晶圆侧面缺陷的检测方法和检测系统与流程

本发明涉及半导体制造领域，尤其涉及一种晶圆侧面缺陷的检测方法和检测系统。

背景技术：

半导体集成电路制作主要通过曝光、蚀刻、离子注入、薄膜沉积和化学机械研磨等工艺步骤，在硅衬底上形成大量各种类型的半导体器件以及将半导体器件连接的互连线。其中，任一步工艺中所产生的缺陷，都可能会导致电路的制作失败或失效。因此，在工艺制作中常需要对多步工艺进行缺陷检测及分析，找出缺陷发生的原因，并加以排除。

现有的缺陷检测方法完全仰赖人工,当有制程问题产生时,透过回顾曝光工序之后所拍摄的晶圆边缘图像,找出可能的导因并采取改善措施；然而,这样的制程修正周期过长,且耗费大量人力。

技术实现要素：

本发明所要解决的技术问题是怎样对晶圆缺陷进行自动化检测，可及早发现制程问题,提升制程良率并降低生产成本。

本发明提供了一种晶圆侧面缺陷的检测方法，包括：

提供待检测晶圆，所述待检测晶圆包括顶面和相对的底面以及位于顶面和底面之间的环形侧面；

获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像；

将所述环形侧面表面图像进行灰度处理，得到灰度图像；

基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。

可选的，所述将所述环形侧面表面图像从初始检测图像中分离的过程包括：找到所述环形侧面表面图像与上部背景图像和下部背景图像的分界线；将所述两分界线之间的图像作为待检测晶圆的环形侧面表面对应的环形侧面表面图像。

可选的，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。

可选的，采用全局阈值法或局部阈值法对所述灰度处理后的初始检测图像进行二值化。

可选的，所述全局阈值法包括大律法、最大熵法或迭代法；所述局部阈值法包括基于bernsen算法的二值化方法、基于sauvola算法的二值化方法、基于niblack算法的二值化方法或基于wolf算法的二值化方法。

可选的，所述将所述环形侧面表面图像进行灰度处理，得到灰度图像的过程包括：在获得所述环形侧面表面图像后，直接将所述获得环形侧面表面图像进行灰度处理，得到灰度图像。

可选的，所述将所述环形侧面表面图像进行灰度处理，得到灰度图像的过程包括：所述环形侧面表面图像中包括衬底图像和位于衬底图像上若干依次层叠的膜层图像；在获得所述环形侧面表面图像后，将所述膜层图像从环形侧面表面图像中分离；对所述膜层图像进行灰度处理，得到灰度图像。

可选的，所述将所述膜层图像从环形侧面表面图像中分离的过程包括：找到所述膜层图像与上部背景图像和衬底图像的分界线；将所述两分界线之间的图像作为膜层图像。

可选的，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。

可选的，采用边缘检测法对所述灰度处理后的初始检测图像进行二值化。

可选的，所述边缘检测法采用sobel边缘检测算子、laplacian边缘检测算子、canny边缘检测算子、prewitt边缘检测算子或roberts边缘检测算子。

可选的，所述初始检测图像通过图像采集设备对待检测晶圆的侧面一周进行采集获得。

可选的，所述特征点检测法包括基于harris的角点检测法、基于susan的角点检测法、基于fast的角点检测法、基于faster的角点检测法、基于sift的角点检测法、基于surf的角点检测法。

可选的，当所述待检测的晶圆边缘存在用于定位的缺口时，所述环形侧面表面图像中具有与缺口对应的缺口图像；排除所述环形侧面表面图像中的缺口图像。

本发明还提供了一种晶圆侧面缺陷的检测系统，包括：

待检测晶圆提供单元，用于提供待检测晶圆，所述待检测晶圆包括顶面和相对的底面以及位于顶面和底面之间的环形侧面；

环形侧面表面图像获得单元，用于获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像；

灰度处理单元，用于将所述环形侧面表面图像进行灰度处理，得到灰度图像；

特征点检测单元，用于基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。

可选的，环形侧面表面图像获得单元包括初始检测图像获得单元和分离单元，所述初始检测图像获得单元用于获得初始检测图像，所述初始检测图像中包括环形侧面表面图像、位于所述环形侧面表面图像上的上部背景图像和位于所述环形侧面表面图像下的下部背景图像，所述分离单元用于将所述环形侧面表面图像从初始检测图像中分离。

