本發(fā)明涉及半導體，尤其涉及一種半導體芯片的缺陷檢測裝置及檢測方法。

背景技術(shù)：

1、在半導體制造行業(yè)中，芯片的質(zhì)量控制至關(guān)重要。由于芯片制造過程的復雜性，缺陷的出現(xiàn)在所難免。為保證最終產(chǎn)品的性能，對半導體芯片進行缺陷檢測是必不可少的步驟。這通常涉及到細致的面積掃描和高分辨率圖像獲取，隨后通過專業(yè)的分析軟件及硬件系統(tǒng)來識別和評估缺陷。

2、目前，典型的半導體芯片缺陷檢測方法包括利用自動化顯微鏡和圖像處理軟件來獲取芯片圖像，并通過算法識別圖像中的缺陷。這些方法能夠在一定程度上自動識別缺陷，但在精確性、快速性、以及缺陷評級和分類方面仍存在不足。傳統(tǒng)的圖像處理軟件可能無法精確區(qū)分不同的缺陷類型，且在處理大量芯片時，效率較低，誤判和漏判的情況時有發(fā)生。

3、現(xiàn)有缺陷檢測技術(shù)面臨的技術(shù)挑戰(zhàn)主要在于識別準確度不高和缺少智能化分類處理功能。缺陷的類型和嚴重程度的評估很大程度上依賴于操作人員的經(jīng)驗，缺乏準確和快速反應(yīng)的自動化系統(tǒng)進行支持。此外，如何從獲得的大量圖像數(shù)據(jù)中自動生成詳盡的檢測報告，且不僅指出缺陷位置，還包括缺陷的具體類型和嚴重性評估，對現(xiàn)有技術(shù)來說是一個不小的挑戰(zhàn)。因此，需要一種更加先進的檢測裝置來提高檢測的自動化程度、準確性和效率。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種半導體芯片的缺陷檢測裝置及檢測方法，用于解決上述提到的技術(shù)問題。

2、本發(fā)明第一方面提供了一種半導體芯片的缺陷檢測裝置，所述半導體芯片的缺陷檢測裝置包括：

3、圖像獲取模塊，所述圖像獲取模塊用于獲取半導體芯片的高清圖像，并將所述高清圖像傳輸至缺陷標識模塊；

4、缺陷標識模塊，所述缺陷標識模塊用于接收所述高清圖像，采用圖像識別技術(shù)識別所述高清圖像中潛在缺陷的位置并在所述高清圖像中進行自動標注；

5、數(shù)據(jù)對比模塊，所述數(shù)據(jù)對比模塊用于將所標注的缺陷特征與預設(shè)的缺陷特征標準庫進行比較，以確定所述半導體芯片上的缺陷類型和嚴重程度；

6、分類處理模塊，所述分類處理模塊用于根據(jù)所確定的缺陷類型和嚴重程度對所述半導體芯片進行分類，并輸出相應(yīng)的分類結(jié)果；其中，所述分類結(jié)果分為待復檢、次品和合格三個類別；

7、報告生成模塊，所述報告生成模塊用于根據(jù)所述分類結(jié)果生成檢測報告；其中，所述檢測報告包括半導體芯片的缺陷類型、缺陷位置、缺陷嚴重性評估。

8、可選的，在本發(fā)明第一方面的第一種實現(xiàn)方式中，所述缺陷標識模塊，具體用于：

9、利用深度學習算法分析所述高清圖像中的圖像特征，識別出異常圖像特征，其中，所述異常圖像特征對應(yīng)于半導體芯片上的微觀裂紋、污點、異物沉積；

10、利用光學字符識別技術(shù)自動識別并讀取半導體芯片上的標記或序列號，得到半導體芯片身份信息，并將異常圖像特征與半導體芯片身份信息相關(guān)聯(lián)，得到半導體芯片的缺陷標識信息；

11、將所述半導體芯片的缺陷標識信息以可視化的方式標注在高清圖像上，生成缺陷地圖。

12、可選的，在本發(fā)明第一方面的第二種實現(xiàn)方式中，所述數(shù)據(jù)對比模塊，具體用于：

13、從自動標注后的高清圖像中提取缺陷特征信息；其中，所述缺陷特征信息包括缺陷的幾何尺寸、形狀、色彩特征及位置信息；

14、調(diào)用預設(shè)的缺陷特征標準庫；其中，所述預設(shè)的缺陷特征標準庫內(nèi)含多種類型的已知缺陷特征參數(shù)；

15、將提取的缺陷特征信息與預設(shè)的缺陷特征標準庫中的已知缺陷特征參數(shù)進行多維度的對比分析，以確定所述半導體芯片上的缺陷類型；

16、使用閾值判定邏輯確定缺陷的嚴重程度，并將缺陷的嚴重程度劃分為不同的等級；其中，所述等級至少包括輕微、中等或嚴重。

17、可選的，在本發(fā)明第一方面的第三種實現(xiàn)方式中，所述半導體芯片的缺陷檢測裝置，還包括：加密模塊，所述加密模塊用于對生成的檢測報告進行加密，得到加密后的檢測報告，并將加密后的檢測報告存儲至半導體芯片的缺陷檢測裝置關(guān)聯(lián)的加密數(shù)據(jù)庫中。

