(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211017368.X (22)申请日 2022.08.24 (65)同一申请的已公布的文献号 申请公布号 CN 115100199 A (43)申请公布日 2022.09.23 (73)专利权人 宁波鑫芯微电子科技有限公司 地址 315000 浙江省宁波市 鄞州区首南 街 道李花桥村萧皋西路1号 (72)发明人 金琼洁　刘卫卫　欧阳一冉　 彭德彪　 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01)(56)对比文件 CN 113689431 A,2021.1 1.23 CN 106251361 A,2016.12.21 CN 114066811 A,2022.02.18 US 2006115148 A1,20 06.06.01 CN 109978839 A,2019.07.0 5 周友行等. “工件表面 缺陷图像 检测中的自 适应聚类 ”. 《表面技术》 .2019,第48卷(第09期), Ying Liang等.“Automatic defect detection of texture surface w ith an efficient texture removal netw ork”. 《Advanced Engi neering Informatics》 .202 2, 第53卷 审查员 刘梦晨 (54)发明名称 一种晶圆低纹 理缺陷的检测方法 (57)摘要 本发明涉及图像处理领域， 具体涉及一种晶 圆低纹理缺陷的检测方法， 基于图像处理， 采集 待检测晶圆表 面灰度图像， 划分为大小相同的区 域， 根据每个区域像素点的灰度值均值和灰度值 方差得到每个区域和其他区域的结构相似性， 根 据结构相似性和每个区域像素点的灰度累加值 得到每个区域和相邻区域之间的整体相似性得 到整体相似性矩阵， 对矩阵中的整体相似性数据 进行密度聚类， 根据聚类结果判断晶圆是否存在 异常， 对存在异常的晶圆获取到异常整体相似性 数据对应的区域， 根据该区域中晶粒和标准晶粒 灰度值构建灰度差异矩阵， 根据灰度差异矩阵计 算每个晶粒的异常程度， 根据 异常程度判断晶粒 是否异常， 方法智能、 精准、 高效。 权利要求书2页 说明书7页 附图2页 CN 115100199 B 2022.11.22 CN 115100199 B 1.一种晶圆低纹 理缺陷的检测方法， 其特 征在于， 包括： 采集待检测晶圆表面灰度图像； 将待检测晶圆表面灰度图像划分为多个大小相同的区域， 根据每个区域像素点的灰度 值均值和灰度值方差得到每 个区域与其纵向相邻区域之间结构相似性； 根据每个区域与其纵向相邻区域之间的结构相似性和每个区域像素点灰度累加值与 其纵向相邻区域像素点的灰度累加 值的差异得到每个区域与其纵向相邻区域之间的整体 相似性； 根据每个区域与其纵向相邻区域之间的整体相似性得到整体相似性矩阵； 对整体相似性矩阵中的整体相似性数据进行密度聚类， 若聚类结果只有一类整体相似 性数据， 则待检测晶圆不存在缺陷， 若聚类结果不止一类整体相似性数据， 则待检测晶圆存 在缺陷； 若待检测晶圆存在缺陷， 则计算聚类结果中每类整体相似性数据的均值， 根据均值大 小筛选出异常整体相似性数据； 根据异常整体相似性数据在整体相似性矩阵中的位置得到异常整体相似性数据对应 的区域； 获取异常整体相似性数据对应的区域中每个晶粒的每个像素点灰度值和标准晶圆中 对应位置晶粒的像素点灰度值的差值构建灰度值差异 矩阵； 根据灰度值差异矩阵得到异常整体相似性数据对应的区域中每个晶粒的差异程度， 根 据差异程度对每 个晶粒进行缺陷检测； 所述根据差异程度对每 个晶粒进行检测的具体方法为： 若当前晶粒的差异程度大于等于 ， 为异常晶粒； 若当前晶粒的差异程度小于 ， 为正常晶粒， 为差异程度阈值。 2.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法， 其特征在于， 所述每个区域 与其纵向相邻区域之间结构相似性的计算方法为： 式中， 为 区域和纵向相邻的 区域的结构相似性， 为待检 测晶圆表面灰度图像中位于第 行， 第 列的区域， 为待检测晶圆表面灰度图像中位于 第 行， 第 列的区域， 即与 纵向相邻的区域， 为 区域像素点的灰度均值， 为 区域像素点的灰度均值， 为 区域像素点灰度值的方差， 为 区域像素点灰度值的方差， 为 区域和 区域像素点灰度值的协方差， , ， 是所有区域和其纵向相邻区域的结构相似性中的最大值。 3.根据权利要求2所述的一种晶圆低纹理缺陷的检测方法， 其特征在于， 所述每个区域权　利　要　求　书 1/2 页 2 CN 115100199 B 2与其纵向相邻区域之间的整体相似性的计算方法为： 式中， 为 区域的像素点灰度值的累加值和 区域的像素点灰度值的累 加值的差值， 为 区域和 区域的整体相似性。 4.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法， 其特征在于， 所述筛选出异 常整体相似性数据的方法为： 将均值最小的一类整体相似性数据作为 正常数据， 其 余都为异常整体相似性数据。 5.根据权利要求1所述的一种晶圆低纹理缺陷的检测方法， 其特征在于， 所述异常整体 相似性数据对应的区域中每 个晶粒的差异程度的获取 方法为： 利用异常整体相似性数据对应的区域中每个晶粒的每个像素点的灰度值和标准晶圆 中对应位置晶粒的每 个像素点的灰度值的差值构建灰度差异值矩阵； 计算灰度值差异 矩阵的均值 ； 获取异常区域中每 个晶粒的灰度值异常矩阵中最大值和最小值的差 ； 则异常整体相似性数据对应的区域中每 个晶粒的差异程度为： 式中， 为每个晶粒的差异程度。权　利　要　求　书 2/2 页 3 CN 115100199 B 3