一种晶圆低纹理缺陷的检测方法技术

本发明专利技术涉及图像处理领域，具体涉及一种晶圆低纹理缺陷的检测方法，基于图像处理，采集待检测晶圆表面灰度图像，划分为大小相同的区域，根据每个区域像素点的灰度值均值和灰度值方差得到每个区域和其他区域的结构相似性，根据结构相似性和每个区域像素点的灰度累加值得到每个区域和相邻区域之间的整体相似性得到整体相似性矩阵，对矩阵中的整体相似性数据进行密度聚类，根据聚类结果判断晶圆是否存在异常，对存在异常的晶圆获取到异常整体相似性数据对应的区域，根据该区域中晶粒和标准晶粒灰度值构建灰度差异矩阵，根据灰度差异矩阵计算每个晶粒的异常程度，根据异常程度判断晶粒是否异常，方法智能、精准、高效。高效。高效。

【技术实现步骤摘要】
一种晶圆低纹理缺陷的检测方法


[0001]本申请涉及图像处理领域，具体涉及一种晶圆低纹理缺陷的检测方法。

技术介绍

[0002]当今世界随着科技的发展，各种终端设备的普及，以及各种设备的层出不穷，对芯片的需求越来越大，而晶圆制造工艺作为芯片的上游基本的供应产业，晶圆的生产质量成为重点关注对象，并且随着集成电路行业的发展对晶圆的质量要求也越来越高。在晶圆生产过程中，由于晶圆生产过程的复杂繁琐，以及晶圆生产的严格要求，在生产过程中会出现各种的缺陷，比如晶粒缺角和晶粒切割不良还有晶粒表面的划痕等等，这些缺陷的存在严重影响晶圆的生产质量，导致后续生产的芯片电学性能降低，同时由于晶粒的特殊性，其含有的纹理特征不明显，常规的缺陷检测方式检测精度不高。

