晶圆CMP后刻蚀结构的深度机器视觉测量系统

在半导体制造中，化学机械抛光（CMP）后的刻蚀结构（如大马士革工艺中的沟槽、通孔或FinFET的鳍片）深度测量，是工艺控制（APC）的关键环节。

针对“晶圆CMP后刻蚀结构深度”的机器视觉测量系统，通常需要突破传统二维成像的限制，转向高精度三维光学测量与先进图像处理算法的结合。

一、 系统总体架构

由于CMP后的晶圆表面具有高反射性（金属如Cu、W或低k介质材料），且刻蚀结构具有高深宽比（HAR）的特点，系统通常采用 “明场/暗场显微成像 + 高精度Z向扫描” 的混合架构。

运动与定位平台：高精度气浮或直线电机平台，配备激光干涉仪反馈，用于实现晶圆全局定位和自动对焦（Auto Focus）。

光学成像模块：核心是具备高数值孔径（NA）的显微物镜，用于分辨纳米级线宽和底部形貌。

照明系统：需要多模式照明（环形光、同轴光、多角度斜射光），以增强沟槽底部与顶部的对比度。

探测传感器：

2D面阵相机：用于定位和关键尺寸（CD）测量。

3D传感器：用于深度测量，常见方案包括白光干涉仪（WLI）、共聚焦显微镜或结构光投影。

二、 核心光学测量方案选型

针对“深度”这一关键参数，不同技术路径的适用性不同：

白光干涉测量 (WLI) ：利用白光短相干长度，通过干涉条纹的对比度峰值定位表面高度。 最适合CMP后结构。对台阶高度（刻蚀深度）测量精度极高，对材质不敏感，能同时测出顶部和底部的3D形貌。 亚纳米级 较慢 (需Z向扫描)

激光共聚焦 ：通过针孔过滤非焦面光线，逐层扫描获取高度信息。 适合高深宽比、倾斜侧壁的结构。抗环境光干扰强，但对高反射金属表面易产生杂散光。 纳米级 中等

光谱反射法 ：基于薄膜干涉原理，通过反射光谱拟合膜厚或沟槽深度。 速度快，适合在线（In-situ）或离线快速抽检。但需要已知材料光学常数（n,k值），且是光斑平均测量，无法获取单结构图像。 亚纳米级 (平均) 极快

对于“刻蚀结构深度”的机器视觉系统，通常采用白光干涉物镜 + 高分辨率面阵相机的组合。既能输出深度数据，又能输出用于缺陷检测的强度图像。

三、 机器视觉与图像处理算法

系统不仅要输出深度数值，还要将其映射到具体的结构位置（如芯片内的特定阵列）。核心算法包括：

自动对焦与焦点图:

由于晶圆经过CMP后存在全局平整度差异（Global Wafer Flatness）和局部凹陷（Dishing/Erosion），必须建立动态焦点图。算法需要实时计算并驱动Z轴补偿，确保每一张图像在采集时都处于最佳焦面。

图像分割与结构识别:

利用深度学习（特别是语义分割网络，如U-Net或Mask R-CNN）识别图像中的刻蚀结构（沟槽/通孔）与介质层（阻挡层/氧化物）。

难点：CMP后，不同材料（Cu vs Oxide）反射率差异巨大，传统阈值分割容易失效。需要基于形态学或深度特征的分割算法。

深度反演算法:

如果是干涉测量，核心算法是相移算法和包络检测算法。需要从干涉图中解调出相位信息，精确计算结构顶部平面与底部平面的高度差。

去噪：利用小波变换或三维滤波去除由于CMP残留颗粒或划痕引起的测量野点（Outlier）。

3D轮廓重构:

将扫描得到的点云数据重构为三维模型，提取关键指标：平均深度、深度均匀性、侧壁角度、底部残留厚度（如有阻挡层）。

四、 关键技术难点与应对策略

高深宽比（HAR）结构的底部成像困难

问题：当刻蚀结构深度>10μm，宽<0.1μm时，光线难以到达底部。

对策：使用深紫外（DUV）照明或近红外（NIR）照明（对硅有穿透性）；或者改用电子束（E-Beam） 测量深度（非光学），但速度极慢，通常仅用于抽检校准。

CMP工艺引入的“凹陷”与“侵蚀”误差

问题：CMP后，金属区域（如Cu）会略低于介质层（Oxide），形成凹陷。系统需要区分“刻蚀深度”（原始台阶高度）和“CMP凹陷”。

对策：算法必须建立双平面拟合模型。通过测量多个参考点（大尺寸测试键）来确定介质层的基准平面，再计算结构底部的相对深度。

混合材料的光学相位突变

问题：当从金属表面反射和从介质表面反射时，光的相位变化不同，会导致测量的台阶高度出现偏移（几纳米到几十纳米）。

对策：引入材料识别模块。在算法库中预存不同材料对（如W/SiO2， Cu/Low-k）的相位补偿系数，进行校准。

五、 系统工作流程示例

Recipe设置：导入晶圆图（Wafer Map），定义测量点坐标（Die内特定结构）。

粗定位：通过低倍镜识别晶圆Notch或Alignment Mark，建立坐标系。

精细对焦：在测量点附近执行快速自动对焦，锁定Z轴高度。

三维数据采集：

控制Z轴进行垂直扫描（例如扫描范围5μm，步长10nm）。

在每一步采集干涉图或共聚焦图像序列。

实时处理：

利用GPU加速计算三维点云。

应用图像分割算法，勾选出待测结构的区域（Region of Interest, ROI）。

计算ROI内相对于周围场区（Field Region）的高度差，输出深度值。

输出与判定：生成测量报告，与规格限（Spec）比较，反馈给CMP或刻蚀机台进行工艺调整（Run-to-Run Control）。

构建晶圆CMP后刻蚀结构深度的机器视觉测量系统，核心在于白光干涉/共聚焦光学引擎与AI驱动的图像分割算法的结合。需要重点解决高反射性表面下的相位解调精度，以及针对CMP工艺特点（凹陷/侵蚀）的基准面校准算法。