TWI823778B - 磊晶矽片檢測方法及裝置 - Google Patents
磊晶矽片檢測方法及裝置 Download PDFInfo
- Publication number
- TWI823778B TWI823778B TW112105537A TW112105537A TWI823778B TW I823778 B TWI823778 B TW I823778B TW 112105537 A TW112105537 A TW 112105537A TW 112105537 A TW112105537 A TW 112105537A TW I823778 B TWI823778 B TW I823778B
- Authority
- TW
- Taiwan
- Prior art keywords
- epitaxial silicon
- silicon wafer
- unqualified
- qualified
- detection
- Prior art date
Links
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 title claims abstract description 203
- 229910052710 silicon Inorganic materials 0.000 title claims abstract description 203
- 239000010703 silicon Substances 0.000 title claims abstract description 203
- 238000001514 detection method Methods 0.000 title claims abstract description 171
- 238000012360 testing method Methods 0.000 claims abstract description 68
- 235000012431 wafers Nutrition 0.000 claims description 196
- 230000007547 defect Effects 0.000 claims description 76
- 238000011179 visual inspection Methods 0.000 claims description 27
- 238000007689 inspection Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 239000004065 semiconductor Substances 0.000 abstract description 3
- 229910021419 crystalline silicon Inorganic materials 0.000 abstract 1
- 125000005843 halogen group Chemical group 0.000 description 13
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- ZDHXKXAHOVTTAH-UHFFFAOYSA-N trichlorosilane Chemical compound Cl[SiH](Cl)Cl ZDHXKXAHOVTTAH-UHFFFAOYSA-N 0.000 description 5
- 239000005052 trichlorosilane Substances 0.000 description 5
- 239000013078 crystal Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000407 epitaxy Methods 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000007740 vapor deposition Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Recrystallisation Techniques (AREA)
- Light Receiving Elements (AREA)
Abstract
本發明提供了一種磊晶矽片檢測方法及裝置,屬於半導體製造技術領域。磊晶矽片檢測方法包括:控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊;對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。
