硅片预对准方法

摘要

本发明公开了一种硅片预对准方法，包括：步骤1：提供硅片，所述硅片周向设置有若干标记；步骤2：对硅片进行定心；步骤3：沿硅片径向移动视觉切换轴，使得硅片上的标记进入到图像采集装置的投影区域内；步骤4：转动硅片，逐个扫描、识别标记，确定标记的坐标；步骤5：根据标记的坐标旋转硅片至上片角度，完成硅片定向。本发明采用识别标记的方式，放弃了识别硅片边缘缺口的方式，避免了对一幅图像进行二值化分割，进一步提高了定向算法的通用性，抗噪声干扰性更强。此外，由于硅片的标记数目较多，采用本发明的方法仅需测量一至两个标记，即可实现硅片的对准。

权利要求

1.一种硅片预对准方法，包括：

步骤1：提供硅片，所述硅片周向设置有若干标记；

步骤2：对硅片进行定心；

步骤3：沿硅片径向移动硅片预对准装置的视觉切换轴，使得硅片上的标记进入到硅片预对准装置的图像采集装置的投影区域内；

步骤4：转动硅片，逐个扫描、识别标记，确定标记的坐标；

步骤5：根据标记的坐标旋转硅片至上片角度，完成硅片定向；

其特征在于，所述步骤4包括：

步骤41：按照标记中线条的角度做平行于线条方向的投影得到投影数据；

步骤42：从投影数据中得到若干峰值点；

步骤43：将满足峰值点坐标间隔的投影点提取出来；

步骤44：将步骤43中得到的峰值点做纵向领域差值，获取峰值点领 域的纵向集中度；

步骤45：将步骤43中得到的峰值点做横向领域差值，获取峰值点领域的横向集中度；

步骤46：根据步骤44、45中得到的各类峰值点，确定相似度最大的几个峰值点的中心点，其中心点坐标即是标记中心的坐标；

步骤47：将步骤46中得到的坐标按几何关系旋转到投影之前的坐标；

步骤48：将步骤47中得到的坐标按领域连带性原则评估可靠性，排除假标记；

步骤49：将步骤48中剩余的可靠数据返回。

2.如权利要求1述的硅片预对准方法，其特征在于，所述步骤41中，通过对标记中的各线条做线性积分，以获取投影数据。

3.如权利要求1所述的硅片预对准方法，其特征在于，步骤42中，通过对投影数据的峰值做聚类分析，获取峰值点。

4.如权利要求1所述的硅片预对准方法，其特征在于，步骤43中，将峰值点按照坐标距离与标记线条之间的距离的匹配度，得到最佳的峰值点坐标。

5.如权利要求1所述的硅片预对准方法，其特征在于，所述步骤46中，坐标旋转方法测得标记的中心坐标。

6.如权利要求1所述的硅片预对准方法，其特征在于，所述步骤46中，按照峰值点之间的距离与标记的线条之间距离的匹配度，以最能接受和最不能接受两个层次划分，得到峰值点的选择上的可信度，将可信度乘以横向和纵向的数据集中度，其中的最大值为最相似值，而与最相似值距离最近的峰值点的相似度最大。

7.如权利要求1所述的硅片预对准方法，其特征在于，步骤48中，按领域连带性原则评估坐标的可靠性。

8.如权利要求7所述的硅片预对准方法，其特征在于，所述领域连带性原则为：通过在搜索窗口扫描过程中，存在上下左右四个方向中的至少一个方向能同样得到较其他方向大的标记信号的为真，否则为假的标记信号。

9.如权利要求1所述的硅片预对准方法，其特征在于，采用线阵CCD或阵列CCD作为图像采集装置。

10.如权利要求9所述的硅片预对准方法，其特征在于，采用线阵CCD作为图像采集装置时，需先设定一个固定的扫描角度信息，使得采集到的图像有相同的扭曲度。

11.如权利要求1所述的硅片预对准方法，其特征在于，所述步骤4中，采用领域极大值算法排除硅片表面的干扰。

说明书

硅片预对准方法

技术领域

[0001] 本发明涉及集成电路制造领域，特别涉及一种硅片预对准方法。

背景技术

[0002] 在复杂的光刻机设备中，各个分系统的协调工作都是为了将硅片精确放置在曝光台上，以便掩模板上的电路图能被精确曝光在硅片指定的位置，而此时的硅片经过前道大量工艺环节，对硅片造成很大破坏，主要表现在硅片不圆、硅片半径不同、缺口形状有公差；而且TSV(硅通孔)封装厂的工艺条件参差不齐，经过处理的硅片形貌也各不相同，比如存在鼓胶、硅片边缘变毛等问题，因此硅片边缘形貌的复杂性给硅片的预对准带来了极大的挑战。硅片是否被放置在曝光台要求的误差范围内的位置将会直接影响光刻机的性能。因此，硅片预对准环节起到至关重要的作用，它影响硅片上片的精度。

