基于机器视觉的晶圆表面缺陷检测方法研究

摘要

晶圆作为半导体制造业中重要的原材料，其表面缺陷会影响其制成芯片的质量。为了确保芯片的质量和提高生产效率，对晶圆表面的缺陷进行高效、准确、实时的检测具有必要性。本文针对有图案的晶圆表面提出了一种缺陷检测方案，首先，获取晶圆图像并对其做预处理操作，对图像进行光照均衡使其灰度均匀性得到提升；其次，根据晶圆图像纹理的规律性和周期性，设计了图像熵信息与灰度模板匹配相结合的方法提高匹配的准确性，划分出每个小单元格；然后，将划分的单元与模板单元进行差分，使用傅里叶变换设计滤波器去除图像中光学系统畸变影响；最后，通过计算图像离散程度，根据不同区域离散度与全图离散度对比进行缺陷增强。最终实验表明，对于缺陷检测准确率可达93.5%,该方法可以有效地应用于有图案晶圆表面缺陷的检测。

关键词

自动光学检测 / 熵 / 灰度模板匹配 / 傅里叶变换 / 伽马变换