【摘要】：近年來,隨著我國半導(dǎo)體行業(yè)的迅速發(fā)展,光刻工藝復(fù)雜度不斷提高,品圓的缺陷來源越來越多元化,晶圓檢測的傳統(tǒng)方式主要為人工目檢,該檢測方法效率低,且易受主觀因素影響,產(chǎn)生漏檢、誤檢的情況,已不能滿足工業(yè)需要。為了提高晶圓缺陷檢測速度與可靠性,實現(xiàn)晶圓缺陷在線視覺檢測,降低缺陷對半導(dǎo)體制造業(yè)的影響,提高產(chǎn)品的良品率,本文在分析現(xiàn)有缺陷檢測方法的基礎(chǔ)上,結(jié)合計算機技術(shù)與圖像處理技術(shù),對該課題展開研究。首先,為了獲取高分辨率的晶圓表面圖像,選用合適的圖像采集設(shè)備,搭建了圖像采集系統(tǒng)。在光源選擇中,系統(tǒng)選用紅色同軸光源,不僅克服了晶圓表面高反射度的缺點,而且紅光較長的波長也最大程度的保護了晶圓表面的光刻膠。微米級的檢測精度限制了相機的視場,為了獲取完整的晶圓圖像,且要避免相機的抖動造成干擾,搭建了三軸運動平臺,負責(zé)吸附晶圓,按照規(guī)定的路徑移動,捕獲到整個晶圓的完整圖像。其次,針對圖像在采集、傳輸過程中,受到光源性能、通道帶寬、噪聲等的影響而產(chǎn)生噪聲的問題,根據(jù)圖像噪聲的特點與算法實驗對比,確定采用改進的中值濾波法—多重中值濾波,濾除圖像噪聲；為了提高圖像的對比度,突出我們感興趣的區(qū)域,濾波完成后,采用直方圖規(guī)定化的方法對圖像進行增強,增強圖像的判讀和識別效果。最后,為了搜索匹配到晶圓圖像中所有的Die單元,對模版匹配算法進行了深入的研究,由Die單元分布特點,結(jié)合算法實驗效果對比,確定采用歸一化互相關(guān)的模板匹配算法,該方法對圖像灰度值的線性變化具有“免疫性”,對光照改變具有較好的魯棒性。通過圖像差影法得到差分圖像,將得到的差值與預(yù)設(shè)的閾值進行比較,大于閾值,則標記為缺陷點。通過大量的實驗,驗證了該檢測系統(tǒng)的可行性,有效的檢測出品圓表面的缺陷,精度到達15μm。該系統(tǒng)可在實際應(yīng)用中取代人工,實現(xiàn)快速準確的缺陷檢測。
[Abstract]:In recent years, with the rapid development of semiconductor industry in China, the complexity of lithography technology is increasing, and the source of defects of wafer is more and more diverse. The traditional method of wafer detection is mainly artificial inspection, and the efficiency of this method is low. And it is easy to be affected by subjective factors, which can not meet the needs of industry. In order to improve the speed and reliability of wafer defect detection, realize the on-line vision detection of wafer defects, reduce the influence of defects on semiconductor manufacturing industry, and improve the rate of good products, this paper analyzes the existing defect detection methods. Combined with computer technology and image processing technology, the research on this subject is carried out. Firstly, in order to obtain high resolution wafer surface image, an image acquisition system is built by selecting appropriate image acquisition equipment. In the selection of light source, the system not only overcomes the shortcoming of high reflectivity of wafer surface, but also protects the photoresist of wafer surface with the longest wavelength of red light. In order to obtain the complete wafer image and avoid the interference caused by the camera's jitter, a three-axis motion platform is built, which is responsible for adsorbing wafer and moving according to the prescribed path. Capture the complete image of the entire wafer. Secondly, in the process of image acquisition and transmission, the noise is caused by the influence of the performance of light source, channel bandwidth, noise and so on, according to the characteristics of image noise and algorithm experimental comparison, In order to improve the contrast of the image and highlight the region of interest, the image is enhanced by the method of histogram specification after the completion of the filtering, the method of multi-multiple median filter is adopted to filter the noise of the image, so as to improve the contrast of the image and highlight the region of interest to us. Enhance the image interpretation and recognition effect. Finally, in order to search all the Die elements matching to the wafer image, the template matching algorithm is deeply studied. According to the distribution characteristics of the Die elements and the comparison of the experimental results of the algorithm, the template matching algorithm of normalized cross-correlation is adopted. This method is immune to the linear change of image gray value and robust to illumination change. The difference value is compared with the preset threshold value by the method of image difference. If the difference value is greater than the threshold value, the difference will be marked as a defect point. Through a large number of experiments, the feasibility of the detection system is verified, and the defect of the circular surface of the product is effectively detected, and the precision is up to 15 渭 m. The system can replace manual in practical application and realize fast and accurate defect detection.
【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN305;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 李莉萍;;新的3D缺陷檢測技術(shù)實現(xiàn)納米級快速檢測[J];計測技術(shù);2013年04期

2 楊建魯;一種簡便的介質(zhì)缺陷檢測方法[J];微電子學(xué);1991年05期

3 肖慶;楊朝紅;宮云戰(zhàn);;提高靜態(tài)缺陷檢測精度方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2010年11期