18、可選的，在本發(fā)明第一方面的第四種實現(xiàn)方式中，所述加密模塊，具體用于：

19、從生成的檢測報告中提取缺陷檢測數(shù)據(jù)；其中，所述缺陷檢測數(shù)據(jù)反映了半導體芯片的缺陷檢測結(jié)果；

20、對所述缺陷檢測數(shù)據(jù)執(zhí)行一個復制操作，以生成第一數(shù)據(jù)；

21、從預設(shè)的加密算法庫隨機選擇一個預設(shè)的加密算法對所述第一數(shù)據(jù)執(zhí)行加密操作，轉(zhuǎn)換為第一加密數(shù)據(jù)；

22、利用一階編碼模型對第一加密數(shù)據(jù)進行編碼，轉(zhuǎn)換為一階編碼數(shù)據(jù)；其中，所述一階編碼模型用于編碼加密后的缺陷檢測數(shù)據(jù)；

23、利用二階編碼模型對所述一階編碼數(shù)據(jù)進行編碼處理；其中，所述二階編碼模型是在一階編碼模型的基礎(chǔ)上進行的遞進式編碼，用于提升數(shù)據(jù)傳輸?shù)娜哂嘈院涂垢蓴_能力；

24、根據(jù)預設(shè)的匹配規(guī)則，在加密算法庫中選擇不同的一階加密算法和二階加密算法；其中，所述預設(shè)的匹配規(guī)則定義了基于所述一階編碼數(shù)據(jù)從加密算法庫中匹配一階加密算法和基于所述二階編碼數(shù)據(jù)從加密算法庫匹配二階加密算法的規(guī)則；

25、應(yīng)用一階加密算法對一階編碼數(shù)據(jù)進行加密，生成第二加密數(shù)據(jù)，應(yīng)用二階加密算法對第二加密數(shù)據(jù)進行加密，生成加密后的檢測報告，并將加密后的檢測報告存儲至半導體芯片的缺陷檢測裝置關(guān)聯(lián)的加密數(shù)據(jù)庫中。

26、本發(fā)明第二方面提供了一種半導體芯片的缺陷檢測方法，所述半導體芯片的缺陷檢測方法包括：

27、獲取半導體芯片的高清圖像，并將所述高清圖像傳輸至缺陷標識模塊；

28、接收所述高清圖像，采用圖像識別技術(shù)識別所述高清圖像中潛在缺陷的位置并在所述高清圖像中進行自動標注；

29、將所標注的缺陷特征與預設(shè)的缺陷特征標準庫進行比較，以確定所述半導體芯片上的缺陷類型和嚴重程度；

30、根據(jù)所確定的缺陷類型和嚴重程度對所述半導體芯片進行分類，并輸出相應(yīng)的分類結(jié)果；其中，所述分類結(jié)果分為待復檢、次品和合格三個類別；

31、根據(jù)所述分類結(jié)果生成檢測報告；其中，所述檢測報告包括半導體芯片的缺陷類型、缺陷位置、缺陷嚴重性評估。

32、可選的，在本發(fā)明第二方面的第一種實現(xiàn)方式中，所述半導體芯片的缺陷檢測方法，還包括：對生成的檢測報告進行加密，得到加密后的檢測報告，并將加密后的檢測報告存儲至半導體芯片的缺陷檢測裝置關(guān)聯(lián)的加密數(shù)據(jù)庫中。

33、可選的，在本發(fā)明第二方面的第二種實現(xiàn)方式中，所述對生成的檢測報告進行加密，得到加密后的檢測報告，并將加密后的檢測報告存儲至半導體芯片的缺陷檢測裝置關(guān)聯(lián)的加密數(shù)據(jù)庫中，包括：

34、從生成的檢測報告中提取缺陷檢測數(shù)據(jù)；其中，所述缺陷檢測數(shù)據(jù)反映了半導體芯片的缺陷檢測結(jié)果；

35、對所述缺陷檢測數(shù)據(jù)執(zhí)行一個復制操作，以生成第一數(shù)據(jù)；

36、從預設(shè)的加密算法庫隨機選擇一個預設(shè)的加密算法對所述第一數(shù)據(jù)執(zhí)行加密操作，轉(zhuǎn)換為第一加密數(shù)據(jù)；

