戴 敬，肖 朋，，楊志家，馬繼開

（1.沈陽建筑大學(xué) 信息與控制工程學(xué)院，遼寧 沈陽110168；2.中國(guó)科學(xué)院沈陽自動(dòng)化研究所，遼寧 沈陽110016）

0 引 言

近年來，隨著我國(guó)半導(dǎo)體行業(yè)的迅速發(fā)展，對(duì)晶圓質(zhì)量的要求也越來越高。光刻工藝復(fù)雜度提高的同時(shí)，缺陷來源越來越多元化，對(duì)缺陷的檢測(cè)需求逐步增加［1］。傳統(tǒng)的生產(chǎn)線中，缺陷的檢測(cè)主要依靠人工肉眼檢測(cè)，該方法有低效率、高誤檢率、易受主觀因素影響等缺點(diǎn)，已不能滿足現(xiàn)代工業(yè)生產(chǎn)的需要。

隨著計(jì)算機(jī)技術(shù)與圖像處理技術(shù)的發(fā)展，計(jì)算機(jī)視覺檢測(cè)技術(shù)在各領(lǐng)域中被廣泛研究與應(yīng)用。Liu等［2］利用光譜作差的方法對(duì)IC晶圓表面的缺陷檢測(cè)進(jìn)行了研究，并且采用了基于灰度的匹配方法，對(duì)光照具有很好的魯棒性；Huang等［3］采用形態(tài)學(xué)濾波算法和區(qū)域融合的分水嶺算法對(duì)晶圓缺陷的提取進(jìn)行了研究；陳瑋等［4］利用圖像的差影法，對(duì)火車輪對(duì)踏面圖像進(jìn)行處理，很好地實(shí)現(xiàn)了踏面磨損的檢測(cè)；田利等［5］應(yīng)用差影法，實(shí)現(xiàn)了半導(dǎo)體器件塑封缺陷的檢測(cè)，并提出一種雙模版的匹配方法。本文在研究前人成果的基礎(chǔ)上，基于LabVIEW 和IMAQ 模塊，利用自行設(shè)計(jì)的硬件平臺(tái)，以差影法為基本原理，采用歸一化互相關(guān) （NCC）的模版匹配方法，對(duì)晶圓的缺陷檢測(cè)進(jìn)行進(jìn)一步的研究，以提高算法的實(shí)時(shí)性和有效性。

1 系統(tǒng)總體設(shè)計(jì)

1.1 圖像采集硬件設(shè)計(jì)

圖像采集硬件平臺(tái)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。

圖1 硬件平臺(tái)

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Camera Link，幀速為16fps。按照對(duì)檢測(cè)最小特征值（15μm）的要求，并且依據(jù)分辨率與視場(chǎng) （FOV）之間的關(guān)系［6］，計(jì)算得到視場(chǎng)的大小為24.72 （mm）×18.54（mm）。鏡頭為日本Pentax 的YF5028A－035，焦距為50 mm，滿足系統(tǒng)要求。

系統(tǒng)圖像采集卡選用NI公司的PCIe－1473R，它支持通過Camera Link 1.2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(huì)造成照明度的不均勻，對(duì)圖像的采集產(chǎn)生非常大的影響，造成誤檢測(cè)。通過實(shí)驗(yàn)對(duì)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)檢測(cè)流程

當(dāng)前在晶圓上選擇9個(gè)測(cè)試區(qū)域進(jìn)行抽樣檢測(cè)，以此結(jié)果對(duì)晶圓表面質(zhì)量進(jìn)行大致評(píng)測(cè)，對(duì)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(dòng)到指定圖像采集區(qū)域，在同軸光源的照明下，CCD采集到對(duì)應(yīng)的視場(chǎng)區(qū)域的圖像，通過圖像采集卡保存到計(jì)算機(jī)內(nèi)，再通過相關(guān)的算法對(duì)圖像進(jìn)行一系列的處理，包括濾波、增強(qiáng)、模版匹配、比對(duì)等，實(shí)現(xiàn)缺陷的識(shí)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(cè)區(qū)域，將晶圓移動(dòng)到第一個(gè)位置，采集該位置的晶圓表面圖像，對(duì)第一幅圖像進(jìn)行處理，檢測(cè)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 圖像預(yù)處理

原始圖像在采集、傳輸?shù)倪^程中，不可避免的會(huì)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(duì)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(duì)圖像進(jìn)行濾波與增強(qiáng)處理。

2.1 圖像的濾波處理

根據(jù)圖像的噪聲特點(diǎn)以及多種去噪算法的對(duì)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）［7］原理如下：選取一個(gè)合適的滑動(dòng)濾波窗口 （一般情況下采用3×3或5×5的方形濾波窗口），對(duì)窗口內(nèi)的點(diǎn)按照灰度值的大小進(jìn)行排序，用排序后的中間值代替原來窗口中心點(diǎn)的值。

中值濾波基本公式如下所示

式中：A——濾波窗口，｛fij｝——濾波窗口A 中二維像素值序列，yij——濾波輸出。

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(diǎn)，達(dá)到消除孤立噪聲點(diǎn)的目的［8］。然而，它也有一些自身的缺點(diǎn)：一是細(xì)節(jié)會(huì)被模糊，二是圖像中的銳角、線段、缺陷等結(jié)構(gòu)，在采用較大窗口中值濾波時(shí)，會(huì)因?yàn)榕判蛉≈兄刀茐慕Y(jié)構(gòu)和空間的領(lǐng)域信息［9］。為了減少這種破壞，提高濾波效果，在中值濾波的基礎(chǔ)上，采用一種改進(jìn)的濾波方法—多重中值濾波算法。

本文采用三重中值濾波算法，其計(jì)算公式如下

式中：z1、z2、z3、z4——與水平夾角為0°、90°、45°和135°這4個(gè)方向子窗口的中值，f（i，j）則為原像素點(diǎn)的灰度值［10］。其本質(zhì)上增加了中心像素點(diǎn)出現(xiàn)的次數(shù)，降低了噪聲誤判為非噪聲的幾率，在取得良好濾波效果的同時(shí)，保護(hù)了圖像的細(xì)節(jié)。

下面是濾波前后的對(duì)比，圖像為一個(gè)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(diǎn)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。

圖3 濾波效果比較

2.2 圖像的增強(qiáng)處理

圖像增強(qiáng)的定義請(qǐng)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(jí)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(shí)際上，有時(shí)希望變換直方圖使之成為特定的形狀，從而增強(qiáng)某個(gè)灰度范圍內(nèi)的對(duì)比度，這就需要對(duì)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(duì)均衡化的改進(jìn)，本文采用規(guī)定化方法來實(shí)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(jí)，現(xiàn)對(duì)P（r）和P（z）做均衡化處理如下［12］

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(jià)代換，將原始圖像變換后的灰度級(jí)s代替其中的v，有

此時(shí)我們便可以得到期望的圖像灰度級(jí)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。

圖4 圖像增強(qiáng)前后對(duì)比

圖5 增強(qiáng)前后直方圖對(duì)比

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(duì)比度明顯，利于后續(xù)的缺陷檢測(cè)。

3 模版匹配與差影

3.1 模版匹配

所謂模版匹配，是指在圖像識(shí)別中，將圖像中某種特征或目標(biāo)作為模版，在被識(shí)別的物體上進(jìn)行滑動(dòng)，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（normalized cross correlation，NCC）實(shí)現(xiàn)模版的匹配。其原理如下［13］：

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Si，j，（i，j）為模版左上角像素點(diǎn)在S中的坐標(biāo)，稱為參考點(diǎn)。

接下來需要比較模版T 和子圖Si，j的相似性，我們可以用下式來衡量?jī)烧咧g的相似度

圖6 模版與被搜索圖像

將上式展開可得

等式 （9）右邊第一項(xiàng)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(xiàng)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Si，j達(dá)到匹配時(shí)，該項(xiàng)有極大值；第三項(xiàng)為常數(shù)，表示模版T 的能量，它的取值與坐標(biāo)無關(guān)。

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(shí)，相關(guān)系數(shù)R（i，j）＝1。記錄下每個(gè)位置的互相關(guān)值，可以設(shè)置一個(gè)閾值，當(dāng)超過該值時(shí)即認(rèn)為該處存在一個(gè)目標(biāo)物體。

上述算法對(duì)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(huì)影響到相關(guān)系數(shù)，對(duì)光照具有較好的魯棒性。

算法流程如圖7所示。

圖7 模版匹配算法流程

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 模版匹配結(jié)果

圖8 （b）中每個(gè)匹配目標(biāo)都包含Results、X position、Y position、Score等信息，Results表示該目標(biāo)匹配順序，以相似度大小排序；X position、Y position表示目標(biāo)的坐標(biāo)值 （以圖像左上方為坐標(biāo)原點(diǎn)）；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(gè)匹配目標(biāo)為例，其匹配信息見表1。

表1 匹配信息

3.2 圖像差影

所謂圖像差影，即圖像的相減運(yùn)算 （又稱減影技術(shù)），即對(duì)相似物體所采集的兩幅圖像或同一物體在不同時(shí)間點(diǎn)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(cè)、圖像背景消除、目標(biāo)識(shí)別等。該算法具有復(fù)雜度低，運(yùn)行速度快，實(shí)時(shí)性高的優(yōu)點(diǎn)。

考慮到實(shí)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(gè)閾值T，將其與差值做比較，做出缺陷的判斷，提高檢測(cè)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(diǎn)狀缺陷和劃痕缺陷的差影檢測(cè)結(jié)果，圖9為點(diǎn)狀缺陷，圖10為劃痕缺陷。

圖9 點(diǎn)狀缺陷圖像的檢測(cè)

圖10 劃痕缺陷圖像的檢測(cè)

從圖中可看出，該方法較好的實(shí)現(xiàn)了缺陷的檢測(cè)，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(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)在9 個(gè)測(cè)試區(qū)域中，每個(gè)區(qū)域隨機(jī)選取50 個(gè)（10×5）晶粒進(jìn)行實(shí)驗(yàn)，像素為2040×1020，共450個(gè)晶粒，將檢測(cè)結(jié)果與實(shí)際人工檢測(cè)結(jié)果對(duì)比，數(shù)據(jù)見表2。

表2 缺陷檢測(cè)統(tǒng)計(jì)結(jié)果

從表中數(shù)據(jù)可知，線缺陷的檢測(cè)準(zhǔn)確率高于點(diǎn)狀缺陷的準(zhǔn)確率，總體準(zhǔn)確率達(dá)到97.3%。精度由實(shí)際大小與相應(yīng)像素?cái)?shù)決定，每個(gè)晶粒的大小為1.52 mm×1.52 mm，像素?cái)?shù)為204×204，此時(shí)分辨精度約為15μm。

5 結(jié)束語

本文以半導(dǎo)體晶圓為研究對(duì)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缺陷檢測(cè)算法，并且根據(jù)晶圓表面噪聲特點(diǎn)，采用一種改進(jìn)的中值濾波算法－多重中值濾波算法，有效的實(shí)現(xiàn)了常見缺陷的檢測(cè)，在高分辨率工業(yè)相機(jī)支持下，達(dá)到微米級(jí)的檢測(cè)精度。本文所作的研究，主要是在晶圓靜態(tài)條件下實(shí)現(xiàn)，檢測(cè)區(qū)域相對(duì)固定，后期將基于此研究，著重研究相機(jī)標(biāo)定和二維運(yùn)動(dòng)平臺(tái)控制的相關(guān)算法，實(shí)現(xiàn)動(dòng)態(tài)晶圓表面圖像的精確完整采集與缺陷檢測(cè)。

［1］LIU Feng.Wafer defects issue study in lithography ［D］.Tianjin：Tinjin University，2012 （in Chinese）.［劉豐.半導(dǎo)體光刻中晶圓缺陷問題的研究 ［D］.天津：天津大學(xué)，2012.］

［2］Liu Hongxia，Zhou Wen，Kuang Qianwei，et al.Defect detection of IC wafer based on spectral subtraction ［J］.Semiconductor Manufacturing，2012，23 （1）：141－147.

