CN117038490A - 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法 - Google Patents

检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法 Download PDF

Info

Publication number
CN117038490A
CN117038490A CN202311092298.9A CN202311092298A CN117038490A CN 117038490 A CN117038490 A CN 117038490A CN 202311092298 A CN202311092298 A CN 202311092298A CN 117038490 A CN117038490 A CN 117038490A
Authority
CN
China
Prior art keywords
defect
region
identified
wafer
area
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
CN202311092298.9A
Other languages
English (en)
Inventor
仝临杰
马强强
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.)
Xian Eswin Silicon Wafer Technology Co Ltd
Xian Eswin Material Technology Co Ltd
Original Assignee
Xian Eswin Silicon Wafer Technology Co Ltd
Xian Eswin Material Technology Co Ltd
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 Xian Eswin Silicon Wafer Technology Co Ltd, Xian Eswin Material Technology Co Ltd filed Critical Xian Eswin Silicon Wafer Technology Co Ltd
Priority to CN202311092298.9A priority Critical patent/CN117038490A/zh
Publication of CN117038490A publication Critical patent/CN117038490A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明实施例公开了一种检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法；该检测晶圆缺陷类型的方法包括：接收采集到的待测晶圆的过渡区域图像；所述过渡区域为在晶圆的径向表面与边缘之间所存在的2mm至5mm的区域；根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；获取所述待识别区域内所存在的缺陷的形貌特征；根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。

Description

检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法
技术领域
本发明实施例涉及半导体制造技术领域，尤其涉及一种检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法。
背景技术
在集成电路制造的过程中，在每个工艺流程中都有可能在晶圆上形成缺陷。随着半导体工艺的发展，半导体器件越来越趋向于小型化，晶圆上的缺陷在半导体工艺中的影响越来越大，因此在集成电路制造的过程中，需要对晶圆进行缺陷检测，以检测结果为依据分析产生缺陷的原因，以对生产工艺或工艺设备进行调整，减少缺陷产生。
发明内容
有鉴于此，本发明实施例期望提供一种检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法；能够对由晶圆的径向表面至晶圆边缘的过渡区域的缺陷类型进行检测，提高晶圆检测的全面性以及检测良率，降低了缺陷检测的漏检率以及出货风险。
本发明实施例的技术方案是这样实现的：
第一方面，本发明实施例提供了一种检测晶圆缺陷类型的方法，包括：
接收采集到的待测晶圆的过渡区域图像；所述过渡区域为在晶圆的径向表面与边缘之间所存在的2mm至5mm的区域；
根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；
获取所述待识别区域内所存在的缺陷的形貌特征；
根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。