[0003] 硅片定向，是将硅片定心后通过精确定位硅片上的标记，将硅片转移到指定角度。现有的硅片预对准方法为，通过图像采集装置识别硅片边缘的缺口，并对采集的图像进行二值化分割，对图像的清晰度要求较高，且不具有通用性。

发明内容

[0004] 本发明提供一种硅片预对准方法，以克服上述技术问题。

[0005] 为解决上述技术问题，本发明提供一种硅片预对准方法，包括：步骤1：提供硅片，所述硅片周向设置有若干标记；步骤2：对硅片进行定心；步骤3：沿硅片径向移动视觉切换轴，使得硅片上的标记进入到图像采集装置的投影区域内；步骤4：转动硅片，逐个扫描、识别标记，确定标记的坐标；步骤5：根据标记的坐标旋转硅片至上片角度，完成硅片定向。

[0006] 所述步骤4包括：

[0007] 步骤41：按照标记中线条的角度做平行于线条方向的投影得到投影数据；

[0008] 步骤42：从投影数据中得到若干峰值点；

[0009] 步骤43：将满足峰值点坐标间隔的投影点提取出来；

[0010] 步骤44：将步骤43中得到的峰值点做纵向领域差值，获取峰值点邻域的纵向集中度；

[0011] 步骤45：将步骤43中得到的峰值点做横向领域差值，获取峰值点领域的横向集中度；

[0012] 步骤46：根据步骤44、45中得到的各类峰值点，确定相似度最大的几个峰值点的中心点，其中心点坐标即是标记中心的坐标；

[0013] 步骤47：将步骤46中得到的坐标按几何关系旋转到投影之前的坐标；

[0014] 步骤48：将步骤47中得到的坐标按领域连带性原则评估可靠性，排除假标记；

[0015] 步骤49：将步骤48中剩余的可靠数据返回。

[0016] 作为优选，所述步骤41中，通过对标记中的各线条做线性积分，以获取投影数据。

[0017] 作为优选，步骤42中，通过对投影数据的峰值做聚类分析，获取峰值点。

[0018] 作为优选，步骤43中，将峰值点按照坐标距离与标记线条之间的距离的匹配度，得到最佳的峰值点坐标。

[0019] 作为优选，所述步骤46中，按照峰值点之间的距离与标记的线条之间距离的匹配度，以最能接受和最不能接受两个层次划分，得到峰值点的选择上的可信度，将可信度乘以横向和纵向的数据集中度，其中的最大值为最相似值，而与最相似值距离最近的峰值点的相似度最大。

[0020] 作为优选，所述步骤46中，坐标旋转方法测得标记的中心坐标。

[0021] 作为优选，步骤48中，按领域连带性原则评估坐标的可靠性。所述领域连带性原则为：通过在搜索窗口扫描过程中，存在上下左右四个方向中的至少一个方向能同样得到较其他方向大的标记信号的为真，否则为假的标记信号。

[0022] 作为优选，采用线阵CCD或阵列CCD作为图像采集装置。

[0023] 作为优选，采用线阵CCD作为图像采集装置时，需先设定一个固定的扫描角度信息，使得采集到的图像有相同的扭曲度。

[0024] 与现有技术相比，本发明具有以下优点：

[0025] 1、通过Radon变换算法，将图像中指定角度的线条通过投影定位出来，对图像的清晰度要求不高，提高了定向算法的抗干扰性，并且Radon变换具有低频滤波的作用，与Hough变换相比，Radon变换的更精致准确。

[0026] 2、采用识别标记的方式，放弃了识别硅片边缘缺口的方式，避免了对一幅图像进行二值化分割，进一步提高了定向算法的通用性，抗噪声干扰性更强。此外，由于硅片的标记数目较多，采用本发明的方法仅需测量一至两个标记，即可实现硅片的预对准。

