[发明专利]一种晶圆低纹理缺陷的检测方法

权利要求书

1.一种晶圆低纹理缺陷的检测方法，其特征在于，包括：

采集待检测晶圆表面灰度图像；

将待检测晶圆表面灰度图像划分为多个大小相同的区域，根据每个区域像素点的灰度值均值和灰度值方差得到每个区域与其纵向相邻区域之间结构相似性；

根据每个区域与其纵向相邻区域之间的结构相似性和每个区域像素点灰度累加值与其纵向相邻区域像素点的灰度累加值的差异得到每个区域与其纵向相邻区域之间的整体相似性；

根据每个区域与其纵向相邻区域之间的整体相似性得到整体相似性矩阵；

对整体相似性矩阵中的整体相似性数据进行密度聚类，若聚类结果只有一类整体相似性数据，则待检测晶圆不存在缺陷，若聚类结果不止一类整体相似性数据，则待检测晶圆存在缺陷；

若待检测晶圆存在缺陷，则计算聚类结果中每类整体相似性数据的均值，根据均值大小筛选出异常整体相似性数据；

根据异常整体相似性数据在整体相似性矩阵中的位置得到异常整体相似性数据对应的区域；

获取异常整体相似性数据对应的区域中每个晶粒的每个像素点灰度值和标准晶圆中对应位置晶粒的像素点灰度值的差值构建灰度值差异矩阵；

根据灰度值差异矩阵得到异常整体相似性数据对应的区域中每个晶粒的差异程度，根据差异程度对每个晶粒进行缺陷检测；

所述根据差异程度对每个晶粒进行检测的具体方法为：

若当前晶粒的差异程度大于等于，为异常晶粒；

若当前晶粒的差异程度小于，为正常晶粒，为差异程度阈值。

2.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法，其特征在于，所述每个区域与其纵向相邻区域之间结构相似性的计算方法为：

式中，为区域和纵向相邻的区域的结构相似性，为待检测晶圆表面灰度图像中位于第行，第列的区域，为待检测晶圆表面灰度图像中位于第行，第列的区域，即与纵向相邻的区域，为区域像素点的灰度均值，为区域像素点的灰度均值，为区域像素点灰度值的方差，为区域像素点灰度值的方差，为区域和区域像素点灰度值的协方差，,，是所有区域和其纵向相邻区域的结构相似性中的最大值。

3.根据权利要求2所述的一种晶圆低纹理缺陷的检测方法，其特征在于，所述每个区域与其纵向相邻区域之间的整体相似性的计算方法为：

式中，为区域的像素点灰度值的累加值和区域的像素点灰度值的累加值的差值，为区域和区域的整体相似性。

4.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法，其特征在于，所述筛选出异常整体相似性数据的方法为：

将均值最小的一类整体相似性数据作为正常数据，其余都为异常整体相似性数据。

5.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法，其特征在于，所述异常整体相似性数据对应的区域中每个晶粒的差异程度的获取方法为：

利用异常整体相似性数据对应的区域中每个晶粒的每个像素点的灰度值和标准晶圆中对应位置晶粒的每个像素点的灰度值的差值构建灰度差异值矩阵；

计算灰度值差异矩阵的均值；

获取异常区域中每个晶粒的灰度值异常矩阵中最大值和最小值的差；

则异常整体相似性数据对应的区域中每个晶粒的差异程度为：

式中，为每个晶粒的差异程度。