基于多尺度背景差分的暗场晶圆微弱划痕检测方法及系统与流程
本发明涉及暗场晶圆图像中的微弱划痕检测技术,尤其涉及一种暗场晶圆微弱划痕检测方法及系统。
背景技术:
1、晶圆在制造、搬运、cmp(化学机械抛光)、光刻等工序中,表面极易产生划痕(scratch)类缺陷。划痕属于线性、细长、低对比度的表面缺陷,其一旦残留于晶圆表面,将导致后续光刻图形缺陷、电路短路/断路,显著降低良率。为在产线上检出此类缺陷,业界普遍采用暗场(dark-field)成像方式采集晶圆表面图像:暗场照明下,正常表面反射光极弱、背景偏暗,而划痕、颗粒等缺陷会对入射光产生强烈的侧向散射,在暗背景下呈现为相对亮的细线条或亮点,从而具备检出条件。
2、然而,暗场晶圆图像中的微弱划痕检测长期存在技术难点,现有技术方案及其缺陷如下:
3、1)固定阈值 / 全局阈值分割法暗场图像受照明不均、晶圆表面纹理、边缘渐晕等影响,背景灰度在整幅图像内显著漂移;而微弱划痕的对比度极低(往往仅比背景高几个灰度级)。固定阈值无法兼顾整幅图像,阈值偏高则弱划痕全部漏检,阈值偏低则将背景纹理、噪声大量误判为缺陷。
4、2)形态学 / 边缘检测(sobel、canny等)这类方法对强对比度边缘敏感,但对暗场下信噪比极低的微弱划痕响应不足;同时,暗场图像中大量存在的颗粒(particle)、灰尘、微观纹理会产生与划痕相近的边缘响应,难以区分,导致高误报。
5、3)直接霍夫(hough)直线检测霍夫变换是检测直线的经典方法,但其前提是输入二值图中目标线条清晰、连续。对于微弱划痕,二值化后的目标常常断裂成大量短碎片段、且被噪声点包围,霍夫变换难以累积出有效直线;同时,颗粒、边缘产生的虚假响应会形成大量伪直线,使结果不可用。
6、4)颗粒 / 点状缺陷检测算法现有暗场检测设备对颗粒等点状缺陷已有成熟方案(基于面积、圆度、密度等判据),但颗粒与划痕在暗场图像中形态相近(均为亮目标),常规算法常把相邻颗粒串、短颗粒误判为短划痕,或把断续划痕误判为颗粒阵列,二者混淆严重。
7、5)基于深度学习的方法需要大量人工标注样本(弱划痕标注本身困难且主观),训练与部署成本高,对不同工艺、不同晶圆类型的泛化能力有限,且可解释性差,难以满足半导体产线对可追溯性的要求。
8、综上,现有技术的缺陷可归纳为:对暗场下对比度极低的微弱划痕检出率低(漏检);易受颗粒、纹理、背景不均干扰,误报率高(把非划痕误判为划痕);二值化后划痕断裂,传统直线检测难以重建完整划痕;参数依赖人工调校,无法自适应不同图像/工艺;算法可解释性差或部署成本高。
技术实现思路
1、本发明的目的在于提供一种基于多尺度背景差分的暗场晶圆微弱划痕检测方法及系统,以解决暗场晶圆微弱划痕的漏检、误报的问题。
2、为此,本发明提供了一种基于多尺度背景差分的暗场晶圆微弱划痕检测方法,包括:s1、在暗场照明条件下,由相机采集晶圆表面灰度图像;s2、对晶圆表面灰度图像进行多尺度高斯背景差分以凸显微弱划痕,得到残差图;s3、通过残差统计自动确定二值化阈值,对残差图应用该阈值进行二值化,得到二值图;s4、对二值图作八连通连通域分析,统计每个连通域的等效长度和长宽比指标,采用两遍迭代鲁棒 σ 筛选法筛选出细长目标集合,并据此估计划痕平均线宽;s5、基于细长目标集合的长度统计推导概率霍夫变换参数,基于这些参数作概率霍夫变换,得到候选线段集合;s6、在直线的法线参数空间中对线段聚类合并,把断续的共线短线重建为连续长划痕;s7、对每一连续长划痕采用双侧强度对称性验证,判断是否为真实划痕;s8、对通过验证的真实划痕,输出其位置、长度、宽度、方向及置信度评分,以供后续复判、分类与产线剔除使用。
3、本发明还提供了一种多尺度背景差分的暗场晶圆微弱划痕检测系统,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现基于多尺度背景差分的暗场晶圆微弱划痕检测方法的步骤。
4、本发明还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现基于多尺度背景差分的暗场晶圆微弱划痕检测方法的步骤。
