CN116912156A - 晶圆检测方法 - Google Patents

晶圆检测方法 Download PDF

Info

Publication number
CN116912156A
CN116912156A CN202310138659.2A CN202310138659A CN116912156A CN 116912156 A CN116912156 A CN 116912156A CN 202310138659 A CN202310138659 A CN 202310138659A CN 116912156 A CN116912156 A CN 116912156A
Authority
CN
China
Prior art keywords
candidate
image
candidate region
region
wafer
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
CN202310138659.2A
Other languages
English (en)
Inventor
蔡佳霖
李泓儒
古文烨
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.)
Nanya Technology Corp
Original Assignee
Nanya Technology 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 Nanya Technology Corp filed Critical Nanya Technology Corp
Publication of CN116912156A publication Critical patent/CN116912156A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G06T7/001—Industrial image inspection using an image reference 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
    • G01N21/84—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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本申请提供一种晶圆检测方法。该晶圆检测方法包括在一晶圆上的一被测元件(device under test，DUT)的一影像上识别多个候选区域；为该多个候选区域中的每个区域产生一信赖度分数，其中该信赖度分数表示一候选区域包括针痕的几率；选择具有最高信赖度分数的一第一候选区域作为一选定区域；判断该定多个候选区域中的一第二候选区域是否包括与该第一候选区域相同的针痕；以及如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域。

