晶圓表面微米級缺陷檢測

戴 敬，肖 朋，，楊志家，馬繼開

（1.沈陽建筑大學 信息與控制工程學院，遼寧 沈陽110168；2.中國科學院沈陽自動化研究所，遼寧 沈陽110016）

0 引 言

近年來，隨著我國半導體行業的迅速發展，對晶圓質量的要求也越來越高。光刻工藝復雜度提高的同時，缺陷來源越來越多元化，對缺陷的檢測需求逐步增加［1］。傳統的生產線中，缺陷的檢測主要依靠人工肉眼檢測，該方法有低效率、高誤檢率、易受主觀因素影響等缺點，已不能滿足現代工業生產的需要。

隨著計算機技術與圖像處理技術的發展，計算機視覺檢測技術在各領域中被廣泛研究與應用。Liu等［2］利用光譜作差的方法對IC晶圓表面的缺陷檢測進行了研究，并且采用了基于灰度的匹配方法，對光照具有很好的魯棒性；Huang等［3］采用形態學濾波算法和區域融合的分水嶺算法對晶圓缺陷的提取進行了研究；陳瑋等［4］利用圖像的差影法，對火車輪對踏面圖像進行處理，很好地實現了踏面磨損的檢測；田利等［5］應用差影法，實現了半導體器件塑封缺陷的檢測，并提出一種雙模版的匹配方法。本文在研究前人成果的基礎上，基于LabVIEW 和IMAQ 模塊，利用自行設計的硬件平臺，以差影法為基本原理，采用歸一化互相關 （NCC）的模版匹配方法，對晶圓的缺陷檢測進行進一步的研究，以提高算法的實時性和有效性。

1 系統總體設計

1.1 圖像采集硬件設計

圖像采集硬件平臺主要包括圖像傳感器 （CCD）、鏡頭、圖像采集卡、光源等，硬件連接如圖1所示。

圖1 硬件平臺

系統中選用Baumer公司的SXC－80單色攝像頭作為圖像采集傳感器，分辨率為3296×2472px，接口類型為Camera Link，幀速為16fps。按照對檢測最小特征值（15μm）的要求，并且依據分辨率與視場 （FOV）之間的關系［6］，計算得到視場的大小為24.72 （mm）×18.54（mm）。鏡頭為日本Pentax 的YF5028A－035，焦距為50 mm，滿足系統要求。

系統圖像采集卡選用NI公司的PCIe－1473R，它支持通過Camera Link 1.2標準相機的80位、10抽頭圖像采集，采集速率達850MB／s，并具有板載FPGA 圖像處理功能。由于晶圓表面的高反光度特性，普通的光源會造成照明度的不均勻，對圖像的采集產生非常大的影響，造成誤檢測。通過實驗對比，決定采用同軸光源，其提供了比傳統光源更均勻的照明，能夠凸顯物體表面不平整，能夠克服表面反光造成的干擾。本系統中選用Wordop公司的CO－60R 同軸光源，光源顏色為紅色，采用高端鍍膜分光鏡，提供優質光學效果。

1.2 系統檢測流程

當前在晶圓上選擇9個測試區域進行抽樣檢測，以此結果對晶圓表面質量進行大致評測，對相關工藝過程做出改進。晶圓大小為8″，每幀圖像像素為3296×2472。將晶圓移動到指定圖像采集區域，在同軸光源的照明下，CCD采集到對應的視場區域的圖像，通過圖像采集卡保存到計算機內，再通過相關的算法對圖像進行一系列的處理，包括濾波、增強、模版匹配、比對等，實現缺陷的識別與標記。系統的具體流程如圖2所示。

按照設定好的檢測區域，將晶圓移動到第一個位置，采集該位置的晶圓表面圖像，對第一幅圖像進行處理，檢測并標記該幅晶圓圖像的缺陷，保存相關缺陷信息。然后依次采集、處理其它區域的圖像，直到采集完所有預設的區域。綜合上述所有信息，做出總體缺陷分析。

