CN117476487A - 检测晶圆缺陷的方法、装置、介质及晶圆加工方法 - Google Patents
检测晶圆缺陷的方法、装置、介质及晶圆加工方法 Download PDFInfo
- Publication number
- CN117476487A CN117476487A CN202311415328.5A CN202311415328A CN117476487A CN 117476487 A CN117476487 A CN 117476487A CN 202311415328 A CN202311415328 A CN 202311415328A CN 117476487 A CN117476487 A CN 117476487A
- Authority
- CN
- China
- Prior art keywords
- wafer
- region
- image
- defect
- determining
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003672 processing method Methods 0.000 title abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 64
- 230000000877 morphologic effect Effects 0.000 claims abstract description 20
- 235000012431 wafers Nutrition 0.000 claims description 177
- 238000012545 processing Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 230000002950 deficient Effects 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 229910021421 monocrystalline silicon Inorganic materials 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本公开提供了一种检测晶圆缺陷的方法、装置、介质及晶圆加工方法。该方法包括:采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像;所述过渡区域部分为在晶圆的径向表面与边缘部分之间所存在的2mm至5mm的区域;将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像;在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域;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拦截指标确定所述待测晶圆被拦截。
Description
技术领域
本公开涉及半导体制造技术领域,尤其涉及一种检测晶圆缺陷的方法、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,并且将存在缺陷的晶圆及时拦截,以防止晶圆在后序的加工过程中发生破片,甚至导致加工设备宕机、备件损坏等现象。
发明内容
本公开提供了一种检测晶圆缺陷的方法、装置、介质及晶圆加工方法;能够检测获得延伸性的狭长缺陷,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。
本公开的技术方案是这样实现的:
第一方面,本公开提供了一种检测晶圆缺陷的方法,所述方法包括:
采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像;所述过渡区域部分为在晶圆的径向表面与边缘部分交界处向晶圆中心延伸2mm至5mm的环形区域;
将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像;
在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域;
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拦截指标确定所述待测晶圆被拦截。
第二方面,本公开提供了一种检测晶圆缺陷的装置,所述装置包括:采集部、拼接部、第一确定部、获取部、第二确定部;其中,
所述采集部,被配置成采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像;所述过渡区域部分为在晶圆的径向表面与边缘部分交界处向晶圆中心延伸2mm至5mm的环形区域;
所述拼接部,被配置成将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像;
所述第一确定部,被配置成在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域;
所述获取部,被配置成获取所述待识别区域内所存在的缺陷的形貌特征;
所述第二确定部,被配置成根据所述形貌特征以及拦截指标确定所述待测晶圆被拦截。
第三方面,本公开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的方法。
第四方面,本公开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的方法。
第五方面,本公开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,获得多个待测晶圆;
针对所述多个待测晶圆中的每一个通过第一方面所述的检测晶圆缺陷的方法进行检测,以确定所述待测晶圆是否被拦截。