Description
本發明實施例屬於半導體製造技術領域,尤其關於一種磊晶矽片檢測方法及裝置。
磊晶生長是指在單晶矽基板上,通過磊晶(epitaxy)技術生長一層單晶薄膜(晶向與基板晶向一致)的技術過程。磊晶片的整個生產流程包括長晶(多晶矽料拉制矽晶棒)→成型(切片研磨)→拋光(雙面拋光)→清洗(去除表面微粒、金屬離子和有機物)→磊晶(氣相沉積)五大步驟,其中磊晶作為最後一道重要步驟,可以改善拋光片的晶體性質、原生缺陷、電阻率以及平坦度等。
在磊晶生長過程中,磊晶層上會出現許多缺陷,按所在位置分兩類:①表面缺陷;②體內缺陷。表面缺陷指顯露在磊晶層表面的缺陷,可用肉眼或金相顯微鏡觀察到,主要表現為:雲霧狀表面、角錐體、劃痕、星狀體、麻坑等。體內缺陷指位於磊晶層內部的晶體結構缺陷,主要有:位錯和層錯。從廣義上講,缺陷也包括氧、碳、重金屬等雜質以及原子空位和填隙原子等點缺陷。這些缺陷的存在會直接影響半導體的性能。
磊晶層中各種缺陷不但與基板品質、基板表面情況有關,也與磊晶生長過程本身有著密切的關係。雲霧狀表面是一種存在於磊晶層表面的缺陷,其中光暈(Halo)指出現在矽片背面位置的霧度,利用目視檢測儀檢測出矽片背面邊緣存在類似於基座的印記,其形成來源包括:①三氯矽烷(TCS)從矽片邊緣與基座縫隙中進入基座表面孔洞,在高溫下沉積到矽片背面;②基座表面的多晶矽在高溫下沉積到矽片背面,形成基座印記的Halo。
目前,磊晶矽片表面缺陷的檢測方法主要是使用自動化檢測,雖然提高了檢測效率,但會造成過度檢測或漏檢的情況。人工目視檢測可以提高檢測的準確度,但也存在效率低的問題等。
為瞭解決上述技術問題,本發明提供一種磊晶矽片檢測方法及裝置,能夠提高對磊晶矽片的表面缺陷的檢測效率和檢測精度。
為了達到上述目的,本發明實施例採用的技術方案是:
一種磊晶矽片檢測方法,包括:
控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊;
對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;
在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;
在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。
一些實施例中,對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果包括:
將獲取的該散射光資訊輸入預先訓練的缺陷檢測模型中,輸出該磊晶矽片的第一檢測結果,該缺陷檢測模型的輸入為磊晶矽片表面反射該可見光產生的散射光資訊,輸出為磊晶矽片的第一檢測結果。
一些實施例中,在該第二檢測結果為合格時,根據該第二檢測結果和該磊晶矽片的該散射光資訊更新該缺陷檢測模型。
一些實施例中,該磊晶矽片檢測方法還包括:
從第一檢測結果為合格的磊晶矽片中選擇預設比例的磊晶矽片,對磊晶矽片進行目視化檢測,得到第三檢測結果,該第三檢測結果包括合格或不合格;
在該第三檢測結果為合格時,判定該選擇的磊晶矽片合格;在該第三檢測結果為不合格時,判定該選擇的磊晶矽片為不合格。
一些實施例中,該預設比例為1%至3%。
一些實施例中,該磊晶矽片檢測方法還包括:在該第三檢測結果為不合格時,根據該第三檢測結果和對應的磊晶矽片的散射光資訊更新該缺陷檢測模型。
一些實施例中,該磊晶矽片檢測方法還包括訓練得到該缺陷檢測模型的步驟,訓練得到該缺陷檢測模型包括:
建立初始缺陷檢測模型,該初始缺陷檢測模型的輸入為磊晶矽片的散射光資訊,輸出為磊晶矽片的檢測結果,該檢測結果包括合格或不合格;
獲取多組訓練資料,每組訓練資料包括磊晶矽片的散射光資訊和對應的人工目視檢測結果;
利用該多組訓練資料對該初始缺陷檢測模型進行訓練,得到該缺陷檢測模型。
本發明實施例還提供了一種磊晶矽片檢測裝置,包括:
散射光資訊獲取模組,用於控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊;
檢測模組,用於對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;
複檢模組,用於在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;
判定模組,用於在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。
一些實施例中,該複檢模組還用於從第一檢測結果為合格的磊晶矽片中選擇預設比例的磊晶矽片,對磊晶矽片進行目視化檢測,得到第三檢測結果,該第三檢測結果包括合格或不合格;
