基于CNN的晶圆SEM图像缺陷检测与分类研究

发布时间：2021-07-15 20:42

　　随着半导体行业的高速发展,芯片上晶体管不断缩小的关键尺寸给制造带来巨大的困难。为了应对晶圆表面越来越多的各类缺陷,研究更加准确、快速的晶圆缺陷检测和分类算法十分必要。基于扫描电子显微镜（Scanning Electron Microscope,SEM）对晶圆表面的高分辨率成像,晶圆缺陷分类问题成为SEM图像分类问题,而晶圆缺陷检测问题成为对象检测问题。本论文介绍了卷积神经网络（Convolutional Neural Networks,CNN）的基本结构和原理,ZFNet图像分类算法,以及对象检测算法从Region-CNN到Fast-RCNN,再到Faster-RCNN的改进和发展。针对晶圆SEM图像的缺陷分类问题,本论文采用了一种名为“ZFNet”的卷积神经网络来对SEM图像缺陷区域进行分类。SEM图像数据包含9种缺陷类型以及非缺陷类型,总共10种类型,测试的F-score达到了 97%。本论文提出的ZFNet缺陷分类算法准确、具有较强数据适应能力。针对晶圆SEM图像的缺陷检测问题,本论文基于ZFNet缺陷分类器实现了一种“patch-based CNN”缺陷检测算法,该算法能够从S... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图１．?１?ＨＲＳ?２０１１技术节点发展线路图??近几十年来，集成电路制造业一直在按照“摩尔定律”在高速发展ｌ＞３ｉ

下面介绍光刻工艺的基本流程和其发展趋势??１．２．?１光刻工艺流程??如图１．２所示，典型的光刻工艺流程大致分为以下几个步骤１Ｍｌ。??１??＿Ｔ＿Ｉ?脑翻??????基底准备?厂?曝；七后说烤厂?蚀刻??对准及曝光??ｆｇ／ｇｇ／ｉ?（正胶）?■?■?ａ■麵??涂胶?显影?金属／多＾Ｊｋ??１?ｍｔｍｍ?Ｉ?品＆沆积??匕?ｋｉ?ａｎ?＿??对准及曝光?＾??前烘烤?后烘烤?离子注入??ｌ＿＿Ｉ?．、?Ｉ???图１．２典型光刻工艺流程图??１．２．?１．?１曝光预处理??在将晶圆送入光刻机曝光之前，需要对其做一系列的预处理。首先采用化学机械拋光??（Ｃｈｅｍｉｃａｌ?Ｍｅｃｈａｎｉｃａｌ?Ｐｏｌｉｓｈｉｎｇ，ＣＭＰ）等方法将晶圆表面基底处理的相对平坦，因为基底??２??

Ｕｌｔｒａｖｉｏｌｅｔ?Ｌｉｔｈｏｇｒａｐｈｙ，?ＥＵＶ）由于技术原因又推迟了大规模应用的时间ｌｕｌ，所以目前主??流光刻机仍然采用１９３ｎｍ波长的ＡｒＦ光源。为了应对光源波长远小于晶体管尺寸带来的干涉??和衍射等现象，行业内提出了一系列的解决方案。如图１．３中左半部分展示了?一些：??１）

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[2]一种基于梯度信息的SEM图像重建方法[J]. 毛项迪,史峥.  计算机科学. 2016(02)
[3]基于卷积神经网络的木材缺陷识别[J]. 徐姗姗,刘应安,徐昇.  山东大学学报(工学版). 2013(02)
[4]自然场景中的视觉显著对象检测[J]. 田明辉,万寿红,岳丽华.  中国图象图形学报. 2010(11)
[5]扫描电子显微镜原理及特点[J]. 武开业.  科技信息. 2010(29)
[6]自动光学检测在中国的应用现状和发展[J]. 胡跃明,谭颖.  微计算机信息. 2006(04)
[7]解读摩尔定律[J]. 孙泉.  集成电路应用. 2004(08)
[8]摩尔定律与半导体设备[J]. 翁寿松.  电子工业专用设备. 2002(04)

博士论文
[1]适用于超深亚微米集成电路制造与验证流程的光学邻近修正方法研究[D]. 陈晔.浙江大学 2008
[2]亚波长光刻条件下集成电路可制造性设计与验证技术研究[D]. 史峥.浙江大学 2005

硕士论文
[1]IC晶圆表面缺陷检测技术研究[D]. 马磊.电子科技大学 2015
[2]半导体光刻中晶圆缺陷问题的研究[D]. 刘丰.天津大学 2012
[3]纳米尺度下光学邻近校正的预处理与后验证研究[D]. 齐晶.浙江大学 2012
[4]铜互连工艺缺陷模式及其对集成电路良率的影响[D]. 孙宏.复旦大学 2009



本文编号：3286431