1.本发明涉及半导体制造领域，尤其涉及一种还原晶圆中自定义缺陷位置信息的方法、装置及存储介质。
背景技术：2.随着半导体器件技术的发展，用于制造半导体器件的工艺越来越多，并且每个工艺都有一定的复杂度，而每个工艺流程对晶圆的处理都可能会产生一些不符预期的结构，其中，会造成芯片上电路无法正常工作的称之为晶圆缺陷。
3.在芯片生产过程中，晶圆缺陷的类型繁多，尤其是针对一些形状结构复杂、分布状态特殊的缺陷图形，现有的ai分类模型通常都难以准确地识别并分类，往往需要人工目检。例如，在一些重要工艺节点后需要人工目检，工作人员根据历史经验识别出晶圆上呈特殊分布形态的缺陷图形(即特殊缺陷图形)，并将所识别出的呈特殊分布形态的缺陷图形手动标记，并对缺陷图形进行提取。但是这类手动标记的检测方法误差相对较大、工作效率也很低，且对工作人员的经验依赖性较高。当需要目检的晶圆或晶圆上缺陷的数量较多时，人工目检将难以保证检测时效性，另一方面，随着工作时间的延长工作人员可能会由于疲惫而影响目检的准确性与可靠性。尤其是针对一些形态复杂的特殊缺陷图形，例如线形缺陷、弧形缺陷、环形缺陷、复合型缺陷、波纹形缺陷以及分散状缺陷等等，即使是具有丰富工作经验的工作人员也难以进行准确的标记与提取，并且难以将图像中的缺陷图形关联到具体的缺陷数据信息。尤其当晶圆上缺陷数量较多或缺陷的重叠区域较多时，对于单个缺陷图形的标记难度也更高。
技术实现要素：4.针对上述技术问题，本发明的目的在于提供一种还原晶圆中自定义缺陷位置信息的方法，包括步骤：
5.获取至少一个待测晶圆的至少一组第一缺陷图像；
6.将至少一组所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的自定义缺陷图形进行识别，并输出所述自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像，且所述第一位置信息包括：所述自定义缺陷图形的像素点坐标；
7.基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息，所述第二位置信息包括：所述自定义缺陷图形在所述待测晶圆中的实际坐标信息；
8.其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。
9.在一些实施例中，所述第一缺陷图像包括：至少一类自定义缺陷图形。
10.在一些实施例中，当所述第一缺陷图像上包括多个所述自定义缺陷图形时，在所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别之后，还包括步骤：所述自定义缺陷提取模型基于像素点信息对多个所述自定义缺陷图形进行拆分，并基于拆分结果输出多个所述第二缺陷图像；
11.在一些实施例中，自定义缺陷包括：线形缺陷，和/或弧形缺陷，和/或环形缺陷，和/或分散状缺陷，和/或复合型缺陷，和/或波纹形缺陷，和/或聚集型缺陷。
12.在一些实施例中，还包括步骤：
13.收集所述自定义缺陷提取模型输出的所述第二缺陷图像以及相对应的第一位置信息；
14.并基于所述第二缺陷图像和相对应的第一位置信息周期性地对所述自定义缺陷提取模型进行更新；
15.在一些实施例中，还包括步骤：
16.基于所述第二位置信息关联获取到相对应的所述自定义缺陷图形的工程数据。
17.在一些实施例中，所述自定义缺陷提取模型仅提取一种类别的自定义缺陷图形，相应地，该方法还包括步骤：
18.对所述第二缺陷图像进行二次检测，且当检测到所述第二缺陷图像上存在的自定义缺陷图形不属于相对应的所述自定义缺陷提取模型的提取类别时，则基于人工对所述第二缺陷图像进行标记。
19.在一些实施例中，还包括步骤：
20.基于人工标记的第二缺陷图像以及相对应的第一位置信息对相对应的所述自定义缺陷提取模型进行更新。
21.在一些实施例中，所述像素点坐标为(x1，y1)，相应地，基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息包括步骤：
22.基于至少一个所述像素点坐标信息确定至少一个像素点的相对坐标(x3，y3)，其中，x3为像素点的x百分比坐标，y3为像素点的y百分比坐标；
23.基于所述相对坐标与所述尺寸信息确定所述自定义缺陷图形的实际坐标信息(x2，y2)；
24.其中，x3＝x2/d，y3＝y2/d，其中，d为待测晶圆的直径。
25.在一些实施例中，获取至少一个待测晶圆的至少一组第一缺陷图像的步骤包括：
26.获取至少一个所述待测晶圆的多个待分类图像；
27.对多个所述待分类图像进行分类得到至少一组第一缺陷图像，且一组第一缺陷图像中的各个所述第一缺陷图像中均包括至少一个相同类别的自定义缺陷图形。
28.本发明第二方面还提供了一种还原晶圆中自定义缺陷位置信息的装置，包括：
29.图像获取模块，用于获取至少一个待测晶圆的至少一类第一缺陷图像；
30.缺陷识别模块，用于将至少一类所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别，并输出所述自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像，且所述第一位置信息包括：所述自定义缺陷图形的像素点坐标；
