背景光对芯片陶瓷基板进行检测时，将瑕疵边缘区域中的图像转换为RGB颜色模型图像、HSV颜色模型图像和灰度图。
由于HSV颜色模型中的H通道可以区分红色背景区域与瑕疵边缘之间的边界，通过HSV颜色模型中的H通道可以有效降低红色背景光对缺陷检测所造成的影响。
选用HSV颜色模型中的H通道，RGB颜色模型中的B通道和灰度图对瑕疵边缘区域中的图像进行转换。
转换后对上述三个通道中的图像采用边缘检测算法进行边缘检测，得到H通道边缘图像、B通道边缘图像和灰度通道边缘图像，将上述三个边缘图像进行图像合并。
相应的，加不同颜色的背景光实现瑕疵成像时，可选用不同的RGB颜色模型、HSV颜色模型和灰度图对图像进行处理，排除掉颜色对于瑕疵边缘的检测。具体的选用方法有本领域技术人员根据芯片陶瓷基板所加持的颜色背景光所调整，本实施例只是提供一个可能。
由于在对芯片陶瓷基板瑕疵成像的过程中需要加持不同颜色的背景光，通过高精度工业精密光学面阵成像采集的芯片陶瓷基板的图像会存在颜色干扰以及背景光造成阴影带来的干扰。本实施例中对芯片陶瓷基板瑕疵边缘的检测相较于一般半导体瑕疵边缘的检测，增加了HSV颜色模型，用于排除颜色对于瑕疵边缘的检测。
步骤S32、将瑕疵形状标注于芯片陶瓷基板图像中，并对标注后的芯片陶瓷基板图像进行处理，得到芯片陶瓷基板全色图像。
步骤S4、将芯片陶瓷基板光谱图像和芯片陶瓷基板全色图像进行图像融合，得到芯片陶瓷基板瑕疵图像。
步骤S41、对芯片陶瓷基板光谱图像进行线性变换，将芯片陶瓷基板光谱图像从光谱空间转换到特定的特征空间。
步骤S42、使用转换后的芯片陶瓷基板光谱图像对芯片陶瓷基板全色图像进行数据拟合，得到替换信息。
步骤S421、对转换后的芯片陶瓷基板光谱图像和芯片陶瓷基板图像进行拟合，得到芯片陶瓷基板光谱图像和芯片陶瓷基板全色图像的图像差异。
步骤S422、重复对所述第二图像信息和芯片陶瓷基板图像进行拟合，直至图像差异满足差异阈值。
步骤S43、使用替换信息对芯片陶瓷基板光谱图像替换，得到芯片陶瓷基板瑕疵图像。
步骤S5、通过光谱信息中的拉曼光谱对芯片陶瓷基板瑕疵图像上的瑕疵进行分析，得到修正信息，通过修正信息对芯片陶瓷基板瑕疵图像进行修正。
实施例3
图2为本发明实施例3提供的一种电子设备的结构示意图，如图2所示，该电子设备包括处理器21、存储器22、输入装置23和输出装置24；计算机设备中处理器21的数量可以是一个或多个，图2中以一个处理器21为例；电子设备中的处理器21、存储器22、输入装置23和输出装置24可以通过总线或其他方式连接，图2中以通过总线连接为例。
存储器22作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块。处理器21通过运行存储在存储器22中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现实施例1的一种半导体瑕疵AI高精度全自动检测方法。
存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器22可进一步包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置23可用于接收用户输入的id和密码等。输出装置24用于输出配网页面。
实施例4
本发明实施例4还提供一种计算机可读存储介质，所述计算机可执行指令在由计算机处理器执行时用于实现如实施例1所提供的一种半导体瑕疵AI高精度全自动检测方法。
本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于实施例1所提供的方法操作，还可以执行本发明任意实施例所提供的一种半导体瑕疵AI高精度全自动检测方法中的相关操作。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种半导体瑕疵AI高精度全自动检测方法，其特征在于，包括：
向半导体发射检测太赫兹射线，所述检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波，并收集太赫兹表面等离子体波的光谱信息；
对所述光谱信息进行处理，得到半导体光谱图像；
采集半导体图像，对所述半导体图像进行处理，得到半导体全色图像；
将所述半导体光谱图像和所述半导体全色图像进行图像融合，得到半导体瑕疵图像；
其中，所述检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波包括：
在半导体表面设置金属介质；
所述太赫兹射线以一定的角度射向金属介质与半导体表面之间的间隙；
所述太赫兹射线在所述间隙处发生散射，生成波矢补偿；
所述太赫兹射线与所述波矢补偿激发出太赫兹表面等离子体波；
其中，对所述光谱信息进行处理，得到半导体光谱图像包括：
从所述光谱信息中获取太赫兹反射信号，对所述太赫兹反射信号进行时间解析得到太赫兹时域波形；
对所述太赫兹时域波形进行傅里叶变换，得到太赫兹频域波形；
选取所述太赫兹时域波形和所述太赫兹频域波形进行映射，得到半导体光谱图像；
其中，对所述半导体图像进行处理，得到半导体全色图像包括：
采用卷积神经网络对所述半导体图像进行边缘特征提取，得到瑕疵形状；
将所述瑕疵形状标注于所述半导体图像中，并对标注后的半导体图像进行处理，得到半导体全色图像；
其中，将所述半导体光谱图像和所述半导体全色图像进行图像融合，得到半导体瑕疵图像包括：
