一种晶圆外观缺陷的分类以及检测方法
【专利摘要】本发明涉及半导体制造设备领域，尤其是涉及一种晶圆外观缺陷的分类以及检测方法，该方法包括以下步骤：S1、扫描获得晶圆图像；S2、对晶圆图像进行边缘提取计算边宽；S3、分割出晶圆的感兴趣区域；S4、对晶圆的感兴趣区域进行外观缺陷检测；S5、对晶圆外观缺陷进行归类。本发明可以提高晶圆的加工效率和质量。
【专利说明】—种晶圆外观缺陷的分类以及检测方法
【技术领域】
[0001]本发明涉及半导体制造技术，尤其涉及到一种晶圆外观缺陷的检测与归类方法。【背景技术】
[0002]晶圆是半导体的基础材料，也是LED的核心部分。晶圆的质量严重影响着LED的波长、亮度、正向电压等主要的光电参数。晶圆被切割成的一颗颗的晶粒的质量影响着半导体加工的质量，同时也影响着加工的效率。影响半导体加工的质量主要体现在产品的合格率上，晶粒的质量差，产品的合格率就会降低。影响加工效率主要体现在对于有缺陷的部分的晶圆进行切割，会大大的降低了加工效率，若通过外观检测的数据判断，对晶圆的处理方式可以使加工效率有所提高。因此，为了能够减少晶圆外观缺陷对后续加工的影响，在对晶圆进行处理之前进行晶圆的外观检测是非常重要的环节。人们可以根据晶圆外观检测得到一系列的相关数据，即多种类型的瑕疵或者是缺陷的尺寸大小，位置，形状，类型等参数，这些参数可以作为晶圆后续处理的支撑材料或者是参考数据，以达到期望的效果。
【发明内容】
[0003]本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种晶圆外观缺陷的分类以及检测方法，以切实提高晶圆的加工效率和质量。
[0004]本发明解决其技术问题所采用的技术方案是:提供一种晶圆外观缺陷的分类以及检测方法，包括以下步骤:
[0005]S1、扫描获得晶圆图像；
[0006]S2、对晶圆图像进行边缘提取计算边宽；
[0007]S3、分割出晶圆的感兴趣区域；
[0008]S4、对晶圆的感兴趣区域进行外观缺陷检测；
[0009]S5、对晶圆外观缺陷进行归类。
[0010]本发明的更进一步优选方案是:在步骤SI中，通过相机采集到晶圆的多个行图像，并将这些行图像拼接成一幅大的晶圆拼接图像。优选地，所述相机为高分辨率的线扫描相机。
[0011]本发明的更进一步优选方案是:在步骤S2中，首先，通过图像处理算法中扫描边缘点的方式得到一系列外边缘和内边缘的点，这一系列的两个点之间的距离即为一系列的边宽；或者是，通过图像处理算法中扫描边缘点的方式得到晶圆的外边缘轮廓和内边缘轮廓,这两个轮廓之间的一系列的距离即为一系列的边宽；相应地,在步骤S3中，位于内边缘/内边缘轮廓内侧的区域即为所述的晶圆的感兴趣区域。
[0012]本发明的更进一步优选方案是:在步骤S4中，通过灰度阈值分割，分割出晶圆的感兴趣区域的图像中的白色区域与黑色区域，这些白色区域与黑色区域即为有缺陷的区域。
[0013]本发明的更进一步优选方案是:在步骤S5中具体包括:将白色区域归类为缺失类；进一步，利用面积尺寸信息，可细分为大面积缺失、小面积缺失和针孔缺陷，其中，小面积缺失与针孔缺陷的区分可依据最小外接圆的半径。
[0014]本发明的更进一步优选方案是:在步骤S5中具体包括:将黑色区域归类为污染类；进一步，利用面积尺寸信息，可细分为大颗粒缺陷、划痕缺陷和小颗粒缺陷，其中，大颗粒缺陷与划痕缺陷的区分可依据最小外接矩形的长宽比。
[0015]本发明的更进一步优选方案是:在步骤S4中具体包括:通过边缘检测，将所述的晶圆的感兴趣区域内部存有边缘线的归类为曝光异常类；进一步，利用边缘线的长度以及数目，可细分格线缺陷和曝光异常缺陷。
[0016]本发明的更进一步优选方案是:在步骤S5中具体包括:将在步骤S3得到的一系列的边宽数据与设定的晶圆边宽要求进行比较，并将不能满足设定要求的情形归类为边缘不对称缺陷或者边宽过大缺陷。
[0017]在本发明中，所述晶圆为一个带有切边的圆形结构的LED-PSS晶圆。
[0018]本发明的有益效果在于，通过线扫描相机拍摄晶圆的图像，在此基础上将得到的图像拼接成一个完整的图像，采用图像处理软件扫描晶圆的边缘得到晶圆的两个边缘以及边缘上的点，利用这些点计算晶圆的边宽，其次，利用得到的晶圆的内边缘可分割出晶圆的感兴趣区域，利用阈值分割的算法分割感兴趣区域，可得到感兴趣区域的黑色和白色的区域，晶圆的主要缺陷都包含在所提取出来的黑色和白色的区域，最后，利用各个缺陷内部的属性将得到的缺陷进行相应的分类，同时得到分类后的各个缺陷的位置、面积等想要利用的数据，这些数据可以为晶圆的加工提供支撑条件，以切实提高晶圆的加工效率和质量。
