一种基于去反光效果的半导体晶圆加工质量检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于去反光效果的半导体晶圆加工质量检测方法，即获取晶圆表面的RGB图像并对其进行灰度化处理得到灰度图像，提取RGB图像中的R通道图像、G通道图像以及B通道图像；获取灰度图像与各通道图像的边缘图像，得到各边缘图像中的边缘点与连接类；根据边缘点，计算各通道图像的边缘图像与灰度图像的边缘图像的差异度；基于差异度计算互异性；根据互异性、边缘点与连接类计算各通道图像的细节保留程度；进而得到尺度影响因子，基于尺度影响因子获取各通道图像的尺度参数，对RGB图像进行去反光操作，将去反光操作后的RGB图像输入到神经网络模型中，输出晶圆的缺陷。本发明专利技术能够精确得到晶圆的缺陷。陷。陷。

【技术实现步骤摘要】
一种基于去反光效果的半导体晶圆加工质量检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于去反光效果的半导体晶圆加工质量检测方法。

技术介绍

[0002]半导体元器件和集成电路是重要的电子元器件，被广泛用于通讯、汽车和工业自动化等产品中，是电子信息产业的基础。在半导体中，晶圆是其中最主要的材料，市面上绝大多数的电子设备是由晶圆制造而成的，由此可见晶圆的重要性。
[0003]近年来，随着半导体行业的快速发展，对晶圆的要求越来越高，对于晶圆的检测方法在不断发生变化，传统的把晶圆放置明亮处，用肉眼去观察晶圆表面缺陷的方式已经不再适用于生产实际，因为其人为误差大、效率低，不符合当今晶圆厂商的生产速率，逐渐被弃用；在20世纪90年代，引进了可以自动检测晶圆表面缺陷的设备，但是设备用的是针接触法，即使用探针去触碰晶圆表面，从而达到检测缺陷的目的，但是针接触法容易划伤晶圆表面以及损坏探针，损坏率较高；因此现在对于晶圆的检测一般采用机器视觉的方式，即根据晶圆表面的图像对晶圆进行缺陷检测，是一种非接触方法，不会对晶圆造成损伤，检测效率较高；但是这种检测方法对图像的要求很高，图像必须能够真实地反映出晶圆的信息才能得到较为准确的检测结果；由于晶圆表面是金属表面，拍摄的图像表面有着高反光的特点，容易导致缺陷位置不明确，或者把反光区域误认做缺陷区域，对晶圆表面缺陷的检测造成了很大影响。因此，如何获取更为精确的图像已然成为主要研究方向。
[0004]随着图像处理技术的不断发展与进步，多尺度Retinex算法在图像增强和图像去雾领域广受人们欢迎，在传统的多尺度Retinex算法中，根据人为经验设定三个不同的尺度参数，在对不同尺度参数对应的图像信息进行加权求和时，每一个尺度参数对应的权重均相等，即权重均为1/3。传统的多尺度Retinex算法没有考虑到不同尺度参数对应的图像信息中所包含重要信息的不同，进而在加权求和时对不同尺度参数对应的图像信息分配不同的权重，致使最终得到的图像中存在部分重要信息丢失，纹理细节损失严重的问题；从而导致得到的晶圆检测结果不准确。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于去反光效果的半导体晶圆加工质量检测方法，所采用的技术方案具体如下：获取晶圆表面的RGB图像并对其进行灰度化处理，得到灰度图像，提取所述RGB图像中的R通道图像、G通道图像以及B通道图像；获取所述灰度图像与各通道图像对应的边缘图像，其中边缘图像中的点包括边缘点与噪声点；通过密度聚类算法分别对各边缘图像中的点进行聚类，根据聚类结果获取各边缘图像中的边缘点与连接类；根据所述边缘点，分别计算各通道图像对应的边缘图像与灰度图像对应的边缘图
像的差异度；将各边缘图像进行位置对齐，在任意一位置处，当R通道图像的边缘图像在该位置存在边缘点，而灰度图像的边缘图像在该位置不存在边缘点，则将该位置的边缘点记为R1边缘点；当R通道图像的边缘图像在该位置不存在边缘点，而灰度图像的边缘图像在该位置存在边缘点，则将该位置的边缘点记为R2边缘点；同理，分别获取G1边缘点、G2边缘点、B1边缘点以及B2边缘点；基于所述差异度、R1边缘点的数量与R2边缘点的数量，计算R通道图像与RGB图像的互异性；同理，分别计算G通道图像和B通道图像与RGB图像的互异性；根据所述互异性、边缘点的数量以及连接类的数量，计算各通道图像对应的细节保留程度；计算所述细节保留程度与各通道图像对应的色彩平衡度的乘积，得到各通道图像对应的尺度影响因子，基于所述尺度影响因子获取各通道图像对应的尺度参数，对RGB图像进行去反光操作，将去反光操作后的RGB图像输入到神经网络模型中，输出晶圆的缺陷。
[0006]进一步地，所述根据聚类结果获取各边缘图像中的边缘点与连接类的方法为：所述聚类结果中包括多个类别，其中一个类别中至少包括一个点，将仅包括一个点的类别中的点作为噪声点并将其去除，得到各边缘图像中的边缘点，将去除之后的聚类结果中的每一个类别作为一个连接类，得到各边缘图像中的连接类。
[0007]进一步地，所述通过密度聚类算法分别对各边缘图像中的点进行聚类还包括计算各边缘图像对应的聚类半径，根据所述聚类半径利用密度聚类算法对各边缘图像中的点进行聚类，得到聚类结果；所述聚类半径的获取方法为：在边缘图像中任意选取一个点，计算该点与剩余其他点之间的欧氏距离，得到该点对应的最短欧式距离，进而得到各点对应的最短欧式距离，计算所述最短欧式距离的平均值，将所述平均值记为该边缘图像对应的聚类半径。
