[發明專利]一種微觀晶圓表面缺陷圖像檢測方法

在審

• 申請號: 201810477639.7
• 申請日: 2018-05-18
• 公開（公告）號: CN108765389A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 趙昕玥;張樹有;何再興;劉明明;王宏遠;譚建榮
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

本發明公開了一種微觀晶圓表面缺陷圖像檢測方法。由已標記缺陷類型及其標定包圍盒的微觀晶圓原始圖像構建訓練集；由訓練集利用更快速區域卷積神經網絡方法和區域建議網絡結合進行模型訓練，得到最終模型；采集工業生產中拍攝的微觀晶圓圖像，并用最終模型進行檢測得到圖像中缺陷的位置。本發明方法可以很好地對微觀晶圓表面缺陷進行識別和定位，并且識別的效率也有了很大提高。

技術領域

本發明涉及了一種微觀晶圓表面缺陷圖像檢測方法，屬于圖像識別領域。

背景技術

半導體元器件和集成電路是重要的電子元器件，被廣泛應用于通訊、汽車和工業自動化等產品中。在半導體中，晶圓是其中最主要的材料，在市面上90％以上的電子設備是基于晶圓制造而成。微觀晶圓表面的缺陷，可能會破壞晶體結構中密排面的正常堆垛順序，通常會影響晶圓電路的連通性，從而造成集成電路結構上的缺陷。因此晶圓表面的缺陷已經成為影響良率的主要障礙，因此如何精確地檢測晶圓的微小缺陷已經成為半導體產業的關鍵技術。

目前工業對于晶圓表面缺陷檢測的要求，一般是要求高效準確，能夠捕捉有效缺陷，實現實時檢測。較為普遍的表面檢測技術主要可以分為兩大類：針接觸法和非接觸法，接觸法以針觸法為代表，因其易損傷被測樣品表層，一般不使用；非接觸法又可以分為原子力法和光學法，前者設備昂貴難以大規模應用，后者隨著近年來計算機視覺技術的不斷發展逐漸成為主流的檢測方法。

傳統的視覺檢測方法是采用模板匹配來檢測晶圓微小缺陷，通過電子顯微鏡掃略晶圓表面獲取圖像。為提高檢出缺陷的能力，需要一定數量的模板庫。這導致生成模板過程較為繁瑣，同時在數目眾多的模板庫中篩選出對應合適項也較為費時。目前該領域技術多聚焦于改進模板匹配的方式來提升檢測效率，其中一種改進的方法是以前一幀的圖像作為模板，將后一幀的圖像做差分，而差分之后圖像中包含的像素就作為晶圓的微觀缺陷，這種方法是默認前后幀圖像是幾乎一致的情況下來操作的，但是在很多復雜的晶圓表面圖案中并不適用，因為并不是每一幀圖像都是相同的，所以對于生產實際，一個魯棒性高且擁有較高精準度的晶圓微觀缺陷檢測方法顯得尤為重要。

發明內容

為了解決背景技術中存在的問題，本發明的目的在于提供了一種微觀晶圓表面缺陷圖像檢測方法，用來檢測微觀晶圓圖像中的晶圓，方法有效且能夠很準確地定位微觀缺陷。

為了解決上述技術問題，如圖1所示，本發明所采取的技術方案是：

1)由已標記缺陷類型及其標定包圍盒的微觀晶圓原始圖像構建訓練集；

2)由訓練集利用更快速區域卷積神經網絡方法和區域建議網絡結合進行模型訓練，得到最終模型；

3)采集工業生產中拍攝的微觀晶圓圖像，并用最終模型進行檢測得到圖像中缺陷的位置。

所述缺陷類型分為加熱不均hump、灰塵顆粒dust、機械損傷injury和液體殘留物blot的四種。

所述的缺陷類型的標定包圍盒為包圍缺陷的最小外接矩形。

所述步驟1)中，對所有微觀晶圓原始圖像進行擴充，對圖像進行旋轉、錯切和翻轉的操作，構成訓練集。

所述步驟3)具體為：

3.1)將訓練集圖像輸入ZFNet神經網絡模型進行訓練，獲取特征圖，具體過程如下：

3.1.1)通過卷積層處理得到原始特征圖；

3.1.2)將步驟3.1.1)獲取的原始特征圖采用Leaky ReLU作為激活函數進行激活，公式為：

其中，f(x)為輸出特征圖的像素值，λ為激活系數，x為輸入的原始特征圖的像素值；經實驗篩選，具體實施方法取λ＝0.10。