4 朱明巖;鄧洪亮;黃東輝;付思遠;;探地雷達在道路缺陷檢測中的應(yīng)用[J];山西建筑;2014年04期

5 ;KLA-Tencor新光罩檢測技術(shù)可執(zhí)行多缺陷檢測[J];電子與電腦;2008年10期

6 喻賓揚;王召巴;金永;;玻璃缺陷檢測新方法的研究[J];傳感器與微系統(tǒng);2008年08期

7 劉浩;劉春;胡存剛;;混合濾波器在玻璃瓶缺陷檢測中的應(yīng)用[J];電子測量與儀器學(xué)報;2007年03期

8 蔣艷軍;盧軍;陳建軍;;板栗圖像的去噪及缺陷檢測研究[J];農(nóng)產(chǎn)品加工;2008年09期

9 石強;陳陸建;;管道內(nèi)外壁缺陷檢測的研究[J];中小企業(yè)管理與科技(上旬刊);2010年05期

10 劉皓挺;王巍;史利民;;圖割模型在光纖熔接缺陷檢測中的應(yīng)用[J];紅外與激光工程;2012年11期

相關(guān)會議論文 前10條

1 楊德美;楊學(xué)志;;基于獨立分量分析高階統(tǒng)計量的紡織品缺陷檢測[A];全國第21屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

2 于景蘭;于健;翁昌年;;探地雷達在橋梁缺陷檢測中的應(yīng)用初探[A];中國地球物理第二十一屆年會論文集[C];2005年

3 李兵;鄧善熙;李煥然;;計算機圖像處理技術(shù)應(yīng)用于晶振元件缺陷檢測[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

4 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測系統(tǒng)的研究[A];機械動力學(xué)理論及其應(yīng)用[C];2011年

5 何濤;吳永祥;李偉;吳慶華;鐘飛;;Hexsight視覺軟件包在串行端子缺陷檢測中的應(yīng)用[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

6 曾理;郭海燕;蒲云;畢碧;;射線數(shù)字成像缺陷檢測技術(shù)研究[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年

7 蔡茂蓉;;PCB缺陷檢測系統(tǒng)的研究與實現(xiàn)[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年

8 潘敏;程良倫;;一種基于角點匹配的PCB板元件安裝缺陷檢測基準點定位算法[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

9 王國勛;彭怡;寇綱;石勇;;基于MCDM的軟件缺陷檢測算法評估[A];經(jīng)濟全球化與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第16屆學(xué)術(shù)年會論文集[C];2010年

10 劉松林;陳杰;郝向陽;西勤;;玻殼缺陷檢測與幾何量測視覺系統(tǒng)的設(shè)計與實現(xiàn)[A];2009年全國測繪儀器綜合學(xué)術(shù)年會論文集[C];2009年

相關(guān)重要報紙文章 前1條

1 本報記者 張海志;一名產(chǎn)業(yè)工人的創(chuàng)新情結(jié)[N];中國知識產(chǎn)權(quán)報;2010年

相關(guān)博士學(xué)位論文 前10條

1 蘇日亮;面向鋼軌軌底缺陷檢測的電磁超聲換能器研究[D];哈爾濱工業(yè)大學(xué);2015年

2 劉洪江;基于機器視覺的毛桿缺陷檢測技術(shù)的研究[D];廣東工業(yè)大學(xué);2011年

3 肖慶;提高靜態(tài)缺陷檢測精度的關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

4 張大林;靜態(tài)缺陷檢測優(yōu)化若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2014年

5 周文;IC互連中的缺陷檢測方法及缺陷對電路可靠性的影響[D];西安電子科技大學(xué);2010年

6 司小書;面向織物缺陷檢測的CUDA并行圖像處理模型與算法研究[D];武漢大學(xué);2011年

7 劉艷;基于CCD掃描的聚合物薄膜缺陷檢測關(guān)鍵技術(shù)研究[D];哈爾濱理工大學(xué);2009年

8 王慶香;基于小波的紋理分析及其在FPC金面缺陷檢測中的應(yīng)用[D];華南理工大學(xué);2011年

9 明俊峰;羽毛片缺陷檢測若干關(guān)鍵技術(shù)的研究[D];廣東工業(yè)大學(xué);2014年

10 畢昕;面向TFT-LCD制程的Mura缺陷機器視覺檢測方法研究[D];上海交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 陳宇;軟包商標印刷缺陷檢測系統(tǒng)研究[D];昆明理工大學(xué);2015年

2 周艷;光通信濾光片外觀缺陷自動檢測系統(tǒng)任務(wù)調(diào)度優(yōu)化方法[D];華南理工大學(xué);2015年

3 黃文軍;基于機器視覺的印字缺陷檢測系統(tǒng)研究與實現(xiàn)[D];五邑大學(xué);2015年

4 陳洪磊;基于寬頻信號的板中缺陷檢測[D];上海應(yīng)用技術(shù)學(xué)院;2015年

5 章玲;基于圖像放縮算法的輪胎缺陷檢測系統(tǒng)研究與實現(xiàn)[D];山東大學(xué);2015年

6 劉博;基于電磁超聲Lamb波換能器陣列的板材檢測方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 劉振東;鋼芯傳送帶缺陷檢測系統(tǒng)中圖像處理算法研究[D];山西大學(xué);2015年

8 胡sズ，

本文編號：2276642