37、對第一加密數(shù)據(jù)進行編碼，轉(zhuǎn)換為一階編碼數(shù)據(jù)；

38、利用預設(shè)的編碼模型對所述一階編碼數(shù)據(jù)進行遞進式編碼，得到二階編碼數(shù)據(jù)；

39、根據(jù)預設(shè)的匹配規(guī)則，在加密算法庫中選擇不同的一階加密算法和二階加密算法；其中，所述預設(shè)的匹配規(guī)則定義了基于所述一階編碼數(shù)據(jù)從加密算法庫中匹配一階加密算法和基于所述二階編碼數(shù)據(jù)從加密算法庫匹配二階加密算法的規(guī)則；

40、應(yīng)用一階加密算法對一階編碼數(shù)據(jù)進行加密，生成第二加密數(shù)據(jù)，應(yīng)用二階加密算法對第二加密數(shù)據(jù)進行加密，生成加密后的檢測報告，并將加密后的檢測報告存儲至半導體芯片的缺陷檢測裝置關(guān)聯(lián)的加密數(shù)據(jù)庫中。

41、可選的，在本發(fā)明第二方面的第三種實現(xiàn)方式中，所述對第一加密數(shù)據(jù)進行編碼，轉(zhuǎn)換為一階編碼數(shù)據(jù)，包括：

42、對所述第一加密數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換，得到初始加密字符組合；

43、對所述初始加密字符組合進行分割，得到多個加密字符集合；

44、選取加密字符集合中的預設(shè)位置的多個加密字符，得到標識加密字符組合；

45、獲取預設(shè)的標準編碼圖譜；并掃描標準編碼圖譜中的編碼字符，將所述標識加密字符組合與標準編碼圖譜中的編碼字符進行匹配，如果匹配成功，則將所述標識加密字符組合對應(yīng)的匹配成功的加密字符標記為第一編碼字符；

46、將預設(shè)的標準編碼圖譜中除去第一編碼字符外的編碼字符作為第二編碼字符，對第二編碼字符進行優(yōu)先級構(gòu)建，得到第二編碼字符的頻率優(yōu)先級，根據(jù)第二編碼字符的頻率優(yōu)先級，為每個第二編碼字符重新分配編碼序號；

47、對預設(shè)的隨機數(shù)集合進行升序排序，得到升序排序后的隨機數(shù)集合，在完成第二編碼字符重新分配編碼序號后，基于升序排序后的隨機數(shù)集合中的隨機數(shù)，依次匹配與隨機數(shù)相同的編碼序號，將匹配到的編碼序號所對應(yīng)的第一編碼字符依序加入到標準編碼圖譜中并位于第二編碼字符之前；

48、整合全部編碼字符以及分配得到的新編碼序號，重新生成一張優(yōu)化后的標準編碼圖譜，得到目標編碼圖譜，根據(jù)所述目標編碼圖譜，對所述對第一加密數(shù)據(jù)進行編碼，轉(zhuǎn)換為一階編碼數(shù)據(jù)。

49、本發(fā)明提供的技術(shù)方案中，有益效果：本發(fā)明提供一種半導體芯片的缺陷檢測裝置及檢測方法，所述半導體芯片的缺陷檢測裝置包括：圖像獲取模塊，所述圖像獲取模塊用于獲取半導體芯片的高清圖像，并將所述高清圖像傳輸至缺陷標識模塊；缺陷標識模塊，所述缺陷標識模塊用于接收所述高清圖像，采用圖像識別技術(shù)識別所述高清圖像中潛在缺陷的位置并在所述高清圖像中進行自動標注；本發(fā)明通過使用高清圖像獲取模塊，能夠獲得高分辨率的芯片圖像，這為識別微小或者低對比度的缺陷提供了條件。缺陷標識模塊進一步利用圖像識別技術(shù)自動標注出缺陷位置，提高了檢測的準確性和自動化水平。數(shù)據(jù)對比模塊將實際檢測到的缺陷特征與預設(shè)的缺陷特征標準庫進行對比，能夠快速而準確地識別出缺陷類型和嚴重程度，從而提高了檢測效率。分類處理模塊依據(jù)檢測結(jié)果將芯片進行分類，不僅可以減少人工干預和主觀判斷的影響，還可以快速地處理大批量芯片，優(yōu)化生產(chǎn)流程。將檢測結(jié)果分為待復檢、次品和合格三個類別，有利于后續(xù)流程對資源的有效分配，如集中對待復檢的芯片進行更精細的檢測，從而降低次品流入市場的風險。報告生成模塊能根據(jù)分類結(jié)果生成包含缺陷詳細信息的檢測報告，方便質(zhì)量控制人員進行深入分析，并為改進制造過程提供數(shù)據(jù)支持。通過自動化和高精度的檢測，該裝置有助于提升半導體芯片在制造過程中的產(chǎn)品質(zhì)量控制，降低缺陷產(chǎn)品的流出，提高最終產(chǎn)品的可靠性和顧客的滿意度。