可选的，所述分离单元将所述环形侧面表面图像从初始检测图像中分离的过程包括：找到所述环形侧面表面图像与上部背景图像和下部背景图像的分界线；将两分界线之间的图像作为待检测晶圆的环形侧面表面对应的环形侧面表面图像。

可选的，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。

可选的，采用全局阈值法或局部阈值法对所述灰度处理后的初始检测图像进行二值化。

可选的，所述全局阈值法包括大律法、最大熵法或迭代法；所述局部阈值法包括基于bernsen算法的二值化方法、基于sauvola算法的二值化方法、基于niblack算法的二值化方法或基于wolf算法的二值化方法。

可选的，在环形侧面表面图像获得单元获得所述环形侧面表面图像后，所述灰度处理单元直接将所述获得环形侧面表面图像进行灰度处理，得到灰度图像。

可选的，所述环形侧面表面图像中包括衬底图像和位于衬底图像上若干依次层叠的膜层图像，所述分离单元还用于将所述膜层图像从环形侧面表面图像中分离；所述灰度处理单元还用于对所述膜层图像进行灰度处理，得到灰度图像。

可选的，所述分离单元将所述膜层图像从环形侧面表面图像中分离的过程包括：找到所述膜层图像与上部背景图像和衬底图像的分界线；将所述两分界线之间的图像作为膜层图像。

可选的，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。

可选的，采用边缘检测法对所述灰度处理后的初始检测图像进行二值化。

可选的，所述边缘检测法采用sobel边缘检测算子、laplacian边缘检测算子、canny边缘检测算子、prewitt边缘检测算子或roberts边缘检测算子。

可选的，所述初始检测图像通过图像采集设备对待检测晶圆的侧面一周进行采集获得。

可选的，所述特征点检测法包括基于harris的角点检测法、基于susan的角点检测法、基于fast的角点检测法、基于faster的角点检测法、基于sift的角点检测法、基于surf的角点检测法。

可选的，还包括缺口图像排除单元，用于当所述待检测的晶圆边缘存在用于定位的缺口时，所述环形侧面表面图像中具有对应的缺口图像；排除所述环形侧面表面图像中的缺口图像。

与现有技术相比，本发明技术方案具有以下优点：

本发明的晶圆侧面缺陷的检测方法，在获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像后，将所述环形侧面表面图像进行灰度处理，得到灰度图像；基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。采用前述方法实现了对晶圆侧面缺陷的自动化检测，通过自动化检测晶圆环形侧面是否存在缺陷，可以判断出制程工艺或相应的结构设计是否存在缺陷，工艺和设计人员根据检测出来的缺陷可以对相应的工艺和结构设计进行优化，从而缩短修正周期，提高产品的良率，避免晶圆的报废。

进一步，在获得初始检测图像后，将环形侧面表面图像从初始检测图像中分离，以防止上部背景图像和下部背景图像影响后续检测缺陷的准确性。

进一步，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。通过前述过程可以非常快速和准确的找到分界线，提高了检测方法的效率和准确性，并提高检测系统的性能和效率。

进一步，将所述膜层图像从环形侧面表面图像中分离；对所述膜层图像进行灰度处理，得到灰度图像；基于特征点检测法对所述灰度图像进行检测，得到缺陷，由于无需对衬底图像对应的灰度图像进行基于特征点检测法，因而提高了缺陷检测的效率。