[0027] 3、采用领域极大值算法，降低由于硅片表面电路刻蚀、TSV通孔、划线槽等强干扰的影响，提高预对准定向的工艺适应性。

[0028] 4、通过领域连带性算法，疑似标记的检测更加可靠，彻底解决了定向识别标记的误检问题，排除了人为阈值的非通用性，抗相似误检，提高定向可靠性。

[0029] 5、采用聚类分析方法，得到的峰值更可靠，抗破损漏检更强。

附图说明

[0030] 图1为本发明一具体实施方式中硅片预对准方法的流程示意图；

[0031] 图2为本发明一具体实施方式中硅片及其上的标记的示意图；

[0032] 图3a～3c为本发明一具体实施方式中不同角度以及不同形态的标记的示意图；

[0033] 图4和图5为本发明一具体实施方式中标记的投影数据做线性积分后的绘图；

[0034] 图6和图7分别为本发明一具体实施方式中坐标旋转示意图。

具体实施方式

[0035] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。需说明的是，本发明附图均采用简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

[0036] 如图1所示，硅片预对准方法，包括以下步骤：

[0037] 步骤1：提供硅片，所述硅片的周向设置有若干标记，所述标记的设定由硅片的实际用途以及后续的工艺条件决定，相同批次的硅片上的标记的布局和数量均相同。如图2所示，由于标记不在噪声比较大的硅片边缘，硅片前期的各种制造工艺对标记的影响相对于硅片边缘缺口而言较小，稳定性相对要好，对前期的工艺适配性较强。进一步的，如图3a所示，所述标记为各种不同的线条型标记，而各种标记的角度可以如图3b所示的任意旋转，也可以对标记的基本姿态进行如图3c所示的变形，根据基本姿态不同，可以分为线条垂直标记和线条非垂直标记。

[0038] 需要说明的是，标记初次使用时，需要对标记的坐标位置、夹角以及规格进行更新。具体为：首先输入各不同标号的标记在硅片上的坐标；接着，将该标记的两个方向的线条之间的夹角写入机器中，最后根据标记的规格对机器常数进行更新。针对标记在硅片上的不同位置，可以对标记进行标号(图2中标记的标号依次为1、2、3…8)，通过规定对应标号的标记的坐标位置，并测量硅片上各标号的实际坐标位置，转动硅片，即可对硅片进行精确定位。

[0039] 步骤2：对所述硅片进行定心，该步骤由定心台完成。

[0040] 步骤3：将硅片预对准装置的视觉切换轴沿硅片径向移动，使得硅片上的各标记能够进入到图像采集装置的投影成像区域内。具体地，所述视觉切换轴(简称“L轴”)的方向为如图2所示的沿所述硅片边缘指向硅片的中心。具体地，图像采集装置安装在视觉切换轴上。

[0041] 步骤4：对硅片表面进行光强照射，逐个扫描、识别标记，确定各标记的坐标；

[0042] 具体地，步骤4包括：

[0043] 步骤41：按照每个标记中线条的角度做平行于线条方向的投影，得到投影数据，即对线条做Radon变换，也就是对标记中的各线条做线性积分，积分后绘图数据如图4和图5所示，由此可知，标记的线条所在位置处，能出现几个明显的峰值。

[0044] 步骤42：从步骤41中投影数据中选择若干个峰值点。具体地，通过对投影数据做聚类分析，选择投影值中最具领域集中性的峰值点。例如：图4和图5中A、B、C、D、E五点的选择，不一定是在最大的几个峰值中选择，而是在最具有领域集中性的峰值中选择。即，与其选择数据“高原”中的“山丘”，不如选“盆地”中的“山峰”。

[0045] 步骤43：将与步骤42中坐标间隔与标记的线条间隔相匹配的峰值点提取出来。即将峰值点按照坐标距离与标记线条之间的距离的匹配度，得到最佳的峰值点坐标。

[0046] 步骤44：将步骤43中得到的峰值点做纵向领域差值，获取峰值点邻域的纵向集中度。

[0047] 步骤45：将步骤43中得到的峰值点做横向领域差值，获取峰值点领域的横向集中度。

[0048] 步骤46：将步骤44、45中得到的各峰值点做评估，确定相似度最大的几个峰值点的中心点，其中心点坐标即是标记中心的横坐标和纵坐标。具体地，按照峰值点之间的距离与标记的线条之间距离的匹配度，以最能接受和最不能接受两个层次划分，得到峰值点的选择上的可信度，最后将可信度乘以聚类分析得到的横向和纵向的数据集中度，其中的最大值为最相似值，而最相似值接近的峰值点的相似度最大。所谓最能接受为两峰值之间的距离与标记的线条之间距离在误差范围内，误差为图像采集装置的机械误差，最不能接受则为两峰值之间的距离与标记的线条之间距离相差较大。

