CN117198909A - 一种晶圆的缺陷检测装置以及方法、可读存储介质 - Google Patents

Abstract

本申请实施例提供了一种晶圆的缺陷检测装置以及方法、可读存储介质,缺陷检测装置包括：照明模块，用于以预设角度的光线照射具有多层次的待检测晶圆；图像获取模块，用于拍摄得到晶圆的待检测图像；模板获取模块，用于获取晶圆的标准模板图像；控制模块，分别与照明模块、图像获取模块和模板获取模块连接，用于根据待检测图像和标准模板图像对作为晶圆的目标层的晶圆当前表面层进行缺陷检测，得到缺陷检测结果；缺陷处置模块，与控制模块连接，用于根据缺陷检测结果进行预设处理。通过预设角度的光线对目标层进行照射，增强了待检测层与层之间的对比度，使得缺陷检测结果能够具备分层属性，提高了目标层的识别准确率以及缺陷检测识别准确率。

Description

一种晶圆的缺陷检测装置以及方法、可读存储介质

技术领域

本申请涉及晶圆质检技术领域，尤其涉及一种晶圆的缺陷检测装置以及方法、可读存储介质。

背景技术

目前，随着自动化技术的发展，晶圆行业为了提高生产效率，也逐渐引入自动化技术。对于晶圆缺陷检测方面，通过拍摄晶圆的图像进行自动化缺陷检测。

然而，一般而言，晶圆在空间上是具有层叠结构的，为控制生产过程中的产品的质量，部分产品在加工多层结构时，需要对加工后的每一层结构进行分别检测，不同层的晶圆结构往往会对检测结果带来干扰，晶圆结构微加工时，结构边缘会出现几何倒角，这些倒角使得每一层的边缘在图像上无法明显地显示，影响对晶圆在图像上的分层处理效果，影响晶圆每一层缺陷判定。

发明内容

本申请实施例的主要目的在于提出一种晶圆的缺陷检测装置以及方法、可读存储介质，旨在提高晶圆分层缺陷检测准确度。

为实现上述目的，本申请实施例的第一方面提出了一种晶圆的缺陷检测装置，所述检测装置包括：

照明模块，用于形成预设角度的光线以对待检测晶圆进行照射，其中，所述待检测晶圆为多层晶圆；

图像获取模块，用于对所述待检测晶圆进行图像拍摄，得到待检测图像；

模板获取模块，用于获取所述待检测晶圆的标准模板图像；

控制模块，分别与所述照明模块、所述图像获取模块和所述模板获取模块连接，所述控制模块用于根据所述待检测图像和所述标准模板图像对所述待检测晶圆的目标层进行缺陷检测，得到缺陷检测结果，其中，所述目标层为所述待检测晶圆中的当前表面层；

缺陷处置模块，与所述控制模块连接，所述缺陷处置模块用于根据所述缺陷检测结果对所述待检测晶圆进行预设处理

在本申请一些可能的实施例，所述照明模块为环形照明光源。

在本申请一些可能的实施例，所述缺陷检测包括异物缺陷检测和分层缺陷检测，所述缺陷检测结果对应包括异物缺陷检测结果和分层缺陷检测结果。

为实现上述目的，本申请实施例的第二方面提出了一种晶圆的缺陷检测方法，所述缺陷检测方法应用于上述第一方面所述的缺陷检测装置；

所述缺陷检测方法包括：

获取待检测晶圆的待检测图像和标准模板图像，其中，所述待检测晶圆为多层晶圆；

根据所述待检测图像进行脏污像素分析，得到异物检测缺陷结果；

当所述异物检测缺陷结果表示所述待检测晶圆不存在表面脏污，对所述待检测图像和所述标准模板图像分别进行分层处理，对应得到目标层的实际分层信息和模板分层信息，其中，所述目标层为所述待检测晶圆中的当前表面层；

根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果。

在本申请一些可能的实施例，所述根据所述待检测图像进行脏污像素分析，得到异物检测缺陷结果，包括：

对所述待检测图像中的每个像素进行像素信息提取，得到每个所述像素对应的多个通道值，其中，多个所述通道值与多个图像通道一一对应；

对于每个所述像素，根据对应的多个所述通道值与多个预设通道阈值进行对应比较，得到像素分析结果，其中，每个所述预设通道阈值与多个所述图像通道中的一个对应；

对于每个所述像素，当所述像素分析结果表示对应的每个所述通道值大于对应的所述预设通道阈值，将所述像素确定为异物像素；

根据所述待检测图像中的所有所述异物像素进行异物分割，得到所述异物检测缺陷结果。

在本申请一些可能的实施例，所述分层缺陷检测结果包括分层边缘缺陷检测结果，所述目标层的所述实际分层信息包括所述目标层的实际分层边缘信息，所述目标层的所述模板分层信息包括所述目标层的模板分层边缘信息；

