基于深度神经网络的晶圆缺陷检测技术

在芯片制造及封装过程中，晶圆AVI质量检测至关重要。生产过程中，每颗半导体芯片需经历上百道工序，每道工序均伴有一定的不良率。为了提高良品率和对缺陷的类别进行统计与分析，确定其产生原因，以便对工艺参数进行及时调整。鉴于AVI质量检测的重要性，当前半导体公司通常配置多名员工专门进行AVI缺陷的检测与分析，并将其结果手动上传至公司数据集成管理平台，以便相关负责人及时掌控各生产线的健康状况。但这种方式不仅需要多名员工，多台设备专职负责，而且检测结果手动上传，效率低，出错率高，并且数据的实时性难以保证。针对这些不足，我们开发了基于深度神经网络的AVI缺陷检测与分析系统。该系统通过大量学习各类缺陷的特征，不仅可以对缺陷进行精确定位，而且还能准确判定其类别，从而实现AVI缺陷的自动化检测；同时，该系统还可实现缺陷的自动分析，实时统计各类缺陷的占比，推断各工序的健康状况，并自动将统计数据上传公司数据集成管理平台，使得相关负责人实时掌握产品线健康状况；此外，该系统还可自动报警，当缺陷数据异常，及时发出警告。该技术每秒钟可检测60~100张缺陷图片（与设备配置有关），24小时不间歇，每天检测图片多达24×60×60×(60~100) = 520万~860万张
上海电力大学
蒋三新