本公开提供了一种检测晶圆缺陷的方法、装置、介质及晶圆加工方法;在将待测晶圆外观表面的全部部分,即径向表面部分、过渡区域部分以及边缘部分图像按照径向方向进行拼合后,针对拼合后的完全图像进行缺陷检测并根据该完全图像的缺陷形貌判定是否对待测晶圆进行拦截,从而提高晶圆检测的全面性以及检测良率,避免了相关方案中无法检测到跨区域缺陷所导致的出货风险,降低了缺陷检测的漏检率。
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为本公开提供的跨区域缺陷的示意图。
图3为本公开提供的一种检测晶圆缺陷的方法流程示意图。
图4为本公开提供的一种实施环境示意图。
图5为本公开提供的待选区域的示意图。
图6为本公开提供的狭长缺陷的示意图。
图7为本公开提供的一种检测晶圆缺陷的装置组成示意图。
图8为本公开提供的一种计算设备的结构示意图。
图9为本公开提供的一种晶圆加工方法流程示意图。
具体实施方式
下面将结合本公开中的附图,对本公开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的外观表面包括上表面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部分。并且晶圆1的外观表面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的外观表面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)部分(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,大多数情况下不会检测上述不会在加工过程中使用的区域部分。
此外,在图2所示出的晶圆的上表面侧的外观表面中,实线圈示出了晶圆上表面侧的周缘端部,虚线圈内部分为上表面侧的径向表面部分,虚线圈和点划线圈之间的部分为上表面侧的过渡区域部分、点划线圈与实线圈之间的部分为上表面侧的边缘部分。由于目前相关方案仅针对晶圆的径向表面部分或边缘部分独立地进行缺陷检测,当检测得到的缺陷的形貌参数并没有达到提示进行拦截的指标时,将不会对该晶圆进行拦截。在一些可能的情况下,当实际缺陷同时存在于径向表面部分、过渡区域部分以及边缘部分中的至少两个部分,并且该缺陷在各部分所呈现的形貌参数均没有达到进行拦截的指标时,目前相关方案并不会对该晶圆进行拦截。但是如果实际缺陷整体的所呈现的形貌参数达到了拦截的指标,那么目前相关方案将会出现漏检的情况,从而提高了出货风险。结合图2所示,举例来说,在晶圆的外观表面中出现了跨径向表面部分和过渡区域部分的跨区域缺陷,比如图2中标号A所示的具备延伸性的狭长缺陷,该缺陷在径向表面部分呈现的形貌参数并没有达到进行拦截的指标,并且相关方案并没有对过度区域部分的缺陷进行检测,因此在相关方案中,该晶圆并不会被拦截。但是该缺陷从整体上所呈现的形貌已经符合了拦截的指标,那么相关方案所得到的检测结果就出现了漏检,从而提高了出货风险。
基于此,本公开提供了一种检测晶圆缺陷的方案,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3,其示出了本公开提供的一种检测晶圆缺陷的方法,所述方法包括步骤S301至步骤S:
在步骤S301中,采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像。
结合图1(a)、(b)以及图2所示,在本公开中,过渡区域部分表示在晶圆的径向表面与边缘部分交界处向晶圆中心延伸2mm至5mm的环形区域。
在一些示例中,结合图4所示的一种实施环境示意,待测晶圆W水平放置于可绕中心轴旋转的支撑件(图中未示出)上,待测晶圆W的中心处于支撑件的中心轴上。光源20分别向待测晶圆W的待测晶圆的径向表面部分、过渡区域部分以及边缘部分发射光束,比如图2示出的激光Laser。针对待测晶圆W的径向表面部分、过渡区域部分以及边缘部分分别设置扫描相机,并且分别标识为30-1、30-2以及30-3。在基于支撑件的旋转带动待测晶圆W旋转的过程中,扫描相机30-1、30-2以及30-3分别采集发射光束经由待测晶圆W的径向表面部分、过渡区域部分以及边缘部分的反射光线或折射光线(如虚线箭头所示),从而分别生成待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像并传输至计算设备40。计算设备40可以根据接收到的图像执行本公开的技术方案,从而对待测晶圆的缺陷进行检测。
在一些示例中,也可以在实施环境中仅设置一个扫描相机,在基于支撑件的旋转带动待测晶圆W旋转的过程中,该扫描相机首先设置于待测晶圆W的径向表面部分上方,采集发射光束经由待测晶圆W的径向表面部分的反射光线或折射光线,并生成待测晶圆的径向表面部分的图像。接着,扫描相机移动至待测晶圆W的过渡区域部分上方,采集发射光束经由过渡区域部分的反射光线或折射光线,并生成待测晶圆的过渡区域部分的图像。最后,扫描相机继续移动至待测晶圆W的边缘部分上方,采集发射光束经由边缘部分的反射光线或折射光线,并生成待测晶圆的边缘部分的图像。
需要说明的是,上述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的径向表面部分、过渡区域部分以及边缘部分的图像,本发明实施例对此不做赘述。
在一些示例中,待测晶圆通常具有缺口(notch)。结合前述实施环境为例,由于承载件的绕轴旋转带动待测晶圆W绕中心轴旋转,因此可以分别针对径向表面部分、过渡区域部分以及边缘部分采集得到完整的图像,比如所述径向表面部分的第一图像、所述过渡区域部分的第二图像以及所述边缘部分的第三图像。这些完整的图像由notch形状图案起始,至notch形状图案结束。因此,本公开可以是将图像中的两个notch图案之间的图像部分作为后续进行处理的图像。
在一些示例中,可以对采集到的待测晶圆的径向表面部分、过渡区域部分以及边缘部分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,二元化处理之后的图像能够更加明显地区分出待测晶圆中存在缺陷的位置。