所述根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果，包括：

根据所述标准模板图像，对所述实际分层边缘信息进行映射处理，得到映射分层边缘信息，其中，所述映射分层边缘信息用于表示所述实际分层边缘信息映射至所述标准模板图像的结果；

根据所述映射分层边缘信息与所述模板分层边缘信息进行边缘比较，得到所述目标层的所述分层边缘缺陷检测结果。

在本申请一些可能的实施例，所述分层缺陷检测结果包括分层纹理缺陷检测结果，所述目标层的所述实际分层信息包括所述目标层的实际分层纹理信息；

所述根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果，包括：

根据所述实际分层纹理信息进行特征提取，得到分层纹理特征信息；

根据所述分层纹理特征信息进行缺陷分析，得到多个缺陷分类概率；

根据多个所述缺陷分类概率中数值最大的所述缺陷分类概率确定所述分层纹理缺陷检测结果。

在本申请一些可能的实施例，所述目标层的所述模板分层信息包括所述目标层的模板分层纹理信息；

所述根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果，包括：

根据所述实际分层纹理信息和所述模板分层纹理信息进行模板匹配，得到所述实际分层纹理信息与所述实际分层纹理信息的相似度；

根据所述相似度确定所述分层纹理缺陷检测结果。

在本申请一些可能的实施例中，在所述根据所述待检测图像进行脏污像素分析，得到异物检测缺陷结果之后，所述缺陷检测方法还包括：

当所述异物检测缺陷结果表示所述待检测晶圆存在表面脏污，获取所述待检测晶圆的次级待检测图像，其中，所述次级待检测图像为所述待检测晶圆在经过所述缺陷处置模块进行预设处理后再次获取的图像；

根据所述次级待检测图像再次进行脏污像素分析，得到所述次级待检测图像对应的所述异物检测缺陷结果。

为实现上述目的，本申请实施例的第三方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

本申请提出的一种晶圆的缺陷检测装置以及方法、可读存储介质,缺陷检测装置包括：照明模块，用于形成预设角度的光线以对待检测晶圆进行照射，其中，所述待检测晶圆为多层晶圆；图像获取模块，用于对所述待检测晶圆进行图像拍摄，得到待检测图像；模板获取模块，用于获取所述待检测晶圆的标准模板图像；控制模块，分别与所述照明模块、所述图像获取模块和所述模板获取模块连接，所述控制模块用于根据所述待检测图像和所述标准模板图像对所述待检测晶圆的目标层进行缺陷检测，得到缺陷检测结果，其中，所述目标层为所述待检测晶圆中的当前表面层；缺陷处置模块，与所述控制模块连接，所述缺陷处置模块用于根据所述缺陷检测结果对所述待检测晶圆进行预设处理。通过照明模块形成的预设角度的光线对目标层进行照射，减少了由于直射光线照射待检测晶圆而在待检测图像中无法准确识别待检测晶圆目标层的概率，增强了待检测晶圆目标层与其他层的对比度，使得缺陷检测结果能够将目标层的缺陷与其他层的缺陷进行区分，提高了目标层的识别准确率以及缺陷检测识别准确率。

附图说明

图1是本申请一个实施例提供的缺陷检测装置的结构示意图；

图2是光线照射晶圆的光路示意图；

图3是本申请一个实施例提供的缺陷检测方法的步骤示意图；

图4是图3中步骤S102一个子步骤实施例的步骤示意图；

图5是图3中步骤S104一个子步骤实施例的步骤示意图；

图6是图3中步骤S104另一个子步骤实施例的步骤示意图；

图7是图3中步骤S104另一个子步骤实施例的步骤示意图；

图8是本申请另一个实施例提供的缺陷检测方法的步骤示意图。

附图标记说明：

缺陷检测装置1；照明模块10；图像获取模块20；模板获取模块30；控制模块40；缺陷处置模块50。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

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申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