Description

晶圆检测方法
交叉引用
本申请案主张美国第17/723,723及17/724,154号专利申请案的优先权(即优先权日为“2022年4月19日”)，其内容以全文引用的方式并入本文中。
技术领域
本公开关于一种检测方法，特别涉及一种晶圆检测方法。
背景技术
晶圆探针台(wafer prober)用于测试被测元件(device under test，DUT)(例如，集成电路(IC)元件)在晶圆等级上的电气特性，以检查DUT是否满足产品规格。通常，有必要用探针物理接触DUT，而针痕(probe mark)不可避免地会留在DUT上。针痕可能会引起一些问题，如键合垫品质问题、封装失败等等。
为了筛选出不合格的DUT，经常需要人工检测针痕。如果针痕不符合规格(例如，针痕的数量不符合规格)，工程师需要进行故障分析以调查故障并找出根本原因。然而，人工检测相当耗时，而且标准可能因人而异。因此出现人为错误，造成产量损失。
上文“的“现有技术”说明仅提供背景技术，并未承认上文“的“现有技术”说明揭示本公开的标的，不构成本公开的现有技术，且上文“的“现有技术”的任何说明均不应作为本公开的任一部分。
发明内容
本公开的一个方面提供一种晶圆检测系统。该晶圆检测系统包括一存储器单元，经配置以存储一晶圆上一被测元件(device under test，DUT)的一影像；一影像载入单元，经配置以将该影像上传到一处理单元；以及一处理单元。该处理单元经配置以：识别该影像上的多个候选区域；为该多个候选区域中的每个区域产生一信赖度分数，其中该信赖度分数表示一候选区域包括一针痕的几率；选择具有最高信赖度分数的一第一候选区域作为一选定区域；判断该多个候选区域中的一第二候选区域是否包括与该第一候选区域相同的针痕；以及如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域。
本公开的另一个方面提供一种晶圆检测系统。该晶圆检测系统包括一存储器单元，经配置以存储一晶圆上一被测元件(device under test，DUT)的一影像；一影像载入单元，经配置以将该影像上传到一处理单元；以及一处理单元。该处理单元经配置以：识别该影像上的多个候选区域，其中该多个候选区域中的每个区域包括一针痕；比较该影像上的该候选区域中的一第一候选区域与一第二候选区域；产生该影像上的该候选区域中的该第一候选区域与该第二候选区域之间的一相似程度；判断该相似程度是否大于一临界值；以及如果该相似程度大于该临界值，则排除该第一候选区域与该第二候选区域中的一个。
本公开的另一个方面提供一种晶圆检测方法。该晶圆检测方法包括在一晶圆上的一被测元件(device under test，DUT)的一影像上识别多个候选区域；为该多个候选区域中的每个区域产生一信赖度分数，其中该信赖度分数表示一候选区域包括针痕的几率；选择具有最高信赖度分数的一第一候选区域作为一选定区域；判断该定多个候选区域中的一第二候选区域是否包括与该第一候选区域相同的针痕；以及如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域。
通过选择具有高信赖度分数的候选区域并排除其他重叠的候选区域，在晶圆上被测元件影像上针痕的识别准确性可以提高。此外，由于针痕可以由人工智能演算法来识别，因此可以避免或尽量减少时间损失与人为错误。
上文已相当广泛地概述本公开的技术特征及优点，从而使下文的本公开详细描述得以获得较佳了解。构成本公开的权利要求标的的其它技术特征及优点将描述于下文。本公开所属技术领域中技术人员应了解，可相当容易地利用下文揭示的概念与特定实施例可作为修改或设计其它结构或过程而实现与本公开相同的目的。本公开所属技术领域中技术人员亦应了解，这类等效建构无法脱离权利要求所界定的本公开的构思和范围。
附图说明
参阅实施方式与权利要求合并考量附图时，可得以更全面了解本申请案的揭示内容，附图中相同的元件符号是指相同的元件。
图1是方框图，例示本公开一些实施例的晶圆检测系统。
图2是示意图，例示本公开一些实施例的探针仪器。
图3是示意图，例示本公开一些实施例的一晶圆上的多个针痕检测点。
图4是流程图，例示本公开一些实施例的晶圆检测方法。
图5A是示意图，例示一些实施例的针痕的分析影像。
图5B是示意图，例示一些实施例的针痕的分析影像。
图5C是示意图，例示一些实施例的针痕的分析影像。
图5D是示意图，例示一些实施例的针痕的分析影像。
图6是流程图，例示本公开一些实施例的晶圆检测方法。
图7A是示意图，例示一些实施例的针痕的分析影像。
图7B是示意图，例示一些实施例的针痕的分析影像。
图7C是示意图，例示一些实施例的针痕的分析影像。
图8是方框图，例示本公开一些实施例的晶圆检测系统的处理单元。
图9是示意图，例示本公开一些实施例的接点与针痕。
图10是示意图，例示本公开一些实施例的针痕的分析影像。
附图标记说明：
1：晶圆检测系统
2：探针仪器
3：晶圆
10C：中心区域
10L：左侧区域
10R：右侧区域
10U：顶部区域
10D：底部区域
4：晶圆检测方法
6：晶圆检测方法
11：存储器单元
12：影像载入单元
13：处理单元
14：错误监控单元
15：辅助检测单元
16：结果分配单元
17：通信单元
18：故障分析单元
19：数据服务器
21：测试机
22：探针卡
22p：针脚(或探针)
23：照相机
31：DUT(被测元件)
31p：接点(或测试垫)
40：晶圆检测方法
51：影像
52：影像
53：影像
54：影像
60：晶圆检测方法
71：影像
72：影像
90：接点
91：接点
92：接点
93：针痕
94：针痕
130：处理器
131：网络接口(I/F)
132：输入/输出(I/O)装置
133：存储装置
134：存储器
135：使用者空间
136：核心
137：总线
a：候选区域(或选定区域)
a'：选定区域
b：候选区域(或选定区域)
b'：选定区域
c：候选区域(或选定区域)
c'：选定区域
d：候选区域(或选定区域)
d'：选定区域
D1：尺寸
D2：尺寸
e：候选区域(或选定区域)
e'：选定区域
f：候选区域(或选定区域)
f'：选定区域
g：候选区域
k：临界值
P1：区域
P2：区域
P3：区域
P4：区域
S41：步骤(操作)
S42：步骤(操作)
S43：步骤(操作)
