基于云端协同的晶圆检测方法以及系统与流程

摘要: 本发明涉及晶圆的,尤其涉及一种基于云端协同的晶圆检测方法以及系统。背景技术:1、随着半导体制造工艺的飞速发展,晶圆的结构日益复杂,对缺陷检测的精度、实时性及智能...
基于云端协同的晶圆检测方法以及系统与流程

本发明涉及晶圆的,尤其涉及一种基于云端协同的晶圆检测方法以及系统。

背景技术:

1、随着半导体制造工艺的飞速发展,晶圆的结构日益复杂,对缺陷检测的精度、实时性及智能化水平提出了极高的要求。现有技术在进行晶圆检测时,往往采用本地处理或全量上传云端的单一模式,本地处理模式受限于边缘设备的算力资源,难以运行高精度的复杂检测算法,导致检测能力受限;而全量上传云端模式则需要传输海量多模态原始数据,对网络带宽造成巨大压力,且传输延迟高,无法满足工业现场的实时性需求,此外,现有系统缺乏基于边缘设备实时状态的云端算力动态调度策略,导致云端强大的计算资源无法得到充分利用,难以实现整个检测系统资源利用效率的最大化。

技术实现思路

1、本发明的目的在于克服现有技术的不足,本发明提供了一种基于云端协同的晶圆检测方法以及系统。

2、本发明实施例提供了一种基于云端协同的晶圆检测方法,包括:

3、边缘检测设备获取晶圆的多模态检测数据,对多模态检测数据进行轻量化特征提取,从而确定边缘特征数据集,并同步生成对应的边缘状态评估信息,将边缘特征数据集和边缘状态评估信息传输至云端服务器;

4、在云端服务器中,基于边缘状态评估信息执行云端算力调度策略,从而确定当前检测任务的协同决策指令,并利用全局缺陷检测机制对边缘特征数据集进行深度分析,从而生成适配边缘检测设备的定制化检测内容及对应的缺陷样本集;

5、边缘检测设备依据协同决策指令加载定制化检测内容,并执行在线实时检测,从而输出边缘检测结果,同步对缺陷样本集执行云端的复检,进而输出云端复检结果;

6、基于边缘检测结果与云端复检结果的融合而生成对应的晶圆缺陷图谱,将晶圆缺陷图谱和复杂缺陷样本集输入至同一数据空间,在该数据空间中对晶圆在检测过程的参数的协同更新,以完成云端协同检测闭环。

7、本发明实施例提供了一种基于云端协同的晶圆检测系统,所述基于云端协同的晶圆检测系统应用于上述的基于云端协同的晶圆检测方法;所述基于云端协同的晶圆检测系统包括:

8、传输模块,用于边缘检测设备获取晶圆的多模态检测数据,对多模态检测数据进行轻量化特征提取,从而确定边缘特征数据集,并同步生成对应的边缘状态评估信息,将边缘特征数据集和边缘状态评估信息传输至云端服务器;

9、缺陷模块,用于在云端服务器中,基于边缘状态评估信息执行云端算力调度策略,从而确定当前检测任务的协同决策指令,并利用全局缺陷检测机制对边缘特征数据集进行深度分析,从而生成适配边缘检测设备的定制化检测内容及对应的缺陷样本集;

10、复检模块,用于边缘检测设备依据协同决策指令加载定制化检测内容,并执行在线实时检测,从而输出边缘检测结果,同步对缺陷样本集执行云端的复检,进而输出云端复检结果;

11、云端协同模块,用于基于边缘检测结果与云端复检结果的融合而生成对应的晶圆缺陷图谱,将晶圆缺陷图谱和复杂缺陷样本集输入至同一数据空间,在该数据空间中对晶圆在检测过程的参数的协同更新,以完成云端协同检测闭环。

12、与现有技术相比,本发明的有益效果是:

13、(1)边缘检测设备获取晶圆的多模态检测数据,对多模态检测数据进行轻量化特征提取,从而确定边缘特征数据集,并同步生成对应的边缘状态评估信息,将边缘特征数据集和边缘状态评估信息传输至云端服务器;在云端服务器中,基于边缘状态评估信息执行云端算力调度策略,从而确定当前检测任务的协同决策指令,并利用全局缺陷检测机制对边缘特征数据集进行深度分析,从而生成适配边缘检测设备的定制化检测内容及对应的缺陷样本集,充分利用了云端强大的计算资源,实现了整个检测系统资源利用效率的最大化。

14、(2)边缘检测设备依据协同决策指令加载定制化检测内容,并执行在线实时检测,从而输出边缘检测结果,同步对缺陷样本集执行云端的复检,进而输出云端复检结果,确保了在面对不同类型缺陷时均能保持高精度的检测能力,降低了误报率和漏报率。

15、(3)基于边缘检测结果与云端复检结果的融合而生成对应的晶圆缺陷图谱,将晶圆缺陷图谱和复杂缺陷样本集输入至同一数据空间,在该数据空间中对晶圆在检测过程的参数的协同更新,以完成云端协同检测闭环,自适应地应对工艺波动和新型缺陷。

1.一种基于云端协同的晶圆检测方法,其特征在于,包括:

2.根据权利要求1所述的基于云端协同的晶圆检测方法,其特征在于,所述边缘检测设备获取晶圆的多模态检测数据,对多模态检测数据进行轻量化特征提取,从而确定边缘特征数据集,并同步生成对应的边缘状态评估信息,将边缘特征数据集和边缘状态评估信息传输至云端服务器,包括:

3.根据权利要求2所述的基于云端协同的晶圆检测方法,其特征在于,所述边缘检测设备获取晶圆的多模态检测数据,对多模态检测数据进行轻量化特征提取,从而确定边缘特征数据集,并同步生成对应的边缘状态评估信息,将边缘特征数据集和边缘状态评估信息传输至云端服务器,还包括:

4.根据权利要求1所述的基于云端协同的晶圆检测方法,其特征在于,所述在云端服务器中,基于边缘状态评估信息执行云端算力调度策略,从而确定当前检测任务的协同决策指令,并利用全局缺陷检测机制对边缘特征数据集进行深度分析,从而生成适配边缘检测设备的定制化检测内容及对应的缺陷样本集,包括:

5.根据权利要求4所述的基于云端协同的晶圆检测方法,其特征在于,所述在云端服务器中,基于边缘状态评估信息执行云端算力调度策略,从而确定当前检测任务的协同决策指令,并利用全局缺陷检测机制对边缘特征数据集进行深度分析,从而生成适配边缘检测设备的定制化检测内容及对应的缺陷样本集,还包括:

6.根据权利要求1所述的基于云端协同的晶圆检测方法,其特征在于,所述边缘检测设备依据协同决策指令加载定制化检测内容,并执行在线实时检测,从而输出边缘检测结果,同步对缺陷样本集执行云端的复检,进而输出云端复检结果,包括:

7.根据权利要求6所述的基于云端协同的晶圆检测方法,其特征在于,所述边缘检测设备依据协同决策指令加载定制化检测内容,并执行在线实时检测,从而输出边缘检测结果,同步对缺陷样本集执行云端的复检,进而输出云端复检结果,还包括:

8.根据权利要求1所述的基于云端协同的晶圆检测方法,其特征在于,所述基于边缘检测结果与云端复检结果的融合而生成对应的晶圆缺陷图谱,将晶圆缺陷图谱和复杂缺陷样本集输入至同一数据空间,在该数据空间中对晶圆在检测过程的参数的协同更新,以完成云端协同检测闭环,包括:

9.根据权利要求8所述的基于云端协同的晶圆检测方法,其特征在于,所述基于边缘检测结果与云端复检结果的融合而生成对应的晶圆缺陷图谱,将晶圆缺陷图谱和复杂缺陷样本集输入至同一数据空间,在该数据空间中对晶圆在检测过程的参数的协同更新,以完成云端协同检测闭环,还包括:

10.一种基于云端协同的晶圆检测系统,其特征在于,所述基于云端协同的晶圆检测系统应用于如权利要求1-9中任一项所述的基于云端协同的晶圆检测方法;所述基于云端协同的晶圆检测系统包括: