System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及半导体,特别涉及一种光刻胶涂覆监测方法及其设备。
技术介绍
1、光刻胶涂覆是在半导体制造过程中的一项关键步骤,它的作用是在芯片制造过程中形成光刻层,用于制作芯片上的图案和结构。具体工艺过程如下:(1)基片准备:将待加工的硅基片进行清洗和处理,以去除表面的杂质和污染物。(2)胶液准备:将光刻胶溶液制备好,通常是将光刻胶和溶剂混合,以获得适当的粘度和浓度。(3)胶液过滤:将准备好的光刻胶溶液通过滤网进行过滤,以去除其中的颗粒和杂质,确保胶液的纯净度。(4)胶液涂覆:将过滤后的光刻胶溶液均匀地涂覆在基片表面,通常使用旋涂机或涂覆机进行涂覆,以获得均匀的胶液薄膜。(5)烘烤:将涂覆好的光刻胶进行烘烤,以去除胶液中的溶剂,使胶液形成坚固的薄膜,并使其与基片表面紧密结合。(6)曝光:使用光刻机将光刻胶薄膜上的图案进行曝光,通过光源和掩膜的组合,将光刻胶中的特定区域暴露于光线下,形成所需的图案。(7)显影:将曝光后的光刻胶进行显影,使用显影液将未曝光的胶液区域溶解掉,留下所需的图案。(8)清洗:将显影后的光刻胶进行清洗,去除残留的显影液和未固化的胶液,以保证芯片表面的干净和质量。
2、在以上步骤中,光刻胶胶液的涂覆步骤,对工艺质量的要求比较高,直接决定了芯片良品率的高低。光刻胶涂覆步骤的工艺质量要求的指标具体包括:保证涂覆均匀性,控制涂覆厚度在预期范围内,以及避免存在气泡和颗粒掺杂等涂覆缺陷。
技术实现思路
1、鉴于上述问题,本专利技术的目的是提出一种光刻胶涂覆监测方法
2、(二)技术方案
3、为了解决以上技术问题,本专利技术公开了以下技术方案。
4、作为本专利技术的第一方面,本专利技术公开了一种光刻胶涂覆监测方法,包括基片准备、胶液准备、胶液过滤、胶液涂覆、烘烤、曝光、显影步骤,其特征在于:
5、在所述胶液涂覆的步骤中,拍摄基片涂覆部位图像;
6、利用经过训练的机器视觉识别模型,进行基片涂覆部位图像的监测,识别其中的涂覆不均匀位置和/或涂覆缺陷位置,获得以上涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型;
7、将所述机器视觉识别模型识别的所述位置信息和识别类型,反馈至涂覆控制系统;
8、所述涂覆控制系统调节胶液涂覆厚度以保证的涂覆均匀性,和/或,排除存在涂覆缺陷的不良品。
9、优选的是,所述所述机器视觉识别模型具体包括:卷积神经网络特征提取模型、基于transformers模型以及位置分类模型、位置定位模型。
10、优选的是,该机器视觉识别模型的训练阶段,采集基片涂覆部位图像样本,针对样本由卷积神经网络特征提取模型提取其特征向量;接着把该特征向量输出到transformers模型,基于全局特征信息编码特征与目标位置查询执行自注意力交互;进而,位置分类模型、位置定位模型并行地输出n个对应于样本的涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型;计算涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型的预测损失函数,并基于优化损失函数完成对机器视觉识别模型的训练。
11、优选的是,该机器视觉识别模型的训练阶段具体包括以下步骤:
12、步骤s1:对于初始的机器视觉识别模型,构造基片涂覆部位图像样本集;并针对组成机器视觉识别模型的各个模型,初始化该模型的各个参数;
13、步骤s2:将基片涂覆部位图像样本输入卷积神经网络特征提取模型,生成低分辨率特征图;
14、步骤s3:低分辨率特征图通过transformers模型,得到包含n个预测的集合;
15、步骤s4:根据对应于样本的涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型计算和真实标签y之间的集合预测损失;
16、步骤s5:通过优化和真实标签y之间的集合预测损失,获得对机器视觉识别模型的各个模型的参数估计。
17、优选的是,将实际的基片涂覆部位图像x,输入该训练完毕的机器视觉识别模型,得到含n个涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型即
18、
19、这里,是第j个位置信息属于所有可能类别的概率值构成的向量,则是第j个位置的位置信息的定位向量。