S44：步骤(操作)
S45：步骤(操作)
S46：步骤(操作)
S47：步骤(操作)
S48：步骤(操作)
S49：步骤(操作)
S50：步骤(操作)
S51：步骤(操作)
S61：步骤(操作)
S62：步骤(操作)
S63：步骤(操作)
S64：步骤(操作)
S65：步骤(操作)
S66：步骤(操作)
S67：步骤(操作)
S68：步骤(操作)
S69：步骤(操作)
S70：步骤(操作)
S71：步骤(操作)
X：轴
Y：轴
具体实施方式
现在用具体的语言来描述附图中说明的本公开的实施例，或实例。应理解的是，在此不打算限制本公开的范围。对所描述的实施例的任何改变或修改，以及对本文所描述的原理的任何进一步应用，都应被认为是与本公开内容有关的技术领域的普通技术人员通常会做的。参考数字可以在整个实施例中重复，但这并不一定表示一实施例的特征适用于另一实施例，即使它们共用相同的参考数字。
应理解的是，尽管用语第一、第二、第三等可用于描述各种元素、元件、区域、层或部分，但这些元素、元件、区域、层或部分不受这些用语的限制。相反，这些用语只是用来区分一元素、元件、区域、层或部分与另一元素、元件、区域、层或部分。因此，下面讨论的第一元素、元件、区域、层或部分可以被为第二元素、元件、区域、层或部分而不偏离本发明概念的教导。
本文使用的用语仅用于描述特定的实施例，并不打算局限于本发明的概念。正如本文所使用的，单数形式的“一”、“一个”及“该”也包括多个形式，除非上下文明确指出。应进一步理解，用语”包含”及”包括"，当在本说明书中使用时，指出了所述特征、整数、步骤、操作、元素或元件的存在，但不排除存在或增加一个或多个其他特征、整数、步骤、操作、元素、元件或其组。
图1是方框图，例示本公开一些实施例的晶圆检测系统1。
晶圆检测系统1可用于在晶圆等级上检测被测元件(device under test，DUT)(例如半导体元件或集成电路(IC)元件)上的针痕(probe mark)。在一些实施例中，晶圆检测系统1可与探针仪器2结合使用，用于测试元件。被测试的元件通常称为DUT或被测单元(unitunder test，UUT)。
例如，在经过探针仪器2的测试后，针痕可以留在DUT上。被测元件及/或被测元件的影像可被传送到晶圆检测系统1，以根据留在被测元件上的针痕的数量来判断被测元件是否合格。例如，如果留在DUT上的针痕的数量小于或等于一临界值，则判定DUT合格。例如，如果留在DUT上的针痕的数量大于一临界值，则判定DUT不合格。
参照图1，晶圆检测系统1可以包括存储器单元11、影像载入单元12、处理单元13、错误监控单元14、辅助检测单元15、结果分配单元16、以及通信单元17。
存储器单元11可经配置以存储数据，例如DUT的影像及/或与影像相关的记录、索引或参数。存储器单元11可经配置以接收来自探针仪器2的照相机23或来自晶圆检测系统1的照相机的数据。
在探针仪器2包括照相机23的一些实施例中，DUT的影像可以由照相机23捕获，然后经由通信单元17发送到存储器单元11。然而，在晶圆检测系统1包括照相机的其他一些实施例中，DUT的影像可以由晶圆检测系统1的照相机捕获，然后存储在存储器单元11中。
在一些实施例中，存储器单元11可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘以及抽取式存储器装置，其中可以包括MS(memory stick)卡、存储卡、U盘、外部硬盘等。
DUT的影像(例如图5A、图5B、图5C、图5D、图7A、图7B与图7C中所示的影像)可包括一个或多个针痕。DUT的影像可用于建立数据库以训练演算法或电脑可执行指令，并建立模型以实现本公开的晶圆检测系统与方法。被测元件的影像可作为判断被测元件是否合格的参考。
影像载入单元12可以经配置以将DUT的影像从存储器单元11上传到处理单元13。影像载入单元12可经配置以将DUT的影像上传到处理单元13，以进行本公开的晶圆检测过程(例如图4中的晶圆检测方法40或图6中的晶圆检测方法60)。在一些实施例中，影像载入单元12可以包括由处理单元13执行的演算法或电脑可执行指令，例如程序。
处理单元13可以经配置以从存储器单元11接收DUT的影像。处理单元13可以经配置以进行本公开内容的晶圆检测过程。例如，处理单元13可以经配置以根据留在DUT上的针痕的数量来判断DUT是否合格。
处理单元13可以经配置以分析DUT的影像。例如，处理单元13可以经配置以对DUT的影像进行影像识别处理。例如，处理单元13可以经配置以通过人工智能演算法(例如，电脑视觉演算法)计算留在DUT上的针痕的数量。
例如，处理单元13可以经配置以通过应用非最大抑制演算法(non-maxsuppression algorithm)来计算留在DUT上的针痕的数量。例如，处理单元13可以经配置以为针痕选择适当的边界框或方框，并忽略重叠的边界框。例如，处理单元13可以经配置以从许多重叠的图元(entity)中选择单个图元。
处理单元13可经配置以执行存储在例如存储器单元11或其他媒介(medium)的存储器中的演算法或电脑可执行指令。例如，处理单元13可经配置以使一系列操作步骤在晶圆检测系统1或其他可程序设计装置上执行，以产生电脑实现的过程，因此使指令提供用于实现流程图(关于图4和图6的描述)中规定的操作的过程。
在一些实施例中，处理单元13可以包括(或可以是)一处理器(例如，中央处理单元(CPU)、图形处理单元(GPU)、微处理单元(MCU)、特定应用集成电路(ASIC)等)或一控制器。
错误监控单元14可经配置以监控及/或报告信息，如错误代码或故障代码。错误监控单元14可用于检查、诊断与识别晶圆检测系统1的状态。错误监控单元14可用于侦错(debug)操作步骤，以改善晶圆检测系统1的性能。在一些实施例中，错误监控单元14可以包括由处理单元13执行的演算法或电脑可执行指令，例如程序。
辅助检测单元15可以经配置以从处理单元13接收DUT的分析影像(例如图5B中已经经过处理单元13的晶圆检测过程的影像52)，以进行辅助检测过程。
例如，辅助检测单元15可以用来进行更仔细的检查，以判断处理单元13的准确性与DUT的分析影像的状况。
