IC晶圓表面缺陷檢測(cè)技術(shù)研究.pdf

1、隨著集成電路制造技術(shù)的快速發(fā)展，晶圓的特征尺寸不斷減小，造成更多微小的缺陷。晶圓表面的缺陷已經(jīng)成為影響良率的主要障礙。如何精確自動(dòng)檢測(cè)晶圓的缺陷是一項(xiàng)復(fù)雜而有挑戰(zhàn)性的工作。缺陷檢測(cè)技術(shù)已經(jīng)成為集成電路產(chǎn)業(yè)的關(guān)鍵技術(shù)。本文對(duì)晶圓表面缺陷檢測(cè)技術(shù)做深入研究。
　　本文采用圖像處理技術(shù)和超分辨率技術(shù)相結(jié)合的方法檢測(cè)晶圓的缺陷。圖像處理主要包括圖像濾波、特征提取和圖像匹配等算法。超分辨率技術(shù)可以從一系列的低分辨率圖像中獲得高分辨率圖像。<

2、br>　　本文具體的研究成果和結(jié)論有以下幾點(diǎn)：
　　首先，本文討論了晶圓生產(chǎn)過(guò)程中缺陷的來(lái)源，根據(jù)缺陷的形態(tài)特征，可以將缺陷分為冗余物、晶體缺陷和機(jī)械損傷三種；分析了缺陷檢測(cè)中影響精度的主要原因，例如光源的選擇和光束的調(diào)制，選擇波長(zhǎng)更小的激光，使用光學(xué)干涉顯微鏡等。
　　其次，將計(jì)算機(jī)視覺(jué)開(kāi)源庫(kù)（OpenCV）引入到算法的實(shí)現(xiàn)中來(lái)，大大提高了算法效率和系統(tǒng)可擴(kuò)展性。使用OpenCV實(shí)現(xiàn)了對(duì)于晶圓圖像的線(xiàn)性和中值濾波，中值濾波

3、器比線(xiàn)性濾波器在圖像細(xì)節(jié)上保留的更好，而且對(duì)濾除圖像掃描噪聲富有成效。通過(guò)Hough變換提取了晶圓的線(xiàn)狀特征，通過(guò)Harris算法提取了晶圓的角點(diǎn)特征，并且提出了一種通過(guò)兩個(gè)特征值限定范圍的Harris改進(jìn)方法。文中討論了圖像匹配的兩種方式：基于灰度的圖像匹配和基于特征的圖像匹配。文中使用歸一化自相關(guān)函數(shù)進(jìn)行模板匹配；用SIFT算法做了基于特征的圖像匹配演示，實(shí)驗(yàn)結(jié)果證明SIFT算法進(jìn)行圖像匹配是高效而且準(zhǔn)確的。
　　最后，引用超