第二方面，本发明实施例提供了一种检测晶圆缺陷类型的装置，所述装置包括：接收部分、确定部分、获取部分和识别部分；其中，
所述接收部分，经配置为接收采集到的待测晶圆的过渡区域图像；所述过渡区域为在晶圆的径向表面与边缘之间所存在的2mm至5mm的区域；
所述确定部分，经配置为根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；
所述获取部分，经配置为获取所述待识别区域内所存在的缺陷的形貌特征；
所述识别部分，经配置为根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。
第三方面，本发明实施例提供了一种计算设备，所述计算设备包括：处理器和存储器；所述处理器用于执行所述存储器中存储的指令，以实现如第一方面所述的检测晶圆缺陷类型的方法。
第四方面，本发明实施例提供了一种计算机存储介质，所述存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如第一方面所述的检测晶圆缺陷类型的方法。
第五方面，本发明实施例提供了一种晶圆加工方法，所述方法包括：
对通过设定方法拉制的单晶硅锭实施晶圆加工处理，获得多个晶圆；
针对所述多个晶圆中的每一个进行边缘检测，获得晶圆的边缘检测结果；
将边缘检测结果为良品的晶圆通过第一方面所述的检测晶圆缺陷类型的方法进行检测，以确定晶圆在过渡区域所存在的缺陷类型。
本发明实施例提供了一种检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法；对于晶圆的过渡区域图像，在获取存在缺陷的待识别区域之后，结合能够框选住缺陷的待识别区域特征以及缺陷的形貌特征对过渡区域缺陷类型进行识别，提高晶圆检测的全面性以及检测良率，降低了缺陷检测的漏检率以及出货风险。
附图说明
图1(a)为本发明实施例提供的晶圆的结构示意图；
图1(b)为本发明实施例提供的过渡区域示意图；
图2为本发明实施例提供的实施环境示意图；
图3为本发明实施例提供的一种识别晶圆边缘缺陷类型的方法流程示意图；
图4为本发明实施例提供的过渡区域存在的缺陷类型示意图；
图5为本发明实施例提供的待识别区域的示意图；
图6为本发明实施例提供的一种检测晶圆缺陷类型的装置组成示意图；
图7为本发明实施例提供的一种计算设备的结构示意图；
图8为本发明实施例提供的一种晶圆加工方法流程示意图；
图9为本发明实施例提供的EZB缺陷中的小型划伤缺陷示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
通过直拉法拉制获得单晶硅锭之后，可以对单晶硅锭依次进行切割、研磨、抛光、清洗等加工处理工序，从而得到抛光晶圆；在一些情况下，还会在抛光晶圆的径向表面通过化学气相沉积等方式形成具有单晶硅外延层以得到外延晶圆。
不论抛光晶圆以及外延晶圆，其存在的缺陷对于后续的集成电路制造工艺过程以及产品良率的影响都越来越大。如图1(a)所示，晶圆1具有上表面2以及下表面3，由于这两个表面与晶圆1的径向方向一致，因此在本发明实施例中也可被称之为晶圆的径向表面。并且晶圆1还于周缘端部具有由上表面侧的倒角面4、下表面侧的倒角面5以及边缘面6所构成的边缘部分。此外，晶圆1还包括与上表面侧的倒角面4为相邻的上表面的最外周部7a以及与下表面侧的倒角面5为相邻的下表面的最外周部7b。
对于边缘(edge)部分来说，上表面侧的倒角面4以及下表面侧的倒角面5相对于上表面2以及下表面3呈倾斜方向，边缘面6是边缘部分中除上表面侧的倒角面4以及下表面侧的倒角面5以外的部分，且相对于上表面2以及下表面3呈垂直的部分。边缘面6亦可为些微的曲面。上表面侧的倒角面4以及下表面侧的倒角面5分别与边缘面6的边界如图1(a)所示，通常平滑地形成。上表面的最外周部7a以及下表面的最外周部7b分别可以由上表面2以及下表面3的一部分所构成且分别与上表面2以及下表面3处于同一个平面。
结合图1(b)所示，目前大多数方案均针对晶圆(wafer)的上、下表面(surface)(例如图1(a)中的上表面2和下表面3)以及晶圆的边缘(edge)部分(例如图1(a)中的上表面侧的倒角面4、下表面侧的倒角面5以及边缘面6)，但是都忽略了在晶圆的径向表面与边缘之间，存在一段大约2mm至5mm的过渡区域，例如图1(a)中的7a和7b。针对这部分过渡区域，由于晶圆在下游厂商加工过程中，通常不会使用距离晶圆边缘大约3mm区域部分，因此在对晶圆的径向表面进行检测过程中，不会检测上述不会在加工过程中使用的区域部分。基于此，晶圆过渡区域处的缺陷，既无法通过晶圆的径向表面缺陷检测方法检测到，也无法由晶圆边缘检测方法检测到，导致目前相关的晶圆缺陷检测方案存在晶圆缺陷检测的真空区域，或“盲区”。但是，若该过渡区域存在缺陷，同样会影响后续集成电路制造工艺过程的产品良率。
基于此，本发明实施例提供一种针对晶圆中该过渡区域的缺陷检测方案，提高晶圆检测的全面性以及检测良率，降低了缺陷检测的漏检率以及出货风险。