在步骤S302中,将待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得待测晶圆外观表面的完全图像。
在一些示例中,结合前述步骤S301的示例阐述,由于第一图像、第二图像和第三图像均由notch形状图案起始,至notch形状图案结束。那么可以notch形状图案为基准,按照晶圆的径向方向将第一图像、第二图像和第三图像中处于相同的径向方向的图像内容进行拼合,从而能够获得待测晶圆W外观表面的完全图像。
需要说明的是,上述完全图像涵盖了待测晶圆W外观表面的全部部分,即径向表面部分、过渡区域部分以及边缘部分。本公开针对该完全图像检测待测晶圆W的缺陷,那么即便针对如图2中标号A所示的跨区域的具有延伸性的狭长缺陷,也能够检测到完整的缺陷形貌,并基于此进行缺陷检测以及拦截判定,能够避免相关方案中漏检的情况发生。
在步骤S303中,在完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域。
在本公开中,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,对于不存在缺陷的部分,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。
在一些示例中,如果缺陷仅存在于待测晶圆的径向表面部分、过渡区域部分以及边缘部分中的任一部分,相关检测方案均能够较为准确的进行检测或识别。但是,作为本公开技术方案期望检测到的缺陷,即同时存在于待测晶圆的径向表面部分、过渡区域部分以及边缘部分中的至少两个部分的跨区域缺陷,本公开同样可以采用灰度值所呈现的情况确定这些跨区域缺陷对应的待识别区域,可以理解地,这些跨区域缺陷对应的待识别区域同样也处于待测晶圆的径向表面部分、过渡区域部分以及边缘部分中的至少两个部分。
在步骤S304中,获取待识别区域内所存在的缺陷的形貌特征。
在本公开中,在按照上述步骤确定跨区域缺陷的待识别区域之后,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。对于各种缺陷类型来说,由于其形成的机理不同,那么其在晶圆上所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所呈现的形状、大小、所占面积、方向等形态参数,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。
在步骤S305中,根据形貌特征以及拦截指标确定待测晶圆被拦截。
需要说明的是,在获得各跨区域缺陷对应的待识别区域之后,就能够按照待识别区域内的跨区域缺陷的形貌特征与是否进行拦截的缺陷形貌指标进行比较。如果符合进行拦截的缺陷形貌指标,则说明该缺陷存在出货风险,应当拦截该待测晶圆,否则,则说明该缺陷不存在出货风险,无需拦截该待测晶圆。
对于图3所示的技术方案,在将待测晶圆W外观表面的全部部分,即径向表面部分、过渡区域部分以及边缘部分图像按照径向方向进行拼合后,针对拼合后的完全图像进行缺陷检测并根据该完全图像的缺陷形貌判定是否对待测晶圆进行拦截,从而提高晶圆检测的全面性以及检测良率,避免了相关方案中无法检测到跨区域缺陷所导致的出货风险,降低了缺陷检测的漏检率。
对于前述图3所示的技术方案,在一些可能的实现方式中,所述在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域,包括:
在所述完全图像中,根据图像特征确定待选区域;
在所述待选区域中,将同时处于所述径向表面部分、所述过渡区域部分以及所述边缘部分中至少两个部分的待选区域确定为所述待识别区域。
对于上述实现方式,在一些示例中,在所述完全图像中,根据图像特征确定待选区域,包括:
在所述完全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,形成所述待选区域的宽度边和高度边;
根据所述待选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选区域。
对于上述示例,需要说明的是,在完全图像对应的灰度图像中,没有存在缺陷的部分,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。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,完全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,完全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选区域。
对于将待扩展区域扩展形成待选区域的实施过程,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选区域(如图5中的Box标识)的宽度边(Width)和高度边(height)。根据所述待选区域的宽度边(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选区域。
需要说明的是,通过上述待选区域能够框选出晶圆的外观表面存在的所有缺陷。但是,本公开期望能够对跨区域缺陷进行检测,并以此判定是否对晶圆进行拦截,因此,对于所有的待选区域,本公开可以将同时处于所述径向表面部分、所述过渡区域部分以及所述边缘部分中至少两个部分的待选区域确定为所述待识别区域,也就是说,待识别区域内的缺陷符合前述针对跨区域缺陷的描述。
对于一些狭长缺陷,由于其部分位置在晶圆的晶体内部出现隐裂,因此,在晶圆的外观表面会呈现出不连续的缺陷段,如图6中,黑色粗实线所示的三个缺陷段,对于这类缺陷,如果仅针对这些缺陷段分别确定待选区域或待识别区域,同样会因为每个待选区域或待识别区域内的缺陷段的形貌特征不符合拦截指标而使得晶圆不被拦截,从而增加了出货风险,提高了漏检率。基于此,需要对于狭长缺陷在晶圆外观表面所呈现的缺陷段进行合并检测,因此,在一些示例中,所述方法还包括:当多个待选区域中的缺陷沿自身方向延伸后重合时,将所述多个待选区域确定为所述待识别区域。
