机器视觉-半导体生产之眼白皮书

机器视觉-半导体生产之眼 目录 简介........................................................................................................................... 3机器视觉-生产之眼................................................................................................... 4缺陷检测......................................................................................................... 4测量............................................................................................................... 4高精度位置检测................................................................................................ 5Blob分析........................................................................................................ 5识别............................................................................................................... 5生产工艺和具体使用案例介绍...................................................................................... 6EUV光刻：掩模与晶圆的精确对准...................................................................... 6探针台测试：设置焦点并确定旋转角度................................................................ 6划片............................................................................................................... 7接合：制造成品芯片的众多步骤......................................................................... 8MVTec HALCON........................................................................................................ 11总结......................................................................................................................... 12 简介 半导体制造已不再是新兴行业。然而，全球对这一“旧经济”的关注和需求却居高不下。这背后有数字化、气候变化和可持续发展等大趋势的推动。然而，半导体制造高度复杂且规模较小，其供应链又受到政治、经济和物流紊乱的影响。 新冠疫情引发的需求动荡导致许多行业面临半导体短缺。此外，地缘政治力量和贸易争端也造成半导体供应吃紧。最后，消费电子领域的需求急剧增加，同样会导致供需不平衡。新冠疫情爆发以来，对于5G手机、笔记本电脑以及其他居家办公消费电子产品的需求迅速增长。与此同时，汽车逐渐成为真正的“轮上计算机”，依靠电子器件和半导体为电池管理、驾驶辅助系统和消费电子产品提供支持。 机器视觉可以实现半导体生产中的最高精度。 为了确保半导体的供应并减少对供应链中断的依赖，全球许多地区都在迅速建立半导体制造能力。半导体的生产十分复杂，涉及1,000余个不同的工艺步骤。与之相应地，生产设施的建设非常复杂和敏感。此外，不同的半导体制造商实施的生产工艺并不相同。还有不同类型的晶圆和芯片，对生产也提出了不同的要求。因此，所谓统一的半导体制造工艺并不存在。这意味着，该行业需要采用灵活的技术，确保在不同工艺条件下迅速增加价值。机器视觉就是这样一项关键技术。其突出优势在于可以自动化、高精度地执行高精度半导体生产中众多必要的检查和校准流程。 机器视觉-生产之眼 机器视觉的应用场景灵活多样，因而在众多行业中得到广泛使用。其中一个主要应用领域是制造业的质量保证。机器视觉可用于工业生产过程的视觉监测、检查和控制，因此被誉为“生产之眼”。机器视觉组件包括相机、照明、馈线和计算单元等硬件。相机负责捕捉静态或动态的图像，图像处理软件则利用先进技术从图像中提取信息。 由此产生的优势如下： 图像处理速度极快，有时检查步骤在几毫秒内即可完成。机器视觉作为自动化流程的一部分，全天随时可以使用。此外，机器视觉的性能和持久能力均超过人眼。机器视觉需要的空间很小，可以集成到无尘室环境中，并可处理涉及对人体有害的物质的工作。机器视觉的结果准确、可靠且可重复。不同于人工检查，机器视觉的结果百分之百客观。 根据具体情况，有不同的技术可用于实现不同的应用。 缺陷检测 几乎在每个生产场景中，都至少有一个步骤是要检查产品有无功能或外观缺陷。