康耐德智能晶圓光刻膠涂布缺陷機器視覺檢測系統

康耐德智能晶圓光刻膠涂布缺陷機器視覺檢測系統，是半導體前道工序中實現高精度、高一致性質量控制的核心裝備。光刻膠涂布的均勻性直接決定了光刻分辨率與良率，任何微米級甚至納米級的缺陷都可能導致芯片失效。


成像系統
這是系統的“眼睛”，旨在捕捉高對比度、高分辨率的膠面缺陷特征。

光源設計：光刻膠多為透明或半透明薄膜，常規明場照明難以捕捉邊緣或內部缺陷。系統常采用多角度多光譜照明：

暗場照明：利用散射光突出顆粒、劃傷、氣泡等輪廓型缺陷。

分光光度法：通過特定波長（如UV或特定RGB波段）測量膜厚干涉條紋，檢測膜厚不均。

DIC（微分干涉相差）技術：利用諾曼斯基棱鏡，將光程差轉化為立體浮雕感，對“水波紋”、條紋等細微高度變化極其敏感。

圖像采集：采用高幀率、高分辨率的線陣或面陣相機。對于12英寸晶圓，通常使用線陣掃描方式，配合晶圓旋轉或直線運動，獲取完整的2D或3D形貌圖像。

缺陷分類與算法模型
針對光刻膠涂布特有的缺陷，系統需建立專門的分類器。常見缺陷包括：

邊緣堆積：晶圓邊緣光刻膠隆起（常見于旋涂工藝），影響邊緣曝光區域。

條紋/條紋痕：由于氣流擾動或旋轉加速度變化導致的放射狀或同心圓紋路。

氣泡/空洞：膠液中的氣泡破裂后形成的無膠區或針孔。

回濺：在晶圓背面或邊緣的光刻膠濺射污染。

顆粒污染：附著在膠膜表面或內部的異物。

算法演進：

傳統算法：基于灰度閾值、形態學及特征工程（如HOG、LBP）進行缺陷分割。優點是可解釋性強、算力消耗低，適用于特征明確的周期性缺陷。

深度學習（當前主流）：

利用語義分割網絡（如U-Net、DeepLabV3+）實現像素級缺陷檢出，對低對比度的微小缺陷（<1μm）敏感度極高。

利用異常檢測模型（如PatchCore、DRAEM）解決光刻膠缺陷樣本不平衡問題（良品極多，缺陷極少），通過對比無缺陷模板識別異常區域。

光學關鍵尺寸與膜厚測量
現代系統往往集成了光學膜厚測量功能，而不僅僅是缺陷檢測。

光譜反射法：通過分析特定區域的光譜反射率，實時計算光刻膠的厚度分布。如果檢測到某區域膜厚超出工藝窗口（±1%），即使外觀無缺陷，也會被判定為“涂布不均”并予以剔除。

 技術挑戰與前沿趨勢
厚度與缺陷解耦：對于ArF浸沒式光刻或EUV光刻使用的超薄光刻膠（厚度<100nm），傳統光學視覺難以區分“無缺陷但厚度異常”與“物理形貌缺陷”。當前前沿研究結合相干層析成像進行三維體檢測。

AI大模型應用：利用視覺大模型進行零樣本缺陷分類，將人工復判率降低90%以上；同時通過多模態數據分析，將檢測圖像與涂布機實時參數（轉速、溫度、排風量）關聯，快速定位工藝根因。

康耐德智能晶圓光刻膠涂布檢測系統，本質上是精密光學、亞像素級圖像算法、高速運動控制與半導體工藝知識的深度融合。其價值不僅在于攔截不良品，更在于通過數據驅動實現涂布工藝的精準優化。