[发明专利]一种基于ART神经网络的晶圆缺陷检测方法

说明书

本发明公开一种基于ART神经网络的晶圆缺陷检测方法，该基于ART神经网络的晶圆缺陷检测方法，包括以下步骤：获取基于ART神经网络的缺陷检测模型并保存；获取扫描电镜采集的晶圆图像，并输入至所述缺陷检测模型；利用所述缺陷检测模型检测所述晶圆图像的缺陷及缺陷类型。该方法采用计算机视觉方式，通过基于ART神经网络的缺陷检测模型来检测晶圆缺陷，可以提高检测效率，有利于及时分析影响芯片良率的因素。

技术领域

本发明涉及集成电路技术领域，具体涉及一种基于ART(Adaptive ResonanceTheory，自适应共振理论)神经网络的晶圆缺陷检测方法及系统。

背景技术

芯片是各种技术的硬件基础，在芯片的制造过程中，每道工序流程对晶圆的处理都可能会产生一些缺陷，这些缺陷可能会造成芯片无法正常工作，如果依靠人工检测缺陷，效率低下。而随着芯片尺寸的不断减小，芯片制造工艺越来越复杂，晶圆缺陷的种类和数量也越来越多，所以亟需在芯片制造过程中快速的检测晶圆缺陷，从而及时分析影响芯片良率的因素。

发明内容

基于此，本发明提供一种基于ART神经网络的晶圆缺陷检测方法及系统，可以提高晶圆缺陷检测效率。

第一方面，提出一种基于ART神经网络的晶圆缺陷检测方法，包括以下步骤：

获取基于ART神经网络的缺陷检测模型并保存；

获取扫描电镜采集的晶圆图像，并输入至所述缺陷检测模型；

利用所述缺陷检测模型检测所述晶圆图像的缺陷及缺陷类型。

在其中一个实施例中，所述获取扫描电镜采集的晶圆图像的步骤包括：

获取晶圆制备过程中扫描电镜采集的所述晶圆每一层的图像，所述晶圆每一层的图像指晶圆每一层上表面的图像；

获取扫描电镜采集的结束制备的晶圆的整个侧面的图像；

将获取到的各个图像平铺以进行第一合并，所述第一合并的晶圆图像中的各层晶圆图像的平铺顺序与制备的先后顺序一致，用于输入所述缺陷检测模型的晶圆图像包括所述第一合并的晶圆图像。

在其中一个实施例中，所述获取扫描电镜采集的晶圆图像的步骤还包括：

将获取到的所述晶圆的每一层图像进行叠加，从而实现第二合并，所述第二合并的晶圆图像中的各层晶圆图像的叠加顺序与制备的先后顺序一致，用于输入所述缺陷检测模型的晶圆图像包括所述第一合并的晶圆图像以及所述第二合并的晶圆图像。

在其中一个实施例中，所述基于ART神经网络的缺陷检测模型包括以下训练步骤：

构建ART神经网络结构；

获取有缺陷的晶圆样本图像和无缺陷的晶圆样本图像，并分别打上有缺陷标签和无缺陷标签，为各个缺陷的晶圆样本图像，并为各个样本图像打上缺陷类型的标签；

将各个样本图像输入到ART神经网络结构进行训练，扩大不同缺陷类型样本图像间特征差异性，减少相同缺陷类型的样本图像之间的特征差异性，不断调整模型的参数直到收敛，结束训练，从而得到所述缺陷检测模型；

当缺陷类型发生更新，获取包含新缺陷类型的样本图像，返回所述将各个样本图像输入到缺陷检测模型进行训练的步骤；或者，在利用所述基于ART神经网络的缺陷检测模型检测缺陷的类型时，当输入的采集的晶圆图像的为新的缺陷类型时，将采集的的晶圆图像作为样本图像输入到缺陷检测模型进行训练。