[0049] 进一步的，当标记的线条与坐标轴不平行/垂直时，采取坐标旋转方法测得标记的中心坐标。如图6和图7所示，具体地，先对标记①(该标记可以为图2中8个标记中的任意一个)进行关于X轴镜像得标记②，由于标记①的初始偏转角rot已知，通过旋转标记②rot角度后得到标记③，此时标记③中的线条与坐标系垂直/平行，进而测得标记③中心在X轴上的投影值t2，再旋转90度后，测得标记④的中心在X轴上的投影值t3，根据全等三角形原理，即可获得标记①的中心距离坐标中心O的距离L和与X轴的夹角θ，进而可得峰值点的中心坐标。

[0050] 步骤47：将步骤46中得到的坐标按几何关系旋转到投影之前的坐标。

[0051] 步骤48：将步骤47中得到的坐标按领域连带性原则评估坐标的可靠性，排除假标记的坐标。领域连带性原则为：基于标记信号的稳定性，在搜索窗口扫描过程中，必然存在上下左右四个方向中的至少一个方向能同样得到非常大的标记信号，而疑似的假标记信号不会存在这种可能性，这样就能排除假标记在各种偶然情况被识别成真标记的可能性。

[0052] 步骤49：将步骤48中可靠的数据返回，即将标记的中心坐标数据返回。

[0053] 步骤5：根据返回的标记的中心坐标，转动硅片，使其转成上片角度，完成硅片定向，定向完成后，将视觉切换轴沿硅片径向移出。最后按照几何关系旋转到原本的坐标系中，并加上图像在整个硅片中的位置，得到标记在硅片中的坐标。

[0054] 较佳的，如图2所示，因为标记植入到硅片上时，有统一确定的朝向，图像采集装置采集图像时，图2中方框是模拟的采集到的图像，那么算法进行前，需要指定当前是定位硅片上的哪个标记，以标记坐标形式给定算法即可，算法可以自动旋转到相应标记的大概位置搜索定位。

[0055] 其中，如果采用线阵CCD采集图像，因为获得的图像的纵向是由扫描的弧线形区域拼合成，扫描时扫过的角度不同时，图像会有一定的扭曲程度，这时标记的线条不会相互垂直，算法上需要根据线阵CCD扫描的角度来确定标记线条的角度，以便算法处理。因此，采用线阵CCD作为图像采集装置时，需要首先设定一个固定的扫描角度信息，使得采集到的图像有相同的扭曲度，这样算法才能统一起来。进一步的，也可以通过阵列CCD作为图像采集装置来采集标记以实现硅片定位。

[0056] 进一步的，本发明还采用领域极大值算法，来降低硅片表面的电路刻蚀、TSV通孔、划线槽等强干扰的影响，提高预对准定向的工艺适应性。具体地，采用每个峰值点与前后各五个点共十个点的离差绝对值作为标准。此外，本实施例还设置了一个阈值，阈值的大小为图像色阶最大两个峰值之差乘以标记的线条长度，以区分整个标记相对于图像的可见度，达到放弃图像采集装置严重焦点不正确以及模糊图像的识别的目的。

[0057] 与现有技术相比，本发明具有以下优点：

[0058] 1、通过Radon变换算法，将图像中指定角度的线条通过投影定位出来，对图像的清晰度要求不高，提高了定向算法的抗干扰性，并且Radon变换具有低频滤波的作用，与Hough变换相比，Radon变换更精致准确。

[0059] 2、采用识别标记的方式，放弃了识别硅片边缘缺口的方式，避免了对一幅图像进行二值化分割，进一步提高了定向算法的通用性，抗噪声干扰性更强。此外，由于硅片的标记数目较多，采用本发明的方法仅需测量一至两个标记，即可实现硅片的预对准。

[0060] 3、采用领域极大值算法，降低由于硅片表面电路刻蚀、TSV通孔、划线槽等强干扰的影响，提高预对准定向的工艺适应性。

[0061] 4、通过领域连带性算法，疑似标记的检测更加可靠，彻底解决了定心识别标记的误检问题，排除了人为阈值的非通用性，抗相似误检，提高定向可靠性。

[0062] 5、采用聚类分析方法，得到的峰值更可靠，抗破损漏检更强。

[0063] 显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。