一种碳化硅材质晶圆的缺陷检测方法与流程

1.本发明涉及数据处理技术领域，具体涉及一种碳化硅材质晶圆的缺陷检测方法。


背景技术：

2.碳化硅材料由于碳原子层与硅原子层具有不同的生长方式，拥有多种结晶状态，其中4h-sic在电子迁移和单晶质量方面最有优势使用也十分广泛。在4h-sic功率器件拥有诸多优良特性的同时其相比于si材料缺陷种类更多，缺陷密度更高。首先，碳化硅衬底本身就含有各种各样的缺陷。随后，在碳化硅外延生长的过程中，环境温度，环境压强，饱和度，掺杂种类及浓度，单晶生长速度，衬底表面粗糙度等因素同样会在sic中引入各种缺陷。其中三角形缺陷是外延生长过程中对器件影响最为致命的一种。在极低反向偏压下，三角形缺陷会引起较大反向漏电流；正向低压偏置条件下，电流出现新的导电通道会导致电流快速增大。
3.三角形缺陷存在多种形成情况如掉落颗粒物引起的三角形缺陷，顶端有褶皱的三角形缺陷，顶端有微坑的三角形缺陷，这些情况都是不同的原因所导致三角形缺陷而存在的不同表征，在常规的三角形缺陷检测中可以通过获取图像，生成灰度图，阈值处理二值化，边缘检测，之后进行直线检测，检测出的直线交点即为三角形缺陷顶点，再根据直线上的特征像素判断线段长度，形成完整的缺陷检测。但是这样检测忽略了三角形缺陷的顶端信息，只能粗略确定三角形缺陷的大小，无法剔除梯形缺陷或是两条划痕缺陷造成的形似三角形的情况。最后还需要通过对器件进行高压检测判断其缺陷形成原因，从而去进行改善。如果通过霍夫圆检测颗粒物，霍夫直线检测来检测直线边缘，就会存在特征点过多，计算量过大的情况。


技术实现要素：

4.为了解决上述技术问题，本发明提供一种碳化硅材质晶圆的缺陷检测方法，所采用的技术方案具体如下：本发明一个实施例提供了一种碳化硅材质晶圆的缺陷检测方法，该方法包括以下步骤：使用光学显微镜获取4h-sic外延片图像作为待检测图像，对所述待检测图像进行边缘检测获取边缘图像；通过直线检测识别所述边缘图像中的三角形缺陷以及以顶点位置，以顶点位置为起始点在每个角度上寻找特征点，并获取每个特征点的计算必要性；筛选计算必要性高于预设阈值的特征点作为有效点；对所述有效点进行霍夫直线检测与霍夫圆检测，当检测出直线时，判别是否为有微坑的三角形缺陷；检测出圆形时，判别是否为顶部有颗粒物的三角形缺陷。
5.优选的，所述边缘图像的获取方法为：获取所述待检测图像的灰度图像，对所述灰度图像进行边缘检测，得到边缘图像。
6.优选的，所述通过直线检测识别所述边缘图像中的三角形缺陷以及以顶点位置，包括：通过阈值处理获取所述边缘检测的二值图像，对所述二值图像进行霍夫直线检测得到两条直线，以两条直线的交点作为所述顶点位置。
7.优选的，所述顶点位置为起始点在每个角度上寻找特征点，包括：以顶点位置为起始点，顶点位置对应的任意一条直线为起始方向，以5
°
为角度区间，划分72个角度区间，依据所述角度区间寻找特征点。
8.优选的，所述计算必要性的获取方法为：记录每个特征点到顶点位置的距离，构建角度-距离散点图，基于离散点的变化趋势将离散点分为两类；通过对每类离散点进行曲线拟合得到两条拟合曲线，并集算每个离散点到对应拟合曲线之间的距离；基于所述距离获取每个离散点的计算必要性。
9.优选的，所述对所述有效点进行霍夫直线检测与霍夫圆检测，包括：以所述顶点位置对应的两条直线的夹角作为一个区间，对所有离散点进行点集区分，得到多个点集；在每个点集中提取出有效点转换至霍夫参数空间，完成霍夫直线检测与霍夫圆检测。
10.优选的，所述当检测出直线时，判别是否为有微坑的三角形缺陷，包括：对于每个点集中的有效点，当检测出直线时，将检测出的直线与顶点位置对应的两条直线组成一个区域，计算该区域中所有像素点的灰度均值，当所述灰度均值符合先验中的3c-sic颜色，则该区域为顶部有微坑的三角形缺陷。
11.优选的，所述检测出圆形时，判别是否为顶部有颗粒物的三角形缺陷，包括：对于每个点集中的有效点，当检测出圆形时，获取圆形在所述待检测图像中的像素值，当所述像素值对应的颜色为黑色时，该圆形为顶部有颗粒物的三角形缺陷。
12.本发明实施例至少具有如下有益效果：结合4h-sic中三角形缺陷的特点，在三角形缺陷微坑区域检测与颗粒物判断的过程中，通过其区域特征，限制拟合区间，降低计算量，能够在保证检测精度的前提下降低检测的计算量。
附图说明
13.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
14.图1为本发明一个实施例提供的一种碳化硅材质晶圆的缺陷检测方法的步骤流程图；图2为本发明一个实施例提供的第一种待检测图像的灰度图像；图3为本发明一个实施例提供的第二种待检测图像的灰度图像；图4为本发明一个实施例提供的第三种待检测图像的灰度图像；图5为本发明一个实施例提供的第四种待检测图像的灰度图像；图6为图2的边缘图像；
图7为图3的边缘图像；图8为图4的边缘图像；图9为图5的边缘图像；图10为图5的二值图像；图11为图10进行直线检测的直线检测结果。
具体实施方式
15.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种碳化硅材质晶圆的缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
16.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
17.下面结合附图具体的说明本发明所提供的一种碳化硅材质晶圆的缺陷检测方法的具体方案。
18.请参阅图1，其示出了本发明一个实施例提供的一种碳化硅材质晶圆的缺陷检测方法的步骤流程图，该方法包括以下步骤：步骤s001，使用光学显微镜获取4h-sic外延片图像作为待检测图像，对待检测图像进行边缘检测获取边缘图像。
19.具体的步骤包括：使用光学显微镜获取4h-sic外延片图像作为待检测图像，获取待检测图像的灰度图像，对灰度图像进行边缘检测，得到边缘图像。
20.通过数字图像处理获取图像灰度图，在本发明实施例中给出四种待检测图像的灰度图像，如图2、图3、图4、图5所示，并使用canny算子进行边缘检测，获取缺陷的边缘图像，得到的边缘图像如图6、图7、图8、图9所示。图6为图2的边缘图像，图7为图3的边缘图像，图8为图4的边缘图像，图9为图5的边缘图像。
21.步骤s002，通过直线检测识别边缘图像中的三角形缺陷以及以顶点位置，以顶点位置为起始点在每个角度上寻找特征点，并获取每个特征点的计算必要性；筛选计算必要性高于预设阈值的特征点作为有效点。
22.具体的步骤包括：如果只是判断缺陷是很容易识别出三角形缺陷的，如果想要让缺陷检测有作用就不得不考虑缺陷形成的原因，这样可以让缺陷检测变得更有意义。接下来将从缺陷形成的原因的角度进行缺陷检测。
23.根据三角形缺陷的形成原因可以将缺陷分为三种，分别是：掉落颗粒物引起的三角形缺陷，顶端有褶皱的三角形缺陷和顶端有微坑的三角形缺陷。本发明实施例中将缺陷检测的重点放在三角形缺陷顶端情况的检测。
24.sic外延片中的三角形缺陷需要确定顶点，夹角大小，以及夹角区域是否包含3c-sic区域。考虑到一个外延片中缺陷的多样性，即只需要先满足可以通过霍夫检测检测出直
线并且有交点即可确定顶点。
25.通过阈值处理获取边缘检测的二值图像，对二值图像进行霍夫直线检测得到两条直线，以两条直线的交点作为顶点位置。
26.因为4h-sic外延片的光学显微镜呈像背景比较单一，所以对于图像的预处理没有过多难点，通过适合实际情况的一些形态学处理即可得到二值图像，以图5为例，获取的二值图像如图10所示。对二值图像进行霍夫直线检测得到两条直线，以两条直线的交点作为顶点位置。得到的直线检测结果如图11所示。
27.在绘制直线时可以通过直线的表达式在图像的笛卡尔坐标系中获得交点的坐标，记为，其坐标为。
28.当初步的直线检测无法检测出直线，只检测出一条直线或是检测出的直线没有交点那么就可以判断没有三角形缺陷。
29.以顶点位置为起始点，顶点位置对应的任意一条直线为起始方向，以5
°
为角度区间，划分72个角度区间，依据角度区间寻找特征点。
30.以点为起始点，起始点对应的两条直线记为和，以对应的任意一条直线例如为起始方向，以5
°
为角度区间，360
°
共有72个角度区间，每个区间边界点记为，寻找特征点。
31.记录每个特征点到顶点位置的距离，构建角度-距离散点图，基于离散点的变化趋势将离散点分为两类；通过对每类离散点进行曲线拟合得到两条拟合曲线，并集算每个离散点到对应拟合曲线之间的距离；基于距离获取每个离散点的计算必要性。
32.记录这些特征点的坐标，并且计算特征点到点的距离将每个点的距离信息与方向信息结合（不包括在方向上的特征点）。4h-sic图像预处理简单，噪声点较少，找到特征点之后可以将特征点记录成如下形式：上式中为每个角度上找到的特征点到点的距离，因为一个方向可能有多个特征点，所以就会在同一个方向上记录多个特征点到点的距离。在获得这些信息之后可以通过绘制的散点图来观察一下这些离散点。
33.因为在缺陷的特征边缘点中，微坑的边缘直线与颗粒物造成的圆形区域边缘上。按照角度来寻找最直观的体现就是边缘点到中心点的距离变化幅度上会有不同。也就是说，两类离散点的趋势会有很大的不同。而且在三角形缺陷中，圆形的颗粒物缺陷可能会在三角形两边夹角内，也有可能在两边夹角外。但是微坑只会存在于两边的夹角内。如果出现
了圆形颗粒物在三角形的缺陷之内。那么在的角度之内就会有一个角度上寻找到多个特征点的情况，这样也可以很容易地判断出缺陷情况。在数值计算中我们可以通过锐角夹角来划分一个区间，用以区分点集。上面的散点图中已经通过阈值将两类特征点标记了出来，在区间上可以很容易划分出相应区间。我们使用来表示根据角度区间，变化距离长度先变小后变大的点集，使用来表示根据角度区间变化距离长度先变大后变小的点集。
34.在确定的点集中会存在一些形态学变化没有去除掉的噪声点，这些噪声点会影响我们进行缺陷形状的拟合，在这一步中我们通过点集的幅值来进行噪声点的去除。
35.在点集中，对于噪声点的判断可以通过最小二乘法作为限制进行曲线的拟合，通过是规定阈值，根据单点与曲线的距离判断每个点计算的必要性，给定阈值，计算必要性高于阈值则进行计算，如果计算的必要性低于阈值则将其判定为离群点。
36.首先进行曲线的拟合，确定两条拟合出的曲线。曲线参数如下所示：先进行曲线的拟合，确定两条拟合出的曲线。曲线参数如下所示：计算每个点到曲线的距离：计算每个点到曲线的距离：计算每个点计算的必要性，这里我们认为距离曲线越近，其计算的必要性越大。因为它更符合我们拟合的曲线。为它更符合我们拟合的曲线。
37.根据上述公式可以计算出一个必要性程度的集合：根据上述公式可以计算出一个必要性程度的集合：基于上述步骤，点集中每个点进行计算的必要性获取完成。
38.步骤s003，对有效点进行霍夫直线检测与霍夫圆检测，当检测出直线时，判别是否
为有微坑的三角形缺陷；检测出圆形时，判别是否为顶部有颗粒物的三角形缺陷。
39.具体的步骤包括：利用4h-sic外延片三角形缺陷的两边交点作为中心根据角度序列来寻找特征点，划分点集，并获得了点集中每个点进行缺陷检测的必要性。接下来就是通过霍夫变换进行缺陷的检测。
40.以顶点位置对应的两条直线的夹角作为一个区间，对所有离散点进行点集区分，得到多个点集；在每个点集中提取出有效点转换至霍夫参数空间，完成霍夫直线检测与霍夫圆检测。
41.对于每个点集中的有效点，当检测出直线时，将检测出的直线与顶点位置对应的两条直线组成一个区域，计算该区域中所有像素点的灰度均值，当灰度均值符合先验中的3c-sic颜色，则该区域为顶部有微坑的三角形缺陷。
42.对于每个点集中的有效点，当检测出圆形时，获取圆形在待检测图像中的像素值，当像素值对应的颜色为黑色时，该圆形为顶部有颗粒物的三角形缺陷。
43.根据实际情况下的先验信息可以给出一个计算必要性的阈值，提取出点集中的点，并在点集中进行霍夫直线检测与霍夫圆检测。因为点集中的点已经通过点集划分与必要性计算，所以将霍夫变换的计算量大幅度降低并且提高了它的准确性。具体步骤如下所示：遍历点集中的特征点，将其转换到霍夫参数空间，即的参数空间；每遍历一个特征点，得到参数之后就在其对应的二维矩阵位置加一，作为投票机制；将所有有效点都进行计算投票之后，判断二维矩阵中票数最多的点；点即为检测出的微坑边缘直线或是颗粒物圆形。
44.如果检测出微坑边缘直线，则判断原图像中直线围成的区域内像素值均值是否符合先验中的3c-sic颜色，如果符合则可以确定为是顶部有微坑的三角形缺陷。
45.如果检测出圆形区域，则判断原图像中圆形区域内的像素值是否偏黑色。如果是则可以判定为是顶部有颗粒物而造成的三角形缺陷。
46.综上所述，本发明实施例使用光学显微镜获取4h-sic外延片图像作为待检测图像，对待检测图像进行边缘检测获取边缘图像；通过直线检测识别边缘图像中的三角形缺陷以及以顶点位置，以顶点位置为起始点在每个角度上寻找特征点，并获取每个特征点的计算必要性；筛选计算必要性高于预设阈值的特征点作为有效点；对有效点进行霍夫直线检测与霍夫圆检测，当检测出直线时，判别是否为有微坑的三角形缺陷；检测出圆形时，判别是否为顶部有颗粒物的三角形缺陷。本发明能够在保证检测精度的前提下降低检测的计算量。
47.需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
48.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的
部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
49.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围，均应包含在本技术的保护范围之内。