一种晶圆缺陷的检测方法及系统技术方案

本发明专利技术公开了一种晶圆缺陷的检测方法及系统，步骤1、获取晶圆正面的图像以及晶圆背面的编码图像；步骤2、对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；步骤3、提取校正后晶圆正面图像中的初步损伤特征；步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息，大大提高了晶圆的检测精度和效率，降低了晶圆的检测成本。成本。成本。

【技术实现步骤摘要】
一种晶圆缺陷的检测方法及系统


[0001]本专利技术涉及晶圆制造
，具体为一种晶圆缺陷的检测方法及系统。

技术介绍

[0002]现在的电子产品、自动化工业设备及各种车辆上均安装有芯片，芯片作为设备的核心控制部件，因此芯片的需求量巨大，芯片都是通过切割晶圆来加工制造的，晶圆是制作硅半导体电路所用的硅晶片，其原始材料是硅，高纯度的多晶硅溶解制作成圆柱形的单晶硅，硅晶棒经过切片后形成晶圆片，在对晶圆片加工前需要对其质量和型号进行逐一检测分类。
[0003]在检测过程中需要对晶圆的正面和背面分别进行检测，然后根据检测结果对符合要求的晶圆进行分类存储，现有的检测方法是，将晶圆的正面和背面依次放置在两个检测台上，对晶圆正面损伤区域识别以及对晶圆背面的编码进行识别，该损伤采用人眼视觉检测，该检测方法劳动强度较大，检测效率低，检测精度易受工作人员生理上的视觉疲劳及个人的主观性影响，不可避免的造成漏检或误检，同时还需要耗费大量的人力资源；另外，基于超声波原理的晶圆表面缺陷检测方式，但是该检测方法成本较高，可以用作实验室的检测，但是不符合生产检测要求。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种晶圆缺陷的检测方法及系统，采用视觉识别技术实现晶圆损伤区域的快速检测。
[0005]本专利技术是通过以下技术方案来实现：
[0006]一种晶圆缺陷的检测方法，包括以下步骤：
[0007]步骤1、获取晶圆正面的图像以及晶圆背面的编码图像；
[0008]步骤2、对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；
[0009]步骤3、提取校正后晶圆正面图像中的初步损伤特征；
[0010]步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；
[0011]步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。
[0012]优选的，步骤2中用中值滤波算法、双边滤波算法或小波去噪算法对晶圆图像和编码进行降噪滤波处理。
[0013]优选的，步骤2中采用多项式拟合的方式对图像背景进行补偿校正。
[0014]优选的，步骤3中采用Soble算子结合双阈值的分割方法提取晶圆正面图像的初步损伤特征。
[0015]优选的，所述Soble算子用来计算图像灰度值梯度的大小和方向，对图像中的像素
点使用Soble算子得到法矢量和灰度梯度矢量，进而获取晶圆图像的二值图像，对二值图像进行遍历并结合顶点法对晶圆的损伤区域进行定位，得到晶圆的初步损伤特征。
[0016]优选的，步骤4中先进行腐蚀操作，用于消除晶圆图像中的狭长和细小部分；再进行腐蚀操作，用于连接断裂的轮廓或者填充细小的空白区域，得到晶圆的损伤特征。
[0017]优选的，所述晶圆缺陷包括区域缺失、划痕、凹坑和毛刺。
[0018]优选的，所述机器学习方法为，将各损伤区域参数输入到训后好的机器学习模型中，机器学习模型对损伤特征进行识别分类。
[0019]优选的，所述机器学习模型包括支持向量机、二叉树、朴素贝叶斯分类器、神经网络、决策树和逻辑回归算法。
[0020]一种晶圆缺陷的检测方法的系统，包括，
[0021]采集模块，用于获取晶圆正面的图像以及晶圆背面的编码图像；
[0022]降噪滤波模块，用于对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；
[0023]初步损伤模块，用于提取校正后晶圆正面图像中的初步损伤特征；
[0024]损伤定位模块，用于采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；
[0025]识别模块，用于获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。
[0026]与现有技术相比，本专利技术具有以下有益的技术效果：