該判定模組還用於在該第三檢測結果為合格時,判定該選擇的磊晶矽片合格;在該第三檢測結果為不合格時,判定該選擇的磊晶矽片為不合格。
一些實施例中,該預設比例為1%至3%。
本發明的有益效果是:
本實施例中,根據磊晶矽片表面反射的散射光資訊對磊晶矽片進行自動化檢測,輸出磊晶矽片的第一檢測結果,在第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。本實施例能夠結合自動化檢測和人工目視檢測,來實現磊晶矽片缺陷的檢測,能夠提高對磊晶矽片缺陷的檢測效率和檢測精度。
通過以下結合附圖對本發明的示例性實施方式的詳細說明,本發明的上述特徵和優點以及其他特徵和優點將更加清楚。
為了使本發明的目的、技術方案及優點更加清楚明白,下面結合附圖及實施例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅用以解釋本發明,但並不用於限定本發明。
為使本發明實施例的目的、技術方案和優點更加清楚,下面將結合本發明實施例中的附圖,對本發明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發明一部分實施例,而不是全部的實施例。基於本發明中的實施例,本領域之具有通常知識者在沒有作出進步性改良前提下所獲得的所有其他實施例,都屬於本發明保護的範圍。
另外需要說明的是:本發明實施例中術語“第一”、“第二”等是用於區別類似的物件,而不用於描述特定的順序或先後次序。應該理解這樣使用的術語在適當情況下可以互換,以便本發明的實施例能夠以除了在這裡圖示或描述的那些以外的順序實施,且“第一”、“第二”所區別的對象通常為一類,並不限定物件的個數,例如第一物件可以是一個,也可以是多個。
本技術領域之具有通常知識者可以理解,除非特意聲明,這裡使用的單數形式“一”、“一個”、“所述”和“該”也可包括複數形式。應該進一步理解的是,本發明的說明書中使用的措辭“包括”是指存在所述特徵、整數、步驟、操作、元件和/或元件,但是並不排除存在或添加一個或多個其他特徵、整數、步驟、操作、元件、元件和/或它們的組。應該理解,當我們稱元件被“連接”或“耦接”到另一元件時,它可以直接連接或耦接到其他元件,或者也可以存在中間元件。此外,這裡使用的“連接”或“耦接”可以包括無線連接或無線耦接。這裡使用的措辭“和/或”包括一個或更多個相關聯的列出項的全部或任一單元和全部組合。
本發明實施例中術語“和/或”,描述關聯物件的關聯關係,表示可以存在三種關係,例如,A和/或B,可以表示:單獨存在A,同時存在A和B,單獨存在B這三種情況。字元“/”一般表示前後關聯物件是一種“或”的關係。
本發明實施例中術語“多個”是指兩個或兩個以上,其它量詞與之類似。
本發明中的“基於A確定B”表示確定B時要考慮A這個因素。並不限於“只基於A就可以確定出B”,還應包括:“基於A和C確定B”、“基於A、C和E確定B”、基於“A確定C,基於C進一步確定B”等。另外還可以包括將A作為確定B的條件,例如,“當A滿足第一條件時,使用第一方法確定B”;再例如,“當A滿足第二條件時,確定B”等;再例如,“當A滿足第三條件時,基於第一參數確定B”等。當然也可以是將A作為確定B的因素的條件,例如,“當A滿足第一條件時,使用第一方法確定C,並進一步基於C確定B”等。
圖1表示磊晶矽片背面(Backside)Halo的示意圖;其形成來源如圖2所示,在進行磊晶技術時,三氯矽烷(TCS)流經矽片表面的路徑包括:①TCS從矽片邊緣與基座縫隙中進入基座表面孔洞,在高溫下沉積到矽片背面;②基座表面的多晶矽在高溫下沉積到矽片背面,形成基座印記的Halo。
目前磊晶矽片表面缺陷的檢測方法主要是使用自動化檢測,雖然提高了檢測效率,但會造成過度檢測或漏檢的情況。人工目視檢測可以提高檢測的準確度,但也存在效率低的問題等。對2000片磊晶矽片進行檢測,將自動化檢測結果和人工目視檢測結果進行分析,如表1所示,人工目視檢測的準確率為100%,自動化檢測的準確率為97.35%,可以看出,自動化檢測的準確率較低。
表1
檢測數量 | 良品 | 背面光暈(Backside Halo) | 其他(Others) | 良率 | 準確率 | |
人工目視檢測 | 2000 | 1925 | 15 | 60 | 96.25% | 100.00% |
自動化檢測 | 2000 | 1874 | 40 | 86 | 92.85% | 97.35% |
Backside Halo暈圈的大小不一,暈圈在光照條件下的亮度強弱不同,隨著光照角度不同,Backside Halo暈圈的顯現也會變化。這些特殊的性質對於自動化檢測具有較大的挑戰性,因此自動化檢測過程中會出現誤判或漏判的情況。
