一种晶圆缺陷扫描方法与流程

本发明涉及半导体技术领域，特别涉及一种晶圆缺陷扫描方法。

背景技术：

随着集成电路生产工艺过程的复杂程度不断提高，器件尺寸不断缩小，其中，芯片是集成电路的载体，这导致芯片的原材料-晶圆表面的图形的复杂程度越来越高。半导体芯片制造工艺中，其中一项重要的步骤是进行晶圆缺陷扫描，现今芯片的集成度越来越高，晶圆缺陷扫描的难度也就越来越大。

晶圆缺陷扫描是通过晶圆缺陷扫描机台捕获晶圆表面的缺陷。在晶圆缺陷扫描过程中，主要的一项内容是划分扫描区域，因受晶圆缺陷扫描技术的限制，目前扫描区域的划分是一项既复杂又繁琐的工作。现今的晶圆缺陷扫描方法会造成扫描区域的划分不够准确，其中，还存在人为因素造成误差的影响；此外，现今的晶圆缺陷扫描方法也会占用大量的机台生产时间，影响机台产能。

技术实现要素：

本发明的目的在于提供一种晶圆缺陷扫描方法，以解决晶圆缺陷扫描区域划分不够准确的问题。

为解决上述技术问题，本发明提供一种晶圆缺陷扫描方法，包括以下步骤：

采集晶圆表面的光学图像；

将所述光学图像转换为像素网格；

处理所述像素网格表现出的灰阶值，得出灰阶图像；

根据所述灰阶图像中的相似灰阶分布，界定所述相似灰阶的灰阶值区间，从而在所述晶圆表面分类出不同材质的区域；

将所述灰阶值区间与晶圆表面的图形密度数据区间组合，在晶圆表面形成阶梯式灵敏度区域，并进行阶梯式缺陷扫描。

可选的，在所述晶圆缺陷扫描方法中，所述灰阶值介于0至255之间。

可选的，在所述晶圆缺陷扫描方法中，所述灰阶值区间的大小介于6至8之间。

可选的，在所述晶圆缺陷扫描方法中，根据灰阶值区间分类出的不同材质的数量大于1。

可选的，在所述晶圆缺陷扫描方法中，所述图形密度数据区间为根据所述晶圆表面的图像进行图像处理分析得到的数据。

可选的，在所述晶圆缺陷扫描方法中，根据所述灰阶值区间与晶圆表面的图形密度数据区间的不同组合，对所述阶梯式灵敏度区域设定不同的扫描精度进行阶梯式缺陷扫描。

可选的，在所述晶圆缺陷扫描方法中，使用晶圆缺陷扫描机台采集所述晶圆表面的光学图像。

可选的，在所述晶圆缺陷扫描方法中，还包括在采集晶圆表面的光学图像前，将扫描机台与所述晶圆对准的步骤。

可选的，在所述晶圆缺陷扫描方法中，通过对所述光学图像进行数模转换，得到所述像素网格。

可选的，在所述晶圆缺陷扫描方法中，所述缺陷为化学机械研磨缺陷。

可选的，在所述晶圆缺陷扫描方法中，所述缺陷为湿法蚀刻缺陷。。

本发明提供了一种晶圆缺陷扫描方法，首先，根据采集到的晶圆表面的光学图像获取像素网格，获取所述像素网格的灰阶值并划分出灰阶值区间，然后，将所述灰阶值区间与图形密度数据进行组合，得到阶梯式灵敏度区域，最后，对所述阶梯式灵敏度区域进行阶梯式缺陷扫描。与现有的缺陷扫描方法相比，该方法可以对缺陷扫描区域进行快速准确的划分，减少了人为操作失误，提高了晶圆缺陷扫描的准确性；进一步的，该方法减少了生产成本，提高了工作效率，改善机台产能。

附图说明

图1是本发明实施例中的晶圆缺陷扫描方法流程图；

图2是本发明实施例中的晶圆表面光学图像示意图；

图3是图2的像素网格示意图；

图4是图3的灰阶图像示意图；

图5是本发明实施例中的灰阶值区间分类出的不同材质区域示意图；

其中，

100-材质a，110-材质b，120-材质c，130-材质d，140-材质e。

具体实施方式

以下结合附图和具体实施例对本发明提出的一种晶圆缺陷扫描方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。

参考图1，图1是本发明实施例中的晶圆缺陷扫描方法流程图，本发明提供一种晶圆缺陷扫描方法，包括以下步骤：

步骤s10：采集晶圆表面的光学图像。

具体地，参考图2，图2是本发明实施例中的晶圆表面光学图像示意图，在采集晶圆表面的光学图像前，还包括将扫描机台与所述晶圆对准的步骤。使用晶圆缺陷扫描机台采集所述晶圆表面的光学图像，采集晶圆表面的光学图像时是对整个晶圆表面需要进行缺陷扫描的区域进行扫描，以便采集到整个晶圆表面所有需要进行缺陷扫描的芯片区(die)的光学图像。目前市面上的缺陷扫描机台都具备光学图像收集的功能，缺陷扫描机台自带光源及传感器。在本实施例中，进行缺陷扫描时，一般选择明场扫描机台(brightfield)或者暗场扫描机台(darkfield)作为缺陷扫描机台，但本申请可以是任意一种具备光学图像收集的功能的缺陷扫描机台，本申请不做限定。

