晶圆刻蚀残留机器视觉检测系统

晶圆刻蚀残留检测是半导体制造良率控制的关键环节。由于刻蚀残留缺陷（如未刻透的氧化层、金属残留、聚合物残留）尺寸极小（纳米至微米级），且背景纹理复杂，传统的基于规则或简单模板匹配的机器视觉系统往往难以胜任。

检测能力与缺陷类型：
可检测的刻蚀相关缺陷
刻蚀残留物（Etch Residuals）：反应生成物、金属残留
刻蚀不足/过度：图案未完全刻蚀或刻蚀过深导致的短路/断路
侧壁垂直度偏差：影响电路性能的关键指标
腐蚀缺陷：刻蚀后的化学腐蚀痕迹
图案缺陷：桥接、残缺、缺失结构

技术参数：
检测精度：可达亚微米级（<1μm），先进系统可达20μm分辨率（可选1.5μm）
检测速度：50-180片晶圆/小时（wph），取决于应用需求
检测范围：晶圆正面、背面、边缘全方位检测

关键难点与对策：
在晶圆厂实际部署时，仅靠算法是不够的，必须解决以下工程难题：

1. 小尺寸缺陷的检测（亚像素精度）
难点：刻蚀残留可能只有几百纳米，在光学图像上仅占几个像素甚至亚像素。

对策：

超分辨率重建：在预处理阶段使用深度学习模型对 ROI（感兴趣区域）进行超分重建。

多尺度特征融合：在检测网络中引入 FPN（特征金字塔），让网络同时关注全局纹理和局部微小异常。

2. 晶圆背景纹理干扰
难点：晶圆表面本身有电路图形（如金属线、沟槽），这些图形在视觉上与“残留”相似（都有明暗变化）。

对策：

设计规则检查（DRC）融合：将视觉检测与 CAD 设计数据对齐。算法通过导入 GDSII 设计图，先“屏蔽”掉设计上的正常图形区域，仅在“无图形区域”或“图形边界”搜索残留。例如，刻蚀残留通常出现在深槽底部或大块区域的边缘，结合设计数据可以显著降低误报。

3. 实时性与吞吐量
难点：一片 300mm 晶圆的全检数据量可达几十到上百 GB，处理时间需控制在几分钟以内，以满足 Fab 厂的产能要求（WPH，每小时晶圆处理数）。

对策：

GPU/NPU 加速：采用并行计算架构，将图像分块后送入多 GPU 集群处理。

先粗检后精检：采用级联检测策略。第一阶段用轻量级网络快速筛选出可疑坐标；第二阶段针对可疑坐标，调用高精度模型或更高倍率的镜头进行复判。

技术发展趋势：
AI驱动：深度学习自动识别罕见缺陷，降低人工标注依赖
电子束普及：利用电子束波长优势（<0.1nm）实现原子级成像
多模态融合：光学+电子束+X射线数据融合，覆盖全缺陷类型
原位检测：刻蚀设备内嵌检测模块，缩短良率反馈周期

该系统作为半导体制造的"质量守门人"，通过高精度、高效率的非接触式检测，有效提升芯片良率，降低制造成本，是保障摩尔定律持续推进的关键技术之一。