参见图2，其示出了本发明实施例所提供一种实施环境示意图，待测晶圆W水平放置，光源20向待测晶圆W的过渡区域发射光束，比如图2示出的激光Laser。扫描相机30采集光束经由待测晶圆W的过渡区域的反射光线或折射光线(如虚线箭头所示)，生成待测晶圆W的过渡区域图像并传输至计算设备40。计算设备40可以根据接收到的过渡区域图像执行本发明实施例的技术方案，从而确认待测晶圆的边缘缺陷类型。
在一些示例中，待测晶圆W可以通过可绕中心轴旋转的支撑件(图中未示出)支撑，从而扫描相机30可以基于支撑件的旋转采集待测晶圆W完整的过渡区域图像。在一些示例中，光源20可以与扫描相机30同轴设置，也可以与扫描相机30异轴设置，本发明实施例对此不做赘述。在一些示例中，由于待测晶圆W包括上表面(top)和下表面(bottom)，因此，实施环境中的扫描相机30可以设置为两个，如图2所示，标识为30-1和30-2分别采集待测晶圆W的上表面以及下表面的过渡区域的反射光线或折射光线以对应形成待测晶圆W的上表面的过渡区域(EZT)以及下表面的过渡区域(EZB)图像。在一些示例中，扫描相机30的数量也可以设置为一个，通过运动机构(图中未示出)的控制分别采集待测晶圆W的上表面以及下表面的过渡区域的反射光线或折射光线，从而分别生成待测晶圆W的上表面以及下表面的过渡区域图像。
需要说明的是，图2所示的实施环境仅作为示例性说明，并不作为任何限定。可以理解地，本领域技术人员可以通过其他方式或系统采集待测晶圆W的过渡区域图像，本发明实施例对比不做赘述。
在一些示例中，计算设备40可以为智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端和膝上型便携计算机等设备中的至少一种。计算设备40具有通信功能，可以接入有线网络或无线网络。计算设备40可以泛指多个终端中的一个，本领域技术人员可以知晓，上述终端的数量可以更多或更少。在一些示例中，计算设备40可以基于所接入的有线网络或无线网络接收扫描相机30传输的过渡区域图像。可以理解地，计算设备40承担本发明技术方案的计算及处理工作，本发明实施例对此不作限定。
参见图3，其示出了本发明实施例提供的一种识别晶圆边缘缺陷类型的方法，该方法可以由图1中所示的计算设备40执行，该方法可以包括：
S310：接收采集到的待测晶圆的过渡区域图像；
在本发明实施例中，待测晶圆通常具有缺口(notch)。以图2所示的实施环境为例，由于承载件的绕轴旋转，因此可以采集一幅完整的过渡区域图像，该完整的过渡区域图像由notch形状图案起始，至notch形状图案结束。因此，本发明实施例可以是将完整图像中的两个notch图案之间的图像部分作为待测晶圆的过渡区域图像进行处理。
在一些示例中，由于待测晶圆W的过渡区域包括上表面的过渡区域(EZT)以及下表面的过渡区域(EZB)，相应地，过渡区域图像可包括EZT图像和EZB图像。
在一些示例中，可以对采集到的待测晶圆边缘的原始图像进行二元化处理，即将图像中的像素灰度值设置为0至255这一范围；相较于原始图像，能够更加明显地区分待测晶圆在过渡区域中的正常部分以及缺陷部分。
S320：根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；
在本发明实施例中，可以根据图像中的灰度值变化确定存在缺陷的待识别区域。需要说明的是，对于晶圆的过渡区域没有缺陷的部分，激光会在该部分处发生镜面反射，使得扫描相机30采集到的激光光束较多，在图像中的相应部分呈现灰度值较明亮。对于晶圆的过渡区域存在缺陷的部分，激光会在缺陷处发生漫反射，使得扫描相机30采集到的激光光束较少，在图像中存在缺陷部分的灰度值产生显著变化且较暗淡。基于以上关于缺陷在图像中所产生特征阐述，若过渡区域图像中出现灰度值显著变化且较暗淡的区域，那么可以确定在该区域内存在缺陷。在一些示例中，所述待识别区域的形状可选为矩形，且能够完全框选住其内所存在的缺陷。
S330：获取所述待识别区域内所存在的缺陷的形貌特征；
在本发明实施例中，在按照上述步骤完成待识别区域的确认之后，可以针对该区域内所存在的缺陷获取其在图像中所呈现的形貌特征。对于各种过渡区域缺陷类型来说，由于其形成的机理不同，那么在晶圆的过渡区域出现的形态也相应不同。进一步地，在图像中所呈现的形貌特征也不尽相同。形貌特征能够直接表征缺陷在晶圆的过渡区域所呈现的形状、大小、所占面积等形态参数，相较于灰度值这类图像特征，能够为缺陷类型提供更加准确的识别依据。继续结合图4所示，分别呈现了在过渡区域中最常出现的4类缺陷：小型缺口缺陷、狭长缺陷、大型缺口缺陷和小型划伤缺陷。从图4中所呈现的形貌可以看出，这四类缺陷的形态差别相当明显，能够为缺陷类型提供更加准确的识别依据。S340：根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。
在本发明实施例中，除了形貌特征之外，由于待识别区域能够完全框选住其内所存在的缺陷，那么该区域的特征参数从一些方面也能够表征缺陷的形态。基于此，本发明实施例结合形貌特征以及待识别区域特征共同识别过渡区域缺陷的类型，相较于单独使用形貌特征或待识别区域特征，提高了缺陷类型的识别准确度。