2 圖像預處理

原始圖像在采集、傳輸的過程中，不可避免的會受到光源性能、通道帶寬、噪聲等的影響，一定程度上造成清晰度下降、對比度降低，影響圖像的質量。因此為了消除噪聲、抑制不必要的信息，需要對圖像進行濾波與增強處理。

2.1 圖像的濾波處理

根據圖像的噪聲特點以及多種去噪算法的對比，本文采用一種改進的中值濾波算法—多重中值濾波算法。

傳統的標準二維中值濾波算法 （SM）［7］原理如下：選取一個合適的滑動濾波窗口 （一般情況下采用3×3或5×5的方形濾波窗口），對窗口內的點按照灰度值的大小進行排序，用排序后的中間值代替原來窗口中心點的值。

中值濾波基本公式如下所示

式中：A——濾波窗口，｛fij｝——濾波窗口A 中二維像素值序列，yij——濾波輸出。

從中值濾波的原理分析中可見，其本質是通過改變與周圍像素值差別較大的點，達到消除孤立噪聲點的目的［8］。然而，它也有一些自身的缺點：一是細節會被模糊，二是圖像中的銳角、線段、缺陷等結構，在采用較大窗口中值濾波時，會因為排序取中值而破壞結構和空間的領域信息［9］。為了減少這種破壞，提高濾波效果，在中值濾波的基礎上，采用一種改進的濾波方法—多重中值濾波算法。

本文采用三重中值濾波算法，其計算公式如下

式中：z1、z2、z3、z4——與水平夾角為0°、90°、45°和135°這4個方向子窗口的中值，f（i，j）則為原像素點的灰度值［10］。其本質上增加了中心像素點出現的次數，降低了噪聲誤判為非噪聲的幾率，在取得良好濾波效果的同時，保護了圖像的細節。

下面是濾波前后的對比，圖像為一個晶粒圖像，像素為204×204。

圖3 （a）所示是含有大量椒鹽噪聲的圖像，嚴重影響了圖像的質量；從圖3 （b）中可看出，經過傳統中值濾波后，噪聲得到了較好的抑制，但仍有部分噪聲點存在，且細節較模糊，圖像不清晰；圖3 （c）不僅噪聲濾除徹底，而且也較好的保護了圖像的細節，圖像較清晰。

圖3 濾波效果比較

2.2 圖像的增強處理

圖像增強的定義請參見文獻 ［11］。常用的方法有直方圖均衡化，即通過某種映射關系使灰度級盡量均勻分布，以此達到增強圖像的目的。但該種方法的結果較難控制，往往得不到我們預期的效果。實際上，有時希望變換直方圖使之成為特定的形狀，從而增強某個灰度范圍內的對比度，這就需要對直方圖進行特定的規定，即直方圖規定化，該方法是對均衡化的改進，本文采用規定化方法來實現圖像增強的目的。

設P（r）和P（z）分表代表原始圖像與期望圖像的概率密度函數，r和z 代表相應的灰度級，現對P（r）和P（z）做均衡化處理如下［12］

經上述處理變換后，使得原圖像與期望圖像具有相同的概率密度函數，故在式 （5）中我們可以做等價代換，將原始圖像變換后的灰度級s代替其中的v，有

此時我們便可以得到期望的圖像灰度級z。利用式（3）和式 （6）得到組合變換函數

圖4 （a）、（b）顯示了增強前后的圖像，圖5 （a）、（b）顯示了增強前后的直方圖。

圖4 圖像增強前后對比

圖5 增強前后直方圖對比

分析圖4、圖5可得：圖像增強前較暗，直方圖分布非常集中，而規定化后的直方圖分布較均勻，且圖像也變得更加清晰，對比度明顯，利于后續的缺陷檢測。

3 模版匹配與差影

3.1 模版匹配

所謂模版匹配，是指在圖像識別中，將圖像中某種特征或目標作為模版，在被識別的物體上進行滑動，通過一定的算法，找到其在圖像中的坐標位置。

本文采用基于歸一化互相關的模版匹配算法（normalized cross correlation，NCC）實現模版的匹配。其原理如下［13］：

設模版為T（如圖6（a）所示），其大小為M×M；被搜索圖像為S（如圖6（b）所示），其大小為N×N，且N≥M。將模版疊放在圖像S 上平移，模版覆蓋下的區域稱為子圖Si，j，（i，j）為模版左上角像素點在S中的坐標，稱為參考點。

