[发明专利]晶圆缺陷检测方法

说明书

该发明涉及一种晶圆缺陷检测方法，能够利用自动化图像识别技术获取晶圆掩膜图像，减少人力和时间的消耗。所述晶圆缺陷检测方法，包括以下步骤：获取晶圆标准样品图像；对所述晶圆标准样品图像进行自动化分割处理，获得晶圆掩模图像；获取待检测晶圆图像，通过比对所述晶圆掩模图像与所述待检测晶圆图像进行晶圆缺陷侦测。

技术领域

本发明涉及晶圆缺陷检测领域，具体涉及一种晶圆缺陷检测方法。

背景技术

半导体制造工艺极其复杂，主要包括曝光、蚀刻、离子注入、薄膜沉积和化学机械研磨等步骤,在实际生产制造中多达几百到上千个步骤。一片晶圆生产中将经过上百个分层(Layer)，不同的分层获取不同的标准样板(Golden sample)图像。如果配方调整，这些标准样板图像将会随之改变，并且需要通过人工不断调整参数进行获取相对优化的掩膜图像，每次调整晶圆生产的配方，都需要进行大量的参数调整来进行掩膜图像的调整，任务繁重并且耗费时间和人力。

发明内容

本发明的目的在于提供一种晶圆缺陷检测方法，能够利用自动化图像识别技术获取晶圆掩膜图像，减少人力和时间的消耗。

为了解决上述技术问题，以下提供了一种晶圆缺陷检测方法，包括以下步骤：获取晶圆标准样品图像；对所述晶圆标准样品图像进行自动化分割处理，获得晶圆掩模图像；获取待检测晶圆图像，通过比对所述晶圆掩模图像与所述待检测晶圆图像进行晶圆缺陷侦测。

可选的，所述对所述晶圆标准样品图像进行自动化分割处理的步骤，包括：将所述晶圆标准样品图像转换成灰阶图像；对所述灰阶图像进行分割，获得多个区间，每一区间为一种类；对所述多个种类分别进行像素赋值；将赋值后的所述像素转化成晶圆掩模图像。

可选的，包括：将所述晶圆标准样品图像的R、G、B值分别乘以权重0.2989,0.5870，0.1140，获取所述晶圆标准样品图像的灰阶图像。

可选的，包括：利用图像直方图算法画出所述灰阶图像的直方图；通过所述直方图确定所述灰阶图像的分割数量。

可选的，包括：利用所述分割数量，通过聚类算法将所述灰阶图像划分多个种类。

可选的，包括：所述聚类算法包括K-means聚类分析算法，系统聚类算法，分层聚类算法中的任一种。

可选的，包括：采用K-means聚类分析算法将所述灰阶图像划分多个种类，并且采用肘部法则确定划分种类后输出的种类数目K。

可选的，对所述晶圆标准样品图像进行自动化分割处理时，所述分割数量为2，3，4，5中的任一个。

可选的，包括：所述每一种类包括多个像素点，对所述像素点数最多的种类赋值第一像素值；对其他种类赋值第二像素值。

可选的，包括：所述第一像素值为255；所述第二像素值为0。

可选的，比对所述晶圆掩模图形与所述待检测晶圆图像，包括以下步骤：比对所述待检测晶圆图像与所述晶圆掩模图像两者之间每个晶片区域的像素点的R、G、B值的平均差。

上述晶圆缺陷检测方法对晶圆标准样品图像进行自动化分割处理，从而获得晶圆掩模图像，并根据获取到的晶圆掩膜图像，比对待检测晶圆的图像，实现对晶圆缺陷的侦测，减少人力和时间的消耗，并且即使在生产过程中调整了晶圆标准样品的配方，也可以很快的获取到调整后的晶圆标准样品的掩膜图像，便于进行晶圆缺陷检测。

附图说明

图1为本发明的一种具体实施方式中晶圆缺陷检测方法的步骤流程示意图。

图2为本发明的一种具体实施方式中灰度直方图。

图3为本发明的一种具体实施方式中形成的掩膜图像的示意图。

图4为本发明的一种具体实施方式中形成的掩膜图像的局部放大示意图。