[发明专利]检测方法以及检测装置、电子设备和存储介质

说明书

本发明实施例提供一种检测方法以及检测装置、电子设备和存储介质，所述检测方法包括：提供版图图形和扫描图形；将所述版图图形与所述扫描图形重合并进行对比，提取样本非重叠图案；对所述样本非重叠图案进行编码，形成样本编码数据；将所述样本编码数据作为所述机器学习的输入数据，获得检测模型库；利用所述检测模型库检测待测器件的缺陷点。本发明是实力可以提高缺陷点分析的准确率，从而加快工艺技术发展和提高生产效率。

技术领域

本发明涉及半导体制造领域，特别涉及一种检测方法以及检测装置、电子设备和存储介质。

背景技术

近几年来，随着半导体制造技术的不断进步，最小特征尺寸越来越小，图形密度进一步提高。相应地，半导体芯片厂在开发新一代技术初期，容易发现更多的缺陷。

现有方法会采用一些让计算机自动发现缺陷的模式，例如：只能比较晶圆图像和其版图设计之间非常有限的差异，但是无法对它们进行全面的分析，因此结果通常并不理想，其中很多缺陷点是由随机缺陷或不良工艺造成的，同时还会漏掉一些真正的缺陷点。

因此，迫切需要一种快速、准确的方法来发现和分析这些缺陷点，以加快工艺技术的发展和提高产量。

发明内容

本发明实施例提供一种检测方法以及检测装置、电子设备和存储介质，能够提高快待测器件缺陷点的检测准确率。

为解决上述问题，本发明实施例提供一种检测方法，包括：提供版图图形和扫描图形；将所述版图图形与所述扫描图形重合并进行对比，提取样本非重叠图案；对所述样本非重叠图案进行编码，形成样本编码数据；将所述样本编码数据作为所述机器学习的输入数据，获得检测模型库；利用所述检测模型库检测待测器件的缺陷点。

可选地，所述机器学习算法包括卷积神经网络学习方法。

可选地，所述版图图形为样本器件的版图图形，所述扫描图形为样本器件的扫描图形，以建立初始的检测模型库。

可选地，所述版图图形为待测器件的版图图形，所述扫描图形为待测器件的扫描图形，以更新所述检测模型库。

可选地，所述获取样本器件的扫描图形或所述获取所述待测器件的扫描图形的方法包括：利用电子显微镜进行扫描。

可选地，将所述版图图形与所述扫描图形重合并进行对比，提取样本非重叠图案的步骤包括：将所述版图图形与所述扫描图形重合设置，对重合后的图形进行异或运算。

可选地，将所述版图图形与所述扫描图形重合并进行对比，提取样本非重叠图案的步骤还包括：通过图形提取规则对样本非重叠图案进行消除干扰处理。

可选地，所述图形提取规则为：长边设置处理范围为设计特征尺寸的9-11％，短边设置处理范围为35～45nm。

可选地，所述样本编码数据为多维数据矩阵。

可选地，所述样本编码数据为二维数据矩阵，所述样本编码数据格式为m*n*t，其中，m*n代表矩阵大小，t代表通道数。

可选地，所述样本非重叠图案为灰度图案，所述t为1。

可选地，所述待测器件为掩膜版或形成有图形的晶圆。

相应地，本发明实施例还提供一种检测装置，包括：获取模块，用于版图图形和扫描图形；提取模块，用于将所述版图图形与所述扫描图形重合并进行对比，提取样本非重叠图案；编码模块，用于对所述样本非重叠图案进行编码形成样本编码数据机器学习模块，用于将所述样本编码数据作为所述机器学习的输入数据，获得检测模型库；检测模块，用于利用所述检测模型库检测待测器件的缺陷点。

可选地，所述机器学习模块为基于卷积神经网络进行机器学习的模块。

可选地，所述待测器件为掩膜版或形成有图形的晶圆。