详情

原文传递一种基于视觉图像的晶圆表面缺陷分区域检测方法

专利名称：	一种基于视觉图像的晶圆表面缺陷分区域检测方法
摘要：	本发明公开了一种基于视觉图像的晶圆表面缺陷分区域检测方法，属于半导体缺陷检测与图像处理技术领域。首先将彩色晶圆表面图像进行分区分别包含了外轮廓区、氧化膜区、晶粒区，对每一个分区的缺陷进行单独的检测；外轮廓区可以检测的缺陷有崩边、崩角缺陷；氧化膜区可以检测的缺陷有氧化膜缺失、氧化膜跨区域、氧化膜锯齿；晶粒区可以检测的缺陷有污渍、红墨水、晶粒缺失、划痕、区域大面积的氧化膜缺陷、以及纹理缺陷；本发明实现了不需要训练样本集，特别适用于晶圆生产的初期与小批量特定类型的晶圆的表面缺陷检测，效率较人工显著提高，对特定类型检测有着重要的指导意义。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	喻志勇;王进;郑涛;陆国栋
专利状态：	有效
申请日期：	2019-06-17T00:00:00+0800
发布日期：	2019-09-27T00:00:00+0800
申请号：	CN201910524321.4
公开号：	CN110286126A
代理机构：	杭州浙科专利事务所(普通合伙)
代理人：	吴秉中
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	315400 浙江省宁波市余姚市凤山街道冶山路479号科创大厦12楼
主权项：	1.一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，该方法包括：基于微距定焦镜头持续曝光与全局扫描方式得到矩形晶圆原始彩色图像，晶圆为白色背景；根据晶圆缺陷种类的特点将晶圆原彩色图像分割成3个研究区域，即外轮廓区、氧化膜区、晶粒区；所述外轮廓区的缺陷检测分为粗检与精检；所述外轮廓粗检步骤：晶圆原彩色图像的去背景操作，先采用中值滤波去除掉孤立的干扰点，再遍历背景的所有像素记录RGB灰度值中最小的点对应的灰度值，根据对应的灰度值设置线性变换系数；将RGB彩色晶圆图像转换为灰度图像，然后进行二值化得到二值图，并进行最外层轮廓提取，同时计算最外层轮廓包围的面积，若在设定的阈值范围内则进行精检；所述精检的方法为基于粗检中的二值图像确定晶圆的倾斜角度与图像中晶圆的几何中心，绕着图像中晶圆的几何中心旋转使得晶圆的竖直边与图像的底边垂直，进行轮廓提取同时再提取水平与竖直边缘，并计算水平与竖直边的长度同时与阈值作比较，小于阈值则外轮廓没有缺陷；进行氧化膜缺陷的检测，基于氧化膜所包围的轮廓线周长，对于粗检得到的二值图像进行全局轮廓提取，依据没有外轮廓缺陷晶圆的四个角点，基于角点的坐标对全局轮廓图像进行切割，得到仅有氧化膜轮廓线为最外层轮廓的图像，对该轮廓图像求最外层轮廓包围周长并与阈值比较即可判断氧化膜缺陷；进行晶粒区的缺陷检测，对于粗检得到的二值图像进行全局轮廓提取，依据没有外轮廓缺陷晶圆的四个角点，基于角点的坐标对全局轮廓图像进行切割，得到仅含有晶粒区特征的轮廓线图像，对图像求全局外层轮廓包围周长并与阈值比较即可判断是否与晶粒区缺陷。 2.根据权利要求1所述的一种一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于所述的氧化膜缺陷的检测中，基于角点的坐标对全局轮廓图像进行切割，即左上角的点a横纵坐标+15；左下角的点b横坐标+15，纵坐标-15；右上角的点c横坐标-15，纵坐标+15；右下角的点d横坐标-15，纵坐标-15，值可以根据批次的不同可以调整；在晶粒区的缺陷检测中，基于角点的坐标对全局轮廓图像进行切割方法为左上角的点a横纵坐标+75；左下角的点b横坐标+75，纵坐标-75；右上角的点c横坐标-75，纵坐标+75；右下角的点d横坐标-75，纵坐标-75，值可以根据批次的不同可以调整。 3.