本發明提供一種磊晶矽片檢測方法及裝置,能夠提高對磊晶矽片的表面缺陷的檢測效率和檢測精度。
本發明實施例提供一種磊晶矽片檢測方法,如圖3所示,包括:
步驟101:控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊;
步驟102:對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;
步驟103:在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;
步驟104:在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。
本實施例中,根據磊晶矽片表面反射的散射光資訊對磊晶矽片進行自動化檢測,輸出磊晶矽片的第一檢測結果,在第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。本實施例能夠結合自動化檢測和人工目視檢測,來實現磊晶矽片缺陷的檢測,能夠提高對磊晶矽片缺陷的檢測效率和檢測精度。
本實施例可以對包括Backside Halo在內的表面缺陷進行檢測,檢測合格的磊晶矽片可以進行後續流程,檢測不合格的磊晶矽片可以做報廢處理。
一些實施例中,對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果包括:
將獲取的該散射光資訊輸入預先訓練的缺陷檢測模型中,輸出該磊晶矽片的第一檢測結果,該缺陷檢測模型的輸入為磊晶矽片表面反射該可見光產生的散射光資訊,輸出為磊晶矽片的第一檢測結果。通過缺陷檢測模型可以對磊晶矽片進行自動化檢測,提高磊晶矽片的表面缺陷的檢測效率。
一些實施例中,該磊晶矽片檢測方法還包括:在該第二檢測結果為合格時,根據該第二檢測結果和該磊晶矽片的該散射光資訊更新該缺陷檢測模型。
本實施例將人工目視檢測結果與自動檢測結果作對比,不斷完善缺陷檢測模型,能夠提高磊晶矽片缺陷的自動化檢測能力,有助於磊晶矽片良率的提升。
一些實施例中,該磊晶矽片檢測方法還包括:
從第一檢測結果為合格的磊晶矽片中選擇預設比例的磊晶矽片,對磊晶矽片進行目視化檢測,得到第三檢測結果,該第三檢測結果包括合格或不合格;
在該第三檢測結果為合格時,判定該選擇的磊晶矽片合格;在該第三檢測結果為不合格時,判定該選擇的磊晶矽片為不合格。
這樣可以結合自動化檢測和人工目視檢測,來實現磊晶矽片缺陷的檢測,能夠提高對磊晶矽片缺陷的檢測效率和檢測精度。
一些實施例中,該磊晶矽片檢測方法還包括:在該第三檢測結果為不合格時,根據該第三檢測結果和對應的磊晶矽片的散射光資訊更新該缺陷檢測模型。
這樣可以不斷完善缺陷檢測模型,能夠提高磊晶矽片缺陷的自動化檢測能力,有助於磊晶矽片良率的提升。
一些實施例中,該預設比例可以為1%至3%,比如,預設比例可以1%,還可以為其他值,比如2%、3%等。預設比例設置的越高,則越有利於提高表面缺陷檢測的準確率,但是會提高計算量和檢測成本,因為,預設比例可以設置為1%至3%。
一些實施例中,該磊晶矽片檢測方法還包括訓練得到該缺陷檢測模型的步驟,訓練得到該缺陷檢測模型包括:
建立初始缺陷檢測模型,該初始缺陷檢測模型的輸入為磊晶矽片的散射光資訊,輸出為磊晶矽片的檢測結果,該檢測結果包括合格或不合格;
獲取多組訓練資料,每組訓練資料包括磊晶矽片的散射光資訊和對應的人工目視檢測結果;
利用該多組訓練資料對該初始缺陷檢測模型進行訓練,得到該缺陷檢測模型,利用缺陷檢測模型可以對磊晶矽片的缺陷進行自動化檢測。
本實施例中,獲取的多組訓練資料中的磊晶矽片可以包括多種表面缺陷的磊晶矽片,這樣訓練出的缺陷檢測模型可以對多種表面缺陷的磊晶矽片進行檢測,多種表面缺陷可以為雲霧狀表面、角錐體、劃痕、星狀體、麻坑等。
一具體示例中,磊晶生長的矽片經過預清洗後,進入自動化檢測,自動化檢測對100%的磊晶矽片進行檢測,檢測出含有Backside Halo的磊晶矽片,判為NG(不合格),不含Backside Halo的磊晶矽片判為OK(合格);對判為NG的磊晶矽片進行人工目視化複檢。如圖4所示,將判為NG的磊晶矽片放置在目視化檢測台3上,目視化檢測台3可旋轉可傾斜,可以旋轉傾斜磊晶矽片1,在可見光源2發出的可見光照射下,利用目視化檢測台3傾斜旋轉磊晶矽片1,完全看不到Backside Halo時,將磊晶矽片1判斷為OK,若能看到則將磊晶矽片1判為NG,這樣可以防止自動化檢測過度檢測;此外,對自動化檢測判為OK的磊晶矽片進行人工目視化抽檢,抽檢頻率為1%,以防止自動化檢測漏檢。檢測OK的磊晶矽片可以進行出貨,而判為NG的磊晶矽片則做報廢處理。