[0008]进一步地，所述差异度的获取方法为：在去除噪声点之后的各边缘图像中，边缘点的像素值为1，其他像素点的像素值为0，将去除噪声点之后的各边缘图像中的像素值按照从上至下从左至右的顺序依次展开，得到去除噪声点之后的各边缘图像对应的一维序列，利用DTW算法计算R通道图像对应的去除噪声点之后的边缘图像的一维序列与灰度图像对应的去除噪声点之后的边缘图像的一维序列的DTW值，将所述DTW值作为R通道图像对应的边缘图像与灰度图像对应的边缘图像的差异度，进而得到各通道图像对应的边缘图像与灰度图像对应的边缘图像的差异度。
[0009]进一步地，所述互异性为：其中，为R通道图像与RGB图像的互异性，为R1边缘点的数量，为R2边缘点的数量，为到R通道图像对应的边缘图像与灰度图像对应的边缘图像的差异度。
[0010]进一步地，所述细节保留程度为：其中，为R通道图像的细节保留程度，为R通道图像对应的边缘图像中边缘点
的数量，为R通道图像对应的边缘图像中连接类的数量，为R通道图像与RGB图像的互异性。
[0011]进一步地，所述色彩平衡度为通道图像中所有像素值的标准差。
[0012]进一步地，所述尺度参数的获取方法为：首先根据各通道图像对应的尺度影响因子依据设定规则设定各通道图像对应的初始尺度参数；然后基于初始尺度参数利用遗传算法获取各通道图像对应的尺度参数；所述设定规则为：尺度影响因子最大的通道图像对应的初始尺度参数最大，尺度影响因子最小的通道图像对应的初始尺度参数最小。
[0013]进一步地，所述方法还包括计算各通道图像对应的权重，所述权重根据各通道图像对应的灰度共生矩阵的熵与能量计算。
[0014]本专利技术实施例至少具有如下有益效果：本专利技术利用密度聚类算法获取各通道图像与灰度图像对应的边缘图像中的边缘点，去除了各边缘图像中的噪声点，避免了噪声点对后续操作产生不良影响，能够提高后续操作的效率，能够准确获取晶圆的缺陷；本专利技术还通过R1边缘点、R2边缘点、G1边缘点、G2边缘点、B1边缘点以及B2边缘点，计算各通道图像与RGB图像的互异性，根据互异性与各通道图像对应的边缘图像中的边缘的数量与连接类的数量，计算各通道图像的细节保留程度。进而根据细节保留程度获取各通道图像对应的尺度参数。其中细节保留程度的计算不仅考虑了各通道图像自身的属性，即边缘点的数量与连接类的数量，还考虑了各通道图像与RGB图像的互异性，从多角度获取细节保留程度，使得细本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于去反光效果的半导体晶圆加工质量检测方法，其特征在于，该方法包括以下步骤：获取晶圆表面的RGB图像并对其进行灰度化处理，得到灰度图像，提取所述RGB图像中的R通道图像、G通道图像以及B通道图像；获取所述灰度图像与各通道图像对应的边缘图像，其中边缘图像中的点包括边缘点与噪声点；通过密度聚类算法分别对各边缘图像中的点进行聚类，根据聚类结果获取各边缘图像中的边缘点与连接类；根据所述边缘点，分别计算各通道图像对应的边缘图像与灰度图像对应的边缘图像的差异度；将各边缘图像进行位置对齐，在任意一位置处，当R通道图像的边缘图像在该位置存在边缘点，而灰度图像的边缘图像在该位置不存在边缘点，则将该位置的边缘点记为R1边缘点；当R通道图像的边缘图像在该位置不存在边缘点，而灰度图像的边缘图像在该位置存在边缘点，则将该位置的边缘点记为R2边缘点；同理，分别获取G1边缘点、G2边缘点、B1边缘点以及B2边缘点；基于所述差异度、R1边缘点的数量与R2边缘点的数量，计算R通道图像与RGB图像的互异性；同理，分别计算G通道图像和B通道图像与RGB图像的互异性；根据所述互异性、边缘点的数量以及连接类的数量，计算各通道图像对应的细节保留程度；计算所述细节保留程度与各通道图像对应的色彩平衡度的乘积，得到各通道图像对应的尺度影响因子，基于所述尺度影响因子获取各通道图像对应的尺度参数，对RGB图像进行去反光操作，将去反光操作后的RGB图像输入到神经网络模型中，输出晶圆的缺陷。2.根据权利要求1所述的一种基于去反光效果的半导体晶圆加工质量检测方法，其特征在于，所述根据聚类结果获取各边缘图像中的边缘点与连接类的方法为：所述聚类结果中包括多个类别，其中一个类别中至少包括一个点，将仅包括一个点的类别中的点作为噪声点并将其去除，得到各边缘图像中的边缘点，将去除之后的聚类结果中的每一个类别作为一个连接类，得到各边缘图像中的连接类。3.根据权利要求1所述的一种基于去反光效果的半导体晶圆加工质量检测方法，其特征在于，所述通过密度聚类算法分别对各边缘图像中的点进行聚类还包括计算各边缘图像对应的聚类半径，根据所述聚类半径利用密度聚类算法对各边缘图像中的点进行聚类，得到聚类结果；所述聚类半径的获取方法为：在边缘图像中任意选取一个点，计算该点与剩余其他...

【专利技术属性】
技术研发人员：王冬平，
申请(专利权)人：山东鲁芯之光半导体制造有限公司，
类型：发明
国别省市：