在上述示例中,仍然结合图6所示,三个缺陷段沿自身方向延伸(如虚线所示)后出现了重合,该现象则表示了这三个缺陷段可以被认为是单个狭长缺陷在晶圆外观表面的呈现。因此,图6中方框所示的待识别区域应当包括图6中所示出的三个缺陷段。而并不是某一个单独的缺陷段。
对于前述图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、所述缺陷所占区域的亮度标准差以及所述缺陷的最长轴与最短轴之间的比值。
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判定是否对待测晶圆进行拦截。在一些示例中,所述根据所述形貌特征以及拦截指标确定所述待测晶圆被拦截,包括:
当所述缺陷在所述待识别区域内的面积占比大于设定的面积占比阈值时,确定所述待测晶圆被拦截;
当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时,确定所述待测晶圆被拦截;
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时,确定所述待测晶圆被拦截。
对于上述示例,详细来说,当所述缺陷在所述待识别区域内的面积占比大于设定的面积占比阈值时,可以认为在待识别区域内存在形状近似于缺口形状的缺陷,这些缺陷可以是边缘部分的崩边(chip)缺陷向待测晶圆内部延伸至过渡区域部分甚至径向表面部分所导致的。这种类型的缺陷需要及时拦截,避免在后续半导体制造过程中出现损坏设备的风险。
当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时,可以认为该缺陷为具有延伸性的狭长缺陷,这类缺陷同样是严重的晶圆表面缺陷,能够对后续制造的集成电路芯片造成极为严重的影响。
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时,可以认为该部分缺陷为小型划伤缺陷,这类缺陷同样属于严重的表面缺陷,需要拦截。
需要说明的是,前述技术方案针对完全图像进行缺陷检测的方法,能够表征出每个缺陷的完整的形貌,提高了晶圆检测的全面性以及检测良率,避免了无法检测到跨区域缺陷所导致的出货风险,降低了缺陷检测的漏检率。
基于前述技术方案相同的发明构思,参见图7,其示出了本公开提供的一种检测晶圆缺陷的装置70,所述装置70包括:采集部701、拼接部702、第一确定部703、获取部704、第二确定部705;其中,
所述采集部701,被配置成采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像;所述过渡区域部分为在晶圆的径向表面与边缘部分交界处向晶圆中心延伸2mm至5mm的环形区域;
所述拼接部702,被配置成将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像;
所述第一确定部703,被配置成在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域;
所述获取部704,被配置成获取所述待识别区域内所存在的缺陷的形貌特征;
所述第二确定部705,被配置成根据所述形貌特征以及拦截指标确定所述待测晶圆被拦截。
在一些示例中,所述采集部701,被配置成:
在所述待测晶圆绕中心轴旋转过程中,按照由缺口notch形状图案起始,至notch形状图案结束的方式分别采集所述径向表面部分的第一图像、所述过渡区域部分的第二图像以及所述边缘部分的第三图像。
在一些示例中,所述拼接部702,被配置成:
以所述notch形状图案为参照,将所述第一图像、所述第二图像以及所述第三图像中,处于相同径向方向的图像内容进行拼合,从而获得所述待测晶圆外观表面的完全图像。
在一些示例中,所述第一确定部703,被配置成:
在所述完全图像中,根据图像特征确定待选区域;
在所述待选区域中,将同时处于所述径向表面部分、所述过渡区域部分以及所述边缘部分中至少两个部分的待选区域确定为所述待识别区域。
在一些示例中,所述第一确定部703,被配置成:
在所述完全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,形成所述待选区域的宽度边和高度边;
根据所述待选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选区域。
在一些示例中,所述第一确定部703,还被配置成:
当多个待选区域中的缺陷沿自身方向延伸后重合时,将所述多个待选区域确定为所述待识别区域。
在一些示例中,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、所述缺陷所占区域的亮度标准差以及所述缺陷的最长轴与最短轴之间的比值。
在一些示例中,所述第二确定部705,被配置成:
当所述缺陷在所述待识别区域内的面积占比大于设定的面积占比阈值时,确定所述待测晶圆被拦截;
当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时,确定所述待测晶圆被拦截;
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,确定所述待测晶圆被拦截。
参考图8,其示出了本公开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80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80具有通信功能,可以接入有线网络或无线网络。计算设备80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80可以基于所接入的有线网络或无线网络接收待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像数据。可以理解地,计算设备80承担本公开技术方案的计算及处理工作,本公开对此不作限定。
