[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

说明书

本发明公开了基于人工智能的集成电路晶圆表面缺陷检测方法，涉及缺陷检测领域。包括：获取待检测晶圆表面图像；对像素点的梯度变化量进行编码得到待检测晶圆表面图像和标准晶圆表面图像的梯度变化链码；计算梯度相似度对待检测晶圆表面图像进行区域划分；计算各像素点的像素特征值；根据各特征值的频率计算各区域的疑似缺陷程度；根据疑似缺陷程度对特征直方图进行划分；获取待检测晶圆表面增强图像后进行边缘检测得到待检测晶圆的缺陷区域。本发明通过计算待检测晶圆表面图像的像素点的梯度变化，通过对梯度的变化和灰度差异对待检测图像进行区域划分，对不同缺陷程度的自适应增强提高缺陷的对比度，能够有效提高缺陷检测的精确度。

技术领域

本申请涉及缺陷检测领域，具体涉及基于人工智能的集成电路晶圆表面缺陷检测方法。

背景技术

晶圆的制造过程需要经历例如掺杂、蚀刻、光刻、切割等许多步骤，最后才进行封装，制作成一个集成电路。在这些步骤中，难免会损坏晶圆从而影响后期集成电路性能，因此在完成封装之前检测出不合格晶圆非常重要。

影响晶圆产品是否合格的表面缺陷有很多种，在晶圆片的缺陷种类中，无图案晶圆与图案晶圆是最常见的两种晶圆的形式。晶圆表面冗余物、晶体缺陷、机械损伤（划痕图案）是较为常见的缺陷。冗余物是晶圆表面较为常见的缺陷种类，主要包括纳米级的微小颗粒、微米级的灰尘、相关工序的残留物。随着半导体尺寸越来越小，晶圆的制作越来越精细，在缺陷检测方面存在着细小缺陷和非缺陷难以辨别、缺陷形状和背景图案相似、识别精度低等问题。

现有技术中，通过待测芯片与虚拟层间标准芯片进行比较，当所述待测芯片与标准晶圆存在明显差异时，可以检测出来。由于在晶圆缺陷检测中，要求晶圆在出现被遮挡或者缺角、光照不均的情况下，也能够找到晶圆的位置，基于灰度值的模板匹配算法不能够处理这些类型的干扰；所以此方法的局限性较大，不适用于非固定形状的物体检测，不能检测出晶圆表面的细微缺陷。

发明内容

针对上述技术问题，本发明提供了基于人工智能的集成电路晶圆表面缺陷检测方法，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。

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；