本发明专利技术涉及一种分层拆解的晶圆缺陷分类方法，该方法首先采集目标晶圆上每个目标区域的至少一个目标图像；基于预存的所述目标区域的结构特征，对每个所述目标图像进行分层处理，得到至少两个分层图形，及所述分层图形对应的层级信息；据所述层级信息对所述分层图形进行缺陷识别和分类，得到至少一个目标缺陷图形及其缺陷种类。本发明专利技术可以降低晶圆缺陷分类过程中对人工的依赖性，从而提高了晶圆缺陷分类的效率，降低了缺陷分类的成本，实现了在生产过程中对晶圆缺陷的实时检测，获得实时的缺陷信息反馈，从而提高了产品的良率。从而提高了产品的良率。从而提高了产品的良率。
【技术实现步骤摘要】
晶圆缺陷分类的方法、装置、电子设备以及存储介质
[0001]本专利技术涉及半导体制造
，尤其涉及一种基于分层拆解缺陷图片的晶圆缺陷分类的方法、装置、电子设备和计算机可读存储介质。
技术介绍
[0002]随着半导体器件技术的发展，用于制造半导体器件的工艺越来越多，其主要目的是在晶圆在制作电路及电子元件，如晶体管、电容和逻辑开关等等，例如，通过在晶圆表面进行氧化及化学气相沉积，然后涂膜、曝光、显影、刻蚀、离子植入、金属溅镀等步骤，并最终在晶圆上完成数层电路及元件加工与制作。然而，由于制造过程中的每个工艺都有一定的复杂度，因此，每个工艺流程对晶圆的处理都可能会在不同层产生一些不符预期的结构，并且这些结构会造成芯片上电路无法正常工作，这种结构通常称之为晶圆缺陷。通常，芯片制造流程中通常会在众多关键工序后都安排晶圆缺陷检测的步骤，用于监控关键工艺，确保其正确性。但由于芯片制造的工艺流程极其复杂，晶圆缺陷类型繁多，所以，目前没有一个统一的分类方式，目前最常用的分类方法是人工分类和CNN分类。
[0003]然而，实际应用中，大多晶圆缺陷并不是完全独立存在的，可能存在同一层级或不同层级上的两个或多个晶圆缺陷重叠(或交叉)的情况，也可能出现晶圆缺陷与晶圆中的正常结构(例如晶圆上的电子器件等)发生重叠或交叉的情况。
[0004]此时，若采用CNN分类，就需要大量的具有重叠或交叉的样本图像来进行模型训练，然而，实际应用中，每个工艺流程中并不会产生大量这样的晶圆缺陷，并且不同工厂之间也不会进行数据共享，这就造成了训练样本量的不足，自然也就无法训练得到一个分类精准度较好的分类模型；另一方面，即使能够找到足够的训练样本，但需要预先对训练样本进行缺陷类型标记，由于有重叠或交叉的情况出现，这种训练样本的标记该如何标记才能够更准确？因此，这不仅将增加标记的工作量，也增加了标记的难度。
[0005]故而，针对出现较多重叠或交叉的情况，目前，主要采用人工分类。然而，人工分类时，对重叠或交叉结构中的缺陷进行识别和分类的准确度和可靠性与工作人员识别缺陷的经验呈正相关，即其经验越丰富，相应地，其准确的和可靠性则增加，也即是说，这种分类方法对工作人员的专业度要求高。另一方面，若工作人员长时间进行缺陷识别，可能引起累积疲劳，从而降低了缺陷分类的效率，同时也降低了其准确性和可靠性。
[0006]有鉴于此，本专利技术提出了一种基于分层拆解的晶圆缺陷分类方法和装置。
技术实现思路
[0007]为了部分地解决或缓解上述技术问题，本专利技术提供了一种基于分层拆解的晶圆缺陷分类方法，相较于现有技术中由人工进行缺陷分类的方法，其能够自动进行缺陷分类。
[0008]本专利技术的第一方面在于，提供了一种基于分层拆解的晶圆缺陷分类方法，其包括步骤：采集目标晶圆上每个目标区域的至少一个目标图像；
基于预存的所述目标区域的结构特征，对每个所述目标区域各自的目标图像进行分层处理，得到至少两个分层图形，及所述分层图形对应的层级信息；根据所述层级信息对所述分层图形进行缺陷识别和分类，得到至少一个目标缺陷图形及其缺陷种类。
[0009]本专利技术的一些实施例中，所述目标区域包括多层结构，相应地，所述结构特征包括：所述多层结构中每一层结构各自对应的层级信息。
[0010]本专利技术的一些实施例中，所述层级信息包括：像素阈值和/或坐标信息。
[0011]本专利技术的一些实施例中，对所述目标图像进行分层处理的步骤，具体包括：对每个所述目标图像进行边缘提取，得到至少一个闭合曲线图形及每个闭合曲线图形的像素信息；识别出有交叉的至少两个闭合曲线图形，并进行图形分离，得到至少两个独立的待识别闭合曲线图形；根据所述像素信息和每层的像素阈值识别所述待识别闭合曲线图形的层级，得到至少一个所述分层图形及其层级信息。
[0012]本专利技术的一些实施例中，根据所述像素信息和每层的像素阈值识别所述待识别闭合曲线图形的层级的步骤，具体包括：按照从顶层到底层的顺序，将当前所述待识别闭合曲线图形的像素信息与所述多层结构中每一层的像素阈值逐一进行对比，直至判断出所述像素信息大于或等于所述像素阈值，判定所述待识别闭合曲线图形当前所在层级为所述像素阈值对应的层级。