对所述半导体光谱图像进行线性变换，将半导体光谱图像从光谱空间转换到特定的特征空间；
使用转换后的半导体光谱图像对所述半导体全色图像进行数据拟合，得到替换信息；
使用替换信息对所述半导体光谱图像替换，得到半导体瑕疵图像。
2.根据权利要求1所述的一种半导体瑕疵AI高精度全自动检测方法，其特征在于，使用转换后的半导体光谱图像对所述半导体全色图像进行数据拟合，得到替换信息包括：
对转换后的半导体光谱图像和半导体全色图像进行拟合，得到半导体光谱图像和半导体全色图像的图像差异；
重复对半导体光谱图像和所述半导体全色图像进行拟合，直至所述图像差异满足差异阈值。
3.根据权利要求2所述的一种半导体瑕疵AI高精度全自动检测方法，其特征在于，将所述半导体光谱图像和所述半导体全色图像进行图像融合，得到半导体瑕疵图像之后还包括：
通过所述光谱信息中的拉曼光谱对所述半导体瑕疵图像上的瑕疵进行分析，得到修正信息；
通过所述修正信息对所述半导体瑕疵图像进行修正。
4.根据权利要求1所述的一种半导体瑕疵AI高精度全自动检测方法，其特征在于，所述金属介质包括第一金属介质和第二金属介质。
5.根据权利要求4所述的一种半导体瑕疵AI高精度全自动检测方法，其特征在于，所述检测太赫兹射线激发半导体表面等离子体生成太赫兹表面等离子体波还包括：
所述太赫兹射线以一定的角度射向所述第一金属介质与半导体表面之间的间隙；
所述太赫兹射线在所述间隙处发生散射，生成波矢补偿；
所述太赫兹射线与所述波矢补偿激发出太赫兹表面等离子体波；
所述太赫兹表面等离子体波传播至所述第二金属介质耦合成自由等离子体波。
6.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至5任一所述的一种半导体瑕疵AI高精度全自动检测方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5任一所述的一种半导体瑕疵AI高精度全自动检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310224442.3A CN116818704B (zh) | 2023-03-09 | 2023-03-09 | 一种半导体瑕疵ai高精度全自动检测方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310224442.3A CN116818704B (zh) | 2023-03-09 | 2023-03-09 | 一种半导体瑕疵ai高精度全自动检测方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116818704A CN116818704A (zh) | 2023-09-29 |
| CN116818704B true CN116818704B (zh) | 2024-02-02 |
Family
ID=88115585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310224442.3A Active CN116818704B (zh) | 2023-03-09 | 2023-03-09 | 一种半导体瑕疵ai高精度全自动检测方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116818704B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102087211A (zh) * | 2010-12-08 | 2011-06-08 | 南京邮电大学 | 生物薄膜的太赫兹光谱分析装置及检测方法 |
| KR101065496B1 (ko) * | 2010-03-18 | 2011-09-19 | 이대수 | 실시간 테라헤르츠 분광 영상장치 |
| CN104166249A (zh) * | 2014-07-22 | 2014-11-26 | 南京邮电大学 | 一种太赫兹波的光学调制器件、调制方法及装置 |
| CN107356599A (zh) * | 2017-06-23 | 2017-11-17 | 厦门大学 | 一种陶瓷基复合材料的太赫兹无损检测方法 |
| CN108426852A (zh) * | 2018-02-28 | 2018-08-21 | 首都师范大学 | 一种多层介质材料内部缺陷的检测装置及其方法 |
| CN108846823A (zh) * | 2018-06-22 | 2018-11-20 | 西安天和防务技术股份有限公司 | 一种太赫兹图像和可见光图像的融合方法 |
| CN108844914A (zh) * | 2018-05-28 | 2018-11-20 | 南开大学 | 一种基于金属探针的太赫兹超分辨成像装置及成像方法 |
| CN109557042A (zh) * | 2018-11-26 | 2019-04-02 | 广东朗研科技有限公司 | 基于半导体镀多孔金属薄膜结构的太赫兹增强方法及系统 |
| CN109586042A (zh) * | 2018-12-03 | 2019-04-05 | 中国科学技术大学 | 一种吸波器及其制备方法 |