目前，随着自动化技术的发展，晶圆行业为了提高生产效率，也逐渐引入自动化技术。对于晶圆缺陷检测方面，通过拍摄晶圆的图像进行自动化缺陷检测。

然而，一般而言，晶圆在空间上是具有层叠结构的，为控制生产过程中的产品的质量，部分产品在加工多层结构时，需要对加工后的每一层结构进行分别检测，不同层的晶圆结构往往会对检测结果带来干扰，晶圆结构微加工时，结构边缘会出现几何倒角，这些倒角使得每一层的边缘在图像上无法明显地显示，影响对晶圆在图像上的分层处理效果，影响晶圆每一层缺陷判定。

基于此，本申请实施例提供了一种晶圆的缺陷检测装置以及方法，旨在提高晶圆分层缺陷检测准确度。

本申请实施例提供的缺陷检测装置以及方法，具体通过如下实施例进行说明，首先描述本申请实施例中的缺陷检测装置。

请参见图1，图1为本申请一个实施例提供的缺陷检测装置的结构示意图。图1中的缺陷检测装置1包括但不仅限于照明模块10、图像获取模块20、模板获取模块30、控制模块40以及缺陷处置模块50。

照明模块10用于形成预设角度的光线以对待检测晶圆进行照射。

应该理解的是，这里的待检测晶圆为多层晶圆。

请参见图2，图2为光线照射晶圆的光路示意图，图2(a)直射光线的照射示意图，图2(b)预设角度的光线的直射光线的照射示意图。对于多层晶圆而言，晶圆的每层尺寸都比层叠的下一层的尺寸小，当以直射光线照射晶圆时，招生光线为平行光，每一层受到的曝光基本一致，反光过强，难以判定不同层的边缘；当以预设角度的光线照射待检测晶圆时，由于晶圆的每一层边缘存在会对入射光线产生一定阻挡，使得晶圆的每一层边缘在其下一层的表面由于边缘投影产生一个阴影，该阴影使得每一层的边缘能够与下一层的边缘和上一层的边缘形成明显的阴影隔离，基于该原理实现待检测晶圆目标层与其他层的分离，由于目标层与其他层实现分离，缺陷检测结果能够更准确的表示检测到的缺陷是否属于待检测晶圆的目标层。

应该理解的是，这里的照明模块10的具体形式是多样的，示例性的，如多盏小型LED灯通过一定的角度装配形成的照明模块、LED矩阵等，再如可调入射角度的灯源等，本申请实施例对此不作限定。

在本申请一些可能的实施例中为环形光源，通过环形光源形成圆形范围的预设角度的光线，增大了照射面积，使得待检测晶圆的大部分面积能够被环形光源覆盖，使得待检测晶圆在不同方向和不同位置的边缘都能与被光线照射，形成的边缘阴影。

图像获取模块20用于对所述待检测晶圆进行图像拍摄，得到待检测图像。

应该理解的是，这里的图像获取模块20的具体形式多样的，示例性的，如CMOS相机、CCD相机等；再如基于类如显微镜头等放大工业镜头形成显微拍摄模块等，本申请实施例对此不作限定。

模板获取模块30用于获取待检测晶圆的标准模板图像。

应该理解的是，这里的待检测晶圆的标准模板图像是多样的，示例性的，如晶圆每一层与下方各层层叠之后的图像、晶圆在加工完成后的整体图像等，本申请实施例对此不作限定。

控制模块40分别与照明模块10、图像获取模块20和模板获取模块30连接，控制模块40用于根据待检测图像和标准模板图像对待检测晶圆的目标层进行缺陷检测，得到缺陷检测结果。

应该理解的是，这里的目标层为待检测晶圆中的当前表面层。

应该理解的是，这里的根据待检测图像和标准模板图像对待检测晶圆进行缺陷检测的具体形式是多样的，可以为以下实施例，也可以为其他实施例，本申请实施例对此不作限定。

在一实施例中，根据待检测图像和标准模板图像进行模板匹配，得到缺陷检测结果。

在一实施例中，通过神经网络模型实现，对待检测图像和标准模板图像分别进行特征向量提取，得到待检测图像的特征向量和标准模板图像的特征向量，对两种特征向量进行相似度计算，得到缺陷检测结果。