进一步，将所述灰度处理后的初始检测图像二值化的方法还可以采用边缘检测法，以提高分界线获得的精度。

附图说明

图1-3为本发明一实施例晶圆侧面缺陷的检测方法的流程示意图；

图4-21为本发明一实施例晶圆侧面缺陷的检测过程的结构示意图；

图22为本发明一实施例晶圆侧面缺陷的检测系统的结构示意图。

具体实施方式

如背景技术所言，现有的缺陷检测方法不能实现对工艺过程中产生的缺陷进行自动化检测。

为此，本发明提供了一种晶圆侧面缺陷的检测方法和检测系统，所述晶圆侧面缺陷的检测方法，在获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像后，将所述环形侧面表面图像进行灰度处理，得到灰度图像；基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。采用前述方法实现了对晶圆侧面缺陷的检测，通过检测晶圆环形侧面是否存在缺陷，可以判断出制程工艺或相应的结构设计是否存在缺陷，工艺和设计人员根据检测出来的缺陷可以对相应的工艺和结构设计进行优化，从而缩短修正周期，提高产品的良率，避免晶圆的报废。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在详述本发明实施例时，为便于说明，示意图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明的保护范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

参考图1，本发明一实施例提供了一种晶圆侧面缺陷的检测方法，包括步骤：

步骤s201，提供待检测晶圆，所述待检测晶圆包括顶面和相对的底面以及位于顶面和底面之间的环形侧面；

步骤s202，获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像；

步骤s203，将所述环形侧面表面图像进行灰度处理，得到灰度图像；

步骤s204，基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。

下面将结合附图对前述过程进行详细的描述。

进行步骤s201，提供待检测晶圆，所述待检测晶圆包括顶面和相对的底面以及位于顶面和底面之间的环形侧面。

所述待检测晶圆表面形成有集成电路，本实施例中，所述待检测晶圆为曝光、蚀刻、离子注入、薄膜沉积和化学机械研磨任一工艺后的晶圆。

集成电路的制作过程是在衬底上制作半导体器件(晶体管、存储器)以及将半导体衬底连接的互连结构。所述互连结构通过一层一层的工艺制作在衬底上。比如，在衬底上形成若干半导体器件(比如若干晶体管，所述晶体管包括位于衬底表面上的栅极和位于栅极两侧的半导体衬底内中的源漏区)后，制作与半导体器件连接的第一层互连结构时，需要在衬底上先形成一层介质层，在介质层中形成与半导体器件连接的金属插塞，然后在介质层上形成与金属插塞连接的金属线；然后在第一层互连结构上形成第二层互连结构，第二层互连结构的形成工艺与第一层互连结构的形成工艺类似，直至形成最后一层互连结构。本实施例中，请参考图4，所述待检测晶圆100至少包括衬底101和位于衬底101上的若干层叠的膜层102，所述膜层102中形成有互连结构。所述待检测晶圆100包括顶面11和相对的底面10以及位于顶面11和底面10之间的环形侧面12。

在一实施例中，所述衬底101具体可以为硅(si)衬底、锗(ge)衬底、或硅锗(gesi)衬底、碳化硅(sic)衬底；也可以是绝缘体上硅(soi)衬底，绝缘体上锗(goi)衬底。本实施例中所述衬底为硅衬底。

研究发现，在集成电路的制作过程中，半导体器件和互连结构形成在衬底101的表面(顶面)上，待检测晶圆100的边缘不会形成半导体器件和互连结构，因而待检测晶圆100的侧面仍是完整的一层一层层叠的膜层102，所述膜层102可以包括若干层依次层叠的介质层，所述介质层的材料为氧化硅、氮化硅、低k介质材料(相对介电常数低于3.9的介质材料)或超低k介质材料(相对介电常数低于2.8的介质材料)，或者其他合适的介质材料。本实施例中，请参考图5，图5为所述待检测晶圆的一部分侧面的结构示意图，所述待检测晶圆的侧面包括衬底101和位于衬底101上的膜层102，所述膜层102包括位于衬底101上第一介质层21，位于第一介质层21上的第二介质层22和位于第二介质层22上的第三介质层23。本实施例中，所述膜层102的层数为三层仅是作为示例，在其他实施例中，所述膜层的层数可以为其他层数。