[0013]本专利技术的第二方面在于，提供了一种缺陷分类装置，其包括：图像采集模块，用于采集目标晶圆上目标区域的至少一个目标图像；图像分层模块，用于基于预存的所述目标区域的结构特征，对所述目标图像进行分层处理，得到至少两个分层图形，及所述分层图形对应的层级信息；缺陷分类模块，用于根据所述层级信息对所述分层图形进行缺陷识别和分类，得到至少一个目标缺陷图形及其缺陷种类。
[0014]本专利技术的一些实施例中，所述目标区域包括多层结构，相应地，所述结构特征包括：所述多层结构中每一层结构各自对应的层级信息。
[0015]本专利技术的一些实施例中，所述层级信息包括：像素阈值和/或坐标信息。
[0016]本专利技术的一些实施例中，所述图像分层模块具体包括：第一图像处理单元，用于对所述目标图像进行边缘提取，得到至少一个闭合曲线图形及每个闭合曲线图形的像素信息；第二图像处理单元，用于从所述至少一个闭合曲线图形中识别出有交叉的至少两个闭合曲线图形，并图形分离，得到至少两个独立的待识别闭合曲线图形；图像处理单元，用于根据所述像素信息和每层的像素阈值识别所述待识别闭合曲线图形的层级，得到至少一个所述分层图形及其层级信息。
[0017]本专利技术的一些实施例中，所述第三图像处理单元具体用于按照从顶层到底层的顺序，将当前待识别闭合曲线图形的像素信息与所述多层结构中每一层的像素阈值逐一进行对比，直至判断出所述像素信息大于或等于所述像素阈值，判定所述当前待识别闭合曲线图形当前所在层级为所述像素阈值对应的层级。
[0018]本专利技术的第三方面在于，提供了一种电子设备，包括至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器用于存储执行权利要求1至5中任一所述方法的程序；所述处理器被配置为用于执行所述存储器中存储的程序。
[0019]本专利技术的第四方面在于，提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时控制所述存储介质所在设备执行上述方法的步骤。有益技术效果
[0020]本专利技术提供了一种基于分层拆解的晶圆缺陷分类方法，其通过采集目标晶圆上每个目标区域的至少一个目标图像；然后基于预存的目标区域的结构特征，对每个目标区域各自对应的目标图像进行分层处理，得到至少两个分层图形，及每个分层图形对应的层级信息；并据层级信息对分层图形进行缺陷识别和分类，得到至少一个目标缺陷图形及其缺陷种类。本专利技术提供的分类方法降低了晶圆缺陷分类过程中对人工的依赖性，实现了自动缺陷识别和分类，从而提高了晶圆缺陷分类的效率，降低了缺陷分类的成本；并本专利技术的该分类方法可以应用于晶圆生产工艺中晶圆缺陷的实时检测和分类，能够实时反馈缺陷信息，提高了产品的良率。
...
【技术保护点】
【技术特征摘要】
1.一种基于分层拆解的晶圆缺陷分类方法，其特征在于，包括步骤：采集目标晶圆上每个目标区域的至少一个目标图像；基于预存的所述目标区域的结构特征，对每个所述目标区域各自的目标图像进行分层处理，得到至少两个分层图形，及所述分层图形对应的层级信息；根据所述层级信息对所述分层图形进行缺陷识别和分类，得到至少一个目标缺陷图形及其缺陷种类。2.根据权利要求1所述的方法，其特征在于，所述目标区域包括多层结构，相应地，所述结构特征包括：所述多层结构中每一层结构各自对应的层级信息。3.根据权利要求2所述的方法，其特征在于，所述层级信息包括：像素阈值和/或坐标信息。4.根据权利要求3所述的方法，其特征在于，对所述目标图像进行分层处理的步骤，具体包括：对每个所述目标图像进行边缘提取，得到至少一个闭合曲线图形及每个闭合曲线图形的像素信息；识别出有交叉的至少两个闭合曲线图形，并进行图形分离，得到至少两个独立的待识别闭合曲线图形；根据所述像素信息和每层的像素阈值识别所述待识别闭合曲线图形的层级，得到至少一个所述分层图形及其层级信息。5.根据权利要求4所述的方法，其特征在于，根据所述像素信息和每层的像素阈值识别所述待识别闭合曲线图形的层级的步骤，具体包括：按照从顶层到底层的顺序，将当前所述待识别闭合曲线图形的像素信息与所述多层结构中每一层的像素阈值逐一进行对比，直至判断出所述像素信息大于或等于所述像素阈值，判定所述待识别闭合曲线图形当前所在层级为所述像素阈值对应的层级。6.一种缺陷分类装置，其特征在于，包括：图像采集模块，用于采集目标晶圆上目标区域的至少一个目标图像；图像分层模块，用于基于预存的所述目标区域的结构特征，对所述目标图像进行分层处理，得到至少两个分层图形，及所述分层图形对应的层级信息；...
【专利技术属性】
技术研发人员：沈剑，刘迪，唐磊，胡逸群，陈建东，
申请(专利权)人：上海众壹云计算科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。