31.缺陷定位模块，基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息，所述第二位置信息包括：所述自定义缺陷图形在所述待测晶圆中的实际坐标信息；
32.其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。
33.在一些实施例中，所述第一缺陷图像包括：至少一类自定义缺陷图形。
34.在一些实施例中，该装置还包括：
35.数据存储模块，用于存储所收集到的输入到所述自定义缺陷提取模型中的所述第一缺陷图像以及相对应的第一位置信息；
36.模型更新模块，基于所述第一缺陷图像和相对应的第一位置信息周期性地对所述自定义缺陷提取模型进行更新。
37.本发明第三方面在于，还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一所述方法的步骤。有益技术效果
38.本发明涉及一种还原晶圆中自定义缺陷位置信息的方法，该方法基于像素点信息对第一缺陷图像中的对应的自定义缺陷图形进行特征识别。
39.现有技术通常是通过人工对宏观的自定义缺陷图形进行识别与提取，一方面效率低，且无法对获取的图形数据进行直接地使用(如关联工程数据等，或进行缺陷分析等)；另一方面提取精度差，即使从所提取的缺陷图像(在提取过程中容易失真)中获取到缺陷位置信息，也难以保证缺陷位置信息的准确性。与现有技术不同的是，本技术并没有从宏观的图形结构上进行缺陷识别或提取，而是通过对第一缺陷图像中的各个像素点信息(第一缺陷图像上的微观信息)的特征进行识别，并识别出组合成自定义缺陷图形的像素点集合。在此过程中，同时记录下被识别为缺陷的像素点集合的信息(如像素点坐标等)，进而基于缺陷图形的像素点坐标对缺陷图形在待测晶圆上的实际位置进行定位。本方法中所选用的像素点识别方式可以更直接、精准地对缺陷进行识别，从而真准确地还原缺陷的位置信息。
40.本发明另一方面在于还具有良好的通用性，尤其针对于具有工业机理、重复性较高的一类晶圆缺陷。具体地，对于这一类自定义缺陷，可以基于工作人员对前期的历史经验数据进行收集，以获取到一个或多个自定义缺陷所对应的信息(如图形信息等)，并基于所获取的信息构建相应的自定义缺陷提取模型。进一步地，当在晶圆生产过程中再次发现这些缺陷时，基于预先构建的自定义缺陷提取模型可以快速还原缺陷的位置(如实际坐标信息)，便于工作人员对相应的缺陷发生位置进行进一步地识别判定，并分析出该自定义缺陷形成的原因。例如，判断缺陷由设备故障产生，还是偶然误差或由杂物(如灰尘)造成，以便快速解决排除缺陷故障。
41.进一步地，通过对被标记为缺陷的像素点集合进行提取，获取到包括对应自定义缺陷图形的第二缺陷图像。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。在所有附图中，类似的元件或部分一般
由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
43.图1为本发明一示例性实施例的方法流程示意图；
44.图2a为本发明一具体实施例中部分自定义缺陷图形的结构示意图；
45.图2b为分散状缺陷的结构示意图；
46.图3a为本发明一具体实施例中的自定义缺陷图形的提取结果示意图；
47.图3b为本发明又一具体实施例中的弧形缺陷图形的提取结果示意图；
48.图4为本发明一示例性实施例中的待分类图像的分类结果示意图；
49.图5为本发明一示例性实施例中的弧形缺陷图形的拆分结果示意图；
50.图6为本发明一示例性实施例中的装置的模块结构示意图；
51.图7为本发明一示例性实施例中的电子设备框图。
52.其中，1为弧形缺陷，2为线形缺陷，3为复合型缺陷，4为聚集型缺陷，5为环形缺陷，6为波纹形缺陷，7为分散状缺陷。
具体实施方式
53.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
54.本文中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
55.名词释义：
56.本文中，“自定义缺陷图形”指的是形状结构特殊(如不规整)，或结构形态分布较为复杂的缺陷图形，如图2a、图2b中所示的弧线缺陷1、线形缺陷2、复合型缺陷3、聚集型缺陷4、环形缺陷5、波纹形缺陷6，分散状缺陷7等等。该类缺陷图形由于形状结构的特殊性，往往只能通过经验丰富的工作人员进行目测识别。并且这类特殊的缺陷图形数量众多，且每当加工工艺或加工条件发生变化时，可能会产生若干个新的自定义缺陷图形，此时，往往需要工作人员结合长时间的历史数据与经验才能对其进行识别与分析。
57.本文中的“相同”或“相似”并不意味着所指定的两个或多个项目的差值为零，而是用于说明各个所指定项目的差值非常小，在实际工程应用中可以忽略不计。实施例一
58.本发明第一方面在于，提供了一种还原晶圆中自定义缺陷位置信息的方法，如图1所示，该方法包括步骤：
59.s02：获取至少一个待测晶圆的至少一组第一缺陷图像；