如图8所示,本公开中的计算设备可以包括一个或多个如下部件:处理器810和存储器820。
可选的,处理器810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820内的指令、程序、代码集或指令集,以及调用存储在存储器820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810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810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810中,单独通过一块芯片进行实现。
存储器820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820包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器820可用于存储指令、程序、代码、代码集或指令集。存储器820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。
本公开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的方法。
本公开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,本公开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。
基于以上所阐述的检测晶圆缺陷的方法,参见图9,其示出了本公开提供的一种晶圆加工方法,该方法可以包括:
S901: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;
S902:针对多个待测晶圆中的每一个通过前述任一实施例所述的检测晶圆缺陷的方法进行检测,以确定待测晶圆是否被拦截。
需要说明的是:本公开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 (12)
1.一种检测晶圆缺陷的方法,其特征在于,所述方法包括:
采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像;所述过渡区域部分为在晶圆的径向表面与边缘部分交界处向晶圆中心延伸2mm至5mm的环形区域;
将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像;
在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域;
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拦截指标确定所述待测晶圆被拦截。
2.根据权利要求1所述的方法,其特征在于,所述采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像,包括:
在所述待测晶圆绕中心轴旋转过程中,按照由缺口notch形状图案起始,至notch形状图案结束的方式分别采集所述径向表面部分的第一图像、所述过渡区域部分的第二图像以及所述边缘部分的第三图像。
3.根据权利要求2所述的方法,其特征在于,所述将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像,包括:
以所述notch形状图案为参照,将所述第一图像、所述第二图像以及所述第三图像中,处于相同径向方向的图像内容进行拼合,从而获得所述待测晶圆外观表面的完全图像。
4.根据权利要求1所述的方法,其特征在于,所述在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域,包括:
在所述完全图像中,根据图像特征确定待选区域;
在所述待选区域中,将同时处于所述径向表面部分、所述过渡区域部分以及所述边缘部分中至少两个部分的待选区域确定为所述待识别区域。
5.根据权利要求4所述的方法,其特征在于,在所述完全图像中,根据图像特征确定待选区域,包括:
在所述完全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,形成所述待选区域的宽度边和高度边;
根据所述待选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选区域。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当多个待选区域中的缺陷沿自身方向延伸后重合时,将所述多个待选区域确定为所述待识别区域。
7.根据权利要求1所述的方法,其特征在于,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、所述缺陷所占区域的亮度标准差以及所述缺陷的最长轴与最短轴之间的比值。
8.根据权利要求7所述的方法,其特征在于,所述根据所述形貌特征以及拦截指标确定所述待测晶圆被拦截,包括:
当所述缺陷在所述待识别区域内的面积占比大于设定的面积占比阈值时,确定所述待测晶圆被拦截;
当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时,确定所述待测晶圆被拦截;
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,确定所述待测晶圆被拦截。
9.一种检测晶圆缺陷的装置,其特征在于,所述装置包括:采集部、拼接部、第一确定部、获取部、第二确定部;其中,
所述采集部,被配置成采集待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像;所述过渡区域部分为在晶圆的径向表面与边缘部分交界处向晶圆中心延伸2mm至5mm的环形区域;