对于上述技术方案，本发明实施例对于晶圆的过渡区域图像，在获取存在缺陷的待识别区域之后，结合能够框选住缺陷的待识别区域特征以及缺陷的形貌特征对过渡区域缺陷类型进行识别，提高晶圆检测的全面性以及检测良率，降低了缺陷检测的漏检率以及出货风险。
对于图3所示的技术方案，在一些可能的实现方式中，所述根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域，包括：
在所述过渡区域图像对应的灰度图像中，选取灰度波动值小于设定的第一阈值的位置处的灰度值作为基准值；
将与所述基准值存在灰度波动幅度值大于设定的第二阈值的区域作为待扩展区域；
以所述待扩展区域内的中心，分别沿水平方向和竖直方向获取所述待扩展区域的边界的最长距离，形成所述待识别区域的宽度边和高度边；
根据所述待识别区域的宽度边和高度边以及所述待扩展区域内的中心确定所述待识别区域。
需要说明的是，在过渡区域图像对应的灰度图像中，晶圆的过渡区域没有缺陷的部分，在图像中的相应部分呈现为灰度值较明亮，且灰度值的波动较为平缓，也可以认为是灰度值大致保持一致；对于晶圆的过渡区域存在缺陷的部分，在图像中的相应部分呈现为灰度值产生显著变化且较暗淡。对于上述实现方式，在具体实施过程中，分别通过第一阈值和第二阈值来表征灰度值的波动程度。详细来说，若灰度值的波动值小于第一阈值，则说明波动程度较为平缓，晶圆的过渡区域与图像中波动较为平缓区域相应的部分没有缺陷。若灰度值的波动值大于第二阈值，则说明波动程度较大，晶圆的过渡区域与图像中波动较大区域相应的部分存在缺陷。对于图像中灰度值波动较大的区域，可以被认定为在该区域内存在缺陷，但是无法对缺陷进行完整的框选。所以，将图像中灰度值波动较大的区域视为待扩展区域进行扩展以形成能够对缺陷进行框选的待识别区域。
对于将待扩展区域扩展形成待识别区域的实施过程，详细来说，如图5所示，灰度较深的区域为存在缺陷(Defect)的待扩展区域，以所述待扩展区域内缺陷区域的重心为中心，分别沿水平方向和竖直方向(如水平方向以及竖直方向的箭头所示)获取所述待扩展区域的边界(即缺陷的边界)的最长距离形成所述待识别区域(如图5中的Box标识)的宽度边(Width)和高度边(height)。根据所述待识别区域的宽度边(Box Width)和高度边(Boxheight)以及所述待扩展区域内的中心形成所述待识别区域。
对于图3所示的技术方案，在一些可能的实现方式中，所述缺陷的形貌特征包括：所述缺陷在所述待识别区域内的面积占比以及所述缺陷的最长轴与最短轴的比值；所述待识别区域特征包括所述待识别区域的宽度边和高度边长度以及缺陷所占区域的亮度标准差(IntStdDev)。
在上述实现方式中，在一些示例中，对于获取缺陷的形貌特征过程，具体来说，一方面，可以根据所述待识别区域内缺陷所占的面积与所述待识别区域面积之比，获得所述缺陷在所述待识别区域内的面积占比。另一方面，可以在所述待识别区域内，将缺陷所占区域的两端进行连线，并将距离最长的连线作为所述缺陷的最长轴(Major Axis)；以及，将距离最短的连线作为缺陷的最短轴(Minor Axis)。
对于上述示例，详细来说，存在灰度的区域面积为待识别区域内的缺陷所占面积，记为Defect area。待识别区域面积(Box area)为宽度边(Width)长度和高度边(height)长度之积。缺陷在待识别区域内的面积占比可通过下式获得：
Fill Ratio＝Defect area/Box area。
此外，在待识别区域内，由于扫描相机在过渡区域所采集到的光线散射程度较高，因此，对于待识别区域特征还可以包括缺陷所占区域内的最亮子区域的灰度值(Brightest)和最暗子区域灰度值(Darkest)，以及根据Brightest和Darkest得到的最高亮度与最低亮度的比值(Contrast)，还可以根据缺陷所占区域的辉度值获得缺陷所占区域的亮度标准差(IntStdDev)。
需要说明的是，通过上述实现方式及其示例，在确定完成存在缺陷的待识别区域并获取待识别区域内所存在的缺陷的形貌特征之后，就可以针对每个待识别区域内的缺陷进行缺陷类型识别。结合前述图4所示的晶圆的过渡区域常见的4类缺陷来说，其具体形貌以及相应于缺陷形貌所形成的待识别区域形状各有明显的区别。
对于小型缺口缺陷来说，边缘呈现缺口状，类似边缘缺陷中的崩边(Chip)缺陷，主要是由边缘缺陷中的崩边(Chip)缺陷向晶圆内部延伸所导致。存在该类缺陷的待识别区域的宽度边长度和高速边长度较为接近，缺陷在所述待识别区域内的面积占比较小，缺陷的最长轴相对于设定参考角度的偏转角度并没有固定的角度范围
对于狭长缺陷来说，主要由边缘缺陷中的裂纹(Crack)缺陷向晶圆内部延伸所导致。图像上呈狭长形状，其所在的待识别区域也相应呈现为细长条状，缺陷在所述待识别区域内的面积占比较小
对于大型缺口缺陷，呈现为边缘大面积缺边，尺寸较大，主要是由边缘缺陷中的崩边(Chip)缺陷向晶圆内部延伸所导致。其与小型缺口缺陷相较而言，具有更大的缺陷在所述待识别区域内的面积占比，待识别区域的宽度边长度和高速边长度更为接近。