在本申请一些可能的实施例种，缺陷检测装置用于检测异物和分层缺陷，以确认晶圆当前一层加工合格后才进行下一层加工，避免后续的生产资源浪费。具体地，缺陷检测包括但不仅限于异物缺陷检测和分层缺陷检测，缺陷检测结果对应包括但不仅限于异物缺陷检测结果和分层缺陷检测结果。

缺陷处置模块50与控制模块40连接，缺陷处置模块50用于根据缺陷检测结果对待检测晶圆进行预设处理。

应该理解的是，这里的预设处理是多样的，分为可容性缺陷处理和结构性缺陷处理，可容性缺陷处理指的是晶圆制品上的缺陷在经过一定的处理步骤后能够消除，晶圆制品能够投入后续的生产，结构性缺陷处理指的是晶圆制品上的缺陷无法消除，直接废弃。

在一实施例中，预设处理包括晶圆清洗。控制模块40对待检测晶圆进行异物缺陷检测，得到异物缺陷检测结果，当异物缺陷检测结果表示待检测晶圆表层存在脏污，对待检测晶圆进行清洗。

在一实施例中，预设处理包括晶圆废弃。控制模块40对待检测晶圆进行分层缺陷检测，得到分层缺陷检测结果，当分层缺陷检测结果表层存在结构性缺陷，将当前的待检测晶圆废弃。

通过照明模块形成的预设角度的光线对目标层进行照射，减少了由于直射光线照射待检测晶圆而在待检测图像中无法准确识别待检测晶圆目标层的概率，增强了待检测晶圆目标层与其他层的对比度，使得缺陷检测结果能够将目标层的缺陷与其他层的缺陷进行区分，提高了目标层的识别准确率以及缺陷检测识别准确率。

请参见图3，图3为本申请一个实施例提供的缺陷检测方法的步骤示意图。图3中的缺陷检测方法应用于上述各个实施例提供的缺陷检测装置中，缺陷检测方法可以包括但不仅限于以下步骤。

步骤S101，获取待检测晶圆的待检测图像和标准模板图像。

步骤S102，根据待检测图像进行脏污像素分析，得到异物检测缺陷结果。

步骤S103，当异物检测缺陷结果表示待检测晶圆不存在表面脏污，对待检测图像和标准模板图像分别进行分层处理，对应得到目标层的实际分层信息和模板分层信息。

步骤S104，根据目标层的实际分层信息和模板分层信息进行分层缺陷检测，得到目标层的分层缺陷检测结果。

应该理解的是，这里的待检测晶圆为多层晶圆，这里的目标层指的是待检测晶圆中的当前表面层，这里的标准模板图像是当前待检测晶圆对应的模板图像，当待检测晶圆为一定层数的半成品时，标准模板图像中的待检测晶圆也为相同层数的半成品，当待检测晶圆为完成加工的成品，标准模板图像中的待检测晶圆也为相同的成品，本申请实施例对此不作限定。

在一实施例中，对于缺陷检测装置1而言，通过设置的图像获取模块20和模板获取模块30对应获取待检测晶圆的待检测图像和待检测晶圆的标准模板图像。通过设置的控制模块40根据待检测图像和标准模板图像对待检测晶圆进行检测。具体如下：

根据待检测图像进行脏污像素分析，通过分析待检测图像中的每个像素与其他像素之间的关系，确定每个像素的像素值相对于相邻像素的像素值是否存在较大差异。

环形光源提供的光线以一预设角度照射至待检测晶圆上，当待检测晶圆表层存在脏污时，由于脏污高于待检测晶圆表层、表面相对不规则，在受到同样角度光线的照射时，脏污相对于待检测晶圆表层结构在待检测图像上会相对更为明亮，基于此原理通过检测像素以检测待检测图像中是否存在脏污。

当异物检测缺陷结果表示待检测晶圆不存在表面脏污才进行分层缺陷检测。进入分层处理阶段后，对待检测图像进行灰度化处理和降噪处理，得到预处理图像，根据预处理图像进行梯度计算，得到梯度图像，具体地，通过水平方向和垂直方向各自的预设梯度卷积因子进行梯度计算，得到梯度值矩阵和梯度方向矩阵，根据梯度值矩阵和梯度方向矩阵形成梯度信息，根据梯度信息生产梯度图像。