60.s04：将至少一组第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，自定义缺陷提取模型基于像素点信息对第一缺陷图像中的自定义缺陷图形进行识别，并输出自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像；
61.其中，第一位置信息包括：自定义缺陷图形的像素点坐标；
62.s06：基于第一位置信息与待测晶圆的尺寸信息确定自定义缺陷图形的第二位置信息，第二位置信息包括：自定义缺陷图形在待测晶圆中的实际坐标信息；
63.其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。
64.在一些实施例中，用于模型训练的像素点坐标数据可以通过图像提供，也即基于标记自定义缺陷后的图像(如第一缺陷图像)进行模型训练。或者，用于模型训练的像素点坐标数据可以通过自定义缺陷的像素点坐标数据集合训练得到，例如，基于自定义缺陷的像素点坐标数据表训练得到。
65.进一步地，在一些实施例中，自定义缺陷提取模型所针对的自定义缺陷为具有工业机理、重复性高的一类晶圆缺陷。例如，当某一类自定义缺陷(如弧形缺陷)在当前的工艺步骤下出现时，在下一次采用相同或相似的工艺步骤时，这一类自定义缺陷可能会在晶圆上再次出现。
66.这类自定义缺陷往往和机台的零部件设计或者运行方式等有关。例如，环形缺陷可能和旋转的设备部件有关，比如在晶圆旋转时，上方有固定的硬物会导致晶圆上留下环形刮伤。又例如，线形缺陷和直线运动部件有关，比如晶圆在设备中的机械臂运输过程中导致的刮伤。同类型自定义缺陷图形产生的原因多种多样(例如，可能由机台故障所引起，此时需要快速停下机台排除故障，甚至需要停下产线，又例如，可能由机台上的杂物如灰尘所引起，此时对杂物进行快速清除即可)，需要结合其他数据进行分析。为缩短缺陷分析时间，工作人员会定期收集发现的异常图形(即自定义缺陷图形)及其原因，用于识别后进行匹配分析。
67.又例如，在一些实施例中，部分自定义缺陷通常与设备零件老化有关，这对类零件老化故障可能造成的较大的良率损失，因此需要工作人员快速发现并处理。若没有对零件老化故障进行及时处理，那么接下来的一批晶圆上都会出现这类自定义缺陷图形，从而对晶圆生产带来不利影响。但从产线上获取到的待测图像往往无法直接判定出引起该缺陷的原因，其可能是由于零件老化，也可能是一些偶然因素(如灰尘等)造成的，前者需要及时停下设备甚至停下产线，后者则无需停产即可快速处理。而在晶圆的生产过程中，停下设备尤其是停产线的成本极高，因此，在这种情况下对缺陷的及时分析至关重要。基于本实施例中所提供的第二位置信息，工作人员可以快速定位到自定义缺陷的实际发生位置，从而针对具体缺陷区域识别分析，确定出该自定义缺陷产生的原因，从而便于工作人员快速实现故障排查。
68.优选地，在本实施例中，针对这类自定义缺陷，当工作人员发现存在一个或多个自定义缺陷时，工作人员会定期地基于历史经验数据收集到一个或多个自定义缺陷图形的大量信息(如多个包含该自定义缺陷图像的待测图像)，从而对各类自定义缺陷进行针对性的建模。由此，在后续的晶圆生产过程中，对于各种已知自定义缺陷图形，可以通过预先构建的自定义缺陷提取模型针对性地还原自定义缺陷的第二位置信息。也即是说，本实施例中所提供的还原位置信息的方法具有良好的通用性(尤其针对具有工业机理、重复性出现的一类晶圆缺陷)。
69.优选地，在一些实施例中，像素点信息包括：像素点的信号强度(如灰度值或亮度值)，以及具有相同或相似的信号强度的像素点的关联性分布特征。例如，呈连续分布如线
形；又例如，呈分散状分布；又例如，呈规律性地分散状分布(如图2a中(b)图中的复合型缺陷3)。
70.本实施例中所提出的自定义缺陷位置信息还原方法，基于自定义缺陷图形(或特殊缺陷图形)的形态分布特征(具体为像素点特征)对各类待测的缺陷进行精准识别，并同步记录下被识别为缺陷的像素点信息。
71.优选地，本实施例中还基于被识别为缺陷的像素点信息获取到仅包括对应自定义缺陷的第二缺陷图像。例如，将包括有环形缺陷的第一缺陷图像输入到环形缺陷图形提取模型中，环形缺陷提取模型对应输出第二缺陷图像，且输出的第二缺陷图像中仅包括环形缺陷图形。
72.可以理解的是，本实施例中所输出的第二缺陷图像主要目的在于便于工作人员进行后续的数据验证与分析，该第二缺陷图像是完成缺陷信息的识别与提取之后的结果数据。
73.自定义缺陷图形的类型众多，例如，在一些实施例中，如图2a、图2b所示，自定义缺陷包括以下的一种或多种类型的缺陷图形：线形缺陷2、弧形缺陷1、环形缺陷5、分散状缺陷7、复合型缺陷3、波纹形缺陷6。
74.例如，在一些实施例中，复合型缺陷3为由两种或多种自定义缺陷的所组合成的复合缺陷，或者说，复合型缺陷3包括了两种或多种自定义缺陷的形状分布特征。例如，图2a中的(a)图以及(e)图所示出的复合型缺陷3为波纹形缺陷与环形缺陷的复合结构。又例如，图(b)中所示出的复合型缺陷3为分散状缺陷(即呈点状分布的缺陷)与环形缺陷的复合结构。