【专利附图】
【附图说明】
[0019]下面将结合附图及实施例对本发明作进一步说明，附图中:
[0020]图1为本发明方法所涉及的晶圆外观主要缺陷示意图。
[0021]图2a和图2b为晶圆边缘扫描以及边宽提取示意图。
[0022]图3a至3i为各种类型的晶圆外观缺陷图像。
[0023]图4为晶圆外观缺陷的分类规则示意图。
[0024]图5a至5d为几种典型的晶圆外观缺陷示意图。
[0025]图6为采用本发明方法实现晶圆外观缺陷分类及检测的流程图。
【具体实施方式】
[0026]现结合附图，对本发明的较佳实施例作详细说明。
[0027]如图1所示，为本发明所涉及的晶圆外观主要缺陷示意图，在本实施例中，此晶圆为一个带有切边的圆形结构的LED-PSS晶圆。其中，标号11为晶圆的边缘，其中位于外侧的为外边缘、位于内侧的为内边缘；标号12为白色缺陷；标号13为黑色缺陷；标号14为划痕缺陷。白色缺陷12具体可包括针孔以及图像缺失。黑色缺陷13具体可包括大颗粒污染和小颗粒污染。
[0028]如图2a和图2b所示，为本发明的晶圆边缘扫描以及边宽提取示意图。其中，图2a示出了边缘扫描，图2b示出了边宽提取。其中，若采用边缘扫描的方式提取边宽，参见图2a，标号21为外边缘扫描得到的点，标号22为内边缘扫描后得到的点，标号23为边缘的扫描线；若采用边缘检测的方式提取边宽，参见图2b，标号24为晶圆的内边缘轮廓，标号25为晶圆的外边缘轮廓。本发明的晶圆边宽提取的具体过程如下:
[0029]采用边缘扫描的方式:
[0030]1、定位一个扫描的中心点，所采用的方式为手动圈定区域，利用手动圈定区域的中心作为扫描的中心，定位扫描中心的方式不是唯一的，本发明中只提出一种方式；
[0031]2、以扫描中心为旋转中心，扫描晶圆的一圈即360度，得到扫描的边缘点；
[0032]3、通过得到的内边缘与外边缘的对应点计算晶圆的边宽，两点之间的距离计算公
式为:
【权利要求】
1.一种晶圆外观缺陷的分类以及检测方法，包括以下步骤: 51、扫描获得晶圆图像； 52、对晶圆图像进行边缘提取计算边宽； 53、分割出晶圆的感兴趣区域； 54、对晶圆的感兴趣区域进行外观缺陷检测； 55、对晶圆外观缺陷进行归类。
2.根据权利要求1所述的方法，其特征在于:在步骤SI中，通过相机采集到晶圆的多个行图像，并将这些行图像拼接成一幅大的晶圆拼接图像。
3.根据权利要求2所述的方法，其特征在于:在步骤S2中，首先，通过图像处理算法中扫描边缘点的方式得到一系列外边缘和内边缘的点，这一系列的两个点之间的距离即为一系列的边宽；或者是，通过图像处理算法中扫描边缘点的方式得到晶圆的外边缘轮廓和内边缘轮廓，这两个轮廓之间的一系列的距离即为一系列的边宽；相应地,在步骤S3中，位于内边缘/内边缘轮廓内侧的区域即为所述的晶圆的感兴趣区域。
4.根据权利要求3所述的方法，其特征在于:在步骤S4中，通过灰度阈值分割，分割出晶圆的感兴趣区域的图像中的白色区域与黑色区域，这些白色区域与黑色区域即为有缺陷的区域。
5.根据权利要求4所述的方法，其特征在于:在步骤S5中具体包括:将白色区域归类为缺失类；进一步，利用面积尺寸信息，可细分为大面积缺失、小面积缺失和针孔缺陷，其中，小面积缺失与针孔缺陷的区分可依据最小外接圆的半径。
6.根据权利要求4所述的方法，其特征在于:在步骤S5中具体包括:将黑色区域归类为污染类；进一步，利用面积尺寸信息，可细分为大颗粒缺陷、划痕缺陷和小颗粒缺陷，其中，大颗粒缺陷与划痕缺陷的区分可依据最小外接矩形的长宽比。
7.根据权利要求3所述的方法，其特征在于:在步骤S4中具体包括:通过边缘检测，将所述的晶圆的感兴趣区域内部存有边缘线的归类为曝光异常类；进一步，利用边缘线的长度以及数目，可细分格线缺陷和曝光异常缺陷。
8.根据权利要求3所述的方法，其特征在于:在步骤S5中具体包括:将在步骤S3得到的一系列的边宽数据与设定的晶圆边宽要求进行比较，并将不能满足设定要求的情形归类为边缘不对称缺陷或者边宽过大缺陷。
9.根据权利要求2所述的方法，其特征在于:所述相机为高分辨率的线扫描相机。
10.根据权利要求1至9任一项所述的方法，其特征在于:所述的晶圆为一个带有切边的圆形结构的LED-PSS晶圆。
【文档编号】G01N21/88GK103674965SQ201310656717
【公开日】2014年3月26日 申请日期:2013年12月6日 优先权日:2013年12月6日
【发明者】舒远, 王光能, 周蕾, 米野, 高云峰 申请人:深圳市大族激光科技股份有限公司, 深圳市大族电机科技有限公司