深亚微米级IC的图像检测及自动分析技术研究

摘要

随着半导体芯片工艺的极小化，已经达到深亚微米级水平，特征图形尺寸不断减小，晶圆面积持续增加，导致缺陷密度越来越低，真假缺陷更难分辨。进行晶片图像采集时，从理论上说，获取单张芯片图像不是问题，但深亚微米级IC晶片是超高精密产品且芯片集成度更高，为了获得高分辨率的图像，图像采集系统需要工作在高倍放大倍数下，视野相对较小，采集的图像张数以平方速度增加，显然，海量图像数据的存在制约着晶片质量检测的效率。 本文在广东省2004年科技计划项目“基于数字图像处理的IC晶片显微自动检测系统”阶段性成果的基础上，针对深亚微米级IC晶片质量检测中存在的巨大数据量与检测实时性的矛盾，综合应用数字图像处理技术、自动光学检测技术、数据库技术、模式匹配及模式识别理论等，主要从图像检测策略、自动分析算法、特征参数管理等几个关键问题展开研究。 本文分别从算法理论和实际应用的角度，对深亚微米级IC晶片图像检测及自动分析的相关技术难点进行深入分析，主要研究内容如下： 图像检测策略的研究与实验验证，根据IC晶片的先验知识，采用关键区域检测法及先粗后精检测法，实现非遍历检测；同时针对不同的检测目标，采用相应的图像检测算法，实现不同缺陷的识别，对图形规整或有规律可寻的图像采用模式匹配的检测方法，反之，则引入人机交互的检测方法。 采用投影定理与基于像素特征的检测方法得到投影变换的像素分布，通过检测像素点的分布特性实现冗余物缺陷的检测；同时采用Hough变换及基于骨架特征的检测方法，在骨架提取与优化的基础上，通过骨架跟踪及Hough直线检测的方法实现丢失物缺陷的识别，并确定芯片的失效形式。 提出了缺陷自动识别的方法，通过基于区域特征的图像搜索方法实现目标区域的定位，根据区域特征选取合适的参考模板，采用SSDA加速匹配算法快速实现区域的搜索，然后对目标区域进行图像处理与分析、识别；并以压焊点质量检测为例验证了该方法的可行性。 提出三层结构的数据库构建模型，提高了图像处理与分析、检测结果入库及数据输出的兼容性；采用基于描述的数据挖掘技术发现感兴趣或有用的信息，并生成检测结果分析报告。

目录

文摘

英文文摘

第一章绪论

第二章深亚微米级IC晶片视觉检测问题分析

第三章晶片特征缺陷检测方法

第四章冗余物与丢失物缺陷检测技术

第五章缺陷自动识别技术

第六章特征数据库

结论

参考文献

攻读学位期间发表的论文及科研获奖

独创性声明

致谢

附录1

附录2