75.为了进一步地提高自定义缺陷识别的准确性与识别效率，在一些实施例中，第一缺陷图像包括：至少一个第一缺陷图像。具体地，所获取到的至少一组第一缺陷图像上均包括有同一类型的自定义缺陷，如弧形缺陷。进一步地，将第一缺陷图像输入到对应的自定义缺陷提取模型中，在一些实施例中，如图4所示，将至少一组包括弧形缺陷的第一缺陷图像输入到弧形缺陷提取模型中，该提取模型对应输出至少一组第二缺陷图像，且第二缺陷图像上仅包括弧形缺陷图形。
76.本实施例中，获取步骤s02中的至少一组第一缺陷图像的步骤为：
77.获取至少一个待测晶圆的多个待测图像(或待分类图像)；
78.对多个所述待分类图像进行分类得到至少一组第一缺陷图像，且一组第一缺陷图像中各个所述第一缺陷图像中均包括至少一个相同的自定义缺陷图形。本实施例中，首先对待测图像进行缺陷分类，随后将分类后得到的第一缺陷图像分别输入到对应类别的自定义缺陷提取模型中。
79.例如，将所述待测图像分别输入到至少一个自定义缺陷分类模型(或自定义缺陷图形分类模型)，所述自定义缺陷分类模型对应输出至少一组第一缺陷图像，且每组中所述第一缺陷图像均包括相同的一类自定义缺陷图像。当然，在另一些实施例中，第一缺陷图像可以直接选用待测图像。
80.例如，在一些实施例中，自定义缺陷分类模型为弧形缺陷分类模型，当向弧形缺陷分类模型中输入多个待测图像，弧形缺陷分类模型对应地输出一组包括弧形缺陷的多个第一缺陷图像。
81.例如，在一些实施例中，自定义缺陷分类模型的构建步骤包括：
82.获取多个目标缺陷图像，且多个目标缺陷图像均包括至少一类相同的自定义缺陷图形；
83.使用深度卷积神经网络(cnn)方法对多个目标缺陷图像进行特征提取与建模，并得到相应的自定义缺陷图形分类模型。
84.例如，在一些实施例中，该自定义缺陷图形分类模型可以对所输入的包括多类型自定义缺陷图形的待测图像进行分类。例如，将输入的多个待测图像分为多组第一缺陷图像，具体地，基于所包括的自定义缺陷类别将其划分为第一组第一缺陷图像(包括第一类别自定义缺陷)，第二组第一缺陷图像(包括第二类别自定义缺陷)
……
第n组第一缺陷图像(包括第n类别自定义缺陷)。可以理解的是，其中部分待测图像由于存在两种或多种自定义缺陷图形可能会被重复分类。
85.又例如，在另一些实施例中，该自定义缺陷图形分类模型可以针对性地对某一类自定义缺陷进行分类。例如，具体地，该自定义缺陷图形分类模型可为聚集型缺陷图形分类模型，将多个待测图像输入值该聚集型缺陷图形分类模型中后，该分类模型可以输出一组第一缺陷图像，且该组中的第一缺陷图像上均包括至少一个聚集型缺陷图像。换句话说，在一些实施例中，自定义缺陷图像分类模型可以为一个或多个特定的自定义缺陷图像的集合，从而能够对一个或多个自定义缺陷图形进行分类。如图4所示，将多个待测图像输入到自定义缺陷图形分类模型后，对应输出多组第一缺陷图像，如第1组、第2组、第3组、第4组、第5组第一缺陷图像。
86.具体地，在一些实施例中，通过扫描电子显微镜(sem)、光学显微镜或电子束显微镜等图像获取设备获取到相应的待测图像。
87.例如，在一具体实施例中，如图3a所示，图3a中的(a)图为针对一个待测晶圆所获取到一张待测图像(或缺陷图像)，且该待测图像至少包括四类自定义缺陷图形(即包括：聚集型缺陷、线形缺陷、弧形缺陷以及环形缺陷)。该待测图像上存在多个自定义缺陷，且多个自定义缺陷之间相互交叉或重叠，例如存在多处聚集型缺陷、弧形缺陷、线形缺陷相互交叉的区域，又例如，部分线形缺陷与弧形缺陷存在部分重叠。此时若通过人工对该待测图像上的缺陷进行识别与提取(例如，边缘提取)难度很高，尤其针对两个或多个缺陷图形重叠的区域更加难以对各个缺陷图形进行准确的划分与提取。
88.本实施例中，在对待测图像中的缺陷图形进行精确地识别与提取之前，首先对待测图像进行缺陷图像分类时，此时本实施例中所示的待测图像将被同时分类到第一组第一缺陷图像(包括聚集型缺陷图形)、第二组第一缺陷图像(包括线形缺陷图形)、第三组第一缺陷图像(包括弧形缺陷图形)、第四组第一缺陷图像(包括环形缺陷图形)。随后，分别将该待测图像输入到聚集型缺陷提取模型、线形缺陷提取模型、弧形缺陷提取模型以及环形缺陷提取模型中，上述提取模型对应输出该待测图像上的聚集型缺陷图像、线形缺陷图像、弧形缺陷图像以及环形缺陷图像(也即第二缺陷图像，分别对应为图3a中的(b)图、(c)图、(d)图以及(e)图)。本实施例中，可以基于多类自定义缺陷提取模型对形状结构复杂的自定义缺陷图形进行精确地、针对性地识别与提取。与现有技术中的识别提取方式不同的是，本方法并没有直接观察图形结构对缺陷图形进行识别与提取(例如通过工作人员对宏观的缺陷图形进行目测识别与手动提取)，而是基于自定义缺陷提取模型对第一缺陷图像中最原始的像素点信息进行特征识别，并将具有缺陷特征的像素点信息标记为对应的缺陷图形。本
实施例中选用基于像素点信息进行缺陷的识别与提取，极大地提高了缺陷识别的准确性。
89.进一步地，基于被标记为自定义缺陷的像素点信息可直接获取到相对应的自定义缺陷图形的第一位置信息，避免了信息转化过程中可能导致的精度下降的问题。其中，该第一位置信息包括：自定义缺陷图形的像素点坐标。随后，基于第一位置信息以及相应待测晶圆的尺寸信息可以定位到缺陷图形在待测晶圆上的实际位置信息(或实际坐标信息)，其中，实际坐标信息可以为缺陷图形在晶圆上的绝对位置坐标，或相对位置坐标(如缺陷图形在晶圆上的x、y百分比坐标)。本实施例中通过对缺陷的像素点信息进行特征识别，可以对各类自定义缺陷图形进行精准定位。