本實施例中,還將人工目視檢測結果與自動化檢測結果進行對比,若不一致,根據人工目視檢測結果更新缺陷檢測模型,即利用人工目視檢測結果對缺陷檢測模型進行訓練,這樣可以不斷完善缺陷檢測模型,提高對Backside Halo的自動化檢測能力。如表2所示,採用本實施例的技術方案可以將自動化檢測結果的準確率提高至99%以上。
表2
檢測數量 | 良品 | 背面光暈(Backside Halo) | 其他(Others) | 良率 | 準確率 | |
人工目視檢測 | 2000 | 1940 | 10 | 50 | 97.00% | 100.00% |
自動化檢測 | 2000 | 1935 | 13 | 52 | 96.75% | 99.74% |
本發明實施例還提供了一種磊晶矽片檢測裝置,如圖5所示,包括:
散射光資訊獲取模組21,用於控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊;
檢測模組22,用於對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;
複檢模組23,用於在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;
判定模組24,用於在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。
本實施例中,根據磊晶矽片表面反射的散射光資訊對磊晶矽片進行自動化檢測,輸出磊晶矽片的第一檢測結果,在第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格。本實施例能夠結合自動化檢測和人工目視檢測,來實現磊晶矽片缺陷的檢測,能夠提高對磊晶矽片缺陷的檢測效率和檢測精度。
一些實施例中,該複檢模組還用於從第一檢測結果為合格的磊晶矽片中選擇預設比例的磊晶矽片,對磊晶矽片進行目視化檢測,得到第三檢測結果,該第三檢測結果包括合格或不合格;
該判定模組還用於在該第三檢測結果為合格時,判定該選擇的磊晶矽片合格;在該第三檢測結果為不合格時,判定該選擇的磊晶矽片為不合格。
這樣可以結合自動化檢測和人工目視檢測,來實現磊晶矽片缺陷的檢測,能夠提高對磊晶矽片缺陷的檢測效率和檢測精度。
一些實施例中,該預設比例可以為1至3%,比如,預設比例可以1%,還可以為其他值,比如2%、3%等。預設比例設置的越高,則越有利於提高表面缺陷檢測的準確率,但是會提高計算量和檢測成本,因為,預設比例可以設置為1至3%。
需要說明,本說明書中的各個實施例均採用遞進的方式描述,各個實施例之間相同相似的部分互相參見即可,每個實施例重點說明的都是與其他實施例的不同之處。尤其,對於實施例而言,由於其基本相似於產品實施例,所以描述得比較簡單,相關之處參見產品實施例的部分說明即可。
在上述實施方式的描述中,具體特徵、結構、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結合。
顯然,本領域的具有通常知識者可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣,倘若本發明的這些修改和變型屬本發明申請專利範圍及其等同技術的範圍之內,則本發明也意圖包含這些改動和變型在內。
1:磊晶矽片
2:光源
3:目視化檢測台
21:散射光資訊獲取模組
22:檢測模組
23:複檢模組
24:判定模組
101-104:步驟
圖1表示磊晶矽片背面Halo的示意圖;
圖2表示矽源氣體流經矽片表面的路徑示意圖;
圖3表示本發明實施例磊晶矽片檢測方法的流程示意圖;
圖4表示本發明實施例對磊晶矽片進行複檢的示意圖;
圖5表示本發明實施例磊晶矽片檢測裝置的結構示意圖。
101-104:步驟
Claims (8)
- 一種磊晶矽片檢測方法,包括:控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊;對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格;該磊晶矽片檢測方法還包括:從第一檢測結果為合格的磊晶矽片中選擇預設比例的磊晶矽片,對磊晶矽片進行目視化檢測,得到第三檢測結果,該第三檢測結果包括合格或不合格;在該第三檢測結果為合格時,判定該選擇的磊晶矽片合格;在該第三檢測結果為不合格時,判定該選擇的磊晶矽片為不合格。
- 如請求項1所述的磊晶矽片檢測方法,其中,對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果包括:將獲取的該散射光資訊輸入預先訓練的缺陷檢測模型中,輸出該磊晶矽片的第一檢測結果,該缺陷檢測模型的輸入為磊晶矽片表面反射該可見光產生的散射光資訊,輸出為磊晶矽片的第一 檢測結果。