例如，如果DUT的影像没有通过处理单元13的晶圆检测过程(即，处理单元13判定DUT的影像上的针痕的数量大于临界值并且DUT是不合格的)，处理单元13可以将DUT的分析影像发送到辅助检测单元15进行辅助检测过程。如果DUT的分析影像没有通过辅助检测单元15的辅助检测过程(即，辅助检测单元15判定DUT影像上的针痕的数量大于临界值，并且DUT是不合格的)，DUT及/或DUT的分析影像可以被发送到故障分析单元18，以调查故障并找出根本原因。
另一方面，如果DUT的分析影像通过辅助检测单元15的辅助检测过程(即，辅助检测单元15判定DUT影像上的针痕的数量小于或等于临界值，并且DUT是合格的)，DUT及/或DUT的分析影像可以被发送到数据服务器19。
如果辅助检测单元15与处理单元13的结果不同，可以通过使用辅助检测单元15的结果作为反馈来改进处理单元13的晶圆检测过程。因此，可以提高处理单元13的准确性。
在一些实施例中，如果DUT的影像通过处理单元13的晶圆检测过程(即，处理单元13判定DUT的影像上的针痕的数量小于或等于临界值，并且因此DUT是合格的)，则DUT及/或DUT的分析影像可由处理单元13发送至数据服务器19，而无需经历辅助检测过程。
在其他一些实施例中，如果DUT的影像通过处理单元13的晶圆检测过程，处理单元13仍然可以将DUT的分析影像发送到辅助检测单元15进行辅助检测过程。
在一些实施例中，辅助检测单元15可以由使用者、操作员、工程师等手动进行或操作。然而，在其他一些实施例中，辅助检测单元15可以由机器、装置、设备等自动进行或操作。
结果分配单元16可经配置以将DUT的分析影像(来自处理单元13及/或来自辅助检测单元15)分配到与晶圆检测系统1通信的一台或多台电脑、硬件及/或软件元件。结果分配单元16也可以分配DUT的分析报告。被测元件的分析报告可以包括与被分析影像相关的记录、索引和参数。
在一些实施例中，如果DUT被处理单元13及/或辅助检测单元15判定为不合格，则不合格DUT的影像及/或分析报告可以通过结果分配单元16被发送到故障分析单元18，以调查故障并找出根本原因。同时或随后，不合格DUT的影像及/或分析报告可以通过结果分配单元16发送到数据服务器19，以建立数据库，用于训练演算法或电脑可执行指令，并建立模型来实现本公开的晶圆检测系统与方法。
通信单元17可经配置以通过有线或无线技术(例如Wi-Fi、移动网络、蓝牙或类似技术)向/从晶圆检测系统1发送/接收数据。在一些实施例中，通信单元17可以包括无线通信收发器。例如，通信单元17可以包括一发射器、接收器、天线，等等。
尽管在晶圆检测系统1中有七个单元，但本公开内容不限于此。例如，在一些实施例中，晶圆检测系统1中可以有任何数量的单元。此外，在一些实施例中，晶圆检测系统1还可以与图1中未描述的其他硬件及/或软件元件相互作用。例如，晶圆检测系统1可以与一个或多个外部使用者接口装置互动，如键盘、鼠标、屏幕显示器、触控式屏幕等。
本公开内容可体现为系统、方法、电脑程序或其任何组合。因此，本公开可以采取完全的硬件实施例、完全的软件实施例(包括固件、常驻软件、微指令等)或结合软件与硬件方面的实施例的形式，这些实施例在此通常可以称为“单元”、“模块”或“系统”。此外，本公开可以采用包括在任何有形表达媒介中的电脑程序的形式，该媒介中包括有电脑可用的程序码。
本公开内容可在由电脑执行的演算法或电脑可执行指令(如程序)的上下文中进行描述。通常，程序包括例行程序、程序、物件、元件、数据结构等，它们执行特定的任务或实现特定的抽象数据类型。本公开的内容也可以在分散式运算环境中实施，其中任务由通过通信网络连接的远端处理装置来执行。在分散式运算环境中，程序可以位于包括存储器存储装置的本地与远端电脑存储媒介中。
图2是示意图，例示公开一些实施例的探针仪器2。
在一些实施例中，探针仪器2可以包括测试机21、探针卡22与照相机23。晶圆3的DUT 31可以设置于探针仪器2的下面。
测试机21可以提供电气信号以测试DUT 31。电气信号可以通过将DUT31上的一个或多个接点(或测试垫)31p与探针卡22的一个或多个针脚(或探针)22p接触来传递给DUT31。照相机23可以在针脚22p接触接点31p后捕捉到DUT 31的影像。
在一些实施例中，照相机23可以包括一个或多个镜头(如物镜、变焦镜头、中继镜头、影像镜头、聚光镜头等)、一个或多个光源(如低功率光源、外部光源、近红外光源等)、电荷耦合元件(CCD)、互补金属氧化物半导体(CMOS)影像感测器、一个或多个信号转换器(如模拟数字(A/D)转换器)。在一些实施例中，照相机23可以省略。例如，在晶圆检测系统1包括照相机的其他一些实施例中，DUT的影像可以由晶圆检测系统1的照相机捕获并直接存储在存储器单元11中。
DUT 31可以是已经完成前端制造的芯片。尽管图2中显示一个DUT 31，但晶圆3可以包括多个DUT 31。每个DUT 31可以包括多个接点(如接点31p)。
在本公开的一些实施例中，除了晶圆3之外，另一种DUT可以设置于探针仪器2的下面，以进行测试电气特性的过程。这种DUT的例子是半导体封装、半导体基底、电路、存储胞(如动态随机存取存储胞(DRAM胞))等。本公开的系统与方法可适用于任何DUT，以便在通过探针仪器2的过程后检测针痕。
图3是示意图，例示本公开一些实施例的晶圆3上的多个针痕检测点。
针痕检测可由探针仪器2(如图2所示)在晶圆3实质上的中心区域10C、实质上的左侧区域10L、实质上的右侧区域10R、实质上的顶部区域10U与实质上的底部区域10D进行，以确保适当的品质检测。
此外，定位针脚可以由探针仪器2实质地设定于晶圆3的P1、P2、P3与P4区域。应当指出，图3所示配置，由探针仪器2(如图2所示)在晶圆3上执行的针痕检测，可以针对12英寸、8英寸、6英寸或甚至更小的晶圆应用做调整。
图4是流程图，例示本公开一些实施例的晶圆检测方法4。晶圆检测方法4可以由处理单元13进行。
步骤或操作S41是在DUT的影像上识别多个候选区域。例如，如图5A所示，在DUT的影像51上识别候选区域a、b、c、d、e与f。在一些实施例中，步骤S41可包括用边界框或方框框定候选区域。
步骤S42是为多个候选区域中的每个区域产生信赖度分数(confidence score)。信赖度分数可以代表或表示候选区域包括针痕的几率。信赖度分数可以是0.0至1.0之间的数字。1.0分表示几率高，影像可能包括针痕。0.0分表示几率低，影像可能不包括针痕。