90.进一步地，为了便于工作人员对所生成的缺陷进行进一步地识别、分类并进行后续的数据分析，在一些实施例中，当所述第一缺陷图像上包括多个所述自定义缺陷图形时，在所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别之后，还包括步骤：所述自定义缺陷提取模型基于像素点信息对多个所述自定义缺陷图形进行拆分，并基于拆分结果输出多个所述第二缺陷图像。如图5所示，将图5中包括多个弧形缺陷图形的第一缺陷图像拆分为若干个(如4个)第二缺陷图像，其中每个第二缺陷图像中仅包括一个弧形缺陷图形，便于后续工作人员对第二缺陷图像进行验证与分析。
91.具体地，在一些实施例中，将各个被识别为(或判定为)自定义缺陷的像素点信息(或像素点集合)单独记录，并基于各个像素点信息输出对应的第二缺陷图像。
92.优选地，在一些实施例中，当所输出的第二缺陷图像中存在两个或两个以上的自定义缺陷图像时，两个或两个以上的自定义缺陷图像不存在交叉或重叠。
93.优选地，在一些实施例中，所输出的第二缺陷图像包括：一个自定义缺陷图形。
94.进一步地，为了提高自定义缺陷的识别与分类的准确性，在一些实施例中，还包括步骤：
95.对标记有缺陷类别(如被标记为弧形缺陷、环形缺陷等)的第二缺陷图像进行验证。
96.例如，在一些实施例中，工作人员对所获取到的多个第二缺陷图像进行验证，当工作人员检测出存在缺陷类别标记错误的第二缺陷图像时(例如，在弧形缺陷提取模型中输出了线形缺陷图形时)，工作人员对所获取到的第二缺陷图像进行重新标记。
97.为了提高自定义缺陷提取模型的适用性与准确性。进一步地，在一些实施例中，还包括步骤：
98.基于重新标记(或二次标记)的第二缺陷图像对自定义缺陷提取模型进行更新(或优化)。
99.例如，在一些实施例中，当工作人员发现在弧形缺陷提取模型中输出了包括线形缺陷图形的第二缺陷图像时，对该第二缺陷图像进行二次标记，并收集将该第二缺陷图像以用于对自定义缺陷提取模型进行更新。
100.当然，在另一些实施例中，为了提高自定义缺陷提取模型的适用性与准确性，该方法还包括步骤：
101.对自定义缺陷提取模型所输出的第二缺陷图像进行收集；
102.基于收集的第二缺陷图像对所述自定义缺陷提取模型进行更新。本实施例中的用
于更新模型的第二缺陷图像可以为自定义缺陷提取模型所输出的部分结果或全部结果。
103.具体地，在一些实施例中，该方法还包括步骤：
104.收集所述自定义缺陷提取模型输出的所述第二缺陷图像以及相对应的第一位置信息；
105.并基于所述第二缺陷图像和相对应的第一位置信息周期性地对所述自定义缺陷提取模型进行更新。
106.本实施例中，优选地通过在缺陷提取过程中所获取到的像素点信息对自定义缺陷提取模型进行更新与优化。
107.本实施例中所选用的自定义缺陷提取模型可以基于所输出的识别结果(如第二缺陷图像以及相应的像素点信息)进行主动学习与优化。
108.在一些实施例中，所述自定义缺陷提取模型仅提取一种类别的自定义缺陷图形，相应地，该方法还包括步骤：
109.对所述第二缺陷图像进行二次检测，且当检测到所述第二缺陷图像上存在的自定义缺陷图形不属于相对应的所述自定义缺陷提取模型的提取类别时，则基于人工对所述第二缺陷图像进行标记。
110.在一些实施例中，二次检测为人工目检，或者将第二缺陷图像输入相应的自定义缺陷提取模型中，通过提取模型进行二次检测，若在二次检测中发现存在无法识别的缺陷图形(或第二缺陷图像)时，则通过人工进行二次标记。
111.为了便于工作人员能够对晶圆缺陷信息进行更精细化地分析，具体地，在一些实施例中，还包括步骤：
112.基于人工标记的第二缺陷图像以及相对应的第一位置信息对相对应的所述自定义缺陷提取模型进行更新。
113.在一些实施例中，所述像素点坐标为(x1，y1)，相应地，基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息包括步骤：
114.基于至少一个所述像素点坐标信息确定至少一个像素点的相对坐标(x3，y3)，其中，x3为像素点的x百分比坐标，y3为像素点的y百分比坐标；
115.基于所述相对坐标与所述尺寸信息确定所述自定义缺陷图形的实际坐标信息(x2，y2)；
116.其中，x3＝x2/d，y3＝y2/d，其中，d为待测晶圆的直径。
117.本实施例中，为了保证实际坐标信息(x2，y2)与像素点坐标信息(x3，y3)在匹配过程中的匹配精度，通过x3＝x2/d，y3＝y2/d的方式还原实际坐标信息。
118.可以理解的是，本实施例中的坐标信息通过直角坐标系进行位置描述。在另一些实施例中，还可以通过极坐标系对坐标信息进行描述。
119.本实施例中，由于对缺陷的位置进行了准确定位，由此便于工作人员基于缺陷位置信息获取到与缺陷相关的工程信息(或工程数据)。
120.例如，在一些实施例中，该方法包括步骤：
121.基于所述第二位置信息关联获取到相对应的所述自定义缺陷图形的工程数据。