技术实现思路

[0003]本专利技术提供一种晶圆低纹理缺陷的检测方法，解决晶圆缺陷检测不够精准的问题，采用如下技术方案：采集待检测晶圆表面灰度图像；将待检测晶圆表面灰度图像划分为多个大小相同的区域，根据每个区域像素点的灰度值均值和灰度值方差得到每个区域与其纵向相邻区域之间结构相似性；根据每个区域与其他区域之间的结构相似性和每个区域像素点灰度累加值与其他区域像素点的灰度累加值的差异得到每个区域与其纵向相邻区域之间的整体相似性；根据每个区域与其纵向相邻区域之间的整体相似性得到整体相似性矩阵；对整体相似性矩阵中的整体相似性数据进行密度聚类，若聚类结果只有一类整体相似性数据，则待检测晶圆不存在缺陷，若聚类结果不止一类整体相似性数据，则待检测晶圆存在缺陷；若待检测晶圆存在缺陷，则计算聚类结果中每类整体相似性数据的均值，根据均值大小筛选出异常整体相似性数据；根据异常整体相似性数据在整体相似性矩阵中的位置得到异常整体相似性数据对应的区域；获取异常整体相似性数据对应的区域中每个晶粒的每个像素点灰度值和标准晶圆中对应位置晶粒的像素点灰度值的差值构建灰度值差异矩阵；根据灰度值差异矩阵得到异常整体相似性数据对应的区域中每个晶粒的差异程度，根据差异程度对每个晶粒进行检测。
[0004]所述每个区域与其纵向相邻区域之间结构相似性的计算方法为：式中，为区域和纵向相邻的区域的结构相似性，为待检测
晶圆表面灰度图像中位于第行，第列的区域，为待检测晶圆表面灰度图像中位于第行，第列的区域，即与纵向相邻的区域，为区域像素点的灰度均值，为区域像素点的灰度均值，为区域像素点灰度值的方差，为区域像素点灰度值的方差，为区域和区域像素点灰度值的协方差，,，是所有区域和其纵向相邻区域的结构相似性中的最大值。
[0005]所述每个区域与其纵向相邻区域之间的整体相似性的计算方法为：式中，为区域的像素点灰度值的累加值和区域的像素点灰度值的累加值的差值，为区域和区域的整体相似性。
[0006]所述筛选出异常整体相似性数据的方法为：将均值最小的一类整体相似性数据作为正常数据，其余都为异常整体相似性数据。
[0007]所述异常整体相似性数据对应的区域中每个晶粒的差异程度的获取方法为：利用异常整体相似性数据对应的区域中每个晶粒的每个像素点的灰度值和标准晶圆中对应位置晶粒的每个像素点的灰度值的差值构建灰度差异值矩阵；计算灰度值差异矩阵的均值；获取异常区域中每个晶粒的灰度值异常矩阵中最大值和最小值的差；则异常整体相似性数据对应的区域中每个晶粒的差异程度为：式中，为每个晶粒的差异程度。
[0008]所述根据差异程度对每个晶粒缺陷进行检测的具体方法为：若当前晶粒的差异程度大于等于，为异常晶粒；若当前晶粒的差异程度小于，为正常晶粒，为差异程度阈值。
[0009]本专利技术的有益效果是：基于图像处理，采集待检测晶圆表面灰度图像，划分为大小相同的区域，根据每个区域像素点的灰度值均值和灰度值方差得到每个区域和其他区域的结构相似性，根据结构相似性和每个区域像素点的灰度累加值得到每个区域和相邻区域之间的整体相似性，得到整体相似性矩阵，对矩阵中的整体相似性数据进行密度聚类，根据聚类结果判断晶圆是否存在异常，对存在异常的晶圆获取到异常整体相似性数据对应的区域，根据该区域中晶粒和标准晶粒灰度值构建灰度差异矩阵，根据灰度差异矩阵计算每个晶粒的异常程度，根据异常程度判断晶粒是否异常，方法智能、精准、高效。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术的一种晶圆低纹理缺陷的检测方法流程示意图；图2是本专利技术的一种晶圆低纹理缺陷的检测方法中的晶圆示意图。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]步骤一：采集待检测晶圆表面灰度图像；将待检测晶圆表面灰度图像划分为多个大小相同的区域；该步骤的目的是采集待检测晶圆表面灰度图像并进行区域处理，方便后续分析。
[0014]本专利技术实施例采集待检测晶圆的表面图像后灰度化处理，得到待检测晶圆表面图像的灰度图像，如图2所示，然后将待检测晶圆表面图像的灰度图像划分为相同大小的区域，共将待检测晶圆表面图像的灰度图像分为了个区域，为总行数，为总列数。
[0015]步骤二：根据每个区域像素点的灰度值均值和灰度值方差得到每个区域与其纵向相邻区域之间结构相似性；该步骤的目的是，计算两个相邻区域图像的相似度。
[0016]其中，每个区域与其纵向相邻区域之间结构相似性的计算方法为：式中，为区域和纵向相邻的区域的结构相似性，为待检测晶圆表面灰度图像中位于第行，第列的区域，为待检测晶圆表面灰度图像中位于第行，第列的区域，即与纵向相邻的区域，为区域像素点的灰度均值，为区域像素点的灰度均值，为区域像素点灰度值的方差，为区域像素点灰度值的方差，为区域和区域像素点灰度值的协方差，, ，是所有区域和其纵向相邻区域的结构相似性中的最大值。
[0017]为了更准确的描述不同区域之间的对比差异，本实施例引入结构相似性的概念计算相邻区域之间的相似性，所谓结构相似性就是图像之间的相似程度，对于高精度的晶圆来说不同区域之间的图像也是高度相似的。
[0018]步骤三：根据每个区域与其他区域之间的结构相似性和每个区域像素点灰度累加
值与其他区域像素点的灰度累加值的差异得到每个区域与其纵向相邻区域之间的整体相似性；根据每个区域与其纵向相邻区域之间的整体相似性得到整体相似性矩阵；该步骤的目的是，根据每个区域与相邻区域图像特征计算出每个区域与其相邻区域的相似性，并根据所有区域之间的整体相似性构建相似性矩阵。
[0019]其中，每个区域与其纵向相邻区域之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种晶圆低纹理缺陷的检测方法，其特征在于，包括：采集待检测晶圆表面灰度图像；将待检测晶圆表面灰度图像划分为多个大小相同的区域，根据每个区域像素点的灰度值均值和灰度值方差得到每个区域与其纵向相邻区域之间结构相似性；根据每个区域与其他区域之间的结构相似性和每个区域像素点灰度累加值与其他区域像素点的灰度累加值的差异得到每个区域与其纵向相邻区域之间的整体相似性；根据每个区域与其纵向相邻区域之间的整体相似性得到整体相似性矩阵；对整体相似性矩阵中的整体相似性数据进行密度聚类，若聚类结果只有一类整体相似性数据，则待检测晶圆不存在缺陷，若聚类结果不止一类整体相似性数据，则待检测晶圆存在缺陷；若待检测晶圆存在缺陷，则计算聚类结果中每类整体相似性数据的均值，根据均值大小筛选出异常整体相似性数据；根据异常整体相似性数据在整体相似性矩阵中的位置得到异常整体相似性数据对应的区域；获取异常整体相似性数据对应的区域中每个晶粒的每个像素点灰度值和标准晶圆中对应位置晶粒的像素点灰度值的差值构建灰度值差异矩阵；根据灰度值差异矩阵得到异常整体相似性数据对应的区域中每个晶粒的差异程度，根据差异程度对每个晶粒进行检测。2.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法，其特征在于，所述每个区域与其纵向相邻区域之间结构相似性的计算方法为：式中，为区域和纵向相邻的区域的结构相似性，为待检测晶圆表面灰度图像中位于第行，第列的区域，为待检测晶圆表面灰度图像中位于第行，第列的区域，即与纵向相...

【专利技术属性】
技术研发人员：金琼洁，刘卫卫，欧阳一冉，彭德彪，
申请(专利权)人：宁波鑫芯微电子科技有限公司，
类型：发明
国别省市：