在现今高度自动化的生产环境中，人们广泛使用机器视觉来执行这项任务，因为它相对人工检查优势众多：机器检查的速度更快，结果客观且可重复，而且不存在因疲劳或任务单调乏味而导致检查质量下降的风险。 人工智能，尤其是深度学习技术越来越强大，并且能够满足非常具体的要求，因此对于半导体生产也很有意义。在机器视觉领域，深度学习正在让越来越多过去无法实现的应用成为可能。此外，它还可以显著提高现有应用的性能。基于深度学习的异常值检测能够实现自动化的表面检测，用于缺陷检测和分割等场合。这项技术能够准确无误地独立定位偏差，亦即任何类型的缺陷。只需要没有缺陷的示例图像，就可以训练模型。与其他深度学习方法不同，无需标记工作。在推理过程中，异常值检测对图像中明显偏离训练图像的区域进行分割。 测量 关于质量控制，除了检查缺陷外，确定尺寸精度也十分关键。这涉及到检查元器件是否在规定的公差范围内。工业图像处理能够在一毫秒内对直线或圆弧边缘进行亚像素精确测量。2D测量同样可以实现。 2D测量技术可用于测量特定几何形状的物体。这些形状可以是圆形、椭圆形、矩形和直线。最后，还有一些方法可用于3D测量：可以使用不同技术重建视差图像、距离图像或表面的3D坐标，例如双目、多图像和光度三维重建、激光三角测量和 Depth from Focus。此外，只用一台相机就可以轻松确定圆形和矩形物体的3D位置。可以使用3D数据精确测量3D图元，例如圆柱体、球体和平面。 另一种与半导体行业有关的方法是3D标定。这项技术可以对用户的区域或线扫描相机进行独特而准确的描述。在此过程中，通过一组内部和外部相机参数，将图像坐标映射到世界坐标。在机器人应用中，还可以确定机器人和相机之间的关系。 高精度位置检测 即使物体被部分遮挡，匹配方法也能可靠地将其找出，精准度超过1/20像素。此外，还可以对图像进行适当对齐。基于形状的亚像素准确匹配是机器视觉中最重要的技术之一。利用这项技术，可以精准可靠地实时找到物体，即使其存在旋转、缩放、透视失真、局部变形、部分遮挡、脱离图像的情况或受到非线性照明变化的影响也能实现。基于形状的匹配可处理8位或16位图像，以及彩色和多通道图像。此外，也可以使用图像模板或CAD数据训练物体。还可以定位由可相对于彼此移动的多个部分组成的物体。 Blob分析 Blob分析是基本的图像处理功能之一。它是从连通像素中提取具有相同逻辑状态的特征(Blob)。高质量的机器视觉软件程序包括一套算子和工具，确保对众多不同的物体特征进行分割和分析。通过这种方式，将任意形状的Blob定义为“感兴趣区域”，应用于后续图像处理。即使是更加复杂的物体，例如重叠物体，也能可靠处理。Blob分析主要包括两个步骤：分割，即运用预处理工具和算子，将感兴趣的像素从图像背景中分离出来。第二步是特征提取。涉及计算一个或多个Blob的面积（即像素数）、重心或方向等特征。 识别 产品识别和可追溯性需求的重要程度越来越高，对于半导体工业也是一样。元器件上会印刷、标记、标刻、蚀刻或标示各种条形码、二维码、字符和符号，以便识别内容并提供重要的制造信息。现代机器视觉软件提供了所有必要的方法和技术，可以读取以任何方式附加的字符、代码和符号。 如今，读取条形码和二维码是最简单的物品识别方法之一。条形码和二维码有多种不同类型，不过这两类代码面临的挑战基本相同，因为代码可能会损坏或因其他原因干扰读取。最新的图像处理算法克服了这些问题，可对信息进行稳定快速的解码。 除了条形码和二维码之外，一些物品还可能拥有各类标签，其中包含各类文本或字符。在这种情况下，可以选择光学字符识别(OCR)，基于文本识别物品。这些文本可能采用不同的字体、字号甚至打印样式，例如点阵式打印。另一方面，也有一些基于深度学习的OCR方法。这些方法可以非常稳定地定位字符，甚至不受其方向和字体的影响。利用字符自动分组的能力，可以识别整个单词，从而实现避免误读相似字符等效果，大大提高识别性能。 生产工艺和具体使用案例介绍 半导体的生产由三个阶段组成：晶圆生产、前端工艺和后端工艺。整个工艺又可划分为几个步骤，包括EUV光刻、探针台测试、划片和裸片、球焊和打线接合。在以上所有以及更多其他工艺步骤中，机器视觉都可以并且已经在提供支持，显著改善了成效。有两个功能特别突出。首先，利用机器视觉可以精确可靠地确定所有元器件的位置。其次，质量控制得到了进一步改善，因为机器视觉能够可靠检测到任何偏离规定标准的偏差。下文以不同生产步骤为例，在此基础上解释机器视觉提供的附加值。在实践中可以对所述工艺进行调整。此外，还介绍了工艺步骤以及如何利用机器视觉对其进行进一步优化。 EUV光刻：掩模与晶圆的精确对准 1X光刻的一个重要工艺步骤是将掩模与晶圆精确对准，以便提供目标结构。这个步骤有一个绝对要求，即晶圆的位置已知。借助基于形状的匹配方法，可以将掩模和晶圆精确对准，确保光刻技术不出差错。这一步骤和许多其他工艺步骤还有一项任务是自动读取晶圆标签。与其他行业一样，标签有助于在生产过程中追踪元器件。半导体生产使用的是SEMI字体。利用OCR，可以确定已经使用以及后续步骤中将要使用的工艺参数。 探针台测试：设置焦点并确定旋转角度 机器视觉还可以为探针台测试提供支持。晶圆上的结构十分微小，因此需要使用显微镜。通常情况下，考虑到晶圆的尺寸，探针台测试会使用两台显微镜。只有这样，才能达到足够高的图像分辨率。 粗略对准后，需要以非常高的精度对晶圆进行精细对准。即使是微小的定位误差也会导致探针错过目标，损坏晶圆。第一步是通过确定焦平面来确定倾斜度。为此，两台显微镜都要拍摄一张图像。然后对其进行比较。如果两张图像的清晰度相同，说明晶圆已经正确对准。如果不同，机器会重新调整，直到图像清晰度相同。第二步是由机器检查晶圆的对准情况，是完全对齐还是有一定旋转角度。这些任务使用基于形状的匹配完成。利用两台相机位置之间的已知距离确定左右两张图像之间的位移（相对于训练过的数据