122.在一些实施例中，工程数据包括：自定义缺陷对应位置的电路图形，结构以及相关的测量数据(如尺寸，厚度，电阻值等等)。
123.在一些实施例中，工程数据还包括：相应的自定义缺陷图像所属芯片(即待测晶圆)的最终良率测试结果。
124.在一些实施例中，工程数据还包括：自定义缺陷所处位置或所属芯片等的其他设备参数，如缺陷的相应位置处在加工过程中所施加的压力，电压，气体流量流速等。
125.本实施例中通过精确定位到缺陷图形的像素点信息(如像素点坐标)，并基于像素点信息精确定位到缺陷图形在待测晶圆中的实际坐标，从而能够将缺陷图形与具体的工程数据相关联，使得工作人员能够基于缺陷图形与工程数据的关联性对晶圆的生产工艺进行监控与优化。
126.换句话说，本实施例中通过对像素点的特征识别将非结构化数据(缺陷图形)与结构化数据(如工程数据等)关联起来。例如，在一些实施中，部分工程数据如下表1所示。其中，defe citd为缺陷编号，xrel为缺陷在以芯片(格子)为坐标系的实际坐标x方向，yrel为缺陷在以芯片(格子)为坐标系的实际坐标y方向，xindex为缺陷所在芯片(格子)在晶圆的列号，yindex为缺陷所在芯片(格子)在晶圆的行号，xsize为晶圆的x尺寸，ysize为晶圆在y尺寸，defect area为缺陷面积，dsize为缺陷的等效尺寸，class numb er为缺陷类别编号，test为发现此缺陷的测试，image count为此缺陷关联的照片数量，image list为此缺陷关联的照片数量编号。通过获取自定义缺陷图像的实际坐标信息可以快速检索到与缺陷对应的相关参数。
127.表1实施例二
128.本发明第二方面在于，基于上述实施例一中的方法，对应地还提供了一种还原晶圆中自定义缺陷位置信息的装置，如图6所示，包括：
129.图像获取模块02，用于获取至少一个待测晶圆的至少一类第一缺陷图像；
130.缺陷识别模块04，用于将至少一类所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别，并输出所述自定义缺陷图形的第一位置信息以及包括相应自
定义缺陷图形的第二缺陷图像，且所述第一位置信息包括：所述自定义缺陷图形的像素点坐标；
131.缺陷定位模块06，基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息，所述第二位置信息包括：所述自定义缺陷图形在所述待测晶圆中的实际坐标信息；
132.其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。
133.在一些实施例中，所述第一缺陷图像包括：至少一类自定义缺陷图形。
134.由于自定义缺陷产生的原因多种，为了快速地减小晶圆的良率损失，需要工作人员对自定义缺陷产生的原因进行快速排查。本方法可以对自定义缺陷进行准确快速地定位，从而为工作人员提供便于使用分析的缺陷位置信息如实际坐标信息。例如，基于所获取的实际坐标信息，工作人员可以对应找到晶圆上的具体区域，以进一步判定该自定义缺陷所产生的的原因，从而确定具体的解决方案。
135.在一些实施例中，所述自定义缺陷提取模型包括如下的一种或多种缺陷提取模型。例如，用于提取线形缺陷的第一自定义缺陷提取模型、用于提取弧形缺陷的第二自定义缺陷提取模型、用于提取环形缺陷的第三自定义缺陷提取模型、用于提取分散状缺陷的第四自定义缺陷提取模型、用于提取聚集型缺陷的第五自定义缺陷提取模型、用于提取波纹形缺陷的第六自定义缺陷提取模型、用于提取复合型缺陷的第七自定义缺陷提取模型。
136.在一些实施例中，还包括：
137.数据存储模块，用于存储所收集到的输入到所述自定义缺陷提取模型中的所述第一缺陷图像以及相对应的第一位置信息；
138.模型更新模块，基于所述第一缺陷图像和相对应的第一位置信息周期性地对所述自定义缺陷提取模型进行更新。
139.在一些实施例中，缺陷识别模块包括：
140.缺陷提取单元，用于将至少一组所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别，并输出自定义缺陷图形的第一位置信息；
141.缺陷拆分单元，用于当所述第一缺陷图像上包括多个所述自定义缺陷图形时，基于像素点信息对多个所述自定义缺陷图形进行拆分，并基于拆分结果输出多个所述第二缺陷图像。
142.在一些实施例中，该装置还包括：
143.二次检测模块，用于对所述第二缺陷图像进行二次检测，且当检测到所述第二缺陷图像上存在的自定义缺陷图形不属于相对应的所述自定义缺陷提取模型的提取类别时，则基于人工对所述第二缺陷图像进行标记。
144.进一步地，在一些实施例中，模型更新模块还被配置为基于人工标记的第二缺陷图像以及相对应的第一位置信息对相对应的所述自定义缺陷提取模型进行更新。
145.进一步地，在一些实施例中，缺陷定位模块06包括：
146.第一定位单元，用于基于至少一个所述像素点坐标信息确定至少一个像素点的相对坐标(x3，y3)，其中，x3为像素点的x百分比坐标，y3为像素点的y百分比坐标；
147.第二定位单元，用于基于所述相对坐标与所述尺寸信息确定所述自定义缺陷图形的实际坐标信息(x2，y2)；