- 如請求項2所述的磊晶矽片檢測方法,其中,在該第二檢測結果為合格時,根據該第二檢測結果和該磊晶矽片的該散射光資訊更新該缺陷檢測模型。
- 如請求項1所述的磊晶矽片檢測方法,其中,該預設比例為1%至3%。
- 如請求項1所述的磊晶矽片檢測方法,該磊晶矽片檢測方法還包括:在該第三檢測結果為不合格時,根據該第三檢測結果和對應的磊晶矽片的散射光資訊更新該缺陷檢測模型。
- 如請求項2所述的磊晶矽片檢測方法,其中,該磊晶矽片檢測方法還包括訓練得到該缺陷檢測模型的步驟,訓練得到該缺陷檢測模型包括:建立初始缺陷檢測模型,該初始缺陷檢測模型的輸入為磊晶矽片的散射光資訊,輸出為磊晶矽片的檢測結果,該檢測結果包括合格或不合格;獲取多組訓練資料,每組訓練資料包括磊晶矽片的散射光資訊和對應的人工目視檢測結果;利用該多組訓練資料對該初始缺陷檢測模型進行訓練,得到該缺陷檢測模型。
- 一種磊晶矽片檢測裝置,包括:散射光資訊獲取模組,用於控制可見光照射在待檢測的磊晶矽片上,獲取該磊晶矽片表面反射該可見光產生的散射光資訊; 檢測模組,用於對獲取的該散射光資訊進行判斷,輸出該磊晶矽片的第一檢測結果,該第一檢測結果包括合格或不合格;複檢模組,用於在該第一檢測結果為不合格時,對磊晶矽片進行目視化檢測,得到第二檢測結果,該第二檢測結果包括合格或不合格;判定模組,用於在該第二檢測結果為合格時,判定該磊晶矽片合格;在該第二檢測結果為不合格時,判定該磊晶矽片為不合格;該複檢模組還用於從第一檢測結果為合格的磊晶矽片中選擇預設比例的磊晶矽片,對磊晶矽片進行目視化檢測,得到第三檢測結果,該第三檢測結果包括合格或不合格;該判定模組還用於在該第三檢測結果為合格時,判定該選擇的磊晶矽片合格;在該第三檢測結果為不合格時,判定該選擇的磊晶矽片為不合格。
- 如請求項7所述的磊晶矽片檢測裝置,其中,該預設比例為1%至3%。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211613445.8A CN115938966A (zh) | 2022-12-15 | 2022-12-15 | 外延硅片检测方法及装置 |
CN202211613445.8 | 2022-12-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202326122A TW202326122A (zh) | 2023-07-01 |
TWI823778B true TWI823778B (zh) | 2023-11-21 |
Family
ID=86648825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112105537A TWI823778B (zh) | 2022-12-15 | 2023-02-16 | 磊晶矽片檢測方法及裝置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115938966A (zh) |
TW (1) | TWI823778B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080073524A1 (en) * | 2006-03-03 | 2008-03-27 | Hidetoshi Nishiyama | Method and apparatus for reviewing defects |
CN102165563A (zh) * | 2008-09-30 | 2011-08-24 | 昭和电工株式会社 | 碳化硅单晶基板 |
TW201721133A (zh) * | 2015-09-24 | 2017-06-16 | Sumco股份有限公司 | 磊晶晶圓表面檢查裝置及使用該裝置之磊晶晶圓表面檢查方法 |
TW202001696A (zh) * | 2018-06-29 | 2020-01-01 | 由田新技股份有限公司 | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 |
TW202234052A (zh) * | 2021-02-25 | 2022-09-01 | 環球晶圓股份有限公司 | 自動光學檢測方法、自動光學檢測系統及記錄媒體 |
-
2022
- 2022-12-15 CN CN202211613445.8A patent/CN115938966A/zh active Pending
-
2023
- 2023-02-16 TW TW112105537A patent/TWI823778B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080073524A1 (en) * | 2006-03-03 | 2008-03-27 | Hidetoshi Nishiyama | Method and apparatus for reviewing defects |