所述拼接部,被配置成将所述待测晶圆的径向表面部分、过渡区域部分以及边缘部分的图像按照径向方向进行拼接,获得所述待测晶圆外观表面的完全图像;
所述第一确定部,被配置成在所述完全图像中,确定存在缺陷且覆盖在径向表面部分、过渡区域部分以及边缘部分中至少两个部分的待识别区域;
所述获取部,被配置成获取所述待识别区域内所存在的缺陷的形貌特征;
所述第二确定部,被配置成根据所述形貌特征以及拦截指标确定所述待测晶圆被拦截。
10.一种计算设备,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8任一所述的检测晶圆缺陷的方法。
11.一种计算机存储介质,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8任一所述的检测晶圆缺陷的方法。
12.一种晶圆加工方法,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,获得多个待测晶圆;
针对所述多个待测晶圆中的每一个通过权利要求1至8任一所述的检测晶圆缺陷的方法进行检测,以确定所述待测晶圆是否被拦截。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311415328.5A CN117476487A (zh) | 2023-10-27 | 2023-10-27 | 检测晶圆缺陷的方法、装置、介质及晶圆加工方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311415328.5A CN117476487A (zh) | 2023-10-27 | 2023-10-27 | 检测晶圆缺陷的方法、装置、介质及晶圆加工方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117476487A true CN117476487A (zh) | 2024-01-30 |
Family
ID=89639027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311415328.5A Pending CN117476487A (zh) | 2023-10-27 | 2023-10-27 | 检测晶圆缺陷的方法、装置、介质及晶圆加工方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117476487A (zh) |
-
2023
- 2023-10-27 CN CN202311415328.5A patent/CN117476487A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4776308B2 (ja) | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 | |
JP5152231B2 (ja) | 画像処理方法および画像処理装置 | |
CN101329281A (zh) | 影像感测晶片污点检测系统及其检测方法 | |
CN112700440B (zh) | 物体缺陷检测方法、装置、计算机设备及存储介质 | |
JP4080514B2 (ja) | 検査装置、検査方法、検査プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JPWO2009031612A1 (ja) | 観察装置および観察方法、並びに検査装置および検査方法 | |
JP2014009970A (ja) | 表面傷検査装置及び表面傷検査方法 | |
CN109155062A (zh) | 裂纹分析装置和方法 | |
KR20090008185A (ko) | 표면 검사 장치 | |
EP3163604B1 (en) | Position detection apparatus, position detection method, information processing program, and storage medium | |
CN110795019A (zh) | 软键盘的按键识别方法、装置及存储介质 | |
CN110442521A (zh) | 控件单元检测方法及装置 | |
CN117252861A (zh) | 一种晶圆表面缺陷的检测方法、装置及系统 | |
CN117392112A (zh) | 一种晶圆表面缺陷的检测方法、装置及系统 | |
JPWO2009072483A1 (ja) | 観察装置および観察方法 | |
JP2007155405A (ja) | 外観検査方法及び外観検査装置 | |
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 | |
CN117476487A (zh) | 检测晶圆缺陷的方法、装置、介质及晶圆加工方法 | |
JP2002243656A (ja) | 外観検査方法及び外観検査装置 | |
KR101559338B1 (ko) | 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법 | |
CN117038490A (zh) | 检测晶圆缺陷类型的方法、装置、介质及晶圆加工方法 | |
JP5316924B2 (ja) | 観察装置および観察方法 | |
JP6671253B2 (ja) | ウェーハの外周位置を検出するウェーハの検出方法及びウェーハの外周位置を検出することが可能な加工装置 | |
JP2006145484A (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 | |
CN117747465A (zh) | 一种晶圆表面缺陷的检测方法、装置及存储介质 |
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 |