根据权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，彩色背景进行中值滤波，中值滤波后遍历所有像素找到3通道中灰度值最小的值pixel(x,y)；pixel(x,y)与255求商得到一对比度增强系数如公式(2)所示，基于图像处理中的线性处理变换公式g(x,y)＝αf(x,y)+β做全局处理，具体如公式(1)所示， IBGR(i,j)＝(fB(i,j),fG(i,j),fR(i,j)) (4) 其中fb(i,j)、fg(i,j)、fr(i,j)分别表示原始图像中对应的像素值蓝色、绿色、红色通道灰度值；fB(i,j)、fG(i,j)、fR(i,j)分别表示处理后的图像中对应的像素值蓝色、绿色、红色通道灰度值；表示对比度增强系数。 4.根据权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，所述外轮廓缺陷检测粗检中，外轮廓提取是基于梯度，采用Canny边缘检测算子，二维空间的Canny使用的一阶梯度算子对于二维连续数据若有函数f(x,y)，可以分别求得x，y方向上的偏导数gx、gy：梯度的大小和方向可表示为：梯度的大小和方向计算可简化表示为： M(x,y)≈\|gx\|+\|gy\| (9) 方向为： 5.根据权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，外轮廓缺陷检测精检中，旋转的中心是图像中晶圆的中心而非图像的中心；基于形态学操作提取晶圆的水平与竖直边缘，水平边的结构元素为水平结构，竖直边的结构元素为竖直结构；分别对提取出来的每条独立直线段求解长度，并与标准阈值比较；若得到的水平边与竖直边对应的长度小于固定的阈值则说明外轮廓完好没有缺陷的存在。 6.如权利要求5所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，外轮廓缺陷检测精检中，旋转的中心是图像中晶圆的中心而非图像的中心；任意角度图像垂直化的实现步骤包括：根据任意输入图像可以计算出晶片的顶边a1，得到a1边上等距分布的11个点的坐标分别为b1,b2,b3,b4,b5,b6,b7,b8,b9,b10,b11，根据以上的点拟合出对应边的直线方程，根据方程得出a1边对应直线的倾斜角α1∈[0,90)，同理可求出其他三边a2，a3，a4对应边的直线方程分别为la2，la3andla4， la1＝fitting(b1,b2,b3,b4,b5,b6,b7,b7,b8,b9,b10,b11) (11) 根据la1，la3与la4，la2，la3与la4直线方程，分别求出它们的交点坐标x，y值，从小到大排序标记为点A,B,C,D，根据点A和点C的坐标求出晶片的旋转几何中心点坐标记为O1，几何中心点的x，y坐标的求解方式为： xO1＝(yC-yA)/2+yA (13) yO1＝(xC-xA)/2+xA (14) 令按逆时针旋转为正方向，顺时针方向旋转为负方向，则旋转方向可确定为， (1)0°≤α1≤45° Angle of rotation＝-α1 (15) (2)45°＜α1＜90° Angle of rotation＝(90-α1)。 (16) 7.如权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，所述缺陷的检测步骤，只有在外轮廓区没有缺陷条件下才进行氧化膜区缺陷的检测，只有在氧化膜区没有缺陷条件下才进行晶粒区的缺陷检测；只有当粗检合格的条件下才进行精检。 8.根据权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，所述的外轮廓缺陷检测粗检中二值化处理采用固定阈值二值化，所述中值滤波采用长度为3宽度为1的结构元素进行中值滤波。 9.根据权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，所述的所述外轮廓缺陷检测粗检中，外轮廓提取的轮廓信息包括最外轮廓、氧化膜轮廓和晶粒区缺陷特征的轮廓，所述氧化膜轮廓可直接用于氧化膜区缺陷的检测，所述晶粒区缺陷的轮廓可直接用于晶粒区缺陷的检测。 10.根据权利要求1所述的一种基于视觉图像的晶圆表面缺陷分区域检测方法，其特征在于，所述的RGB彩色晶圆图像转换为灰度图像转换的方式为3通道平均取值，即I(x,y)＝1/3R(x,y)+1/3G(x,y)+1/3*B(x,y)。
所属类别：	发明专利