CN102165563A (zh) * | 2008-09-30 | 2011-08-24 | 昭和电工株式会社 | 碳化硅单晶基板 |
TW201721133A (zh) * | 2015-09-24 | 2017-06-16 | Sumco股份有限公司 | 磊晶晶圓表面檢查裝置及使用該裝置之磊晶晶圓表面檢查方法 |
TW202001696A (zh) * | 2018-06-29 | 2020-01-01 | 由田新技股份有限公司 | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 |
TW202234052A (zh) * | 2021-02-25 | 2022-09-01 | 環球晶圓股份有限公司 | 自動光學檢測方法、自動光學檢測系統及記錄媒體 |
Also Published As
Publication number | Publication date |
---|---|
CN115938966A (zh) | 2023-04-07 |
TW202326122A (zh) | 2023-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202300892A (zh) | 檢測材料表面霧的方法和裝置 | |
CN104966683B (zh) | 一种采用断面切割腐蚀技术检测硅晶片体内微缺陷的方法 | |
JP6673122B2 (ja) | シリコンウェーハの評価方法、シリコンウェーハ製造工程の評価方法およびシリコンウェーハの製造方法 | |
KR20180083326A (ko) | 결함영역의 판정방법 | |
KR101119721B1 (ko) | 단결정 실리콘 웨이퍼의 cop 평가 방법 | |
TWI580826B (zh) | Silicon wafer manufacturing method | |
TWI823778B (zh) | 磊晶矽片檢測方法及裝置 | |
JP6350637B2 (ja) | 半導体ウェーハの評価基準の設定方法、半導体ウェーハの評価方法、半導体ウェーハ製造工程の評価方法、および半導体ウェーハの製造方法 | |
TW201820498A (zh) | 貼合用基板的表面缺陷的評價方法 | |
JP2020027920A (ja) | ウェーハの金属汚染の評価方法およびウェーハの製造工程の管理方法 | |
CN112461861A (zh) | 一种直接键合用硅单晶抛光片表面质量的评价方法 | |
Hu et al. | Surface Defect Classification in Silicon Wafer Manufacturing Using the Linear-Based Channeling and Rule-Based Binning Algorithms | |
JP2012068103A (ja) | ウェーハの欠陥検出方法 | |
TWI417559B (zh) | 太陽能電池的電性分析方法 | |
JP5521775B2 (ja) | 単結晶シリコンウェーハの評価方法 | |
JP2010283264A (ja) | レーザー散乱法を用いた半導体ウェーハの良品判定方法 | |
JP7143828B2 (ja) | シリコン単結晶ウェーハのスリップ検出方法 | |
JP2007214491A (ja) | 半導体基板欠陥検出方法及び半導体基板欠陥検出装置 | |
JP2006040961A (ja) | 半導体ウェーハの検査方法、製造方法、及び管理方法 | |
JP6809422B2 (ja) | 半導体ウェーハの評価方法 | |
US20230341336A1 (en) | Method and setup for detecting surface haze of materials | |
JP3994139B2 (ja) | シリコンウエハのグローン・イン欠陥密度の評価方法 | |
CN117074449A (zh) | 单晶硅轻微间隙原子缺陷的检测方法 | |
US20240141546A1 (en) | Method for evaluating quartz glass crucible, method for manufacturing the same, and quartz glass crucible | |
CN103063729A (zh) | 检测外延硅缺陷的方法 |