20、优选的是,若在概率向量中,涂覆不均匀位置和/或涂覆缺陷位置的最大值大于给定的阈值,则将图像x识别为包含涂覆不均匀位置和/或涂覆缺陷位置,并给出位置信息的定位坐标
21、一种光刻胶涂覆监测设备,光刻胶涂覆设备包括:
22、涂覆头,用于将光刻胶均匀涂覆在基片上;
23、底座和夹持装置:用于固定和夹持基片,确保涂覆过程的稳定性;
24、控制系统:用于控制涂覆头的运动和涂覆参数;
25、光刻胶供给系统:用于供给光刻胶到涂覆头;
26、拍摄装置,拍摄基片涂覆部位图像;
27、机器视觉识别装置,利用经过训练的机器视觉识别模型,进行基片涂覆部位图像的监测,识别其中的涂覆不均匀位置和/或涂覆缺陷位置,获得以上涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型;将所述机器视觉识别模型识别的所述位置信息和识别类型,反馈至涂覆控制系统。
28、优选的是,所述涂覆控制系统调节胶液涂覆厚度以保证的涂覆均匀性,和/或,排除存在涂覆缺陷的不良品。
29、本专利技术实时检测光刻胶涂覆均匀性,避免因涂覆不均匀导致的质量问题;精确控制涂覆厚度,提高产品的一致性和稳定性;检测和排除不良品,及时发现光刻胶涂覆过程中的缺陷,如气泡、颗粒掺杂等,从而排除不良品进入后续工艺流程;运用神经网络算法,提升了对涂覆不均匀、涂覆缺陷位置的监测与识别能力,降低了误判率和漏判率,可以有效减少不良品产生,降低返工和返修成本,提高生产效率和产品合格率。
本文档来自技高网...【技术保护点】
1.一种光刻胶涂覆监测方法,包括基片准备、胶液准备、胶液过滤、胶液涂覆、烘烤、曝光、显影步骤,其特征在于:
2.根据权利要求1所述的光刻胶涂覆监测方法,其特征在于:所述机器视觉识别模型具体包括:卷积神经网络特征提取模型、基于Transformers模型以及位置分类模型、位置定位模型。
3.根据权利要求2所述的光刻胶涂覆监测方法,其特征在于:该机器视觉识别模型的训练阶段,采集基片涂覆部位图像样本,针对样本由卷积神经网络特征提取模型提取其特征向量;接着把该特征向量输出到Transformers模型,基于全局特征信息编码特征与目标位置查询执行自注意力交互;进而,位置分类模型、位置定位模型并行地输出N个对应于样本的涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型;计算涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型的预测损失函数,并基于优化损失函数完成对机器视觉识别模型的训练。
4.根据权利要求3所述的光刻胶涂覆监测方法,其特征在于:该机器视觉识别模型的训练阶段具体包括以下步骤:
5.根据权利要求4所述的光刻胶涂覆监测方法,其特
6.根据权利要求5所述的光刻胶涂覆监测方法,其特征在于:若在概率向量中,涂覆不均匀位置和/或涂覆缺陷位置的最大值大于给定的阈值,则将图像x识别为包含涂覆不均匀位置和/或涂覆缺陷位置,并给出位置信息的定位坐标
7.一种光刻胶涂覆监测设备,其特征在于,包括:
8.根据权利要求7所述的光刻胶涂覆监测设备,其特征在于,所述涂覆控制系统调节胶液涂覆厚度以保证的涂覆均匀性,和/或,排除存在涂覆缺陷的不良品。
...【技术特征摘要】
1.一种光刻胶涂覆监测方法,包括基片准备、胶液准备、胶液过滤、胶液涂覆、烘烤、曝光、显影步骤,其特征在于:
2.根据权利要求1所述的光刻胶涂覆监测方法,其特征在于:所述机器视觉识别模型具体包括:卷积神经网络特征提取模型、基于transformers模型以及位置分类模型、位置定位模型。
3.根据权利要求2所述的光刻胶涂覆监测方法,其特征在于:该机器视觉识别模型的训练阶段,采集基片涂覆部位图像样本,针对样本由卷积神经网络特征提取模型提取其特征向量;接着把该特征向量输出到transformers模型,基于全局特征信息编码特征与目标位置查询执行自注意力交互;进而,位置分类模型、位置定位模型并行地输出n个对应于样本的涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型;计算涂覆不均匀位置和/或涂覆缺陷位置的位置信息及其识别类型的预测损失函数,并基于优化损失函...
【专利技术属性】
技术研发人员:冯亚楠,郭金,赵鹏,于文达,胡学建,何江汇,王宝兴,
申请(专利权)人:信联电子材料科技股份有限公司,
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。