[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

说明书

技术领域

本发明涉及半导体制造加工领域，特别是涉及一种晶圆表面缺陷特征分析方法、系统、分类方法和系统。

背景技术

LED晶圆是半导体的基础材料，也是LED的核心部分。晶圆的质量严重影响着LED的波长、亮度、正向电压等主要的光电参数，同时也影响着半导体加工的效率，影响加工效率主要体现在对于有缺陷的部分的晶圆切割，若通过表面缺陷检测得到的数据再判断对晶圆的处理方式会使加工效率有所提高。表面缺陷的存在方式以及缺陷种类是多种多样的。另外，因获取晶圆图像的过程受到外界因素影响，会导致出现较多不属于任何一种缺陷类型的干扰区域。因此晶圆表面缺陷的分类存在分类难度较高、错分率高等问题。

发明内容

基于此，有必要提供一种降低错分率的晶圆表面缺陷特征分析方法、系统、分类方法和系统。

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。

一种晶圆表面缺陷特征分析系统，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。

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上述晶圆表面缺陷特征分析方法得到的随机森林或者利用代表性特征，得到晶圆缺陷的分类结果。

一种晶圆表面缺陷分类系统，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上述晶圆表面缺陷特征分析方法得到的随机森林或者利用代表性特征，得到晶圆缺陷的分类结果。

上述晶圆表面缺陷特征分析方法、系统、分类方法和系统，在晶圆感兴趣区域内的获取所有可疑缺陷，并提取训练样本的特征数据，利用随机森林法对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。由于训练样本是从每一种已经确定的缺陷中随机选取的，通过训练样本的特征建立起来的由多个分类模型组成的随机森林具有较高的准确度。从而减少了晶圆表面缺陷的错分率，提高了分类准确性。

附图说明

图1为一个实施例中晶圆表面缺陷特征分析方法的流程图；

图2为几个晶圆表面缺陷样本的示意图；

图3为一个实施例中晶圆表面缺陷特征集；

图4为一个实施例中晶圆表面缺陷样本及对应的特征数据；

图5为一个实施例中随机森立法对特征数据分析的柱状图；

图6为一个实施例中分类模型的代表性特征、代表性特征对应的临界值和分类结果的示意图；

图7为一个实施例中晶圆表面缺陷分类方法的流程图；

图8为图7中将特征数据输入随机森林，得到晶圆缺陷的分类结果的流程图；

图9为一个实施例中晶圆表面缺陷分析系统的结构示意图；

图10为一个实施例中晶圆表面缺陷分类系统的结构示意图；

图11为图10中分类模块的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。