148.其中，x3＝x2/d，y3＝y2/d，其中，d为待测晶圆的直径。
149.进一步地，在一些实施例中，还包括：缺陷信息关联模块，用于基于所述第二位置信息关联获取到相对应的所述自定义缺陷图形的工程数据。实施例三
150.本发明第三方面在于，基于上述实施例一中的方法，对应地还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一中任一所述方法的步骤。
151.例如，在一些实施例中，所述计算机程序被处理器执行时实现如下步骤：获取至少一个待测晶圆的至少一组第一缺陷图像，所述第一缺陷图像包括：至少一类自定义缺陷图形；
152.将至少一组所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别，并输出所述自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像，且所述第一位置信息包括：所述自定义缺陷图形的像素点坐标；
153.基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息，所述第二位置信息包括：所述自定义缺陷图形在所述待测晶圆中的实际坐标信息；
154.其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。
155.基于上述实施例中的方法，本发明还提供了一种电子设备，包括存储器502、处理器501及存储在存储器502上并可在处理器501上运行的计算机程序，所述处理器501执行所述程序时实现前文所述方法的步骤。为了便于说明，仅示出了与本说明书实施例相关的部分，具体技术细节未揭示的，请参照本说明书实施例方法部分。该电子设备，可以是包括各种电子设备，pc电脑、网络云服务器，甚至手机、平板电脑、pda(personal digital assistant，个人数字助理)、pos(point of sales，销售终端)、车载电脑、台式电脑等任意电子设备。
156.具体地，图7是本发明一示例性实施例的的电子设备组成结构框图。总线500可以包括任意数量的互联的总线500和桥，其将包括由处理器501代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。通信接口503在总线和接收器和/或发送器504之间提供接口，接收器和/或发送器504可以是分开独立的接收器或发送器504也可以是同一个元件如收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器501负责管理总线500和通常的处理，而存储器502可以被用于存储处理器501在执行操作时所使用的数据。
157.通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机
可读存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
158.所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
159.可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
160.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取至少一个待测晶圆的至少一组第一缺陷图像，第一缺陷图像包括：至少一类自定义缺陷图形；将至少一组第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，自定义缺陷提取模型基于像素点信息对第一缺陷图像中的自定义缺陷图形进行识别，并输出自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像，且第一位置信息包括：自定义缺陷图形的像素点坐标；基于第一位置信息与待测晶圆的尺寸信息确定自定义缺陷图形的第二位置信息，第二位置信息包括：自定义缺陷图形在待测晶圆中的实际坐标信息；其中，自定义缺陷提取模型基于若干相对应的自定义缺陷图形的像素点坐标数据训练得到。
161.本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
162.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台计算机终端(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
163.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该
要素的过程、方法、物品或者装置中还存在另外的相同要素。
164.上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