进行步骤s202，获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像。

如前所示，经过研究，在集成电路的制作过程中，待检测晶圆100的边缘不会形成半导体器件和互连结构，因而待检测晶圆100的侧面仍是完整的一层一层层叠的膜层102，进一步研究发现，当制程工艺或相应的结构设计不存在问题时，膜层102(参考图5)中是不会存在缺陷的，而当制程工艺或相应的结构设计存在问题时，会产生相应的缺陷(比如膜层的裂痕、裂缝或膜层的剥落(peeling)等缺陷)，这些缺陷也会在待检测晶圆的侧面的膜层102中得以体现，因而通过检测晶圆环形侧面是否存在缺陷，可以判断出制程工艺或相应的结构设计是否存在缺陷，工艺和设计人员根据检测出来的缺陷可以对相应的工艺和结构设计进行优化，从而缩短修正周期，提高产品的良率，避免晶圆的报废。

在一实施例中，请参考图2，所述环形侧面表面图像的获得过程(s203)包括：步骤s261，获得初始检测图像，所述初始检测图像中包括环形侧面表面图像、位于所述环形侧面表面图像上的上部背景图像和位于所述环形侧面表面图像下的下部背景图像；步骤s262，将所述环形侧面表面图像从初始检测图像中分离。

所述初始检测图像通过图像采集设备对待检测晶圆的侧面一周进行采集获得。在一实施例中，请参考图6，所述图像采集设备包括两个摄像头31，两个摄像头31对准待检测晶圆100的侧面12并固定不动，待检测晶圆100在进行拍摄时至少旋转一周，所述图像采集设备将两个摄像头31中获得待检测晶圆100的侧面一周的图像进行合成，获得初始检测图像。在其他实施例中，所述待检测晶圆100固定不动，所述摄像头31绕待检测晶圆100旋转一周，获得初始检测图像。

由于摄像头在进行拍摄时会有一定的视场角，不仅待检测晶圆的侧面表面会进行成像，待检测晶圆的顶面(或者还包括检测晶圆上方的背景)以及检测晶圆的底面(或者还包括检测晶圆下方的背景)也会成像(在一实施例中，在进行检测时，所述待检测晶圆的背景可以采用低反射率的材料)，因而获得的初始检测图像不仅会包括待检测晶圆侧面的图像还会包括待检测晶圆的顶面(或者还包括检测晶圆上方的背景)和检测晶圆的底面(或者还包括检测晶圆下方的背景)对应的图像(对应为上部背景图像和下部背景图像)。

在一具体的实施例中，上面一个摄像头获得待检测晶圆100的侧面12和顶面11的图像，下面一个摄像头获得待检测晶圆100的侧面12和底面10的图像。

在一实施例中，所述待检测晶圆100的边缘具有用于定位的缺口(notch)，所述图像采集设备进行拍摄前，先获得待检测晶圆100边缘的缺口(notch)的位置，然后从缺口(notch)的位置开始进行拍摄，旋转一圈后，再到缺口(notch)的位置结束拍摄，因而初始检测图像中具有对应的缺口图像，后续从初始检测图像中获得的环形侧面表面图像中也具有对应的缺口图像，并且所述缺口图像具有位置标记；后续在根据所述位置标记排除所述环形侧面表面图像中的缺口图像。具体的，后续可以在将所述环形侧面表面图形进行灰度处理之前或之后(基于特征点检测法对所述灰度图像进行检测之前)，排除所述环形侧面表面图像中的缺口图像。

本实施中，参考图7，图7为对图5和图6中所示的待检测晶圆100的侧面进行拍照时获得初始检测图像1001的结构示意图，所示初始检测图像1001中包括：与衬底101(参考图6)对应的衬底图像1011，位于衬底图像1011上的与膜层102(图5和图6)对应的膜层图像1021，所述膜层图像1021包括依次层叠的第一介质层211图像(与图5中第一介质层21对应)、第二介质层221图像(与图5中第二介质层22对应)、第三介质层图像231(与图5中第三介质层23对应)，所述初始检测图像1001中还包括位于膜层图像1021上的上部背景图像1041和位于衬底图像下方的下部背景图像1031。