| CN110674835A (zh) * | 2019-03-22 | 2020-01-10 | 集美大学 | 一种太赫兹成像方法及系统和一种无损检测方法及系统 |
| CN110940996A (zh) * | 2019-12-11 | 2020-03-31 | 西安交通大学 | 基于太赫兹和可见光的成像装置、监测系统及成像方法 |
| CN111122585A (zh) * | 2019-12-31 | 2020-05-08 | 长春理工大学 | 基于fdtd的材料微观缺陷太赫兹无损检测仿真方法 |
| CN111968119A (zh) * | 2020-10-21 | 2020-11-20 | 季华实验室 | 基于半导体缺陷检测的图像处理方法、装置、设备及介质 |
| CN112014349A (zh) * | 2020-11-02 | 2020-12-01 | 季华实验室 | 太赫兹时域光谱成像复原方法、装置、存储介质及终端 |
| CN112346141A (zh) * | 2020-11-05 | 2021-02-09 | 上海亨临光电科技有限公司 | 一种太赫兹图像与可见光图像映射融合方法及系统 |
| CN114199811A (zh) * | 2021-11-25 | 2022-03-18 | 北京金轮坤天特种机械有限公司 | 表征涡轮叶片热障涂层陶瓷层微结构特征方法和装置 |
| CN114689598A (zh) * | 2022-03-24 | 2022-07-01 | 清华大学深圳国际研究生院 | 基于太赫兹波的内部缺陷成像方法、电子设备及存储介质 |
| CN114813558A (zh) * | 2022-03-08 | 2022-07-29 | 山西大同大学 | 一种辅助太赫兹成像的高灵敏3d位移传感器 |
-
2023
- 2023-03-09 CN CN202310224442.3A patent/CN116818704B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101065496B1 (ko) * | 2010-03-18 | 2011-09-19 | 이대수 | 실시간 테라헤르츠 분광 영상장치 |
| CN102087211A (zh) * | 2010-12-08 | 2011-06-08 | 南京邮电大学 | 生物薄膜的太赫兹光谱分析装置及检测方法 |
| CN104166249A (zh) * | 2014-07-22 | 2014-11-26 | 南京邮电大学 | 一种太赫兹波的光学调制器件、调制方法及装置 |
| CN107356599A (zh) * | 2017-06-23 | 2017-11-17 | 厦门大学 | 一种陶瓷基复合材料的太赫兹无损检测方法 |
| CN108426852A (zh) * | 2018-02-28 | 2018-08-21 | 首都师范大学 | 一种多层介质材料内部缺陷的检测装置及其方法 |
| CN108844914A (zh) * | 2018-05-28 | 2018-11-20 | 南开大学 | 一种基于金属探针的太赫兹超分辨成像装置及成像方法 |
| CN108846823A (zh) * | 2018-06-22 | 2018-11-20 | 西安天和防务技术股份有限公司 | 一种太赫兹图像和可见光图像的融合方法 |
| CN109557042A (zh) * | 2018-11-26 | 2019-04-02 | 广东朗研科技有限公司 | 基于半导体镀多孔金属薄膜结构的太赫兹增强方法及系统 |
| CN109586042A (zh) * | 2018-12-03 | 2019-04-05 | 中国科学技术大学 | 一种吸波器及其制备方法 |
| CN110674835A (zh) * | 2019-03-22 | 2020-01-10 | 集美大学 | 一种太赫兹成像方法及系统和一种无损检测方法及系统 |
| CN110940996A (zh) * | 2019-12-11 | 2020-03-31 | 西安交通大学 | 基于太赫兹和可见光的成像装置、监测系统及成像方法 |
| CN111122585A (zh) * | 2019-12-31 | 2020-05-08 | 长春理工大学 | 基于fdtd的材料微观缺陷太赫兹无损检测仿真方法 |
| CN111968119A (zh) * | 2020-10-21 | 2020-11-20 | 季华实验室 | 基于半导体缺陷检测的图像处理方法、装置、设备及介质 |
| CN112014349A (zh) * | 2020-11-02 | 2020-12-01 | 季华实验室 | 太赫兹时域光谱成像复原方法、装置、存储介质及终端 |
| CN112346141A (zh) * | 2020-11-05 | 2021-02-09 | 上海亨临光电科技有限公司 | 一种太赫兹图像与可见光图像映射融合方法及系统 |
| CN114199811A (zh) * | 2021-11-25 | 2022-03-18 | 北京金轮坤天特种机械有限公司 | 表征涡轮叶片热障涂层陶瓷层微结构特征方法和装置 |
| CN114813558A (zh) * | 2022-03-08 | 2022-07-29 | 山西大同大学 | 一种辅助太赫兹成像的高灵敏3d位移传感器 |