在一些实施例中，步骤S42可以包括将影像上的多个候选区域中的每个区域与用于训练处理单元13的训练影像相比较。例如，步骤S42可包括将影像上的多个候选区域中的每个区域与用于训练演算法或电脑可执行指令的训练影像进行比较，并建立模型来实现本公开的晶圆检测系统与方法。分数为1.0表示影像可能与训练影像相匹配或对应。0.0分表示该影像可能与训练影像不匹配或不对应。
步骤S43是选择具有最高信赖度分数的候选区域作为选定区域。例如，如图5A所示，如果候选区域a比其他候选区域b、c、d、e、f更有可能包括针痕(或更有可能与训练影像相匹配或对应)，则选择候选区域a作为选定区域(如图5B中DUT的影像52上的选定区域a')。
步骤S44是判断多个候选区域中的另一个候选区域是否包括与选定区域相同的针痕。
例如，如果图5A中的候选区域a被选为图5B中的选定区域a'，那么候选区域b、c、d、e与f可以分别被评估或评价，以检查是否与候选区域a的针痕相同。
例如，候选区域f包括与候选区域a相同的针痕，晶圆检测方法4进行到步骤S45，排除候选区域f。
例如，候选区域b不包括与候选区域a相同的针痕，候选区域b不被排除，可在以下步骤中被选为图5B中的选定区域。
在一些实施例中，步骤S44包括计算候选区域a与候选区域b、c、d、e、f其中一个之间的交联比(Intersection over Union，IoU)。
在一些实施例中，步骤S44包括将候选区域b、c、d、e与f中的一个的信赖度分数设置为零，如果它们之间的IoU(或相似度)高于一临界值。
晶圆检测方法4进行到步骤S46，重复步骤S43、步骤S44与步骤S45，直到影像上的多个候选区域全部被选定或排除。
例如，在候选区域a被选中后，候选区域b成为具有最高信赖度分数的候选区域。然后，候选区域b被选为选定区域(例如图5B中DUT的影像52上的选定区域b')。候选区域c、d与e可以分别被评估或评价，以检查是否框定了与候选区域b相同的针痕。
例如，在影像上所有的多个候选区域选定或排除后，在图5B中DUT的影像52上有选定的区域a'、b'、c'、d'与e'。
步骤S47是计算影像上的选定区域的数量。例如，图5B中DUT的影像52上有五个选定区域，图5C中DUT的影像53上有六个选定区域。
步骤S48是根据影像上选定区域的数量来判断晶圆上的DUT是否合格。例如，假设临界值为5，图5B中的DUT是合格的，图5C中的DUT是不合格的。
在步骤S50中，图5B中DUT的影像52被发送到一数据服务器(例如图1中的数据服务器19)。
在步骤S49中，图5C中DUT的影像53被发送到一辅助检测单元(例如图1中的辅助检测单元15)。在辅助检测过程之后，图5C中DUT的影像53被发送到一数据服务器。
在一些实施例中，晶圆检测方法4还包括步骤S51，判断影像上的多个候选区域是否包括一冲穿式(punching-through)针痕。
例如，如图5D所示，DUT的影像54上的候选区域g包括一冲穿式针痕。该冲穿式针痕包括比其他的更深的轮廓。
如果检测到冲穿式针痕，DUT被判定为不合格，并在步骤S49中被发送到一辅助检测单元(例如图1中的辅助检测单元15)。
如果没有检测到冲穿式针痕，则晶圆检测方法4进入步骤S42。
在一些实施例中，步骤S51是在步骤S48之前执行。例如，图5B中的DUT的影像52如果具有一冲穿式针痕，无论针痕的数量如何，都是不合格的。
根据本公开的一些实施例，通过选择具有高信赖度分数的候选区域(如步骤43)并排除其他重叠的候选区域(如步骤44与步骤45)，可以提高识别晶圆上DUT影像上的针痕的准确性。此外，由于可以由人工智能演算法识别针痕，可以避免或最大限度地减少时间损失与人为错误。
图6是流程图，例示本公开一些实施例的晶圆检测方法6。晶圆检测方法6可以由处理单元13进行。
步骤或操作S61是在DUT的影像上识别多个候选区域。例如，如图7A所示，在DUT的影像71上识别出候选区域a、b、c、d、e、与f。候选区域a、b、c、d、e与f可以各自包括一针痕。在一些实施例中，步骤S61可包括用边界框或方框框定候选区域。
步骤S62是对两个候选区域进行比较。
步骤S63是产生两个候选区域之间的一相似程度。在一些实施例中，步骤S63包括计算两个候选区域之间的IoU。
步骤S64是判断相似程度(或IoU)是否大于一临界值。如果相似程度(或IoU)大于临界值，则晶圆检测方法6进入步骤S65，排除两个候选区域中的一个。
例如，如图7B所示，如果候选区域b与f之间的相似程度(或IoU)大于临界值k，则排除候选区域b与f中的一个。
如果不是，晶圆检测方法6继续进行步骤S66，重复步骤S62、S63、S64与S65，直到影像上留下的任何两个候选区域之间的相似程度(或IoU)小于或等于临界值。
例如，如图7B所示，如果候选区域a与e之间的相似程度(或IoU)小于或等于临界值k，则候选区域a与e都被留在影像上。在另一轮中，候选区域a和e将与另一个候选区域进行比较。
例如，在重复步骤S62、S63、S64与S65之后，图7C中DUT的影像72上有候选区域a、b、c、d与e。
步骤S67是计算留在影像上的候选区域的数量。例如，在图7C中DUT的影像72上留下了五个候选区域。
步骤S68是根据影像上留下的候选区域的数量来判断晶圆上的DUT是否合格。例如，假设临界值为5，图7C中的DUT是合格的(候选区域f被排除)。
如果判定DUT是合格的，晶圆检测方法6进入步骤S70，将结果发送到一数据服务器(例如图1中的数据服务器19)。
如果判定DUT是不合格的，则晶圆检测方法6进入步骤S69，将结果发送到一辅助检测单元(如图1中的辅助检测单元15)。
在一些实施例中，晶圆检测方法6还包括步骤S71，判断影像上的多个候选区域是否包括一冲穿式针痕。步骤S71与图4中的步骤S51相似。在一些实施例中，步骤S71是在步骤S68之前执行。
规范中对方法的任何提及应比照适用于能够执行该方法的系统。规范中对系统的任何提及应比照适用于可由该系统执行的方法。
图8是方框图，例示本公开一些实施例的晶圆检测系统1的处理单元13。
处理单元13可以包括处理器130、网络接口(I/F)131、输入/输出(I/O)装置132、存储装置133，以及通过总线137或其他互连通信机制通信耦合的存储器134。