在获得初始检测图像后，需要将环形侧面表面图像或者膜层图像1021从初始检测图像中分离，以防止上部背景图像1041和下部背景图像1031影响后续检测缺陷的准确性。

在一实施例中，请参考图3，所述将所述环形侧面表面图像从初始检测图像中分离的过程(s262)包括：进行步骤s271，找到所述环形侧面表面图像与上部背景图像和下部背景图像的分界线；进行步骤s272，将两分界线之间的图像作为待检测晶圆的环形侧面表面对应的环形侧面表面图像。

由于待检测晶圆在进行拍摄时的背景对应的上部背景图像和下部背景图像的整体灰度值会小于环形侧面表面图像的整体灰度值，因而根据灰度的变化可以找到环形侧面表面图像与上部背景图像和下部背景图像之间的分界线。

所述获得的分界线包括上分界线和下分界线。

在一实施例中，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。通过前述过程可以非常快速和准确的找到分界线，提高了检测方法的效率和准确性。

所述像素的划分可以按照摄像头的分辨率进行划分，比如摄像头的分辨率为a*b时，对应的将所述初始图像分成a*b个像素，比如可以为5200*2040个像素。在其他的实施例中，可以采用其他的方式进行像素的划分。像素划分的越多，后续进行检测时的精度更大。

在进行像素的划分时，建立对应的位置坐标p。

参考图8，图8为图7中的初始检测图像1001经过灰度处理和二值化后获得的二值化初始检测图像1002的示意图，二值化初始检测图像1002中包括：与图7中衬底图像1011对应的二值化衬底图像1012，与图7中膜层图像1021对应的二值化膜层图像1022，与图7中上部背景图像1041和下部背景图像1031分别对应的二值化上部背景图像1042和二值化下部背景图像1032。图9为一实施例中对图8中二值化初始检测图像1002中部分图像41的放大结构示意图，图8中二值化初始检测图像1002通过全局阈值法或局部阈值法获得，图9中每一个方格代表一个像素，方格中的数字“0”或“1”为每一个像素对应的标记值，“1”表示黑，“0”表示白。

全局阈值法或局部阈值法是根据不同的阈值和算法将初始检测图像每个像素点的灰度值设置为0或255，也就是将整个初始检测图像呈现出明显的黑白效果的过程，二值化后每个像素点可以对应标记为“1”或“0”或者对应标记为“0”或“1”。

所述全局阈值法包括大律法、最大熵法或迭代法；所述局部阈值法包括基于bernsen算法的二值化方法、基于sauvola算法的二值化方法、基于niblack算法的二值化方法或基于wolf算法的二值化方法。

在其他实施例中，将所述灰度处理后的初始检测图像二值化的方法还可以采用边缘检测法，后续将对边缘检测法进行详细说明。

进行二值化后，将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值。本一实施例中，将每一行中部分像素对应的标记值相加获得行标记值，这种方式在获得分界线时计算量减少，能提高运算的效率，具体请参考图10，图10中每一行中的部分像素相加对应获得一个行标记值(比如图10中第一行的标记值相加获得第一行对应的行标记值“1”，第三行的标记值相加获得第三行对应的行标记值“7”)，获得的若干行标记值可以存储在一个列表51中，存储的每一个行标记值关联二值化初始检测图像中每一行的对应的位置。在另一实施例中，可以将每一行中全部像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值。

