[发明专利]一种晶圆低纹理缺陷的检测方法

说明书

本发明涉及图像处理领域，具体涉及一种晶圆低纹理缺陷的检测方法，基于图像处理，采集待检测晶圆表面灰度图像，划分为大小相同的区域，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和其他区域的结构相似性，根据结构相似性和每个区域像素点的灰度累加值得到每个区域和相邻区域之间的整体相似性得到整体相似性矩阵，对矩阵中的整体相似性数据进行密度聚类，根据聚类结果判断晶圆是否存在异常，对存在异常的晶圆获取到异常整体相似性数据对应的区域，根据该区域中晶粒和标准晶粒灰度值构建灰度差异矩阵，根据灰度差异矩阵计算每个晶粒的异常程度，根据异常程度判断晶粒是否异常，方法智能、精准、高效。

技术领域

本申请涉及图像处理领域，具体涉及一种晶圆低纹理缺陷的检测方法。

背景技术

当今世界随着科技的发展，各种终端设备的普及，以及各种设备的层出不穷，对芯片的需求越来越大，而晶圆制造工艺作为芯片的上游基本的供应产业，晶圆的生产质量成为重点关注对象，并且随着集成电路行业的发展对晶圆的质量要求也越来越高。在晶圆生产过程中，由于晶圆生产过程的复杂繁琐，以及晶圆生产的严格要求，在生产过程中会出现各种的缺陷，比如晶粒缺角和晶粒切割不良还有晶粒表面的划痕等等，这些缺陷的存在严重影响晶圆的生产质量，导致后续生产的芯片电学性能降低，同时由于晶粒的特殊性，其含有的纹理特征不明显，常规的缺陷检测方式检测精度不高。

发明内容

本发明提供一种晶圆低纹理缺陷的检测方法，解决晶圆缺陷检测不够精准的问题，采用如下技术方案：

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检测。

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。

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。

所述筛选出异常整体相似性数据的方法为：