接下來需要比較模版T 和子圖Si，j的相似性，我們可以用下式來衡量兩者之間的相似度

圖6 模版與被搜索圖像

將上式展開可得

等式 （9）右邊第一項表示模版覆蓋下子圖的能量，它隨坐標（i，j）的變化而緩慢變化；第二項表示模版與子圖的互相關，隨（i，j）的變化而變化，當T 和Si，j達到匹配時，該項有極大值；第三項為常數，表示模版T 的能量，它的取值與坐標無關。

將上式歸一化后，可得模版匹配的相關系數

當模版與子圖完全一致時，相關系數R（i，j）＝1。記錄下每個位置的互相關值，可以設置一個閾值，當超過該值時即認為該處存在一個目標物體。

上述算法對于圖像灰度值的線性變化具有 “免疫性”，即光照條件的整體改變不會影響到相關系數，對光照具有較好的魯棒性。

算法流程如圖7所示。

圖7 模版匹配算法流程

圖8 （b）是以8 （a）為模版的圖像匹配結果。模版8（a）的大小為：204×204，搜索圖8 （b）的大小為1149×1153。

圖8 模版匹配結果

圖8 （b）中每個匹配目標都包含Results、X position、Y position、Score等信息，Results表示該目標匹配順序，以相似度大小排序；X position、Y position表示目標的坐標值 （以圖像左上方為坐標原點）；Score表示匹配分值，范圍為0－1000，1000表示完全相似；本文中選擇980作為閾值。以前4個匹配目標為例，其匹配信息見表1。

表1 匹配信息

3.2 圖像差影

所謂圖像差影，即圖像的相減運算 （又稱減影技術），即對相似物體所采集的兩幅圖像或同一物體在不同時間點采集的圖像相減。其數學表達式如下

式中：A（x，y）、B（x，y）——輸入圖像，C（x，y）——輸出圖像。

差值圖像能夠表達兩幅輸入圖像之間的差異信息，從而廣泛用于缺陷檢測、圖像背景消除、目標識別等。該算法具有復雜度低，運行速度快，實時性高的優點。

考慮到實際情況中，圖像受到的外界干擾如噪聲、光照等無法完全消除，我們可以預先設定一個閾值T，將其與差值做比較，做出缺陷的判斷，提高檢測的可靠性。其數學表達式如下

圖9和圖10分別示出了常見的點狀缺陷和劃痕缺陷的差影檢測結果，圖9為點狀缺陷，圖10為劃痕缺陷。

圖9 點狀缺陷圖像的檢測

圖10 劃痕缺陷圖像的檢測

從圖中可看出，該方法較好的實現了缺陷的檢測，為后續的缺陷分析、工藝改進、提高良品率提供了可靠的依據。

4 實驗結果

本實驗在9 個測試區域中，每個區域隨機選取50 個（10×5）晶粒進行實驗，像素為2040×1020，共450個晶粒，將檢測結果與實際人工檢測結果對比，數據見表2。

表2 缺陷檢測統計結果

從表中數據可知，線缺陷的檢測準確率高于點狀缺陷的準確率，總體準確率達到97.3%。精度由實際大小與相應像素數決定，每個晶粒的大小為1.52 mm×1.52 mm，像素數為204×204，此時分辨精度約為15μm。

5 結束語

本文以半導體晶圓為研究對象，提出一種基于歸一化互相關模版匹配法和差影法的表面缺陷檢測算法，并且根據晶圓表面噪聲特點，采用一種改進的中值濾波算法－多重中值濾波算法，有效的實現了常見缺陷的檢測，在高分辨率工業相機支持下，達到微米級的檢測精度。本文所作的研究，主要是在晶圓靜態條件下實現，檢測區域相對固定，后期將基于此研究，著重研究相機標定和二維運動平臺控制的相關算法，實現動態晶圓表面圖像的精確完整采集與缺陷檢測。

［1］LIU Feng.Wafer defects issue study in lithography ［D］.Tianjin：Tinjin University，2012 （in Chinese）.［劉豐.半導體光刻中晶圓缺陷問題的研究 ［D］.天津：天津大學，2012.］

［2］Liu Hongxia，Zhou Wen，Kuang Qianwei，et al.Defect detection of IC wafer based on spectral subtraction ［J］.Semiconductor Manufacturing，2012，23 （1）：141－147.

