[发明专利]一种晶圆的缺陷分析方法和系统

权利要求书

1.一种晶圆的缺陷分析方法，其特征在于，包括以下步骤：

建立晶圆的缺陷自动识别系统；

收集所述晶圆的各种缺陷的致死率数据，形成致死率计算库；

根据所述缺陷自动识别系统，对机台扫描的晶圆表面缺陷样本图片进行自动识别分类；以及

根据所述致死率计算库，对分类后的所述晶圆表面缺陷样本图片进行计算分析；

形成分析结论和/或参考决策的数据信息。

2.如权利要求1所述的晶圆的缺陷分析方法，其特征在于，所述缺陷自动识别系统的建立步骤包括：

收集各种类型的晶圆表面缺陷图片数据；

对所述晶圆表面缺陷图片数据进行预处理，并根据缺陷种类分类标注处理；

形成缺陷识别模型，并利用神经网络方法进行参数训练。

3.如权利要求2所述的晶圆的缺陷分析方法，其特征在于，形成所述致死率计算库的步骤包括：

收集所述晶圆在当前芯片区域的缺陷信息，所述当前芯片区域包括中心芯片区域、第一相邻芯片区域和第二相邻芯片区域，所述第一相邻芯片区域和所述第二相邻芯片区域交错地设置在所述中心芯片区域的外周；

分别统计所述中心芯片区域、以及所述第一相邻芯片区域和所述第二相邻芯片区域的良率损失情况，计算出相应的致死率数据；

当前缺陷的致死率计算库为：所述中心芯片区域、所述第一相邻芯片区域和所述第二相邻芯片区域的致死率分别乘以对应区域的缺陷数量，求和后再除以所述当前芯片区域总的缺陷数量。

4.如权利要求2所述的晶圆的缺陷分析方法，其特征在于，根据所述缺陷自动识别系统，对所述晶圆表面缺陷样本图片进行自动识别分类的步骤包括：

对识别错误或未分类的所述晶圆表面缺陷样本图片进行重新标注缺陷类别信息，并进行所述缺陷识别模型的参数训练。

5.如权利要求4所述的晶圆的缺陷分析方法，其特征在于，对所述晶圆表面缺陷样本图片进行自动识别分类的步骤还包括：

将辨识准确的所述晶圆表面缺陷样本图片反馈给所述缺陷识别模型；

通过所述缺陷识别模型，对辨识准确的所述晶圆表面缺陷样本图片进行样本收集并根据缺陷种类添加样本标签；

对所述缺陷识别模型进行参数训练；

导出所述样本标签中的模型参数。

6.如权利要求1所述的晶圆的缺陷分析方法，其特征在于，对分类后的所述晶圆表面缺陷样本图片进行计算分析的内容包括：

计算每片所述晶圆的总缺陷数量是否超过设定基准线；

计算每片所述晶圆的预计良率损失数据；

计算所述晶圆上的每种缺陷不同密度、不同尺寸的致死率数据；

收集所述晶圆的缺陷信息及过站信息，以进行机台差异性分析处理；

进行良品率特殊形状的晶圆图像的识别。

7.如权利要求6所述的晶圆的缺陷分析方法，其特征在于，计算所述晶圆上的每种缺陷不同密度、不同尺寸的致死率数据的步骤包括：

收集晶圆的缺陷信息；

对所述晶圆上每种缺陷的缺陷尺寸或缺陷密度信息进行分组计算；

得到缺陷尺寸或缺陷密度的分组标准，并统计不同缺陷尺寸或缺陷密度的缺陷数量；

在不同缺陷尺寸或缺陷密度的分组标准下，计算缺陷的致死率。

8.如权利要求7所述的晶圆的缺陷分析方法，其特征在于，对所述缺陷尺寸或缺陷密度信息进行分组计算的步骤包括：

随机选取k个点，作为聚类中心，其中，k＜10；

计算每个点分别到k个聚类中心的聚类；

将该点分到最近的聚类中心，这样就形成了k个簇；

重新计算每个簇的质心；

重复所述重新计算每个簇的质心的步骤2-4次，直到所述质心的位置不再发生变化或者达到设定的迭代次数；

得到最佳分组的k值，并给出每个组的数值范围。