[发明专利]晶圆表面缺陷检测方法和设备

说明书

提供晶圆表面缺陷检测方法和设备。该方法包括接收针对第一工艺处理的晶圆表面的图像；和将接收的图像输入针对第一工艺处理的第一晶圆表面缺陷检测模型以检测晶圆表面的缺陷，其中，第一晶圆表面缺陷检测模型是通过如下处理来训练得到的：基于针对各个工艺处理采集的晶圆表面的多幅第一样本图像以及针对每幅第一样本图像标记的缺陷来对基于深度学习的模型进行训练以获得预训练模型；和基于针对第一工艺处理采集的晶圆表面的多幅第二样本图像以及针对每幅第二样本图像标记的缺陷调整预训练模型的至少部分模型参数。由此充分利用晶圆缺陷图像大数据的普遍性信息，同时考虑在不同制造工艺处理中的晶圆缺陷数据的特异性，提供了鲁棒的缺陷检测模型。

技术领域

本发明涉及半导体制造加工领域，具体地，涉及晶圆表面缺陷检测。

背景技术

在半导体制造加工过程中，晶圆经受一系列半导体制造工艺处理形成极微小的电路结构，再经过切割、封装、测试形成为芯片。通常，晶圆会经过例如光刻过程、蚀刻过程、淀积过程、离子注入、扩散工艺、抛光过程等多个工艺的处理。

在经过每个工艺的处理之后，不可避免地可能在晶圆表面的相应层中引入诸如异物、划痕、缺失等缺陷，在制造工艺流程中检测晶圆表面以便及时发现上述缺陷并且识别缺陷的类别对于找到缺陷原因以及成品质量控制都是有意义的。为此，在不同的工艺处理之间，晶圆被引入扫描机台以有针对性地获得针对不同工艺处理的图像，基于这些图像能够检测晶圆表面上的缺陷，进而获得针对不同工艺处理的晶圆缺陷图像。

通常，能够通过人工观察这些图像来检测晶圆表面的缺陷，尤其是对缺陷进行分类。但是，由于半导体制造工艺流程的复杂性，在对晶圆的处理过程中出现的缺陷可能是各种各样的，这给人工检测带来了难度。并且，识别不同类型的缺陷在很大程度上取决于检查人员的专业知识水平，而不同检查人员的专业知识水平往往是参差不齐的。

发明内容

期望提供改进的晶圆表面缺陷检测方法和设备，其基于深度学习技术，不仅充分利用了晶圆缺陷图像大数据的普遍性信息，还考虑了晶圆的不同制造工艺处理中的缺陷图像数据的特异性信息。

根据本发明的一个方面，提供一种晶圆表面缺陷检测方法。该方法包括接收针对第一工艺处理的晶圆表面的图像；和将针对所述第一工艺处理的所述图像输入针对所述第一工艺处理的第一晶圆表面缺陷检测模型，并输出分类结果，所述分类结果标识所述晶圆表面的缺陷，其中，所述第一晶圆表面缺陷检测模型是通过如下处理来训练得到的：基于针对各个工艺处理采集的晶圆表面的多幅第一样本图像以及针对每幅第一样本图像标记的缺陷来对基于深度学习的模型进行训练以获得预训练模型；和基于针对所述第一工艺处理采集的晶圆表面的多幅第二样本图像以及针对每幅第二样本图像标记的缺陷调整所述预训练模型的至少部分模型参数。

通过首先采用针对各个工艺处理的所有晶圆表面图像样本来进行训练以获得预训练模型，然后再有针对性的采用针对第一工艺处理的图像样本来调整预训练模型的至少部分模型参数，充分利用了晶圆缺陷图像大数据的普遍性信息，保证了训练样本数据的足够数量，还考虑了晶圆的不同制造工艺处理中的缺陷图像数据的特异性信息，由此提供了有针对性并且鲁棒的缺陷检测模型。

可选地，所述多幅第二样本图像是基于标记其中缺陷的技术人员的信息而从所述多幅第一样本图像中选择的。由此可以选择技术水平相对高的技术人员标注的样本图像来进行模型参数的调整，从而进一步提高模型的鲁棒性。

可选地，缺陷检测方法还包括接收针对第二工艺处理的晶圆表面的图像；和将针对所述第二工艺处理的所述图像输入针对所述第二晶圆表面缺陷检测模型，并输出相应的分类结果，所述相应的分类结果标识针对所述第二工艺处理的所述晶圆表面的缺陷，其中，所述第二晶圆表面缺陷检测模型是通过基于针对所述第二工艺处理采集的晶圆表面的多幅第二样本图像以及针对每幅第二样本图像标记的缺陷调整所述预训练模型的至少部分模型参数来训练得到的。实现了针对不同工艺处理的晶圆表面的针对性缺陷检测。