本發明涉及半導體技術領域，尤其涉及一種基于晶圓內部缺陷檢測的圖像自動識別系統。

背景技術：

至CIS(CIS：Color Image Sensor彩色圖像傳感器)產品開始，在制程過程中，晶圓持續產生(suffer)灰邊(chipping)和氣泡(bubble)缺陷(defect)。在晶圓的后續制程中，因為灰邊缺陷，可能會出現晶圓表皮脫落，銅析出等缺陷，直接污染機臺。如果氣泡缺陷破損，可能會直接引起銅析出，刮傷等缺陷，直接污染機臺，嚴重時晶圓會直接報廢，浪費大量資源。這些異常是因為制程或者機臺的異常產生，如果不能及時有效地發現，將會影響一大波晶圓，將造成大量損失。現階段，線上系統對灰邊缺陷不能解析更加無法量化，對氣泡的解析存在很大的誤差。因此，缺陷的鑒別主要是依靠工程師人眼去估算，判定，而且線上每天需要查看的氣泡缺陷趨勢圖(daily bubble chart)需要花費工程師大量時間去完成。

依靠人眼判定缺陷，不僅增加了工程師工作負擔(loading)，而且容易出現誤差；由于晶圓的灰度和氣泡等缺陷無法量化，工程師不僅無法獲取晶圓制程過程中產生的灰邊和氣泡缺陷的狀況，，而且無法獲取晶圓制程過程中機臺的異常；同時依靠手動制作缺陷的趨勢圖(Bubble chart)，不僅增加了工程師的工作量，而且不能及時有效地發現制程或者機臺的異常，這是本領域技術人員所不期望見到的。

技術實現要素：

針對上述存在的問題，本發明公開了一種基于晶圓內部缺陷檢測的圖像自動識別系統，包括：

超聲波掃描系統(Ultrasonic C-scan Inspection，簡稱UCI)，對所述晶圓進行掃描以獲取所述晶圓的原始圖像；

圖像解析系統，與所述超聲波掃描系統連接，且所述圖像解析系統包括圖像分割單元和形態學去噪單元，以利用圖像形態學算法對所述原始圖像進行分析，獲取所述晶圓的缺陷信息；

數據庫，與所述圖像解析系統連接，以存儲所述缺陷信息；

良率提升在線系統(Yield Enhancement inline system)，與所述數據庫連接，以根據所述缺陷信息生成示意圖以及趨勢表(chart)。

上述的圖像自動識別系統，其中，所述圖像解析系統包括數據分析模塊和圖像處理模塊。

上述的圖像自動識別系統，其中，所述圖像處理模塊包括區域定位單元、圖像二值化單元、所述圖像分割單元和所述形態學去噪單元。

上述的圖像自動識別系統，其中，所述良率提升在線系統包括：

提取單元，與所述數據庫連接，以提取所述缺陷信息；

圖表生成單元，與所述提取單元連接，以根據所述缺陷信息生成所述示意圖以及趨勢表。

上述的圖像自動識別系統，其中，所述圖像解析系統通過對所述原始圖像的灰度，位置以及面積進行分析，獲取所述晶圓的缺陷信息。

上述的圖像自動識別系統，其中，所述缺陷信息包括灰邊缺陷信息和氣泡缺陷信息。

上述的圖像自動識別系統，其中，所述灰邊缺陷信息包括灰邊的面積，數量以及分布位置。

上述的圖像自動識別系統，其中，所述氣泡缺陷信息包括氣泡的尺寸，面積以及數量。

上述的圖像自動識別系統，其中，所述氣泡缺陷信息還包括氣泡的分布位置。

上述的圖像自動識別系統，其中，所述示意圖以及趨勢表包括灰邊缺陷的大小趨勢表、灰邊缺陷的分布趨勢表，氣泡缺陷數量趨勢表，氣泡缺陷大小趨勢表，氣泡缺陷分布位置趨勢表以及缺陷示意圖。

上述發明具有如下優點或者有益效果：

本發明公開了一種基于晶圓內部缺陷檢測的圖像自動識別系統，在數據分析的基礎上，利用包含圖像分割以及形態學去噪等的圖像解析系統，對超聲波掃描晶圓得到的原始圖像進行解析，獲取晶圓中灰邊和氣泡缺陷的位置，大小等信息，之后將信息存入到對應的數據庫，通過調用相應的信息，自動生成滿足客戶需求的缺陷示意圖以及趨勢表，從而及時有效地發現在晶圓制程中的異常以及機臺的異常，降低了人力成本，避免了機臺污染，進而減少了不必要的損失。

