[发明专利]晶圆图形提取方法及其提取系统

说明书

本发明公开了一种基于神经网络组合单一图形分类器将晶圆图像训练分类的晶圆图形提取方法，包括：将晶圆图形调整为预设尺寸，并提取图像初级纹理特征；利用神经网络对图像纹理特征进行高阶特征提取,训练后形成不同晶圆图形的单一图形分类器；按单一图形分类器组合规则将单一图形分类器组合形成判断分类器；将晶圆图像输入到判断分类器，判断分类器根据判断规则输出该晶圆图像存在哪几类图形。本发明还公开了一种基于神经网络单一图形分类器将晶圆图像训练分类的晶圆图形提取系统。本发明利用神经网络训练单一图形分类器，组合形成判断分类器，相对于人工晶圆图形识别分类效率更高，准确率更高，能减轻工程师的负担。

技术领域

本发明涉及半导体生产领域，特别是涉及一种晶圆图形提取方法。本发明还涉及一种晶圆图形提取系统。

背景技术

晶圆在制造过程中由于不同的原因会产生不同的缺陷图形(defect map)、芯片测试值分布图形(cp bin map,sp map)，对晶圆存在的空间分布图形(wafer spatialpattern)进行分类分析，可以对线上的程式(recipe)、工艺(process)和工具(tool)异常进行追溯排查，提高最终的产品良率。但是目前的晶圆存在的空间分布图形(wafer spatialpattern)的识别分类是靠工程师的人工判断，人工判断效率低，工程师负担重。

发明内容

在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明要解决的技术问题是提供一种用于将存在空间分布的晶圆图像基于神经网络组合单一图形分类器训练分类的晶圆图形提取方法。

本发明要解决的另一技术问题是提供一种用于将存在空间分布的晶圆图像基于神经网络组合单一图形分类器训练分类的晶圆图形提取系统。

为解决上述技术问题，本发明提供用于将存在空间分布的晶圆图像(waferspatial map)基于神经网络组合单一图形类型(single pattern type)分类器训练分类的晶圆图形提取方法，包括以下步骤：

S1，将晶圆图形调整为预设尺寸，并提取图像纹理特征；

S2，利用神经网络对图像纹理特征进行高阶特征提取,，训练后形成不同晶圆图形的单一图形分类器；单一图形分类器是晶圆单一图形(比如缺陷为划痕)的分类器；

S3，按单一图形分类器组合规则将S2中的单一图形分类器组合形成判断分类器；

S4，将晶圆图像输入到判断分类器，判断分类器根据判断规则输出该晶圆图像存在哪几类图形。

可选择的，进一步改进所述晶圆图形提取方法，步骤S1中，所述预设尺寸为M*M像素，M＞1。

可选择的，进一步改进所述晶圆图形提取方法，实施步骤S1时,采用局部二值模式提取图像纹理特征。

局部二值模式(LBP，Local Binary Pattern)是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T.Ojala,M.和D.Harwood在1994年提出，用于纹理特征提取，提取的特征是图像的局部的纹理特征；

原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数(通常转换为十进制数即LBP码，共256种)，即得到该窗口中心像素点的LBP值，并用这个值来反映该区域的纹理信息。