对于小型划伤缺陷来说，类似边缘缺陷中的划痕(Scratch)缺陷，大多也是因为边缘缺陷中的裂纹(Crack)缺陷向晶圆内部延伸所导致。相较于狭长缺陷来说，同样尺寸参数较小，但是可以通过缺陷所占区域的亮度标准差(IntStdDev)与狭长缺陷进行区分。
基于以上针对4类缺陷的分析，结合前述实现方式及其示例所获得的缺陷的形貌特征以及待识别区域特征，本发明实施例提供了4类缺陷在图像中所呈现的特征参数范围，如表1所示。在表1中，Box Width、Box Height、Major Axis以及Minor Axis参数的单位均为μm，在根据这些参数设置表征判定条件的阈值时，通常设置为最小值，即将这些参数的最小值作为表征判定条件的阈值。
表1
在一些示例中，所述根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型，包括：
相应于所述缺陷在所述待识别区域内的面积占比不小于设定的第一面积占比阈值，将所述待识别区域内所存在的缺陷类型初步确定为小型缺口缺陷或者大型缺口缺陷；
根据初步确定的小型缺口缺陷或者大型缺口缺陷，当所述缺陷在所述待识别区域宽度边(Width)长度和高度边(height)长度均大于设定的长度阈值，则确定所述待识别区域内所存在的缺陷类型为大型缺口缺陷；否则确定为小型缺口缺陷；
相应于所述缺陷在所述待识别区域内的面积占比小于设定的第一面积占比阈值，和/或所述缺陷的最长轴(Major Axis)与最短轴(Minor Axis)的比值大于设定的长度比阈值，将所述待识别区域内所存在的缺陷类型初步确定为狭长缺陷或者小型划伤缺陷；
根据初步确定的狭长缺陷或者小型划伤缺陷，当所述缺陷所占区域的亮度标准差(IntStdDev)大于设定的标准差阈值，则确定所述待识别区域内所存在的缺陷类型为小型划伤缺陷；否则确定为狭长缺陷。
对于上述示例，结合图4所示的缺陷在图像中的呈现以及表1所示的4类缺陷在图像中所呈现的特征参数范围，具体来说，小型缺口缺陷或者大型缺口缺陷的Fill Ratio值较高，狭长缺陷或者小型划伤缺陷的Fill Ratio值较低。基于此，可以针对Fill Ratio值设置第一面积占比阈值，初步确定小型缺口缺陷或大型缺口缺陷，从而与狭长缺陷和小型划伤缺陷进行区分。进一步来说，由于大型缺口缺陷所呈现的面积大于小型缺口缺陷，也就是大型缺口缺陷所在的待识别区域的Box Width以及Box Height通常会显著地大于小型缺口缺陷所在的待识别区域的Box Width以及Box Height。因此，可以针对Box Width以及BoxHeight设置长度阈值，从而将大型缺口缺陷与小型缺口缺陷进行区分。
对于狭长缺陷以及小型划伤缺陷来说，从图像呈现上均为狭长形状，缺陷图像的面积较小，并且在待识别区域的占比也较小，待识别区域也呈现细长条状。基于此，可以将待识别区域的占比和/或待识别区域的呈现形状作为初步确定狭长缺陷和小型划伤缺陷的判定依据，从而与小型缺口缺陷或大型缺口缺陷进行区分。比如，待识别区域的占比这一判定依据可以由小于第一面积占比阈值进行表征，待识别区域呈现细长条状可以由所述缺陷的最长轴(Major Axis)与最短轴(Minor Axis)的比值大于设定的长度比阈值进行表征。在初步确定狭长缺陷和小型划伤缺陷之后，由于小型划伤缺陷的IntStdDev指标与其他类型缺陷存在明显差距，因此可以根据缺陷所占区域的亮度标准差(IntStdDev)区分狭长缺陷和小型划伤缺陷。
通过上述示例及其具体实施过程的阐述，基于缺陷在图像中所呈现的形貌特征以及框选缺陷所采用的待识别区域特征，能够准确地区分晶圆的过渡区域的缺陷类型，提高晶圆检测的全面性以及检测良率，降低了缺陷检测的漏检率以及出货风险。
基于前述技术方案相同的发明构思，参见图6，其示出了本发明实施例提供的一种检测晶圆缺陷类型的装置60，所述装置60包括：接收部分601、确定部分602、获取部分603和识别部分604；其中，
所述接收部分601，经配置为接收采集到的待测晶圆的过渡区域图像；所述过渡区域为在晶圆的径向表面与边缘之间所存在的2mm至5mm的区域；
所述确定部分602，经配置为根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；
所述获取部分603，经配置为获取所述待识别区域内所存在的缺陷的形貌特征；
所述识别部分604，经配置为根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。
在一些示例中，所述确定部分602，经配置为：
在所述过渡区域图像对应的灰度图像中，选取灰度波动值小于设定的第一阈值的位置处的灰度值作为基准值；
将与所述基准值存在灰度波动幅度值大于设定的第二阈值的区域作为待扩展区域；
以所述待扩展区域内的中心，分别沿水平方向和竖直方向获取所述待扩展区域的边界的最长距离，形成所述待识别区域的宽度边和高度边；
根据所述待识别区域的宽度边和高度边以及所述待扩展区域内的中心确定所述待识别区域。
在一些示例中，所述形貌特征包括：所述缺陷在所述待识别区域内的面积占比以及所述缺陷的最长轴与最短轴之间的比值；所述待识别区域特征包括所述待识别区域的水平方向长度和竖直方向长度以及所述缺陷所占区域的亮度标准差。