[0027]本专利技术公开了一种晶圆缺陷的检测方法，首先对图像进行降噪滤波处理，解决了图像采集过程中引入的噪声和图像灰度不均对缺陷识别造成影响，提高检测的准确性，其次采用Soble算子结合双阈值分割方法对晶圆图像中的缺陷进行分割，然后采用形态学处理将缺陷中的非缺陷进行消除，再提取缺陷的特征，最后结合机器学习方法损伤特征参数进行识别和分裂。提高了晶圆的检测效率和精度，解决了人工检测慢，以及超声波检测费用高的问题，采用该方法能够有效降低晶圆的生产成本。
附图说明
[0028]图1为本专利技术检测装置的外观示意图。
[0029]图2为本专利技术检测装置的结构示意图。
[0030]图3为本专利技术检测方法的流程图。
[0031]图中：10、图像采集装置；11、连接臂；12、纵向调节臂；13、高度调节臂；14、摄像头；20、上补光装置；21、调节杆；22、补光灯；30、编码采集装置；31、高度调节杆；32、读码器；40、下补光装置；41、滑杆；42、光板；50、固定架。
具体实施方式
[0032]下面结合附图对本专利技术做进一步的详细说明，所述是对本专利技术的解释而不是限定。
[0033]参阅图1和2，一种晶圆缺陷的检测装置，包括固定架50，以及设置在其上的图像采集装置10、编码采集装置30和光源，图像采集装置10位于编码采集装置30的顶部。
[0034]所述图像采集装置10包括调节装置和摄像头14，调节装置的一端与固定架连接，摄像头14与调节装置的另一端连接，调节装置用于调节摄像头14的空间位置；编码采集装置30包括能够沿固定架上下移动的读码器32，摄像头和读码器的光口相对设置，光源与固定架连接，用于增强摄像头和编码器获取图像时的环境亮度。
[0035]固定架包括底座以及垂直设置在其上的固定杆，所述调节装置包括连接臂11、纵向调节臂12和高度调节臂13，高度调节臂13的一端套设在固定杆上并能够沿其轴向滑动，纵向调节臂12水平设置并与高度调节臂13滑动连接，连接臂11的一端与纵向调节臂12的一端连接，另一端连接摄像头14，摄像头的出光口位于底部。
[0036]在本实施例中，所述固定杆、纵向调节臂12和高度调节臂13均为方管，高度调节臂13的两端均设置有方孔，并且两个方孔的轴向垂直布置，高度调节臂13通过两个方孔分别连接固定杆和纵向调节臂12，并且高度调节臂13与固定杆连接的方孔侧壁上设置有定位件，用于对高度调节臂13定位，优选的，定位件为顶丝。
[0037]所述读码器32设置在高度调节杆31的顶部，高度调节杆31的一端设置有方孔，并通过方孔套设在固定杆上，高度调节杆31的侧壁上设置有定位件，用于固定高度调节杆31的高度，通过高度调节杆31与固定杆的滑动连接，能够实现读码器32的高度控制，读码器32的光口位于顶部。
[0038]所述光源包括上补光装置20和下补光装置40，上补光装置20和下补光装置40分别位于晶圆片的顶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种晶圆缺陷的检测方法，其特征在于，包括以下步骤：步骤1、获取晶圆正面的图像以及晶圆背面的编码图像；步骤2、对获取的正面图像和背面编码进行降噪滤波处理，并对处理后的图像进行校正；步骤3、提取校正后晶圆正面图像中的初步损伤特征；步骤4、采用图像形态学对初步损伤特征中的非缺陷进行消除，得到晶圆准确的损伤特征；步骤5、获取晶圆损伤特征的损伤区域参数，并结合机器学习方法对损伤特征进行识别，根据校准后的编码图像获取该晶圆片的信息。2.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤2中用中值滤波算法、双边滤波算法或小波去噪算法对晶圆图像和编码进行降噪滤波处理。3.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤2中采用多项式拟合的方式对图像背景进行补偿校正。4.根据权利要求1所述的一种晶圆缺陷的检测方法，其特征在于，步骤3中采用Soble算子结合双阈值的分割方法提取晶圆正面图像的初步损伤特征。5.根据权利要求4所述的一种晶圆缺陷的检测方法，其特征在于，所述Soble算子用来计算图像灰度值梯度的大小和方向，对图像中的像素点使用Soble算子得到法矢量和灰度梯度矢量，进而获取晶圆图像的二值图像，对二值图像进行遍历并结合顶点法对晶圆的损伤区域进行定位，得到晶圆的初步损伤特征。6.根据权利要求1所述的一种晶...

【专利技术属性】
技术研发人员：刘明璋，谢新梅，
申请(专利权)人：东莞市瀚基智能科技有限公司，
类型：发明
国别省市：