一种在AOI扫描过程中的自动缺陷分类系统及方法与流程
本发明属于半导体封装检测,具体涉及一种在aoi扫描过程中的自动缺陷分类系统及方法,尤其涉及在aoi机台扫描获取晶圆影像数据之后、彩色相机回拍之前,通过双线路并行架构结合ai过滤实现自动缺陷分类的技术。
背景技术:
1、在半导体封装检测中,aoi机台通常先对晶圆进行光学扫描以获取晶圆影像数据,然后通过传统图像检测算法对晶圆影像数据进行缺陷检测,再对检出的缺陷进行过滤或分类,最后启动彩色相机对缺陷位置进行回拍,以供后续复判。在一种现有技术典型应用中,采用“扫描-传统算法-ai过滤-拍照”的流程,即aoi机台扫描获取晶圆图像数据后,先由生产用传统图像检测算法(例如基于图像对比的die-to-die对比算法或die-to-goden对比算法)检出缺陷,再通过ai过滤减少部分过检,最后启动彩色相机对缺陷位置进行回拍。
2、然而,上述现有技术存在以下不足:
3、(1)过检与漏检之间存在矛盾。在复杂背景下,若提高检测灵敏度,例如提高参数卡控阈值、降低过滤面积阈值,会产生大量过检,单张晶圆甚至可能产生数万至十几万张缺陷照片,导致后续人工复判无法进行;若降低灵敏度以控制缺陷照片数量,则无法检出微裂纹、浅淡灰阶缺陷等精细缺陷,造成漏检;
4、(2)低对比度缺陷检测困难。部分缺陷在图像中表现为灰阶与背景极其相似,人眼可凭经验识别,但传统图像算法缺乏语义理解能力,无法将其与噪声有效区分;
5、(3)芯片边缘形貌变化的干扰。不同芯片的边缘设计存在随机变化,但在工艺上属于正常形貌,传统算法容易将其误判为缺陷,造成大量无效过检;
6、(4)全晶圆ai计算开销过大。若对整个晶圆图像直接应用ai图像算法进行缺陷检测,单张晶圆图像数据量可达gb级,无法满足量产环境下的实时性要求。
7、因此,现有技术需要一种能够在保持高灵敏度的前提下控制过检数量、增强低对比度缺陷检测能力、避免ai引入干扰原有检验参数、避免全晶圆ai计算开销,并支持ai模型渐进式部署的自动缺陷分类方案。
技术实现思路
1、本发明的主要目的在于提供一种在aoi扫描过程中的自动缺陷分类系统及方法,以解决现有aoi扫描过程中过检与漏检难以平衡、低对比度缺陷检测困难、芯片边缘形貌变化干扰导致无法过检、全晶圆ai计算开销过大以及ai引入干扰原有检测参数等问题。
2、本发明的目的通过如下技术方案得以实现:
3、本发明提供一种在aoi扫描过程中的自动缺陷分类系统,包括:
4、数据接收模块,所述数据接收模块用于接收aoi机台扫描获取的晶圆影像数据;
5、第一计算线路,所述第一计算线路用于以标准生产参数运行基于图像对比的图像检测算法,对所述晶圆影像数据进行缺陷检测,输出第一缺陷集合;
6、第二计算线路,所述第二计算线路用于以第二检测参数运行基于图像对比的图像检测算法,对所述晶圆影像数据进行缺陷检测,产生候选缺陷集合,再通过第一ai过滤模块对所述候选缺陷集合进行过滤,去除所述候选缺陷集合中的过检和/或抓取预设类型的目标缺陷,输出第二缺陷集合;其中,所述第二检测参数相对于所述标准生产参数具有更高的检测灵敏度和/或更低的过滤面积阈值;
7、缺陷融合模块,所述缺陷融合模块分别与所述第一计算线路和第二计算线路连接,用于接收所述第一缺陷集合和第二缺陷集合,对相同位置或属于同一缺陷簇的检测结果进行合并去重,输出融合后的缺陷集合;其中,
8、所述第一计算线路和第二计算线路并行独立运行,所述第二计算线路的第二检测参数和第一ai过滤模块被配置为独立于所述第一计算线路的参数设定以及aoi机台原有的检验参数配置。
9、作为上述技术方案的进一步描述,所述第一计算线路运行的基于图像对比的图像检测算法包括die-to-die对比算法或die-to-golden对比算法;
10、作为上述技术方案的进一步描述,所述第二计算线路被配置为在超时或异常时执行降级或熔断,且在降级或熔断期间,所述第一计算线路继续独立运行并维持其基线检出能力,并在所述融合后的缺陷集合中对所述降级或熔断进行标记。
11、作为上述技术方案的进一步描述,所述第一ai过滤模块被配置为包括基于cnn的二分类模型,用于对所述候选缺陷集合中的候选缺陷图像进行真实缺陷与过检的二分类推理;或,