根据梯度信息对梯度图像进行非极大值抑制处理，得到边缘抑制图像，根据第一预设像素阈值和第二预设像素阈值分别对边缘抑制图像中的每个像素进行边缘信息提取，对应得到第一边缘信息和第二边缘信息，其中，第一边缘信息用于表示边缘抑制图像中大于第一预设像素阈值的像素所形成的多个强边缘，第二边缘信息用于表示边缘抑制图像中小于第二预设像素阈值的像素所形成的多个弱边缘。

根据第一边缘信息对第二边缘信息进行筛选，通过多个强边缘剔除多个弱边缘中与强边缘没有连接关系的边缘，得到纹理信息，根据纹理信息生成纹理信息图像；对纹理信息图像进行闭运算处理，闭运算通过先膨胀后腐蚀的方式将强边缘包围的部分进行信息补全,即对目标层的在纹理信息图像上的位置进行信息补全，使得目标层在纹理信息图像上得到完整体现，得到待检测图像的分层图像，其中，分层图像包括目标层的实际分层信息。同理，以获取目标层的实际分层信息的同样方式对标准模板图像进行分层处理以获取目标层的模板分层信息。

根据实际分层信息和模板分层信息进行分层缺陷检测，通过比对在待检测图像上的目标层和在标准模板图像上的目标层是否相同或者两者间的相似程度，从而到目标层的分层缺陷检测结果，当分层缺陷检测结果表示待检测图像上的目标层和在标准模板图像上的目标层不相似，则待检测图像上的目标层存在结构性缺陷。

在一实施例中，通过计算像素间的梯度值筛选待检测图像上亮度异常的位置从而检测待检测晶圆表层是否存在脏污。具体地，通过预设梯度阈值对梯度值进行筛选，当有梯度值大于或等于预设梯度阈值，这些梯度值共同表示的位置即为脏污的边缘，当没有梯度值大于或等于预设梯度阈值，则表示待检测晶圆表层不存在脏污，以此得到异物检测缺陷结果。

本申请实施例通过对待检测图像进行分层处理，将待检测图像中待检测晶圆的目标层分离，使得目标层与其他层能够进行分离，从而减少了其他层对于目标层的缺陷检测干扰，提高了目标层的缺陷检测识别准确率；并且，由于环形光源对目标层进行照射，减少了由于直射光线照射待检测晶圆而在待检测图像中无法准确识别待检测晶圆目标层的概率，增强了待检测晶圆目标层与其他层的对比度，提高了目标层与其他层的分离准确性。

请参见图4，图4为图3中步骤S102一个子步骤实施例的步骤示意图。在本申请一些可能的实施例中，步骤S102的子步骤可以包括但不仅限于以下子步骤。

步骤S201，对待检测图像中的每个像素进行像素信息提取，得到每个像素对应的多个通道值。

步骤S202，对于每个像素，根据对应的多个通道值与多个预设通道阈值进行对应比较，得到像素分析结果。

步骤S203，对于每个像素，当像素分析结果表示对应的每个通道值大于对应的预设通道阈值，将像素确定为异物像素。

步骤S204，根据待检测图像中的所有异物像素进行异物分割，得到异物检测缺陷结果。

应该理解的是，多个通道值与多个图像通道一一对应，这里的图像通道具体是多样的，示例性的，如RGB三通道、HSV三通道、HSL三通道等，再如像素信息提取包括图像预处理，为待检测图像增添信息通道从而形成的多通道等，本申请实施例对此不作限定。

应该理解的是，这里每个预设通道阈值与多个图像通道中的一个对应，对每个图像通道均设置一个预设通道阈值。

在一实施例中，待检测图像有RGB三通道组成，遍历待检测图像中每个色素，提取每个像素的通道值，也即RGB值。对于每个像素的RGB值，通过R通道的预设通道阈值与R值进行比较，通过G通道的预设通道阈值与G值进行比较，通过B通道的预设通道阈值与B值进行比较，得到一个像素的像素分析结果。

对每个像素，当某个像素的像素分析结果表示该像素的R值大于R通道的预设通道阈值、G值大于G通道的预设通道阈值以及B值大于B通道的预设通道阈值，则表示该像素属于目标层上的脏污，将该像素确定为异物像素。

根据待检测图像中的所有异物像素，在待检测图像中提取所有异物像素对应的图像位置信息，根据对应的图像位置信息进行异物分割，得到异物检测缺陷结果。

本申请实施例通过对通道值进行阈值比较，提高了图像中像素信息的利用率，阈值比较过程简单，减少了控制模块的计算量，提高了待检测晶圆的检测效率；并且，由于进行脏污像素分析的待检测图像中的待检测晶圆受到环形光源的照射，使得待检测晶圆上的脏污与周围结构形成高对比度，使得通过对通道值进行阈值比较能够更准确的识别待检测晶圆上的脏污。

请参见图5，图5为图3中步骤S104一个子步骤实施例的步骤示意图。在本申请一些可能的实施例中，分层缺陷检测结果包括分层边缘缺陷检测结果，目标层的实际分层信息包括目标层的实际分层边缘信息，目标层的模板分层信息包括目标层的模板分层边缘信息。步骤S104包括但不仅限于以下子步骤。

步骤S301，根据标准模板图像，对实际分层边缘信息进行映射处理，得到映射分层边缘信息。

步骤S302，根据映射分层边缘信息与模板分层边缘信息进行边缘比较，得到目标层的分层边缘缺陷检测结果。

应该理解的是，映射分层边缘信息用于表示实际分层边缘信息映射至标准模板图像的结果，实际分层边缘信息和模板分层边缘信息是一种位置信息，分别用于表示目标层的实际边缘位置和模板边缘位置。

由于在实际生产时会存在调整生产设备或者调整缺陷检测装置等规范步骤，获取的待检测图像上的待检测晶圆与标准模板图像上显示的晶圆会不同，举例而言，待检测图像上的待检测晶圆位于待检测图像中偏右的位置，而标准模板图像上显示的晶圆位于标准模板图像的正中间，此时由于位置相互不对应，在进行边缘检测的时候，位置信息无法对应，此时将无法判断边缘的某个位置是否存在缺陷。

在一实施例中，根据标准模板图像，对实际分层边缘信息进行映射处理，得到映射分层边缘信息，使得实际分层边缘信息能够通过标准模板图像中，与模板分层边缘信息相同的参考系进行标识，以使得实际分层边缘信息和模板分层边缘信息能够在同一参考系中表示，方便边缘比较。根据映射分层边缘信息与模板分层边缘信息进行边缘比较，通过计算目标层的实际边缘位置在标准模板图像中与模板边缘位置的重合程度，得到目标层的分层边缘缺陷检测结果。

在一实施例中，映射处理与上一实施例相同，边缘比较通过计算交并比实现，通过映射分层边缘信息确定目标层的实际边缘位置在标准模板图像中所包围部分，以及通过模板分层边缘信息确定目标层的模板边缘位置所包围部分，计算两个包围部分的交并比，得到目标层的分层边缘缺陷检测结果。

本申请实施例通过将目标层的实际边缘位置映射至标准模板图像，使得实际边缘位置和模板边缘位置能够通过同一个参考系进行表示，降低了参考系不同对于边缘检测准确率的影响；并且，由于目标层实际边缘受到环形光源的照射，使得实际分层边缘信息能够更准确的表示的目标层实际边缘，从而使得根据映射至标准模板图像的目标层实际边缘与目标层模板边缘进行边缘检测得到的分层边缘缺陷检测结果更加准确。

请参见图6，图6为图3中步骤S104另一个子步骤实施例的步骤示意图。在本申请一些可能的实施例中，分层缺陷检测结果包括分层纹理缺陷检测结果，目标层的实际分层信息包括目标层的实际分层纹理信息。步骤S104包括但不仅限于以下子步骤。

步骤S401，根据实际分层纹理信息进行特征提取，得到分层纹理特征信息。

步骤S402，根据分层纹理特征信息进行缺陷分析，得到多个缺陷分类概率。

步骤S403，根据多个缺陷分类概率中数值最大的缺陷分类概率对应确定分层纹理缺陷检测结果。

在一实施例中，根据实际分层纹理信息进行特征提取，得到分层纹理特征信息，此时实际分层纹理信息被映射至特征空间中，成为多维信息。通过对分层纹理特征信息进行多次卷积、多次激活，对分层纹理特征信息进行更深层次的特征提取，得到更高维度的特征信息，该特征信息用于表示实际分层纹理信息的特征本质。然后对该特征信息进行池化操作，将特征信息降维成一维数组，通过预设的激活函数对一维数组进行非线性转换，得到多个缺陷归类概率，根据多个缺陷归类概率中数值最大的缺陷归类概率对应的缺陷信息确定目标层的分层缺陷检测结果。