5、结合上述技术方案,本发明的有益效果及技术关键点如下:
6、1、微弱划痕检出率高(解决漏检):多尺度高斯背景差分(dog带通)同时抑制高频噪声与低频背景漂移,使原本被背景淹没、对比度极低的微弱划痕在残差图中显著凸显,大幅提升弱划痕的检出率。
7、2、误报率低(解决误检):采用“形状长宽比筛选 + 双侧强度对称性验证”双重判据。前者剔除颗粒、团块等非长条目标;后者利用划痕独有的对称强度剖面,将颗粒串、边缘、纹理等几何上呈线状但强度不对称的目标剔除。两项叠加,显著降低把颗粒/边缘误判为划痕的误报。
8、3、断裂划痕重建完整:基于(θ,d)参数空间的线段聚类合并,将二值化后断裂的共线短段自动重建为一条连续长划痕,解决了微弱划痕不连续导致传统霍夫失效的问题。
9、4、全流程自适应、免人工调参:二值化阈值由残差统计自动确定;霍夫参数由图像尺寸与连通域统计自动推导;线宽由连通域面积/长度自动估计。整套方法可自适应不同亮度、不同工艺、不同晶圆类型的图像,泛化性强。
10、5、计算量可控、可实时部署:全程基于高斯滤波、连通域分析、霍夫变换等经典高效算子,无深度学习的大模型推理开销,可在工控机上实时运行,满足产线节拍;且算法可解释、可追溯,符合半导体产线要求。
11、6、点状/线状缺陷可分离:本方法与颗粒检测可并存——颗粒等点状缺陷因长宽比小、强度剖面不对称会被本方法自然剔除,从而实现划痕与颗粒的有效分离检测。
12、除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
1.一种基于多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,包括:
2.根据权利要求1所述的基于多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,对晶圆表面灰度图像进行多尺度高斯背景差分包括:对灰度图分别施以小尺度高斯滤波得到,再施以大尺度高斯滤波得到背景估计;二者相减得到残差图。
3.根据权利要求1所述的多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,通过残差统计自动确定二值化阈值包括:统计残差图的均值与标准差,以作为自适应阈值,为可设倍数,对r应用该阈值进行二值化得到二值图b。
4.根据权利要求1所述的多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,所述等效长度和所述长宽比指标如下:
5.根据权利要求4所述的多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,采用两遍迭代鲁棒 σ 筛选法细长目标集合的过程如下:
6.根据权利要求5所述的多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,基于细长目标集合的长度统计推导的概率霍夫变换参数包括:基于精筛连通域的长度统计即平均长度l̄和最大长度与图像尺寸s,自动推导概率霍夫变换的参数,包括:累加阈值:;最小线长:;最大线间隙:;角度分辨率:;距离分辨率:。
7.根据权利要求1所述的多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,在直线的法线参数空间中对线段聚类合并,包括:
8.根据权利要求1所述的多尺度背景差分的暗场晶圆微弱划痕检测方法,其特征在于,双侧强度对称性验证包括:
9.一种多尺度背景差分的暗场晶圆微弱划痕检测系统,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现根据权利要求1-8中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现根据权利要求1-8中任一项所述方法的步骤。
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