在一些示例中，所述识别部分604，经配置为：
相应于所述缺陷在所述待识别区域内的面积占比不小于设定的第一面积占比阈值，将所述待识别区域内所存在的缺陷类型初步确定为小型缺口缺陷或者大型缺口缺陷；
根据初步确定的小型缺口缺陷或者大型缺口缺陷，当所述缺陷在所述待识别区域宽度边长度和高度边长度均大于设定的长度阈值，则确定所述待识别区域内所存在的缺陷类型为大型缺口缺陷；否则确定为小型缺口缺陷；
相应于所述缺陷在所述待识别区域内的面积占比小于设定的第一面积占比阈值，和/或所述缺陷的最长轴与最短轴的比值大于设定的长度比阈值，将所述待识别区域内所存在的缺陷类型初步确定为狭长缺陷或者小型划伤缺陷；
根据初步确定的狭长缺陷或者小型划伤缺陷，当所述缺陷所占区域的亮度标准差大于设定的标准差阈值，则确定所述待识别区域内所存在的缺陷类型为小型划伤缺陷；否则确定为狭长缺陷。
在一些示例中，所述获取部分603，经配置为：
在所述待识别区域内，将缺陷所占区域的两端进行连线，并将距离最长的连线确定为所述缺陷的最长轴，将距离最短的连线确定为所述缺陷的最短轴。
请参考图7，其示出了本申请一个示例性实施例提供的计算设备的结构方框图。在一些示例中，计算设备70可以为智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端和膝上型便携计算机等设备中的至少一种。计算设备70具有通信功能，可以接入有线网络或无线网络。计算设备70可以泛指多个终端中的一个，本领域技术人员可以知晓，上述终端的数量可以更多或更少。在一些示例中，计算设备70可以基于所接入的有线网络或无线网络接收待测晶圆的过渡区域图像数据。可以理解地，计算设备70承担本发明技术方案的计算及处理工作，本发明实施例对此不作限定。
如图7所示，本申请中的计算设备可以包括一个或多个如下部件：处理器710和存储器720。
可选的，处理器710利用各种接口和线路连接整个计算设备内的各个部分，通过运行或执行存储在存储器720内的指令、程序、代码集或指令集，以及调用存储在存储器720内的数据，执行计算设备的各种功能和处理数据。可选地，处理器710可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－ProgrammableGateArray，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器710可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)、神经网络处理器(Neural-network Processing Unit，NPU)和基带芯片等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责触摸显示屏所需要显示的内容的渲染和绘制；NPU用于实现人工智能(Artificial Intelligence，AI)功能；基带芯片用于处理无线通信。可以理解的是，上述基带芯片也可以不集成到处理器710中，单独通过一块芯片进行实现。
存储器720可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。可选地，该存储器720包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器720可用于存储指令、程序、代码、代码集或指令集。存储器720可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现以上各个方法实施例的指令等；存储数据区可存储根据计算设备的使用所创建的数据等。
除此之外，本领域技术人员可以理解，上述附图所示出的计算设备的结构并不构成对计算设备的限定，计算设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，计算设备中还包括显示屏、摄像组件、麦克风、扬声器、射频电路、输入单元、传感器(比如加速度传感器、角速度传感器、光线传感器等等)、音频电路、WiFi模块、电源、蓝牙模块等部件，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如上各个实施例所述的检测晶圆缺陷类型的方法。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中；计算设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算设备执行以实现上述各个实施例所述的检测晶圆缺陷类型的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
基于以上所阐述的识别晶圆边缘缺陷类型的方案，参见图8，其示出了本发明实施例提供的一种晶圆加工方法，该方法可以包括：
S801：对通过设定方法拉制的单晶硅锭实施晶圆加工处理，获得多个晶圆；
S802：针对所述多个晶圆中的每一个进行边缘检测，获得晶圆的边缘检测结果；