［3］Huang Yanyan，Zhang Fengquan，Yu Ming，et al.Silicon wafer defect extraction based on morphological filter and watershed algorithm ［C］／／International Conference on Computer Science and Software Engineering，2008：141－144.

［4］CHEN Wei，XUE Qin，WEI Shengli.The application of subtraction algorithm in the measurement［J］.Techniques of Automation and Applications，2007，26 （6）：74－76 （in Chinese）.［陳瑋，薛琴，魏勝利.差影算法在輪對(duì)踏面磨耗檢測(cè)中的應(yīng)用 ［J］.自動(dòng)化技術(shù)與應(yīng)用，2007，26 （6）：74－76.］

［5］TIAN Li，HAN Zhenyu.Application of machine vision in SMD surface defect detecting ［J］.Computer Knowledge and Technology，2012，8 （28）：6775－6778 （in Chinese）. ［田利，韓震宇.機(jī)器視覺在半導(dǎo)體器件塑封缺陷檢測(cè)中的應(yīng)用 ［J］.電腦知識(shí)與技術(shù)，2012，8 （28）：6775－6778.］

［6］NI China.Calculating camera sensor resolution an－d lens focal length［EB／OL］. ［2014－06－27］.URL：http：／／digital.ni.com／public.nsf／allkb／1948AE3264ECF42E86257D00007305D5（in Chinese）.［NI中國(guó)官網(wǎng).計(jì)算相機(jī)圖像傳感器分辨率以及鏡頭焦距［EB／OL］.［2014－06－27］.URL：http：／／digital.ni.com／public.nsf／allkb／1948AE3264ECF42E86257D00007305D5.］

［7］SHI Junyan，LIU Shudan.Dynamic window－based adaptive median filter algorithm ［J］.Computer Engineering and Design，2011，32 （9）：3115－3118 （in Chinese）. ［時(shí)軍艷，劉樹聃.基于噪聲檢測(cè)的自適應(yīng)中值濾波算法 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32 （9）：3115－3118.］

［8］ZHANG Mingyuan，WANG Hongli.Application of image noise removing based on improved median filtering ［J］.Ordnance Industry Automation，2007，26 （8）：45－47 （in Chinese）.［張明源，王宏立.改進(jìn)型中值濾波器在圖像去噪中的應(yīng)用 ［J］.兵工自動(dòng)化，2007，26 （8）：45－47.］

［9］LI Yanjun，SU Hongqi.Improved algorithm study about removing noise ［J］.Computer Engineering and Design，2009，30 （12）：2995－2997 （in Chinese）. ［李彥軍，蘇紅旗.改進(jìn)的中值濾波圖像去噪方法研究 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30 （12）：2995－2997.］

［10］NIU Xiuqin.Research on several improved median filter algorithms ［D］.Chengdu：Sichuan Normal University，2012（in Chinese）.［牛秀琴.幾種改進(jìn)的中值濾波算法研究 ［D］.成都：四川師范大學(xué)，2012.］

［11］ZHANG Yanhong，KONG Bo，XING Cuifang，et al.Application and realization of the histogram specification in image enhancement ［J］.Computer Knowledge and Technology，2009，5 （34）：9814－9815 （in Chinese）.［張燕紅，孔波，邢翠芳，等.直方圖規(guī)定化在圖像增強(qiáng)中的應(yīng)用及實(shí)現(xiàn) ［J］.電腦知識(shí)與技術(shù)，2009，5 （34）：9814－9815.］

［12］LONG Qing.The image enhancement based on histogram［J］.Computer Knowledge and Technology，2011，7 （4）：883－886 （in Chinese）.［龍清.直方圖圖像增強(qiáng)技術(shù) ［J］.電腦知識(shí)與技術(shù)，2011，7 （4）：883－886.］

［13］WANG Xianmin，ZENG Qinghua，XIONG Zhi，et al.Development and research analysis on vision－based navigation technologies［J］.Information and Control，2010，39 （5）：607－613 （in Chinese）.［王先敏，曾慶化，熊智，等.視覺導(dǎo)航技術(shù)的發(fā)展及其研究分析 ［J］.信息與控制，2010，39（5）：607－613.］