附圖說明

通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明及其特征、外形和優點將會變得更加明顯。在全部附圖中相同的標記指示相同的部分。并未可以按照比例繪制附圖，重點在于示出本發明的主旨。

圖1是本發明實施例中基于晶圓內部缺陷檢測的圖像自動識別系統的結構示意圖；

圖2是本發明實施例中超聲波掃描系統獲取的晶圓的原始圖像的示意圖。

具體實施方式

下面結合附圖和具體的實施例對本發明作進一步的說明，但是不作為本發明的限定。

如圖1所示，本實施例涉及一種基于晶圓內部缺陷檢測的圖像自動識別系統，具體的，該圖像識別系統包括超聲波掃描系統、圖像解析系統、數據庫和良率提升在線系統；超聲波掃描系統對晶圓進行掃描以獲取晶圓的原始圖像，超聲波掃描系統獲取的晶圓的原始圖像如圖2所示；圖像解析系統與超聲波掃描系統連接，且圖像解析系統包括圖像分割單元和形態學去噪單元，以利用圖像形態學算法對該原始圖像進行分析處理，獲取晶圓的缺陷信息；數據庫與圖像解析系統連接，以存儲晶圓缺陷信息；良率提升在線系統與數據庫連接，以根據晶圓的缺陷信息生成滿足客戶需求的缺陷示意圖以及趨勢表(chart)。

具體的，圖像解析系統包括數據分析模塊和圖像處理模塊，圖像處理模塊包括區域定位單元、圖像二值化單元、圖像分割單元和形態學去噪單元。

在本發明一個優選的實施例中，上述圖像解析系統通過對UCI掃描晶圓的原始圖像的灰度，位置以及面積進行分析，獲取晶圓的缺陷信息。

在本發明一個優選的實施例中，上述晶圓缺陷信息包括灰邊缺陷信息和氣泡缺陷信息，圖2中1表示氣泡，2表示灰邊。

上述的圖像自動識別系統，其中，上述灰邊缺陷信息包括灰邊2的面積，數量以及分布位置等信息。

在本發明一個優選的實施例中，上述氣泡缺陷信息包括氣泡1的尺寸，面積，數量以及分布位置等信息。

在本發明一個優選的實施例中，上述良率提升在線系統包括提取單元和圖表生成單元；該提取單元與數據庫連接，以提取晶圓缺陷信息；圖表生成單元，與提取單元連接，以根據晶圓的缺陷信息生成示意圖以及趨勢表。

在本發明一個優選的實施例中，上述示意圖以及趨勢表包括晶圓灰邊缺陷的大小趨勢表、灰邊缺陷的分布趨勢表，氣泡缺陷數量趨勢表，氣泡缺陷大小趨勢表，氣泡缺陷分布位置趨勢表以及缺陷示意圖等。

具體的，在本發明的實施例中，圖像解析系統通過人眼識別缺陷的角度出發，對UCI掃描晶圓的原始圖像的灰度，位置以及面積進行分析，提取出灰邊缺陷的面積、數量，分布位置，氣泡缺陷的尺寸、面積、數量以及分布位置等信息。數據庫將解析出來的信息存到數據庫中，以便于后期的分析以及信息調用。良率提升在線系統根據實際的需要，調用數據庫中存儲的缺陷大小，數量，分布位置等信息，自動地實時地生成不同形式的示意圖及趨勢表。

綜上，本發明公開了一種基于晶圓內部缺陷檢測的圖像自動識別系統，該圖像自動識別系統是針對自動識別晶圓灰邊缺陷和氣泡缺陷以及自動生成實時示意圖及趨勢表所采用一種系統，利用該系統一方面可以對晶圓灰邊缺陷和氣泡缺陷實現自動識別以及自動量化，自動生成灰邊缺陷的多種趨勢圖表、氣泡的多維自定義圖表和直觀的缺陷示意圖，避免錯失缺陷；另一方面還可以在生產過程中自動識別出異常(out spec)的晶圓，從而可以在及時地發現晶圓在制程過程中或者機臺的異常的同時，避免了機臺污染，減少了不必要的損失。

以上對本發明的較佳實施例進行了描述。需要理解的是，本發明并不局限于上述特定實施方式，其中未盡詳細描述的設備和結構應該理解為用本領域中的普通方式予以實施；任何熟悉本領域的技術人員，在不脫離本發明技術方案范圍情況下，都可利用上述揭示的方法和技術內容對本發明技術方案作出許多可能的變動和修飾，或修改為等同變化的等效實施例，這并不影響本發明的實質內容。因此，凡是未脫離本發明技術方案的內容，依據本發明的技術實質對以上實施例所做的任何簡單修改、等同變化及修飾，均仍屬于本發明技術方案保護的范圍內。