[发明专利]晶圆表面缺陷特征分析方法、系统、分类方法和系统

权利要求书

1.一种晶圆表面缺陷特征分析方法，所述方法包括：

采集多个晶圆图像；

从所述晶圆图像中提取晶圆的感兴趣区域；

获取所述感兴趣区域内的所有可疑缺陷；

从所述可疑缺陷中选取预设数量的训练样本；

提取所述训练样本的特征数据；

利用随机森林法对所述特征数据进行特征分析，得到由多个分类模型组成的随机森林。

2.根据权利要求1所述的方法，其特征在于，所述特征数据包含区域特征和灰度特征，所述区域特征包括区域根本特征和形状特征，所述灰度特征包括灰度根本特征和纹理特征。

3.根据权利要求1所述的方法，其特征在于，所述利用随机森林法对所述特征数据进行特征分析，得到由多个分类模型组成的随机森林的步骤之后，还包括：

利用随机森林法分析出所述分类模型中各特征的比重，根据所述比重提取代表性特征、与所述代表性特征对应的临界值和分类结果。

4.一种晶圆表面缺陷分类方法，所述方法包括：

采集待分类的晶圆图像；

从所述晶圆图像中提取晶圆的感兴趣区域；

获取所述感兴趣区域内的所有可疑缺陷；

提取所述可疑缺陷的特征数据；

将所述特征数据输入至权利要求1至3中任一项所述的晶圆表面缺陷特征分析方法得到的所述随机森林或者利用所述权利要求3得到的代表性特征，得到晶圆缺陷的分类结果。

5.根据权利要求4所述的方法，其特征在于，所述将特征数据输入至所述随机森林，得到晶圆缺陷的分类结果的步骤，包括：

利用所述随机森林对所述待分类的晶圆进行预测分类；

根据预测分类的分类结果对所述待分类晶圆进行投票；

根据投票的分数确定所述待分类的晶圆的缺陷类别。

6.根据权利要求4所述的方法，其特征在于，所述利用所述代表性特征得到晶圆缺陷的分类结果的步骤为：

提取可疑缺陷的所述代表性特征；

根据所述代表性特征对应的临界值和分类结果，比较提取的可疑缺陷的代表性特征对应的值与所述临界值的大小，根据所述大小确定晶圆缺陷的分类结果。

7.一种晶圆表面缺陷特征分析系统，其特征在于，所述系统包括：

第一图像采集模块，用于采集多个晶圆图像；

第一感兴趣区域提取模块，用于从所述晶圆图像中提取晶圆的感兴趣区域；

第一可疑缺陷获取模块，用于获取所述感兴趣区域内的所有可疑缺陷；

训练样本选取模块，用于从所述可疑缺陷中选取预设数量的训练样本；

第一特征数据提取模块，用于提取所述训练样本的特征数据；

特征分析模块，用于利用随机森林法对所述特征数据进行特征分析，得到由多个分类模型组成的随机森林。

8.根据权利要求7所述的系统，其特征在于，所述第一特征数据提取模块提取到的特征数据包含区域特征和灰度特征，所述区域特征包括区域根本特征和形状特征，所述灰度特征包括灰度根本特征和纹理特征。

9.根据权利要求7所述的系统，其特征在于，所述特征分析模块还用于利用随机森林法分析出所述分类模型中各特征的比重，根据所述比重提取代表性特征、与所述代表性特征对应的临界值和分类结果。

10.一种晶圆表面缺陷分类系统，其特征在于，所述系统包括：

第二图像采集模块，用于采集待分类的晶圆图像；

第二感兴趣区域提取模块，用于从所述晶圆图像中提取晶圆的感兴趣区域；

第二可疑缺陷获取模块，用于获取所述感兴趣区域内的所有可疑缺陷；

第二特征数据提取模块，用于提取所述可疑缺陷的特征数据；

分类模块，用于将所述特征数据输入至权利要求1至3中任一项所述的晶圆表面缺陷特征分析方法得到的所述随机森林或者利用所述权利要求3得到的代表性特征，得到晶圆缺陷的分类结果。

11.根据权利要求10所述的系统，其特征在于，所述分类模块包括：

预测分类模块，用于利用所述随机森林对所述待分类的晶圆进行预测分类；

投票模块，根据预测分类的分类结果对所述待分类晶圆进行投票；

类别确定模块，用于根据投票的分数确定所述待分类的晶圆的缺陷类别。

12.根据权利要求10所述的系统，其特征在于，所述分类模块还包括：

可疑缺陷代表性特征提取模块，用于提取可疑缺陷的所述代表性特征；

代表性特征分类模块，用于根据所述代表性特征对应的临界值和分类结果，比较提取的可疑缺陷的代表性特征对应的值与所述临界值的大小，根据所述大小确定晶圆缺陷的分类结果。