12、包括选自目标检测模型、异常检测模型和分类模型中的至少两种模型,各模型并行运行,结果经投票或加权融合后输出所述第二缺陷集合。
13、作为上述技术方案的进一步描述,还包括第二ai过滤模块,所述第二ai过滤模块与所述缺陷融合模块连接,用于接收所述融合后的缺陷集合,并通过其内部的ai模型对所述融合后的缺陷集合中由晶圆表面纹理引起的过检进行过滤,输出最终缺陷集合。
14、作为上述技术方案的进一步描述,所述缺陷融合模块对相同位置或属于同一缺陷簇的检测结果进行合并去重时,将位于同一裸片内且裸片内坐标之间的距离在预设范围内的多个缺陷记录,和/或属于同一缺陷簇的多个缺陷记录,合并为一个缺陷记录,并触发一次拍照。
15、本发明还提供一种在aoi扫描过程中的自动缺陷分类方法,包括以下步骤:
16、接收aoi机台扫描获取的晶圆影像数据;
17、将所述晶圆影像数据并行输入第一计算线路和第二计算线路;所述第一计算线路以标准生产参数运行基于图像对比的图像检测算法,对所述晶圆影像数据进行缺陷检测,输出第一缺陷集合;所述第二计算线路以第二检测参数运行基于图像对比的图像检测算法,对所述晶圆影像数据进行缺陷检测,产生候选缺陷集合,再通过第一ai过滤模块对所述候选缺陷集合进行过滤,去除所述候选缺陷集合中的过检和/或抓取预设类型的目标缺陷,输出第二缺陷集合;其中,所述第二检测参数相对于所述标准生产参数具有更高的检测灵敏度和/或更低的过滤面积阈值;
18、对所述第一缺陷集合和第二缺陷集合中相同位置或属于同一缺陷簇的检测结果进行合并去重,输出融合后的缺陷集合;其中,
19、所述第一计算线路和第二计算线路并行独立运行,所述第二计算线路的第二检测参数和第一ai过滤模块独立于所述第一计算线路的参数设定以及aoi机台原有的检验参数配置。
20、作为上述技术方案的进一步描述,当所述第二计算线路出现超时或异常时,对所述第二计算线路执行降级或熔断,且在降级或熔断期间,所述第一计算线路继续独立运行并维持其基线检出能力,并在所述融合后的缺陷集合中对所述降级或熔断进行标记;和/或,
21、所述自动缺陷分类方法还包括通过第二ai过滤模块接收所述融合后的缺陷集合,并对所述融合后的缺陷集合中由晶圆表面纹理引起的过检进行过滤,输出最终缺陷集合。
22、作为上述技术方案的进一步描述,所述自动缺陷分类方法采用渐进式部署:
23、第一阶段,运行所述第一计算线路,由所述第一计算线路输出所述第一缺陷集合;
24、第二阶段,启用所述第二计算线路,并针对预设的一种或多种已知缺陷类型进行增强检出,使剩余缺陷类型的候选过检绕过所述第一ai过滤模块;
25、第三阶段,扩展所述第一ai过滤模块覆盖的缺陷类型,并通过扩展后的所述第一ai过滤模块对新增缺陷类型的候选过检进行过滤;
26、第四阶段,启动所述第二ai过滤模块,通过所述第二ai过滤模块对所述融合后的缺陷集合中由晶圆表面纹理引起的过检进行过滤,输出最终缺陷集合。
27、作为上述技术方案的进一步描述,还包括:aoi机台根据所述融合后的缺陷集合的位置信息,启动彩色相机对相应位置回拍预设分辨率的图像。
28、借由以上的技术方案,本发明的突出效果为:
29、本发明通过第一计算线路与第二计算线路并行独立运行,第一计算线路维持原有标准生产检测基线,第二计算线路以第二检测参数产生候选缺陷集合并通过第一ai过滤模块进行智能过滤,从而在保持高灵敏度的前提下有效控制过检数量,使缺陷复判具有可行性;通过第一ai过滤模块对候选缺陷集合进行过滤和/或抓取预设类型的目标缺陷,增强对低对比度、人眼可见但传统算法难以检测的缺陷的检出能力;通过将第二计算线路的第二检测参数和第一ai过滤模块配置为不改变第一计算线路的参数设定以及aoi机台原有的检验参数配置,避免ai引入后对原有检验参数的干扰,保障工厂验证环节的连续性;通过先以第二检测参数产生数量可控的候选缺陷集合,再对候选缺陷集合进行ai推理,避免全晶圆ai计算带来的算力开销,使方案具备量产可行性;通过渐进式部署,支持ai模型无需完全成熟即可逐步上线,缩短从开发到上线的周期。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com