康耐德智能晶圆薄膜厚度机器视觉测量系统

晶圆薄膜厚度测量是半导体制造中的关键工艺控制环节。基于机器视觉的测量系统结合了光学干涉、光谱反射或椭偏原理与图像处理技术的非接触式高精度测量系统。


一、 技术原理
在半导体量测领域，单纯的“视觉”（即二维成像）无法直接测量纳米级厚度。因此，这类系统通常采用以下三种核心技术之一，并利用视觉技术进行定位和区域识别：

光谱反射法
原理：宽谱光源垂直入射到晶圆表面，薄膜上下表面的反射光发生干涉。通过分析反射率光谱（波长与反射率的关系曲线），利用拟合算法计算出薄膜的厚度、折射率和消光系数。
适用：氧化硅、氮化硅、光刻胶等透明或半透明薄膜。

椭圆偏振法
原理：测量线偏振光在薄膜表面反射后偏振态（Psi 和 Delta）的变化。这种方法比光谱反射法灵敏度更高，尤其适合极薄薄膜（<10nm）或多层复杂膜系。

白光干涉法
原理：利用白光干涉产生的零光程差位置来获取表面形貌。虽然主要用于测量台阶高度（刻蚀深度），但通过算法也可反推局部薄膜厚度。

二、 系统硬件构成
一个典型的机器视觉厚度测量系统包含以下核心模块：
光学探头：通常采用显微物镜，集成了照明与光接收功能。为了兼顾定位与测量，往往采用共轴光路设计。
光谱仪：是系统的核心传感器。它将携带厚度信息的光信号分解为光谱线，通过CCD或CMOS传感器捕捉。
精密运动平台：通常为气浮平台或高精度直线电机，用于实现全晶圆（Full Map）的扫描测量。重复定位精度通常要求在微米级甚至亚微米级。
对准与识别系统：利用低倍率视觉相机识别晶圆的Notch（缺口）或Flat（平边），并定位到特定的Die（芯片单元）或测试点（Test Pad）。

三、 视觉算法与软件
与传统缺陷检测不同，厚度测量的“视觉算法”主要集中在两个方面：

点位识别与对准
利用模板匹配算法在晶圆图形上找到预设的测量点位。
即使在晶圆存在旋转偏移或中心偏移的情况下，通过模式识别自动补偿坐标，确保光谱探头准确落在目标薄膜区域（如划片槽内的测试结构上）。

光谱拟合算法
这是决定精度的关键。系统需要建立光学模型（基于菲涅尔公式），通过非线性最小二乘法或库匹配法将实测光谱与理论光谱进行拟合。
机器学习的应用：近年来，深度学习被用于光谱反演，通过训练神经网络来加速拟合过程并提高对复杂膜系（如OPC层、多层高深宽比结构）的测量稳定性。

四、 关键挑战与解决方案
透明薄膜/图案化晶圆 ：在带有金属线路或复杂图形的晶圆上，散射效应会干扰光谱信号，导致传统模型失效。 采用微光斑技术（光斑直径可小至几微米），确保光斑全部落在目标薄膜区域内；结合3D建模进行光学仿真补偿。

厚膜测量 ：对于超过几十微米的厚膜（如MEMS中的结构层），光谱会出现密集的振荡，易导致算法解算周期模糊（Period Ambiguity）。 使用宽带光源（覆盖紫外到近红外）增加波长范围，或结合白光干涉进行厚度范围锁定。

实时性要求： 在量产（HVM）环境中，需要在极短时间内完成全晶圆数十甚至数百个点的测量。 采用高速光谱仪（毫秒级采集）与并行处理架构；利用FPGA进行硬件级加速的光谱拟合。

五、 典型应用场景
CMP后测量：化学机械抛光后，测量氧化层或金属层（铜）的残留厚度及均匀性。

光刻胶厚度控制：在涂胶显影轨道中，实时监测光刻胶的旋涂厚度，确保CD（关键尺寸）的一致性。

外延层测量：测量Si、SiGe等外延层的厚度，通常需要结合椭偏仪实现高精度。

化合物半导体：在SiC（碳化硅）或GaN（氮化镓）衬底上测量多层外延结构。

康耐德智能晶圆薄膜厚度机器视觉测量系统适用于半导体制造过程中的实时监测，该机器视觉测量系统已成为半导体制造中确保薄膜厚度控制在目标值10%范围内（在20nm特征尺寸下相当于0.2nm，即原子级精度）的关键技术手段。