应该理解的是，这里的根据多个缺陷归类概率中数值最大的缺陷归类概率对应的缺陷信息确定分层缺陷检测结果是多样的，示例性的，如这里的缺陷分类为二分类，则分层缺陷检测结果用于表示目标层是否存在缺陷；再如这里的缺陷分类为多分类，则分层缺陷检测结果可以详细表示目标层是否存在缺陷以及目标层存在的缺陷具体为何种设定的缺陷等，本申请实施例对此不作限定。

本申请实施例通过对实际分层纹理信息进行特征提取以及缺陷分析，使得分层纹理缺陷检测能够利用实际分层纹理信息携带的特征信息进行纹理缺陷检测，提高了缺陷检测装置对于待检测晶圆目标层的纹理缺陷的检测准确率；并且，并且，由于目标层受到环形光源的照射，增强纹理缺陷与待检测晶圆目标层的正常纹理结构的区别度，使得实际分层纹理信息能更准确待检测晶圆目标层的纹理情况，从而使得纹理缺陷检测结果更加准确。

请参见图7，图7为图3中步骤S104另一个子步骤实施例的步骤示意图。在本申请一些可能的实施例中，目标层的模板分层信息包括目标层的模板分层纹理信息，步骤S104包括但不仅限于以下子步骤。

步骤S501，根据实际分层纹理信息和模板分层纹理信息进行模板匹配，得到实际分层纹理信息与实际分层纹理信息的相似度。

步骤S502，根据相似度确定分层纹理缺陷检测结果。

在一实施例中，实际分层纹理信息和模板分层纹理信息均通过不同的纹理图像携带，根据携带模板分层纹理信息的纹理图像为模板与在携带模板分层纹理信息的纹理图像计算相似度，根据相似度与预设相似度阈值进行比较从而得到分层纹理缺陷检测结果。

携带模板分层纹理信息的纹理图像代表无纹理缺陷的晶圆目标层，当待检测晶圆的目标层不存在纹理缺陷，携带模板分层纹理信息的纹理图像与在携带模板分层纹理信息的纹理图像的相似度将大于或等于预设相似度阈值，若存在纹理缺陷，则相似度将小于预设相似度阈值。

请参见图8，图8为本申请另一个实施例提供的缺陷检测方法的步骤示意图。在本申请一些可能的实施例中，在步骤S102之后，缺陷检测方法还包括但不仅限于以下步骤。

步骤S601，当异物检测缺陷结果表示待检测晶圆存在表面脏污，获取待检测晶圆的次级待检测图像。

步骤S602，根据次级待检测图像再次进行脏污像素分析，得到次级待检测图像对应的异物检测缺陷结果。

应该理解的是，这里的次级待检测图像为待检测晶圆在经过缺陷处置模块50进行预设处理后再次获取的图像。

在一实施例中，缺陷处置模块50对于表面脏污的预设处理为晶圆清洗，在缺陷处置模块50完成后，再次通过图像获取模块20获取清洗后的待检测晶圆的图像，即次级待检测图像，根据次级待检测图像再次进行脏污像素分析，得到次级待检测图像对应的异物检测缺陷结果，从而检测缺陷处置模块50是否对待检测晶圆的表面脏污清洗干净，如果清洗不干净，则将会重新执行步骤S601和步骤S602，直至清洗干净。

本申请实施例通过对经过缺陷处置模块进行预设处理后待检测晶圆进行再次异物检测，确定缺陷处置模块对于待检测晶圆的表面脏污是否清洗干净，使得待检测晶圆能够符合生产标准以进行后续的生产，减少了表面脏污对于后续分层缺陷检测的干扰，提高了缺陷检测的准确率。

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计算机程序，该计算机程序被处理器执行时实现上述缺陷检测方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。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。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-On ly Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种晶圆的缺陷检测装置，其特征在于，所述检测装置包括：

照明模块，用于形成预设角度的光线以对待检测晶圆进行照射，其中，所述待检测晶圆为多层晶圆；

图像获取模块，用于对所述待检测晶圆进行图像拍摄，得到待检测图像；

模板获取模块，用于获取所述待检测晶圆的标准模板图像；

控制模块，分别与所述照明模块、所述图像获取模块和所述模板获取模块连接，所述控制模块用于根据所述待检测图像和所述标准模板图像对所述待检测晶圆的目标层进行缺陷检测，得到缺陷检测结果，其中，所述目标层为所述待检测晶圆中的当前表面层；