在得到若干行标记值后，获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。所述行标记值突变的位置为行标记值变化最剧烈的两个位置，具体的可以通过将相邻两行对应行标记相减，获得差值，判断差值是否大于设定的阈值，若差值大于设定的阈值则相邻行之间界线即为分界线，若差值小于设定的阈值则相邻行之间的界线不是分界线，在具体的实施例中，所述阈值的大小可以为最大行标记值的40％-70％。在其他实施例中，依据突变幅度的大小，取突变幅度最大的两个位置作为分界线的位置。参考图10，所述行标记值突变的位置为第二行像素和第三行像素的分界线(p1位置)以及第十行像素和第十一行像素的分界线(p2位置)，将两个突变位置(p1位置和p1位置)对应到二值化初始检测图像1002和初始检测图像1001中可以获得分界线(下分界线)61和分界线(上分界线)62(参考图11或图12)的位置。

结合参考12和13，将初始检测图像1001中两分界线(分界线61和分界线62)之间的图像作为待检测晶圆的环形侧面表面对应的环形侧面表面图像1003。

可以通过相应的图片处理工艺将分界线62上的上背景图像1041(参考图12)和分界线61下的下背景图像1031剪除或消除，获得环形侧面表面图像1003。

在一实施例中，由于前述在进行二值化之前，对初始检测图像进行了灰度处理，因而可以将前述获得的两个突变位置直接对应到灰度处理后的初始检测图像中获得两个分界线(上分界线和下分界线)的位置，通过相应的图片处理工艺将灰度处理后的初始检测图像中上分界线上的上背景图像和下分界线下的下背景图像剪除或消除，获得灰度处理后的环形侧面表面图像，后续可以直接基于特征点检测法对灰度处理后的环形侧面表面图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置，以简化检测过程，提高检测的效率。

进行步骤s203，将所述环形侧面表面图像进行灰度处理，得到灰度图像。

本实施例中，在获得所述环形侧面表面图像后，直接将所述获得环形侧面表面图像进行灰度处理，得到灰度图像。

在其他实施例中，所述环形侧面表面图像中包括衬底图像和位于衬底图像上若干依次层叠的膜层图像；在获得所述环形侧面表面图像后，将所述膜层图像从环形侧面表面图像中分离；对所述膜层图像进行灰度处理，得到灰度图像。后续将对膜层图像的分离进行详细说明。

具体的参考图14，将所述环形侧面表面图像1003进行灰度处理，得到灰度图像。

进行灰度处理的目的是将环形侧面表面图像1003上每一个像素点均用灰度值0～255予以表征，以便后续进行缺陷的检测。

执行步骤s204，基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。

所述特征点检测法包括基于harris的角点检测法、基于susan的角点检测法、基于fast的角点检测法、基于faster的角点检测法、基于sift的角点检测法、基于surf的角点检测法。

具体的，基于harris的角点检测法是一种基于图像灰度的一阶导数矩阵检测方法，检测方法的主要思想是局部自相似性/自相关性，即在某个局部窗口内图像块与在各个方向微小移动后的窗口内图像块的相似性。

在其他实施例中，进行缺陷的检测方法也可以使用边缘检测，再搭配轮廓侦测(contourdetection)与轮廓配对(contourmatching)方式。

在一实施例中，参考图15，基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷240的位置。

所述缺陷240包括膜层的裂痕、裂缝或膜层的剥落(peeling)缺陷，或者其他的缺陷等，比如所述缺陷240为第二介质层22(与第二介质层图像221对应)中形成的裂痕缺陷。在检测出缺陷240时，可以判断出前层工艺(形成第二介质层22的工艺)或相应的结构设计(第二介质层中以及第二介质层上放的膜层中或下方膜层中的结构)是否存在缺陷，工艺和设计人员根据检测出来的缺陷可以对相应的工艺和结构设计进行优化，从而提高产品的良率，避免晶圆的报废。

在另一实施例中，将所述灰度处理后的初始检测图像二值化的方法还可以采用边缘检测法，以提高分界线获得的精度。图像的边缘代表灰度变化最大的位置，边缘检测法就是根据图像上的灰度的变化剧烈程度来确定图像的边缘。