| CN114689598A (zh) * | 2022-03-24 | 2022-07-01 | 清华大学深圳国际研究生院 | 基于太赫兹波的内部缺陷成像方法、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 太赫兹时域光谱与频域光谱研究综述;曹灿;张朝晖;赵小燕;张寒;张天尧;于洋;;光谱学与光谱分析(第09期);全文 * |
| 太赫兹波谱与成像;张存林;牧凯军;;激光与光电子学进展(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116818704A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Malarvel et al. | Anisotropic diffusion based denoising on X-radiography images to detect weld defects | |
| US10330608B2 (en) | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools | |
| JP5981838B2 (ja) | 検査画像内の欠陥を検出するためのシステム、方法及びコンピュータプログラム製品 | |
| Li et al. | Automatic saw-mark detection in multicrystalline solar wafer images | |
| EP2573732B1 (en) | Reflection removal system | |
| WO2016002003A1 (ja) | 基板検査装置及び方法 | |
| TW201511157A (zh) | 使用設計資料於半導體晶圓上偵測重複缺陷之方法及系統 | |
| Burford et al. | Terahertz imaging for nondestructive evaluation of packaged power electronic devices | |
| TW201630092A (zh) | 使用結構性資訊之缺陷偵測 | |
| CN112730454B (zh) | 基于光学、红外热波与超声波融合的复合材料的损伤智能检测方法 | |
| CN105527243A (zh) | 一种基于太赫兹光谱技术测量石墨烯薄膜电导的方法 | |
| Qian et al. | Solar cell surface defects detection based on computer vision | |
| CN114972325A (zh) | 一种基于图像处理的汽车轮毂缺陷检测方法 | |
| CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
| CN116818704B (zh) | 一种半导体瑕疵ai高精度全自动检测方法、设备及介质 | |
| Chen et al. | Robust dislocation defects region segmentation for polysilicon wafer image with random texture background | |
| CN110738675B (zh) | 一种探地雷达图像边缘检测中去除伪影干扰的方法 | |
| EP2706505A1 (en) | A method and system for the three-dimensional reconstruction of formations dispersed in a matrix of a material, in particular of inclusions in crystalline matrices | |
| US20240153043A1 (en) | Image denoising for examination of a semiconductor specimen | |
| Chen et al. | In-situ volumetric topography of IC chips for defect detection using infrared confocal measurement with active structured light | |
| CN113670952B (zh) | 基于稀疏感应电流的介质材料实时微波成像方法 | |
| TWI421971B (zh) | 物件定位方法 | |
| CN115146219A (zh) | 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统 | |
| Wang et al. | Nondestructive inspection of packaged microcircuits by aperture-type terahertz near-field imaging | |
| Chang et al. | A novel method of radiographic image enhancement based on phase symmetry |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |