[发明专利]一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法

说明书

本发明公开了一种可用于晶圆缺陷检测的任意倾斜角晶圆直线边长的提取与晶粒区隔离方法，首选进行晶圆数字图像的采集作为原图像；对原图像进行2次降采样，然后进行滤波处理，然后灰度化二值化；最小轮廓矩的求解得到晶圆的几何中心与倾斜角度；将倾斜的晶圆进行旋转操作保证旋转中心为几何中心，旋转后的晶圆图像垂直；基于设定的形态学结构元素进行水平与竖直的直线提取并计算其长度；根据长度与设定的阈值比较即可判断晶圆是否有崩边或是崩角缺陷；基于全局轮廓与最外层轮廓相减的方法，层层递进得到晶粒区晶圆的特征轮廓信息，对其包围面积值判断即可对缺陷的检测；本发明实现了较高精度的崩边、崩角、晶粒区的检测及提供了一种方法指导。

技术领域

本发明涉及半导体缺陷检测与图像处理技术领域，尤其涉及一种可用于晶圆缺陷检测的任意倾斜角晶圆直线边长的提取与晶粒区隔离方法。

背景技术

在半导体相关产品中，晶片是一种半成品，其进行深加工即可得到可用于实际生产的芯片。研究数据显示，2018年以来半导体相关产品的生产总销量持续增加，在未来将会有更多的资金投向半导体行业。尤其在中国半导体产品市场巨大，中国政府计划在未来十年约投资1000亿美元用于半导体相关行业产品的研发。本专利研究的晶圆主要用于制造稳压与镇流及防雷芯片，其广泛应用于工业、农业及日常生活中，其中晶圆的好坏是保证产品质量的重要前提。在我国相关晶圆的生产厂家主要集中在河北秦皇岛地区，其中晶圆的好坏主要还是依靠人工检测，效率不是很高且需要较大的人工成本。

现今用于晶片表面缺陷检测的方法主要包含了三大类方法即基于机器学习的分类检测方法、基于图像处理的缺陷检测方法、以及基于人工检测的方法。其中机器学习的方法又包含了监督式与非监督式以及强化学习等。对于机器学习算法主要的优点是主要保证足够的训练集，通常检测的结果具有较高的准确率。但是对于初期生产胡的晶圆往往没有较大的缺陷类型的训练集可以被提供，因此机器学习算法是不能满足该阶段少样本集的条件。图像处理的方法主要有直方图匹配、模板匹配、角点检测、轮廓面积以及轮廓周长等。直方图匹配广泛应用于图像的匹配，其中匹配的主要特征是图片不同灰度值像素点的个数。该算法的主要特点是检测的方法简答易于实现，但是可能会出现匹配结果精度很高但是两幅图片的相差很大的情况。模板的匹配主要是基于模板去检测晶圆上特定形状的缺陷，这样的检测的结果鲁棒性差，因为模板不可能包含所有的缺陷类型。计算周长与面积是应用最为广泛和成熟的方法，计算周长的原理是将晶圆的轮廓线连接起来，与设定的阈值进行比较，若测量的轮廓线长度位于规定的范围内则晶圆完好。这两种算法判断精度有了明显的提高较直方图统计，能满足一般精度的要是，但是若晶圆出现微小的崩边情况其检测的精度往往很低。

人工检测主要的缺陷是检测的效率较低，同时不能长时间的工作，检测的结果易受心情的影响，同时需要较高的成本。结合现有方法的优点和缺点，本发明设计了能满足该类型晶圆微小缺陷的晶圆表面缺陷检测的新型算法同时不需要训练集满足了晶圆少样本的情况。

发明内容

本发明的目的在于提供一种任意倾斜角度的晶圆边缘的直线提取算法与轮廓隔离方法以用于晶圆缺陷的检测中，同时为基于图像检测目标物缺陷提供了一种有价值的参考方法。

本发明的目的是通过以下技术方案来实现的：一种高精度任意倾斜角晶圆直线边长的提取与晶粒区隔离的缺陷检测方法，所述的晶圆直线边长的提取方法包括：

(1)首选进行晶圆数字图像的采集作为原图像，拍照设备必须可以屏蔽环境光，将环境光的不确定性干扰降低到最低，获取的是RGB彩色图像；

(2)对原图像进行降采样，对提取到的彩色图像进行灰度化处理再进行滤波处理，然后灰度化二值化；

(3)求二值图最小轮廓矩，此处的最小轮廓矩所对应的矩形的倾斜角度与晶圆的倾斜角度相一致；最小轮廓矩的求解得到晶圆的几何中心与倾斜角度；

(4)将倾斜的晶圆进行旋转操作保证旋转中心为几何中心，旋转后的晶圆图像垂直；