［3］Huang Yanyan，Zhang Fengquan，Yu Ming，et al.Silicon wafer defect extraction based on morphological filter and watershed algorithm ［C］／／International Conference on Computer Science and Software Engineering，2008：141－144.

［4］CHEN Wei，XUE Qin，WEI Shengli.The application of subtraction algorithm in the measurement［J］.Techniques of Automation and Applications，2007，26 （6）：74－76 （in Chinese）.［陳瑋，薛琴，魏勝利.差影算法在輪對踏面磨耗檢測中的應用 ［J］.自動化技術與應用，2007，26 （6）：74－76.］

［5］TIAN Li，HAN Zhenyu.Application of machine vision in SMD surface defect detecting ［J］.Computer Knowledge and Technology，2012，8 （28）：6775－6778 （in Chinese）. ［田利，韓震宇.機器視覺在半導體器件塑封缺陷檢測中的應用 ［J］.電腦知識與技術，2012，8 （28）：6775－6778.］

［6］NI China.Calculating camera sensor resolution an－d lens focal length［EB／OL］. ［2014－06－27］.URL：http：／／digital.ni.com／public.nsf／allkb／1948AE3264ECF42E86257D00007305D5（in Chinese）.［NI中國官網.計算相機圖像傳感器分辨率以及鏡頭焦距［EB／OL］.［2014－06－27］.URL：http：／／digital.ni.com／public.nsf／allkb／1948AE3264ECF42E86257D00007305D5.］

［7］SHI Junyan，LIU Shudan.Dynamic window－based adaptive median filter algorithm ［J］.Computer Engineering and Design，2011，32 （9）：3115－3118 （in Chinese）. ［時軍艷，劉樹聃.基于噪聲檢測的自適應中值濾波算法 ［J］.計算機工程與設計，2011，32 （9）：3115－3118.］

［8］ZHANG Mingyuan，WANG Hongli.Application of image noise removing based on improved median filtering ［J］.Ordnance Industry Automation，2007，26 （8）：45－47 （in Chinese）.［張明源，王宏立.改進型中值濾波器在圖像去噪中的應用 ［J］.兵工自動化，2007，26 （8）：45－47.］

［9］LI Yanjun，SU Hongqi.Improved algorithm study about removing noise ［J］.Computer Engineering and Design，2009，30 （12）：2995－2997 （in Chinese）. ［李彥軍，蘇紅旗.改進的中值濾波圖像去噪方法研究 ［J］.計算機工程與設計，2009，30 （12）：2995－2997.］

［10］NIU Xiuqin.Research on several improved median filter algorithms ［D］.Chengdu：Sichuan Normal University，2012（in Chinese）.［牛秀琴.幾種改進的中值濾波算法研究 ［D］.成都：四川師范大學，2012.］

［11］ZHANG Yanhong，KONG Bo，XING Cuifang，et al.Application and realization of the histogram specification in image enhancement ［J］.Computer Knowledge and Technology，2009，5 （34）：9814－9815 （in Chinese）.［張燕紅，孔波，邢翠芳，等.直方圖規定化在圖像增強中的應用及實現 ［J］.電腦知識與技術，2009，5 （34）：9814－9815.］

［12］LONG Qing.The image enhancement based on histogram［J］.Computer Knowledge and Technology，2011，7 （4）：883－886 （in Chinese）.［龍清.直方圖圖像增強技術 ［J］.電腦知識與技術，2011，7 （4）：883－886.］

［13］WANG Xianmin，ZENG Qinghua，XIONG Zhi，et al.Development and research analysis on vision－based navigation technologies［J］.Information and Control，2010，39 （5）：607－613 （in Chinese）.［王先敏，曾慶化，熊智，等.視覺導航技術的發展及其研究分析 ［J］.信息與控制，2010，39（5）：607－613.］