晶圓表面缺陷檢測的多重中值濾波算法

晶圓表面缺陷檢測的多重中值濾波算法

0計算機(jī)視覺檢測技術(shù)近年來，隨著中國深思熟慮行業(yè)的快速發(fā)展，對晶體圓質(zhì)量的要求也越來越高。光刻工藝復(fù)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隨著計算機(jī)技術(shù)與圖像處理技術(shù)的發(fā)展,計算機(jī)視覺檢測技術(shù)在各領(lǐng)域中被廣泛研究與應(yīng)用。Liu等1系統(tǒng)的全球設(shè)計1.1同系統(tǒng)集卡的選擇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。系統(tǒng)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CameraLink,幀速為16fps。按照對檢測最小特征值(15μm)的要求,并且依據(jù)分辨率與視場(FOV)之間的關(guān)系系統(tǒng)圖像采集卡選用NI公司的PCIe-1473R,它支持通過CameraLink1.2標(biāo)準(zhǔn)相機(jī)的80位、10抽頭圖像采集,采集速率達(dá)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(chǎn)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(tǒng)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(tǒng)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(yōu)質(zhì)光學(xué)效果。1.2系統(tǒng)流程介紹當(dāng)前在晶圓上選擇9個測試區(qū)域進(jìn)行抽樣檢測,以此結(jié)果對晶圓表面質(zhì)量進(jìn)行大致評測,對相關(guān)工藝過程做出改進(jìn)。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(qū)域,在同軸光源的照明下,CCD采集到對應(yīng)的視場區(qū)域的圖像,通過圖像采集卡保存到計算機(jī)內(nèi),再通過相關(guān)的算法對圖像進(jìn)行一系列的處理,包括濾波、增強(qiáng)、模版匹配、比對等,實現(xiàn)缺陷的識別與標(biāo)記。系統(tǒng)的具體流程如圖2所示。按照設(shè)定好的檢測區(qū)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(jìn)行處理,檢測并標(biāo)記該幅晶圓圖像的缺陷,保存相關(guān)缺陷信息。然后依次采集、處理其它區(qū)域的圖像,直到采集完所有預(yù)設(shè)的區(qū)域。綜合上述所有信息,做出總體缺陷分析。2性能、通道寬帶、噪聲原始圖像在采集、傳輸?shù)倪^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(zhì)量。因此為了消除噪聲、抑制不必要的信息,需要對圖像進(jìn)行濾波與增強(qiáng)處理。2.1重中值濾波根據(jù)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(jìn)的中值濾波算法—多重中值濾波算法。傳統(tǒng)的標(biāo)準(zhǔn)二維中值濾波算法(SM)中值濾波基本公式如下所示式中:A———濾波窗口,{f從中值濾波的原理分析中可見,其本質(zhì)是通過改變與周圍像素值差別較大的點,達(dá)到消除孤立噪聲點的目的本文采用三重中值濾波算法,其計算公式如下式中:z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(yán)重影響了圖像的質(zhì)量;從圖3(b)中可看出,經(jīng)過傳統(tǒng)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(xì)節(jié)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(hù)了圖像的細(xì)節(jié),圖像較清晰。2.2直方圖規(guī)定化的應(yīng)用圖像增強(qiáng)的定義請參見文獻(xiàn)[11]。常用的方法有直方圖均衡化,即通過某種映射關(guān)系使灰度級盡量均勻分布,以此達(dá)到增強(qiáng)圖像的目的。但該種方法的結(jié)果較難控制,往往得不到我們預(yù)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(qiáng)某個灰度范圍內(nèi)的對比度,這就需要對直方圖進(jìn)行特定的規(guī)定,即直方圖規(guī)定化,該方法是對均衡化的改進(jìn),本文采用規(guī)定化方法來實現(xiàn)圖像增強(qiáng)的目的。設(shè)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(shù),r和z代表相應(yīng)的灰度級,現(xiàn)對P(r)和P(z)做均衡化處理如下經(jīng)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(shù),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(shù)圖4(a)、(b)顯示了增強(qiáng)前后的圖像,圖5(a)、(b)顯示了增強(qiáng)前后的直方圖。分析圖4、圖5可得:圖像增強(qiáng)前較暗,直方圖分布非常集中,而規(guī)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(xù)的缺陷檢測。3標(biāo)準(zhǔn)模型的匹配和差異3.1基于特征的匹配算法所謂模版匹配,是指在圖像識別中,將圖像中某種特征或目標(biāo)作為模版,在被識別的物體上進(jìn)行滑動,通過一定的算法,找到其在圖像中的坐標(biāo)位置。本文采用基于歸一化互相關(guān)的模版匹配算法(normalizedcrosscorrelation,NCC)實現(xiàn)模版的匹配。其原理如下設(shè)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(qū)域稱為子圖S接下來需要比較模版T和子圖S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(biāo)(i,j)的變化而緩慢變化;第二項表示模版與子圖的互相關(guān),隨(i,j)的變化而變化,當(dāng)T和S將上式歸一化后,可得模版匹配的相關(guān)系數(shù)當(dāng)模版與子圖完全一致時,相關(guān)系數(shù)R(i,j)=1。記錄下每個位置的互相關(guān)值,可以設(shè)置一個閾值,當(dāng)超過該值時即認(rèn)為該處存在一個目標(biāo)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(guān)系數(shù),對光照具有較好的魯棒性。算法流程如圖7所示。圖8(b)是以8(a)為模版的圖像匹配結(jié)果。模版8(a)的大小為:204×204,搜索圖8(b)的大小為1149×1153。圖8(b)中每個匹配目標(biāo)都包含Results、Xposition、Yposition、Score等信息,Results表示該目標(biāo)匹配順序,以相似度大小排序;Xposition、Yposition表示目標(biāo)的坐標(biāo)值(以圖像左上方為坐標(biāo)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(biāo)為例,其匹配信息見表1。3.2輸出圖像所謂圖像差影,即圖像的相減運(yùn)算(又稱減影技術(shù)),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(shù)學(xué)表達(dá)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(dá)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(biāo)識別等。該算法具有復(fù)雜度低,運(yùn)行速度快,實時性高的優(yōu)點?？紤]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(yù)先設(shè)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(shù)學(xué)表達(dá)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(jié)果,圖9為點狀缺陷,圖10為劃痕缺陷。從圖中可看出,該方法較好的實現(xiàn)了缺陷的檢測,為后續(xù)的缺陷分析、工藝改進(jìn)、提高良品率提供了可靠的依據(jù)。4實際檢測結(jié)果本實驗在9個測試區(qū)域中,每個區(qū)域隨機(jī)選取50個(10×5)晶粒進(jìn)行實驗,像素為2040×1020,共450個晶粒,將檢測結(jié)果與實際人工檢測結(jié)果對比,數(shù)據(jù)見表2。從表中數(shù)據(jù)可知,線缺陷的檢測準(zhǔn)確率高于點狀缺陷的準(zhǔn)確率,總體準(zhǔn)確率達(dá)到97.3%。精度由實際大小與相應(yīng)像素數(shù)決定,每個晶粒的大小為1.52mm×1.52mm,像素數(shù)為204×204,此時分辨精度約為15μm。5基于改進(jìn)中值濾波算法的系統(tǒng)方案本文以半導(dǎo)體晶圓為研究對象,提出一種基于歸一化互相關(guān)模版匹配法和差影法的表面