技术特征：1.一种还原晶圆中自定义缺陷位置信息的方法，其特征在于，包括步骤：获取至少一个待测晶圆的至少一组第一缺陷图像；将至少一组所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的自定义缺陷图形进行识别，并输出所述自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像，且所述第一位置信息包括：所述自定义缺陷图形的像素点坐标；基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息，所述第二位置信息包括：所述自定义缺陷图形在所述待测晶圆中的实际坐标信息；其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。2.根据权利要求1所述的方法，其特征在于，当所述第一缺陷图像上包括多个所述自定义缺陷图形时，在所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的所述自定义缺陷图形进行识别之后，还包括步骤：所述自定义缺陷提取模型基于像素点信息对多个所述自定义缺陷图形进行拆分，并基于拆分结果输出多个所述第二缺陷图像；和/或，自定义缺陷包括：线形缺陷，和/或弧形缺陷，和/或环形缺陷，和/或分散状缺陷，和/或复合型缺陷，和/或波纹形缺陷，和/或聚集型缺陷。3.根据权利要求1所述的方法，其特征在于，还包括步骤：收集所述自定义缺陷提取模型输出的所述第二缺陷图像以及相对应的第一位置信息；并基于所述第二缺陷图像和相对应的第一位置信息周期性地对所述自定义缺陷提取模型进行更新；和/或，还包括步骤：基于所述第二位置信息关联获取到相对应的所述自定义缺陷图形的工程数据。4.根据权利要求1所述的方法，其特征在于，所述自定义缺陷提取模型仅提取一种类别的自定义缺陷图形，相应地，该方法还包括步骤：对所述第二缺陷图像进行二次检测，且当检测到所述第二缺陷图像上存在的自定义缺陷图形不属于相对应的所述自定义缺陷提取模型的提取类别时，则基于人工对所述第二缺陷图像进行标记。5.根据权利要求4所述的方法，其特征在于，还包括步骤：基于人工标记的第二缺陷图像以及相对应的第一位置信息对相对应的所述自定义缺陷提取模型进行更新。6.根据权利要求1所述的方法，其特征在于，所述像素点坐标为(x1，y1)，相应地，基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息包括步骤：基于至少一个所述像素点坐标信息确定至少一个像素点的相对坐标(x3，y3)，其中，x3为像素点的x百分比坐标，y3为像素点的y百分比坐标；基于所述相对坐标与所述尺寸信息确定所述自定义缺陷图形的实际坐标信息(x2，y2)；其中，x3＝x2/d，y3＝y2/d，其中，d为待测晶圆的直径。7.根据权利要求1所述的方法，其特征在于，获取至少一个待测晶圆的至少一组第一缺
陷图像的步骤包括：获取至少一个所述待测晶圆的多个待分类图像；对多个所述待分类图像进行分类得到至少一组第一缺陷图像，且一组第一缺陷图像中的各个所述第一缺陷图像中均包括至少一个相同类别的自定义缺陷图形。8.一种还原晶圆中自定义缺陷位置信息的装置，其特征在于，包括：图像获取模块，用于获取至少一个待测晶圆的至少一类第一缺陷图像；缺陷识别模块，用于将至少一类所述第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，所述自定义缺陷提取模型基于像素点信息对所述第一缺陷图像中的自定义缺陷图形进行识别，并输出所述自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像，且所述第一位置信息包括：所述自定义缺陷图形的像素点坐标；缺陷定位模块，基于所述第一位置信息与所述待测晶圆的尺寸信息确定所述自定义缺陷图形的第二位置信息，所述第二位置信息包括：所述自定义缺陷图形在所述待测晶圆中的实际坐标信息；其中，所述自定义缺陷提取模型基于若干相对应的所述自定义缺陷图形的像素点坐标数据训练得到。9.根据权利要求8所述的装置，其特征在于，还包括：数据存储模块，用于存储所收集到的输入到所述自定义缺陷提取模型中的所述第一缺陷图像以及相对应的第一位置信息；模型更新模块，基于所述第一缺陷图像和相对应的第一位置信息周期性地对所述自定义缺陷提取模型进行更新。10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一所述方法的步骤。
技术总结本发明涉及一种还原晶圆中自定义缺陷位置信息的方法，包括步骤：获取至少一个待测晶圆的至少一组第一缺陷图像；将至少一组第一缺陷图像输入到至少一个相对应的自定义缺陷提取模型，自定义缺陷提取模型基于像素点信息对第一缺陷图像中的自定义缺陷图形进行识别，并输出自定义缺陷图形的第一位置信息以及包括相应自定义缺陷图形的第二缺陷图像；基于第一位置信息与待测晶圆的尺寸信息确定自定义缺陷图形的第二位置信息。本发明对应还提供了还原晶圆中自定义缺陷位置信息的装置以及计算机可读存储介质。本发明的方法、装置以及计算机可读存储介质能够对晶圆中的自定义缺陷图像进行精准定位。像进行精准定位。像进行精准定位。
技术研发人员：陈祖浩 吴丛 沈剑
受保护的技术使用者：上海众壹云计算科技有限公司
技术研发日：2022.06.22
技术公布日：2022/11/1
