[发明专利]基于人工智能的集成电路晶圆表面缺陷检测方法

权利要求书

1.基于人工智能的集成电路晶圆表面缺陷检测方法，其特征在于，包括：

获取待检测晶圆表面图像；

利用算子分别计算待检测晶圆表面图像和标准晶圆表面图像中每个像素点的梯度变化量，根据梯度变化量进行编码分别得到待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码；

根据待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码计算待检测晶圆表面图像与标准晶圆表面图像的梯度相似度；

根据梯度相似度和缺陷阈值对待检测晶圆表面图像进行区域划分，将每个区域对应的梯度相似度作为该区域的异常程度；

根据每个像素点及该像素点所在区域中每个像素点的灰度值计算该像素点的像素特征值，根据每个区域中每个像素点的像素特征值计算每个区域的区域特征值；

利用每个区域中每个像素点的像素特征值所出现的频率计算每个区域的疑似缺陷程度；

利用各区域特征值的频率构建特征直方图，利用每个区域的疑似缺陷程度对特征直方图进行划分得到不同类型的直方图区域；

利用得到的不同类型的直方图区域对待检测晶圆表面图像进行自适应增强得到自适应增强后的待检测晶圆表面增强图像；

对待检测晶圆表面增强图像进行边缘检测得到待检测晶圆的缺陷区域。

2.根据权利要求1所述的基于人工智能的集成电路晶圆表面缺陷检测方法，其特征在于，所述根据梯度变化量进行编码分别得到待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码的方法如下：

设置八邻域方向上的码元；

若该像素点的梯度变化量在八邻域方向的某一方向上的梯度幅值发生了变化，则将此方向上的梯度作为该像素点梯度的改变方向，根据梯度变化方向的码元进行编码；

若该像素点的梯度变化量在八邻域方向的梯度幅值变化相同，则以0作为该像素点的码元；

根据上述方法对待检测晶圆表面图像和标准晶圆表面图像进行编码得到待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码。

3.根据权利要求1所述的基于人工智能的集成电路晶圆表面缺陷检测方法，其特征在于，所述根据待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码计算待检测晶圆表面图像与标准晶圆表面图像的梯度相似度的过程如下：

对待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码进行匹配，根据匹配结果计算待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码之间的差异程度，将得到的差异程度作为待检测晶圆表面图像和标准晶圆表面图像的梯度相似度，待检测晶圆表面图像与标准晶圆表面图像的梯度相似度的计算公式如下：

式中：表示检测晶圆表面图像与标准晶圆表面图像的梯度相似度，为待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码的码长差异度，表示待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码中最小的码长差异度，表示待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码中最大的码长差异度。

4.根据权利要求3所述的基于人工智能的集成电路晶圆表面缺陷检测方法，其特征在于，所述待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码的码长差异度的计算方法为：

待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码的码长差异度的计算公式如下：

式中：表示待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码中最短的异常链码的码元长度，表示标准晶圆表面图像的梯度变化链码的第个码段的长度，表示待检测晶圆表面图像的梯度变化链码的第个码段的长度；

上述码段的划分方法为：利用待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码的匹配结果分别对待检测晶圆表面图像的梯度变化链码和标准晶圆表面图像的梯度变化链码进行码段划分，以匹配结果中的异常链码为界限，将梯度变化链码划分为异常链码和正常链码。