在一些实施例中，晶圆检测系统1的一个或多个操作或功能是由处理器130来实现，该处理器经程序设计用于执行此类操作与功能。I/F 131、I/O装置132、存储装置133与存储器134中的一个或多个可经操作以接收指令、数据、设计规则、网表(netlist)、布局、模型与其他参数，以便由处理器130处理。
I/F 131可以与总线137耦合，将处理器130连接到网际网络。
I/O装置132可以包括输入装置、输出装置或组合的输入/输出装置，以使能使用者与晶圆检测系统1的互动。输入装置包括，例如，键盘、键垫(keypad)、鼠标、轨迹球、轨迹垫(trackpad)或游标方向键，用于向处理器130传达信息与命令。输出元件包括，例如，显示器、印表机、语音合成器，等等，用于向使用者传递信息。
存储装置133，如磁片或光盘，可与总线137耦合，用于存储数据或指令。
存储器134可以包括RAM、ROM、硬盘以及抽取式存储器装置，其中可以包括MS卡、存储卡、U盘、外部硬盘等。存储器134可以包括使用者空间135与核心136。存储器134可以与总线137耦合，用于存储要由处理器130执行的数据或指令。在一些实施例中，存储器134也可用于在要由处理器130执行的指令的执行期间存储临时变数或其他中间信息。
图9是示意图，例示本公开一些实施例的接点与针痕。
接点90、91与92可以各自包括X轴的尺寸D1与Y轴的尺寸D2。尺寸D1可以大于尺寸D2，例如接点90。尺寸D2可以大于尺寸D1，如接点91。尺寸D1可以实质上等于尺寸D2，如接点92。
针痕93与94可以各自包括一椭圆或呈椭圆形。主轴(或最长的尺寸)可实质上平行于X轴，如针痕93。主轴(或最长的尺寸)可实质上平行于Y轴，如针痕94。
在一些实施例中，不同方向或尺寸的接点与针痕可能影响接点上针痕的占用区域。在一些实施例中，接点上的针痕的占用区域可以是判断晶圆上的DUT是否合格的标准。例如，图6的步骤S68可包括根据留在影像上的候选区域的占用区域来判断晶圆上的DUT是否合格。
在一些实施例中，不同方向或尺寸的接点与针痕可用于建立数据库，以训练演算法或电脑可执行指令，并建立模型以实现本公开的晶圆检测系统与方法。
图10是示意图，例示本公开一些实施例的针痕的分析影像。
在图10(a)中，针痕93没有重叠，相应的边界框或方框也没有重叠。
在图10(b)中，针痕93重叠，并在一个方向上排列。相应的边界框或方框重叠。
在图10(c)中，针痕93重叠，并在一个方向上排列。相应的边界框或方框没有重叠。
在图10(d)中，针痕93重叠并随机排列。相应的边界框或方框重叠。
在图10(e)中，针痕93重叠并随机排列。相应的边界框或方框没有重叠。
在图10(f)中，针痕93重叠并随机排列。相应的边界框或方框没有重叠，并使针痕93的框区域最大化。
在图10(g)中，针痕93重叠，并沿斜方向排列或以斜角设置。相应的边界框或方框重叠。
在图10(h)中，针痕93重叠，并沿斜方向排列或以斜角设置。相应的边界框或方框没有重叠。
在图10(i)中，针痕93重叠的，并沿斜方向排列或以斜角设置。相应的边界框或方框没有重叠，并使针痕93的框区域最大化。
在图10(j)中，针痕93重叠并随机排列。相应的边界框或方框重叠。
在图10(k)中，针痕93重叠并随机排列。相应的边界框或方框没有重叠。
在一些实施例中，具有不同相对位置、不同尺寸以及不同重叠区域的针痕与边界框可用于建立数据库，以训练演算法或电脑可执行指令，并建立模型以实现本公开的晶圆检测系统和方法。
本公开的一个方面提供一种晶圆检测系统。该晶圆检测系统包括一存储器单元，经配置以存储一晶圆上一被测元件(device under test，DUT)的一影像；一影像载入单元，经配置以将该影像上传到一处理单元；以及一处理单元。该处理单元经配置以：识别该影像上的多个候选区域；为该多个候选区域中的每个区域产生一信赖度分数，其中该信赖度分数表示一候选区域包括一针痕的几率；选择具有最高信赖度分数的一第一候选区域作为一选定区域；判断该多个候选区域中的一第二候选区域是否包括与该第一候选区域相同的针痕；以及如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域。
本公开的另一个方面提供一种晶圆检测系统。该晶圆检测系统包括一存储器单元，经配置以存储一晶圆上一被测元件(device under test，DUT)的一影像；一影像载入单元，经配置以将该影像上传到一处理单元；以及一处理单元。该处理单元经配置以：识别该影像上的多个候选区域，其中该多个候选区域中的每个区域包括一针痕；比较该影像上的该候选区域中的一第一候选区域与一第二候选区域；产生该影像上的该候选区域中的该第一候选区域与该第二候选区域之间的一相似程度；判断该相似程度是否大于一临界值；以及如果该相似程度大于该临界值，则排除该第一候选区域与该第二候选区域中的一个。
本公开的另一个方面提供一种晶圆检测方法。该晶圆检测方法包括在一晶圆上的一被测元件(device under test，DUT)的一影像上识别多个候选区域；为该多个候选区域中的每个区域产生一信赖度分数，其中该信赖度分数表示一候选区域包括针痕的几率；选择具有最高信赖度分数的一第一候选区域作为一选定区域；判断该定多个候选区域中的一第二候选区域是否包括与该第一候选区域相同的针痕；以及如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域。
通过选择具有高信赖度分数的候选区域并排除其他重叠的候选区域，在晶圆上被测元件影像上针痕的识别准确性可以提高。此外，由于针痕可以由人工智能演算法来识别，因此可以避免或尽量减少时间损失与人为错误。
虽然已详述本公开及其优点，然而应理解可进行各种变化、取代与替代而不脱离权利要求所定义的本公开的构思与范围。例如，可用不同的方法实施上述的许多过程，并且以其他过程或其组合替代上述的许多过程。
再者，本申请案的范围并不受限于说明书中所述的过程、机械、制造、物质组成物、手段、方法与步骤的特定实施例。本领域技术人员可自本公开的揭示内容理解可根据本公开而使用与本文所述的对应实施例具有相同功能或是达到实质上相同结果的现存或是未来发展的过程、机械、制造、物质组成物、手段、方法、或步骤。据此，这些过程、机械、制造、物质组成物、手段、方法、或步骤包括于本申请案的权利要求内。