所述边缘检测法采用sobel边缘检测算子、laplacian边缘检测算子、canny边缘检测算子、prewitt边缘检测算子或roberts边缘检测算子。

参考图16，图16为一实施例中对图8中二值化初始检测图像1002中部分图像41的放大结构示意图，图8中的二值化初始检测图像1002通过边缘检测法获得，图16中每一个像素用“0”或“1”，“1”表示边缘像素，“0”表示非边缘像素，从图16中可以看出二值化上部背景图像1042(对应上部背景图像)与二值化膜层图像1022(对应膜层图像)的分界线处、二值化膜层图像1022(对应膜层图像)与二值化衬底图像1012(对应衬底图像)的分界线处、以及二值化衬底图像1012(对应衬底图像)与二值化下部背景图像1032(对应下部背景图像)的分界线处的标记“1”的数量较多。

参考图17，将图16中每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值(比如图16或图17中第一行的标记值相加获得第一行对应的行标记值“1”，第三行的标记值相加获得第三行对应的行标记值“5”，所述上部背景图像1042对应第一行像素为第一行，沿y轴正方形，行数逐渐增加)，获得的若干行标记值可以存储在一个列表51中，存储的每一个行标记值关联二值化初始检测图像中每一行的对应的位置。在另一实施例中，可以将每一行中全部像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值。

在得到若干行标记值后，获得行标记值突变的位置，图17中所述行标记值突变的位置包括三个，包括第一突变位置、第二突变位置和第三突变位置，具体第一突变位置在第3行(或者p1位置，上部背景图像与膜层图像的边缘或分界线)，第二突变位置在第10行(或者p1m位置，膜层图像与衬底图像的边缘或分界线)，第三突变位置在第13行(或者p2位置，衬底图像与下部背景图像的边缘或分界线)。

在一实施例中，当需要获得环形侧面表面图像1003时，将第一突变位置(或者p1位置)和第三突变位置(或者p2位置)对应到二值化初始检测图像1002(参考图11)和初始检测图像1001(参考图12)中可以获得分界线(下分界线)61和分界线(上分界线)62(参考图11或图12)的位置。

在另一实施例中，参考图18，当需要获得膜层图像(或者需要将所述膜层图像从环形侧面表面图像中分离)时，将第一突变位置(或者p1位置)和第二突变位置(或者p1m位置)对应到二值化初始检测图像1002和初始检测图像1001(参考图18)中可以获得分界线(下分界线)61和分界线(上分界线)62的位置，分界线(下分界线)61和分界线(上分界线)62之间即为膜层图像。将所述膜层图像从环形侧面表面图像中分离，后续可以对所述膜层图像进行灰度处理，得到灰度图像；基于特征点检测法对所述灰度图像进行检测，得到缺陷，由于无需对衬底图像对应的灰度图像进行基于特征点检测法，因而提高了缺陷检测的效率。

在其他实施例中，分界线可以采用其他方式获得，具体的，在采用边缘检测法进行二值化后，再利用直线侦测(houghtransform)的方式找到分界线。

参考图19，得到分界线后，可以通过相应的图片处理工艺将分界线62上的上背景图像1041(参考图18)和分界线61下的衬底图像1011和下背景图像1031剪除或消除，获得膜层图像1021。

参考图20，对所述膜层图像1021进行灰度处理，得到灰度图像。

参考图21，基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷240的位置。

在一实施例中，当所述待检测的晶圆边缘存在用于定位的缺口时，所述环形侧面表面图像中具有与缺口对应的缺口图像；排除所述环形侧面表面图像中的缺口图像。具体的，可以在将所述环形侧面表面图形进行灰度处理之前或之后(基于特征点检测法对所述灰度图像进行检测之前)，排除所述环形侧面表面图像中的缺口图像。