S803：将边缘检测结果为良品的晶圆通过前述任一实施例所述的检测晶圆缺陷类型的方法进行检测，以确定晶圆在过渡区域所存在的缺陷类型。
针对所述晶圆加工方法，在一些示例中，所述方法还包括：
相应于晶圆底部的过度区域存在缺陷，将所述晶圆进行返工以去除所述缺陷。
对于图8所示的技术方案，详细来说，由于边缘检测是晶圆检测过程中的一个重要环节，在一些示例中，前述实施例所阐述的对于过渡区域的缺陷检测方案可以作为边缘检测的辅助判定条件。尽管EZT或EZB均会出现各类型缺陷，但在实际生产过程中，可以发现部分EZB缺陷不存在出货风险，该部分EZB缺陷可以经过重新双面抛光(Re-DSP)后消除，比如图9所示出的EZB缺陷中的小型划伤缺陷，该缺陷能够经Re-DSP后消除。
根据以上阐述可以确定，在实际生产过程中，EZB缺陷等级可设为RD等级，即能够通过返工在加工以消除。而EZT缺陷，无法通过返工进行消除，因此，通常将EZT的缺陷等级设定为RJ等级。
需要说明的是：本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种检测晶圆缺陷类型的方法，其特征在于，包括：
接收采集到的待测晶圆的过渡区域图像；所述过渡区域为在晶圆的径向表面与边缘之间所存在的2mm至5mm的区域；
根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；
获取所述待识别区域内所存在的缺陷的形貌特征；
根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域，包括：
在所述过渡区域图像对应的灰度图像中，选取灰度波动值小于设定的第一阈值的位置处的灰度值作为基准值；
将与所述基准值存在灰度波动幅度值大于设定的第二阈值的区域作为待扩展区域；
以所述待扩展区域内的中心，分别沿水平方向和竖直方向获取所述待扩展区域的边界的最长距离，形成所述待识别区域的宽度边和高度边；
根据所述待识别区域的宽度边和高度边以及所述待扩展区域内的中心确定所述待识别区域。
3.根据权利要求1所述的方法，其特征在于，所述形貌特征包括：所述缺陷在所述待识别区域内的面积占比以及所述缺陷的最长轴与最短轴之间的比值；所述待识别区域特征包括所述待识别区域的水平方向长度和竖直方向长度以及所述缺陷所占区域的亮度标准差。
4.根据权利要求3所述的方法，其特征在于，所述根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型，包括：
相应于所述缺陷在所述待识别区域内的面积占比不小于设定的第一面积占比阈值，将所述待识别区域内所存在的缺陷类型初步确定为小型缺口缺陷或者大型缺口缺陷；
根据初步确定的小型缺口缺陷或者大型缺口缺陷，当所述缺陷在所述待识别区域宽度边长度和高度边长度均大于设定的长度阈值，则确定所述待识别区域内所存在的缺陷类型为大型缺口缺陷；否则确定为小型缺口缺陷；
相应于所述缺陷在所述待识别区域内的面积占比小于设定的第一面积占比阈值，和/或所述缺陷的最长轴与最短轴的比值大于设定的长度比阈值，将所述待识别区域内所存在的缺陷类型初步确定为狭长缺陷或者小型划伤缺陷；
根据初步确定的狭长缺陷或者小型划伤缺陷，当所述缺陷所占区域的亮度标准差大于设定的标准差阈值，则确定所述待识别区域内所存在的缺陷类型为小型划伤缺陷；否则确定为狭长缺陷。
5.根据权利要求1所述的方法，其特征在于，所述获取所述待识别区域内所存在的缺陷的形貌特征，包括：
在所述待识别区域内，将缺陷所占区域的两端进行连线，并将距离最长的连线确定为所述缺陷的最长轴，将距离最短的连线确定为所述缺陷的最短轴。
6.一种检测晶圆缺陷类型的装置，其特征在于，所述装置包括：接收部分、确定部分、获取部分和识别部分；其中，
所述接收部分，经配置为接收采集到的待测晶圆的过渡区域图像；所述过渡区域为在晶圆的径向表面与边缘之间所存在的2mm至5mm的区域；
所述确定部分，经配置为根据所述过渡区域图像的图像特征确定存在缺陷的待识别区域；
所述获取部分，经配置为获取所述待识别区域内所存在的缺陷的形貌特征；
所述识别部分，经配置为根据所述形貌特征以及所述待识别区域特征确定所述待识别区域内所存在的缺陷的类型。
7.一种计算设备，其特征在于，所述计算设备包括：处理器和存储器；所述处理器用于执行所述存储器中存储的指令，以实现如权利要求1至5任一所述的检测晶圆缺陷类型的方法。
8.一种计算机存储介质，其特征在于，所述存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如权利要求1至5任一所述的检测晶圆缺陷类型的方法。
9.一种晶圆加工方法，其特征在于，所述方法包括：
对通过设定方法拉制的单晶硅锭实施晶圆加工处理，获得多个晶圆；
针对所述多个晶圆中的每一个进行边缘检测，获得晶圆的边缘检测结果；
将边缘检测结果为良品的晶圆通过权利要求1至5任一所述的检测晶圆缺陷类型的方法进行检测，以确定晶圆在过渡区域所存在的缺陷类型。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