缺陷处置模块，与所述控制模块连接，所述缺陷处置模块用于根据所述缺陷检测结果对所述待检测晶圆进行预设处理。

2.根据权利要求1所述的缺陷检测装置，其特征在于，所述照明模块为环形照明光源。

3.根据权利要求2所述的缺陷检测装置，其特征在于，所述缺陷检测包括异物缺陷检测和分层缺陷检测，所述缺陷检测结果对应包括异物缺陷检测结果和分层缺陷检测结果。

4.一种晶圆的缺陷检测方法，其特征在于，所述缺陷检测方法应用于权利要求3所述的缺陷检测装置；

所述缺陷检测方法包括：

获取待检测晶圆的待检测图像和标准模板图像，其中，所述待检测晶圆为多层晶圆；

根据所述待检测图像进行脏污像素分析，得到异物检测缺陷结果；

当所述异物检测缺陷结果表示所述待检测晶圆不存在表面脏污，对所述待检测图像和所述标准模板图像分别进行分层处理，对应得到目标层的实际分层信息和模板分层信息，其中，所述目标层为所述待检测晶圆中的当前表面层；

根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果。

5.根据权利要求4所述的缺陷检测方法，其特征在于，所述根据所述待检测图像进行脏污像素分析，得到异物检测缺陷结果，包括：

对所述待检测图像中的每个像素进行像素信息提取，得到每个所述像素对应的多个通道值，其中，多个所述通道值与多个图像通道一一对应；

对于每个所述像素，根据对应的多个所述通道值与多个预设通道阈值进行对应比较，得到像素分析结果，其中，每个所述预设通道阈值与多个所述图像通道中的一个对应；

对于每个所述像素，当所述像素分析结果表示对应的每个所述通道值大于对应的所述预设通道阈值，将所述像素确定为异物像素；

根据所述待检测图像中的所有所述异物像素进行异物分割，得到所述异物检测缺陷结果。

6.根据权利要求4所述的缺陷检测方法，其特征在于，所述分层缺陷检测结果包括分层边缘缺陷检测结果，所述目标层的所述实际分层信息包括所述目标层的实际分层边缘信息，所述目标层的所述模板分层信息包括所述目标层的模板分层边缘信息；

所述根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果，包括：

根据所述标准模板图像，对所述实际分层边缘信息进行映射处理，得到映射分层边缘信息，其中，所述映射分层边缘信息用于表示所述实际分层边缘信息映射至所述标准模板图像的结果；

根据所述映射分层边缘信息与所述模板分层边缘信息进行边缘比较，得到所述目标层的所述分层边缘缺陷检测结果。

7.根据权利要求4所述的缺陷检测方法，其特征在于，所述分层缺陷检测结果包括分层纹理缺陷检测结果，所述目标层的所述实际分层信息包括所述目标层的实际分层纹理信息；

所述根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果，包括：

根据所述实际分层纹理信息进行特征提取，得到分层纹理特征信息；

根据所述分层纹理特征信息进行缺陷分析，得到多个缺陷分类概率；

根据多个所述缺陷分类概率中数值最大的所述缺陷分类概率确定所述分层纹理缺陷检测结果。

8.根据权利要求7所述的缺陷检测方法，其特征在于，所述目标层的所述模板分层信息包括所述目标层的模板分层纹理信息；

所述根据所述目标层的所述实际分层信息和所述模板分层信息进行分层缺陷检测，得到所述目标层的分层缺陷检测结果，包括：

根据所述实际分层纹理信息和所述模板分层纹理信息进行模板匹配，得到所述实际分层纹理信息与所述实际分层纹理信息的相似度；

根据所述相似度确定所述分层纹理缺陷检测结果。

9.根据权利要求4所述的缺陷检测方法，其特征在于，在所述根据所述待检测图像进行脏污像素分析，得到异物检测缺陷结果之后，所述缺陷检测方法还包括：

当所述异物检测缺陷结果表示所述待检测晶圆存在表面脏污，获取所述待检测晶圆的次级待检测图像，其中，所述次级待检测图像为所述待检测晶圆在经过所述缺陷处置模块进行预设处理后再次获取的图像；

根据所述次级待检测图像再次进行脏污像素分析，得到所述次级待检测图像对应的所述异物检测缺陷结果。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求4至9中任一项所述的方法。