Claims (11)

1.一种晶圆检测方法，包括：
在一晶圆上的一被测元件的一影像上识别多个候选区域；
为该多个候选区域中的每个区域产生一信赖度分数，其中该信赖度分数表示一候选区域包括一针痕的几率；
选择具有最高信赖度分数的一第一候选区域作为一选定区域；
判断该多个候选区域中的一第二候选区域是否包括与该第一候选区域相同的针痕；以及
如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域。
2.如权利要求1所述的晶圆检测方法，其中识别该多个候选区域包括在该影像上框定该多个候选区域。
3.如权利要求1所述的晶圆检测方法，其中产生该信赖度分数包括将该影像上的该多个候选区域中的每个区域与用于训练一处理单元的一训练影像进行比较。
4.如权利要求1所述的晶圆检测方法，其中判断该多个候选区域中的该第二候选区域是否包括与该第一候选区域相同的针痕，还包括：
计算该第一候选区域与该第二候选区域之间的一交联比；以及
如果该第一候选区域与该第二候选区域之间的该交联比高于一临界值，则将该第二候选区域的一信赖度分数设定为零。
5.如权利要求1所述的晶圆检测方法，还包括：
选择具有第二高信赖度的一第三候选区域作为一选定区域；以及
如果一第四候选区域包括与该第三候选区域相同的针痕，则在该多个候选区域中排除该第四候选区域。
6.如权利要求1所述的晶圆检测方法，还包括重复选择具有最高信赖度分数的该第一候选区域作为一选定区域，判断该多个候选区域中的该第二候选区域是否包括与该第一候选区域相同的针痕，以及如果该第二候选区域包括与该第一候选区域相同的针痕，则排除该第二候选区域，直到该影像上的该多个候选区域全部被选定或排除。
7.如权利要求6所述的晶圆检测方法，还包括：
计算该影像上的一选定区域数量；以及
根据该影像上的该选定区域数量，判断该晶圆上的该被测元件是否合格。
8.如权利要求7所述的晶圆检测方法，还包括：
如果该影像上的该选定区域数量大于5，则将该影像发送到一辅助检测单元进行一辅助检测。
9.如权利要求7所述的晶圆检测方法，其中根据该影像上的该选定区域数量判断该晶圆上的该被测元件是否合格包括，如果该影像上的该选定区域数量大于5，则判定该晶圆上的该被测元件不合格。
10.如权利要求7所述的晶圆检测方法，还包括：
判断该影像上的该多个候选区域是否包括一冲穿式针痕；以及
如果该影像上的该多个候选区域包括该冲穿式针痕，则判定该晶圆上的该被测元件不合格。
11.如权利要求10所述的晶圆检测方法，其中在根据该影像上的该选定区域数量判断该晶圆上的该被测元件是否合格之前，判断该影像上的该多个候选区域是否包括该冲穿式针痕。
CN202310138659.2A 2022-04-19 2023-02-20 晶圆检测方法 Pending CN116912156A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/723,723 2022-04-19
US17/724,154 US20230334648A1 (en) 2022-04-19 2022-04-19 Wafer inspection system method
US17/724,154 2022-04-19