相应于晶圆底部过度区域存在缺陷，将所述晶圆进行返工以去除所述缺陷。
CN202311092298.9A 2023-08-28 2023-08-28 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法 Pending CN117038490A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311092298.9A CN117038490A (zh) 2023-08-28 2023-08-28 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311092298.9A CN117038490A (zh) 2023-08-28 2023-08-28 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法

Publications (1)

Publication Number Publication Date
CN117038490A true CN117038490A (zh) 2023-11-10

Family

ID=88628142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311092298.9A Pending CN117038490A (zh) 2023-08-28 2023-08-28 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法

Country Status (1)

Country Link
CN (1) CN117038490A (zh)

Similar Documents

Publication Publication Date Title
CN111340752B (zh) 屏幕的检测方法、装置、电子设备及计算机可读存储介质
JP4657869B2 (ja) 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体
JP5225297B2 (ja) ウエハー上に形成されたダイに於けるアレイ領域の認識方法、ならびに係る方法の設定方法
US20060133660A1 (en) Apparatus and method for detecting defect existing in pattern on object
TW201337839A (zh) 用於晶圓檢測之分段處理
JP2003057019A (ja) パターン検査装置および方法
CN117392112A (zh) 一种晶圆表面缺陷的检测方法、装置及系统
US20080050007A1 (en) Pattern inspection apparatus and method with enhanced test image correctability using frequency division scheme
KR20090008185A (ko) 표면 검사 장치
JP4479877B2 (ja) 画像認識による不良検査方法
JP2011008482A (ja) 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム
CN117152165A (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN117252861A (zh) 一种晶圆表面缺陷的检测方法、装置及系统
CN117350988A (zh) 一种晶圆表面划痕缺陷的检测方法、装置、介质及系统
CN108039326B (zh) 根据电路设计图形设置扫描阈值的方法
CN117038490A (zh) 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法
JP4550559B2 (ja) 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム
CN116994976A (zh) 识别晶圆边缘缺陷类型的方法、装置、介质及晶圆加工方法
CN117476487A (zh) 检测晶圆缺陷的方法、装置、介质及晶圆加工方法
JP5316924B2 (ja) 観察装置および観察方法
JP2020150093A (ja) ボンディングワイヤのワイヤ形状検出装置及びワイヤ形状検出方法
CN117689641A (zh) 一种检测晶圆缺陷的方法、装置、系统及介质
CN117522839A (zh) 晶圆的缺陷类型检测方法、装置、设备及计算机存储介质
JP7507918B1 (ja) ウエハ検査装置、ウエハ検査システム、ウエハ検査方法、及びプログラム
CN109115782B (zh) 基于多分辨率图像的光学式瑕疵检测装置

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