基于K-NN算法的晶圆划痕智能匹配

发布时间：2020-05-23 02:27

【摘要】：晶圆,即圆形硅(半导体)片,是集成电路(IC)的衬底材料,IC中多层密集的元件搭建均以此为基础。晶圆的平整度对半导体IC后续生产至关重要,而化学机械抛光(CMP)是半导体工业中实现晶圆平坦化的一种核心技术。然而CMP过程中的多个因素在晶圆表面产生的划痕是半导体制造业产量损失的主要原因之一。本文在提取划痕的数学特征基础上,利用骨架化方法与K近邻(K-NN)算法对划痕进行智能识别匹配,并利用坐标变换这一数学计算手段进行了改进。一般地,在生产中匹配划痕是利用简单的设备人工操作,该过程耗时、主观性强、一致性差。结合已有的工作经验,本文介绍了一种新的模式识别匹配方法:首先,使用二值化和骨架化方法来获取单像素二值曲线段(主线);然后利用聚类方法对这些主线初步分组,以便提取主线端点的一些基本特征,如距离、斜率、曲率等几何特征;最后,利用K-NN算法对相同类型的主线智能匹配。具体地,本文对晶圆划痕灰度图像进行二值化处理使得数据结构更加简单,在此基础上骨架化晶圆划痕二值图像可以更好地提取划痕的几何特征,方便后续特征的提取。另外,在提取主线端点特征之前引入了动态坐标系,避免了数量级差距过大带来的匹配误差。经过大量匹配实验发现:当端点切线斜率很大时,斜率的微小差异会使本应匹配的主线超出相似阈值,引起匹配误差。因此在特征提取前引入动态坐标系,在整体上大大减少了待匹配的数据斜率和曲率,方便了误差阈值的设定。综上所述,我们提出了一种新的模式识别匹配方法,该方法通过骨架化和K-NN算法的结合,使得数据更具操作性,特征更易提取,几何意义更加明显。并将该匹配方法应用到半导体生产中的晶圆划痕匹配问题中,实验结果表明,本文提出的晶圆划痕匹配方法符合手动匹配要求,匹配一致性良好且具有较强的鲁棒性,为实践生产中改进和预防晶圆缺陷提供解决方案。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TN40

【参考文献】