Publications (1)

Publication Number Publication Date
CN116912156A true CN116912156A (zh) 2023-10-20

Family

ID=88308123

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202211658342.3A Pending CN116908179A (zh) 2022-04-19 2022-12-22 晶圆检测系统
CN202310138659.2A Pending CN116912156A (zh) 2022-04-19 2023-02-20 晶圆检测方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202211658342.3A Pending CN116908179A (zh) 2022-04-19 2022-12-22 晶圆检测系统

Country Status (2)

Country Link
US (1) US20230334648A1 (zh)
CN (2) CN116908179A (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7400411B2 (en) * 2001-12-06 2008-07-15 Attofemto, Inc. Method for optically testing semiconductor devices
JP4993849B2 (ja) * 2004-05-31 2012-08-08 株式会社日立ハイテクノロジーズ 不良検査装置及び荷電粒子線装置
JP6999321B2 (ja) * 2017-07-31 2022-01-18 東京エレクトロン株式会社 検査装置、検査方法及び記憶媒体
US10853959B2 (en) * 2019-04-01 2020-12-01 Sandisk Technologies Llc Optical inspection tool and method
US11821912B2 (en) * 2020-05-29 2023-11-21 Formfactor, Inc. Methods of producing augmented probe system images and associated probe systems
US20230194599A1 (en) * 2021-12-20 2023-06-22 Battelle Memorial Institute Technologies for verifying and validating electronic devices using electroluminescence
US20240168058A1 (en) * 2022-11-18 2024-05-23 Formfactor, Inc. Methods of establishing contact between a probe tip of a probe system and a device under test, probe systems that perform the methods, and storage media that directs probe systems to perform the methods

Also Published As

Publication number Publication date
US20230334648A1 (en) 2023-10-19
CN116908179A (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
KR900007993B1 (ko) 반도체검사장치 및 반도체검사방법
KR102386536B1 (ko) 시편 상의 관심 패턴의 하나 이상의 특성의 결정
KR102001356B1 (ko) 비트 불량 및 가상 검사를 이용한 웨이퍼 검사 공정의 생성
US11669957B2 (en) Semiconductor wafer measurement method and system
KR20180095715A (ko) 웨이퍼 이미지 데이터와 함께 설계 데이터를 사용하는 반도체 웨이퍼 검사기들의 결함 감도 개선
CN113203933A (zh) 晶片测试系统及其方法
CN112420535A (zh) 一种芯片制作方法及系统
Mittal et al. Test chip design for optimal cell-aware diagnosability
TW201931015A (zh) 設計關鍵性分析擴充之製程窗合格取樣
US12062166B2 (en) Method and system for diagnosing a semiconductor wafer
TWI809928B (zh) 晶圓檢測系統
CN116912156A (zh) 晶圆检测方法
US8831333B2 (en) Mask pattern analysis apparatus and method for analyzing mask pattern
US20230334647A1 (en) Wafer inspection system
CN111429426B (zh) 一种检测对象缺陷图案的提取装置、提取方法及存储介质
CN111220902A (zh) 一种基于集成电路圆片坐标分区的工程分析测试的方法
EP4254325A1 (en) Inspection of printed circuit board assemblies
WO2021184526A1 (zh) 检测对象缺陷图案的优先级排序装置、排序方法及存储介质
JP5015227B2 (ja) 欠陥解析方法、プログラム及び電子デバイスの製造方法
JP4633349B2 (ja) 電子デバイスを製造するための欠陥解析方法及びそのプログラム
CN115684170A (zh) 利用工艺窗口细化缺陷检测
CN115132599A (zh) 缺陷检测方法
JPH0755887A (ja) 故障診断装置
JP2005332389A (ja) 半導体集積回路の故障検査方法及びレイアウト方法

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