本发明实施例还提供了一种晶圆侧面缺陷的检测系统，参考图22，包括：

待检测晶圆提供单元300，用于提供待检测晶圆，所述待检测晶圆包括顶面和相对的底面以及位于顶面和底面之间的环形侧面；

环形侧面表面图像获得单元301，用于获得所述待检测晶圆的环形侧面表面对应的环形侧面表面图像；

灰度处理单元304，用于将所述环形侧面表面图像进行灰度处理，得到灰度图像；

特征点检测单元305，用于基于特征点检测法对所述灰度图像进行检测，获得角点，所述角点对应的位置即为缺陷的位置。

在一实施例中，所述环形侧面表面图像获得单元301包括初始检测图像获得单元303和分离单元302，所述初始检测图像获得单元303用于获得初始检测图像，所述初始检测图像中包括环形侧面表面图像、位于所述环形侧面表面图像上的上部背景图像和位于所述环形侧面表面图像下的下部背景图像，所述分离单元302用于将所述环形侧面表面图像从初始检测图像中分离。

在一实施例中，所述分离单元302将所述环形侧面表面图像从初始检测图像中分离的过程包括：找到所述环形侧面表面图像与上部背景图像和下部背景图像的分界线；将两分界线之间的图像作为待检测晶圆的环形侧面表面对应的环形侧面表面图像。

在一实施例中，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。

所述灰度处理单元304采用全局阈值法或局部阈值法对所述灰度处理后的初始检测图像进行二值化。

在一实施例中，所述全局阈值法包括大律法、最大熵法或迭代法。所述局部阈值法包括基于bernsen算法的二值化方法、基于sauvola算法的二值化方法、基于niblack算法的二值化方法或基于wolf算法的二值化方法。

在一实施例中，在环形侧面表面图像获得单元301获得所述环形侧面表面图像后，所述灰度处理单元304直接将所述获得环形侧面表面图像进行灰度处理，得到灰度图像。

所述初始检测图像通过图像采集设备对待检测晶圆的侧面一周进行采集获得。

所述环形侧面表面图像中包括衬底图像和位于衬底图像上若干依次层叠的膜层图像，所述分离单元302还用于将所述膜层图像从环形侧面表面图像中分离；所述灰度处理单元304还用于对所述膜层图像进行灰度处理，得到灰度图像；所述特征点检测单元305基于特征点检测法对所述灰度图像进行检测，得到缺陷。

所述分离单元302将所述膜层图像从环形侧面表面图像中分离的过程包括：找到所述膜层图像与上部背景图像和衬底图像的分界线；将所述两分界线之间的图像作为膜层图像。

在一实施例中，所述找到分界线的过程为：将所述初始检测图像分成若干像素；对所述初始检测图像进行灰度处理；将所述灰度处理后的初始检测图像二值化，将每一个像素对应标记为值“0”或“1”；将每一行中全部或部分像素对应的标记值相加获得行标记值，若干行像素对应获得若干行标记值；获得行标记值突变的位置，所述行标记突变的位置即为分界线的位置。采用边缘检测法对所述灰度处理后的初始检测图像进行二值化。

在一实施例中，所述边缘检测法采用sobel边缘检测算子、laplacian边缘检测算子、canny边缘检测算子、prewitt边缘检测算子或roberts边缘检测算子。

在一实施例中，所述特征点检测法包括基于harris的角点检测法、基于susan的角点检测法、基于fast的角点检测法、基于faster的角点检测法、基于sift的角点检测法、基于surf的角点检测法。

在一实施例中，所述特征点检测单元305单元包括缺口图像排除单元，用于当所述待检测的晶圆边缘存在用于定位的缺口时，所述环形侧面表面图像中具有对应的缺口图像；排除所述环形侧面表面图像中的缺口图像。具体的，可以在将所述环形侧面表面图形进行灰度处理之前或之后(基于特征点检测法对所述灰度图像进行检测之前)，排除所述环形侧面表面图像中的缺口图像。

需要说明的是，本实施例(晶圆侧面缺陷的检测系统)与前述实施例(晶圆侧面缺陷的检测过程或检测方法)中相同或相似部分的限定或描述，在本实施例中不再赘述，具体请参考前述实施例中相应部分的描述或限定。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。