[发明专利]一种晶圆缺陷识别方法及装置

权利要求书

1.一种晶圆缺陷识别方法，其特征在于，包括以下步骤：

从芯片测试数据中获取每颗芯片在晶圆上的坐标位置以及每颗芯片的测试结果，根据芯片坐标为每片晶圆生成一个二维矩阵，矩阵中每个位置的值是对应芯片的测试结果值；

将晶圆分别横向和纵向等间距划分为K份，将边缘弧形区域合并成上下左右4块，其余中间部分构成(K-2)*(K-2)块，共获得(K-2)*(K-2)+4块区域，对于每块区域，基于二维矩阵中记载的每个位置处对应芯片的测试结果计算该区域芯片坏品数量在该区域中总芯片数量的占比，获得(K-2)*(K-2)+4个区域特征值；

对晶圆应用拉东变换，获得一个新的二维矩阵，对新的二维矩阵的每一行取均值R_μ，得到一个均值数组，对该均值数组应用插值后，等间距从中抽取若干个值，获得拉东变换特征值；

针对晶圆上的每个坏芯片，找出同为坏品且位置相邻的最大连通区域，基于最大连通区域的几何特性计算几何特征值；

根据提取出的区域特征值、拉东变换特征值、几何特征值，利用一种或多种经过训练的机器学习模型来判断晶圆缺陷类别。

2.根据权利要求1所述的晶圆缺陷识别方法，其特征在于，所述方法在根据芯片坐标为每片晶圆生成一个二维矩阵后，对二维矩阵数据应用中值滤波，消除孤立的噪声点，再进行每一行的运算。

3.根据权利要求1所述的晶圆缺陷识别方法，其特征在于，所述方法在获得拉东变化特征值时，对新的二维矩阵的每一行取标准差R_δ，得到一个标准差数组，对该标准差数组应用插值后，等间距从中抽取若干个值，与基于均值数组抽取的若干个值融合，形成拉东变换特征值。

4.根据权利要求1所述的晶圆缺陷识别方法，其特征在于，基于最大连通区域计算的几何特征包括以下至少一项：最大连通区域的面积与晶圆面积的比值、最大连通区域的周长与晶圆周长的比值、最大连通区域的周长与最大连通区域的面积的比值、最大连通区域的质心坐标到晶圆中心的相对距离与晶圆半径的比值、最大连通区域内距离晶圆中心最大的三个位置的平均距离与晶圆半径的比值、最大连通区域内距离晶圆中心最小的三个位置的平均距离与晶圆半径的比值。

5.根据权利要求1所述的晶圆缺陷识别方法，其特征在于，利用机器学习模型来判断晶圆缺陷类别时，若有任一种机器学习模型识别为晶圆缺陷，则判定晶圆存在缺陷，并进行芯片产品的良率、缺陷原因的分析。

6.一种晶圆缺陷识别装置，其特征在于，包括：

数据准备模块，用于从芯片测试数据中获取每颗芯片在晶圆上的坐标位置以及每颗芯片的测试结果，根据芯片坐标为每片晶圆生成一个二维矩阵，矩阵中每个位置的值是对应芯片的测试结果值；

区域特征提取模块，用于将晶圆分别横向和纵向等间距分割成K份，将边缘弧形区域合并成上下左右4块，其余中间部分构成(K-2)*(K-2)块，共获得(K-2)*(K-2)+4块区域，对于每块区域，基于二维矩阵中记载的每个位置处对应芯片的测试结果计算该区域芯片坏品数量在该区域中总芯片数量的占比，获得(K-2)*(K-2)+4个区域特征值；

拉东变换特征提取模块，用于对晶圆应用拉东变换，获得一个新的二维矩阵，对新的二维矩阵的每一行取均值R_μ，得到一个均值数组，对该均值数组应用插值后，等间距从中抽取若干个值，获得拉东变换特征值；

几何特征提取模块，用于针对晶圆上的每个坏芯片，找出同为坏品且位置相邻的最大连通区域，基于最大连通区域的几何特性计算几何特征值；以及

缺陷识别模块，用于根据提取出的区域特征值、拉东变换特征值、几何特征值，利用一种或多种经过训练的机器学习模型来判断晶圆缺陷类别。

7.根据权利要求6所述的晶圆缺陷识别装置，其特征在于，所述拉东变换特征提取模块在获得拉东变化特征值时，对新的二维矩阵的每一行取标准差R_δ，得到一个标准差数组，对该标准差数组应用插值后，等间距从中抽取若干个值，与基于均值数组抽取的若干个值融合，形成拉东变换特征值。