步骤s20：将所述光学图像转换为像素网格。

具体地，参考图3，图3是图2的像素网格示意图，通过对所述光学图像进行数模转换，得到所述像素网格，从图3中可以看出，光学图像转换获取的像素网格具有若干个小格，其中，一个小格具有一个对应的灰阶值。

步骤s30：处理所述像素网格表现出的灰阶值，得出灰阶图像。

具体地，参考图4，图4图3的灰阶图像示意图，所述灰阶图像由所述像素网格转换得到，是经过采集并分析像素网格的每一个对应的灰阶值得到的。步骤s20：采集晶圆表面的光学图像和步骤s30：将所述光学图像转换为像素网格这两个步骤完成了由所述光学图像到所述像素网格，再由所述像素网格到所述灰阶图像的两次转换处理，以便接下来的区域划分。

步骤s40：根据所述灰阶图像中的相似灰阶分布，界定所述相似灰阶的灰阶值区间，从而在所述晶圆表面分类出不同材质的区域。

具体地，参考图5，图5是本发明实施例中的灰阶值区间分类出的不同材质区域示意图，晶圆表面不同材质在所述灰阶图像中所表现出的灰阶值有明显的差异，相同材质的灰阶值比较相似，可以通过计算得出相似灰阶的图形分布，所以可以通过所述灰阶图像中的相似灰阶分布来界定所述相似灰阶的灰阶值区间，从而在所述晶圆表面按照所述灰阶值区间划分出不同材质的区域。

步骤s50：将所述灰阶值区间与晶圆表面的图形密度数据区间组合，在晶圆表面形成阶梯式灵敏度区域，并进行阶梯式缺陷扫描。

具体地，根据所述灰阶值区间与晶圆表面的图形密度数据区间的不同组合，对所述阶梯式灵敏度区域设定不同的扫描精度进行阶梯式缺陷扫描。所述阶梯式灵敏度区域的划分需要同时满足两个条件：在所述灰阶值区间内并且在所述图形密度数据区间内。阶梯式灵敏度区域的划分使得晶圆缺陷扫描更精确和快捷，不掺杂任何人为因素，从而减少了人为操作失误，提高了晶圆缺陷扫描的准确性。

在本实施例中，所述晶圆缺陷为化学机械研磨缺陷或者湿法蚀刻缺陷。

进一步的，所述灰阶值介于0至255之间并且在灰度上由黑到白呈现了像素网格的灰阶值0-255的灰阶变化。所述灰阶值区间的大小介于6至8之间，根据所述灰阶值区间分类出的不同材质的数量大于1。拥有不同灰阶值范围的像素网格表现出不同材质的图形变化。在本实施例中，如图5所示，已根据灰阶值区间分类出晶圆表面的不同材质，图5根据灰阶值区间分类出的不同材质的数量为5，灰阶值区间6-13归为材质a(100)，灰阶值区间147-153归为材质b(110)，灰阶值区间237-243归为材质c(120)，灰阶值区间153-161归为材质d(130)，灰阶值区间13-20归为材质e(140)。上述不同材质的归类，用于归类不同材质的区间可以根据具体情况发生变化，或由经验值设定，本申请的晶圆表面的不同材质的分类不受限于上述举例。

进一步的，在所述晶圆缺陷扫描方法中，所述图形密度数据区间为根据所述晶圆表面的图像进行图像处理分析得到的数据。在具体一个实施例情况下，所述图形密度数据区间分为10个区间：0-0.1、0.1-0.2、0.2-0.3、0.3-0.4、0.4-0.5、0.5-0.6、0.6-0.7、0.7-0.8、0.8-0.9以及0.9-1.0，其中，图形密度数据区间为0-0.1代表静态随机存取存储器(sram)区，图形密度数据区间为0.6-0.7代表逻辑(logic)区。

在本实施例中，所述灰阶值区间和所述图形密度数据区间的大小进行组合，形成所述阶梯式灵敏度区域。例如：同时满足在灰阶值区间6-13(材质a)内且在图形密度数据区间0-0.1(sram区)内的区域定义为第一扫描区域；同时满足在灰阶值区间147-153(材质b)内且在图形密度数据区间0.6-0.7(logic区)内的区域定义为第二扫描区域，以此类推，得到整个晶圆的所有需要扫描的芯片区(die)的划分。

进一步的，根据所述灰阶值区间与晶圆表面的图形密度数据区间的不同组合，对所述阶梯式灵敏度区域设定不同的扫描精度进行阶梯式缺陷扫描。根据自定义的不同的扫描精度，可以对整片晶圆不同的区域制定针对性的扫描方案，从而进一步的提高了晶圆缺陷扫描的准确性和可靠性。

综上所述，本发明提供了一种晶圆缺陷扫描方法，首先，根据采集到的晶圆表面的光学图像获取像素网格，获取所述像素网格的灰阶值并划分出灰阶值区间，然后，将所述灰阶值区间与图形密度数据进行组合，得到阶梯式灵敏度区域，最后，对所述阶梯式灵敏度区域进行阶梯式缺陷扫描。与现有的缺陷扫描方法相比，该方法可以对缺陷扫描区域进行快速准确的划分，减少了人为操作失误，提高了晶圆缺陷扫描的准确性；进一步的，该方法减少了生产成本，提高了工作效率，改善机台产能。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。