[发明专利]一种晶圆表面缺陷模式检测与分析方法

说明书

本发明提出了一种晶圆表面缺陷模式检测与分析方法，该方法能够检测出晶粒的表面缺陷，并判断缺陷晶粒的分布模式及缺陷模式成因。本方法属于晶圆生产制造过程中的缺陷检测领域，旨在解决目前的缺陷检测方法中存在的人工劳动强度大、检测效率低等问题。具体流程包括：获取晶粒图像，通过机器视觉方法生成晶圆缺陷模式图；构建并训练晶圆缺陷模式检测模型与分类模型，检测模型用于判断晶圆是否存在缺陷模式，分类模型用于判断具体的缺陷模式类别；最后根据相似性度量算法在数据库中检索出与待测样本最相似的已标记样本，通过分析已知样本的缺陷模式成因，推断待测样本的缺陷模式成因。

技术领域：

本发明属于晶圆生产制造过程中的缺陷检测领域。具体涉及一种对晶圆表面缺陷采用机器视觉方法进行检测、判断缺陷模式类型并分析缺陷模式成因的方法。

背景技术

集成电路是当今信息技术产业高速发展的基础和源动力，已经高度渗透与融合到国民经济和社会发展的每个领域，其技术水平和发展规模已成为衡量一个国家产业竞争力和综合国力的重要标志之一。近年来，我国不断推出产业政策和方针计划推动并指引集成电路产业的发展。集成电路的生产制造有着非常复杂的流程，其中，晶圆作为制造芯片的主要材料，其表面缺陷是影响产品良率的主要障碍。通过检测晶圆表面缺陷，不仅能发现有缺陷的晶粒，还能根据缺陷晶粒的分布模式判断工艺流程中存在的故障，便于工程师进行工艺改良。目前，晶圆缺陷检测主要分为两类：通过探针测试检测晶粒的电气性能和通过人工目检检测晶圆表面的缺陷，两种方式生成晶圆缺陷模式图后由经验丰富的工程师判断缺陷模式成因。人工目检的方式效率低、速度慢、劳动强度大，亟需一种能够自动检测晶圆表面缺陷并判断缺陷模式成因的方法。

针对晶圆缺陷模式检测与分析，早期采用的是基于统计分析的方法，比如缺陷密度分布的估计、缺陷聚类分析等。这些方法往往只集中于缺陷模式的统计分析，无法对缺陷模式进行具体的分类。模板匹配也曾广泛用于晶圆缺陷模式检测与分析中，该方法是一种像素层面的图像比较算法，通过建立不同表面缺陷模式的标准模板库，用待检测样本与模板进行匹配对比，进而判断缺陷类型。但这种方法在建立标准库时只能依赖已有的表面缺陷样本，而同一模式的表面缺陷间也会存在较大的形态变化，表面缺陷样本并不能反应所有的表面缺陷模式。近些年来，机器学习方法在晶圆表面缺陷模式分析领域有了广泛应用，例如最近邻、支持向量机、BP神经网络等等。但这些方法都具有复杂的特征工程，需要人工提取晶圆缺陷模式图特征，分类准确率低。同时，以上方法仅局限于晶圆缺陷模式分类，而在每种缺陷模式下，晶圆的根本缺陷成因不同，以上方法无法分析缺陷模式成因。

发明内容

本发明主要目的在于提出一种晶圆表面缺陷模式检测与分析方法，该方法能够应用到晶圆生产制造过程中，代替现在人工目检的方式，实现机器自动检测晶圆表面存在缺陷的晶粒，根据缺陷晶粒的分布模式判断晶圆缺陷模式类型并分析缺陷模式成因。本发明旨在解决以下问题：

1.晶圆表面缺陷检测主要通过人工目检生成晶圆缺陷模式图，效率低、速度慢、劳动强度大；

2.目前的晶圆表面缺陷模式分类算法准确率低，且需要人工提取待测晶圆缺陷模式图特征；

3.现有的晶圆缺陷模式检测算法仅局限于缺陷模式分类，而每种类别模式下的缺陷成因并不相同，现有方法无法分析晶圆缺陷模式的根本成因。

为了解决以上问题，本发明提出一种晶圆表面缺陷模式检测与分析方法，该方法首先检测出表面存在缺陷的晶粒，有缺陷的晶粒会在晶圆上聚集成一定的分布模式，本方法涉及的缺陷模式类型包括：Center、Donut、Edge-Loc、Edge-Ring、Loc、Random、Scratch、Near-Full。通过构建的晶圆缺陷模式检测模型判断晶圆上是否存在缺陷模式，若不存在，则为正常晶圆，若存在缺陷模式，再通过分类模型判断具体的缺陷模式类型。最后根据相似性度量算法在数据库中检索出与待测样本最相似的已标记样本，通过分析已知样本的缺陷模式成因，从而推断待测样本的缺陷模式成因。

本发明具体工作流程如下：