晶圆在最初是一块光滑的硅晶片，其表面可以用来刻蚀出各种硅半导体集成电路元器件在半导体产业中，95%以上的集成电路和半导体器件都是在晶圆上进行加工制作的，我来为大家讲解一下关于为什么集成电路要做晶圆?跟着小编一起来看一看吧!
为什么集成电路要做晶圆
晶圆在最初是一块光滑的硅晶片，其表面可以用来刻蚀出各种硅半导体集成电路元器件。在半导体产业中，95%以上的集成电路和半导体器件都是在晶圆上进行加工制作的。
晶圆在加工过程中根据其表面是否有刻蚀器件，又被分为图案晶圆和无图案晶圆，晶圆表面紧密排布着一个个一模一样的小方块，每一个方块都是一个独立的单元，都是被刻蚀出来的电子元器件，这些在晶圆表面被刻蚀出来的重复单元被称为晶粒。
一、晶圆的重要性晶圆加工的质量要求很高，生产工艺复杂且环环相扣，生产成本很高。在现实生产中，晶圆在刻蚀之前都需要进行质量检测，在刻蚀晶粒过程中的每一步重要工序之后也要对每一个晶粒都进行质量检测，这样可以及时地发现晶圆产品的质量问题，然后进行弥补或者抛弃，从而极大地降低晶圆加工生产的成本。
但是晶圆检测的时间往往会占用整个生产过程中很大一部分时间，很大程度上限制了晶圆的产能，因此需要使用高效的晶圆检测设备来降低检测消耗的时间。晶圆检测设备可以分为物性检测设备和表面缺陷检测设备。
晶圆物性检测设备需要测量包括晶圆表面薄膜厚度、薄膜应力、薄膜反射率、栅极线条宽度等等参数。晶圆表面缺陷检测设备主要检测晶圆在外观上呈现出来的缺陷，包括损伤、划痕等图形缺陷和光学尺寸缺陷。
根据晶圆检测设备的市场数据，晶圆表面缺陷检测设备占了2/3的市场份额，市场对于晶圆表面缺陷检测的需求非常大，而我国对于晶圆表面缺陷检测技术的研究并不成熟，市场上的晶圆表面检测设备国产化率非常低，使得国内市场几乎被KLA公司、AMAT、日立等国外公司垄断，其中KLA公司的晶圆表面检测设备市占率达到52%。
有着贸易摩擦和老美打压华为在先，在半导体检测领域我国仍然要担忧被美国卡脖子的风险，且进口检测设备的价格都非常高昂，导致国内的很多半导体企业目前仍然使用效率低下的人工晶圆检测方法。因此对晶圆表面缺陷自动检测技术进行研究，并自主开发快速准确的晶圆表面缺陷自动化检测设备对于我国的半导体产业发展十分重要。
二、如何检测晶圆？光学缺陷检测设备是使用光束对晶圆表面进行照射，通过收集反射光或散射光信息进行缺陷的判断，该类设备还可进一步分为无图案晶圆表面缺陷检测设备和宏观缺陷检测设备。无图案晶圆表面缺陷检测设备，是专用于检测表面未进行刻蚀的晶圆的设备。
该方法使用一个激光发射器发射一束激光对晶圆表面一点位置进行照射，在侧面使用一个检测器收集散射光来形成散射光分布图像，然后通过对散射光分布图像进行算法处理来判断该位置是否存在缺陷。检测时晶圆进行旋转运动，每转一圈即激光扫描了晶圆表面一个环形区域，之后激光器会沿着晶圆半径方向移动一个检测视野，晶圆再次进行旋转，此时检测下一个晶圆表面环形区域，直到晶圆表面所有区域检测完毕。
在检测过程中，无缺陷区域的散射光信号较为均匀，当激光扫射到颗粒、划痕、凸起等缺陷时，散射光会发生突变，信号图像也会发生突变，同时可以根据晶圆的旋转角度和激光束照射的晶圆半径位置来确定缺陷在晶圆表面的位置。激光扫描的检测精度很高，可以达到小于32um的检测精度。
目前市场上的无图案晶圆表面缺陷检测设备主要为KLA公司（美国）的Surfscan系列设备，该系列设备使用DUV激光器对晶圆表面进行照射，并通过机器学习算法对信号图像进行缺陷检测与分类，其检测精度可达10nm以下。
在对无图案晶圆表面微米级的缺陷检测的研究中，涂政乾等人将激光束换成了可见光束对晶圆表面进行照射，利用光散理论对收集的散射光进行处理后可以得到不同缺陷的不同散射光分布图，最终成功实现了玻璃晶圆表面微米级的气泡、颗粒、划痕等缺陷的精准检测。
宏观缺陷检测设备主要使用的是自动光学检测技术，通过图像采集系统获取晶圆表面清晰图像后进行视觉缺陷检测，由于光学成像的分辨率远远小于电子束成像的分辨率，因此并不能检测纳米级缺陷，而通常用于检测大于0.5um的缺陷，但是其成像视野要大于电子束检测设备，且成像速度也更快，因此晶圆检测的速度也很快。
光学成像技术展现的是晶圆表面一个区域内的全貌，其同时适用于图案晶圆和无图案晶圆的宏观缺陷检测。检测时，通过控制机械运动平台使晶圆在图像采集系统下方移动。
同时通过上下调整成像系统的高度保证晶圆表面对焦以实现对晶圆表面每个目标位置的清晰拍照，然后由计算机进行晶圆表面图像缺陷检测，最后根据拍照时晶圆位置和缺陷在图像中的位置可以得到缺陷在晶圆上的位置，即完成晶圆检测。
目前市场上的宏观缺陷检测设备主要有KLA公司的CIRCL系列设备、Camtek公司的Eagleᵀ-i系列设备、上海睿励公司的FSD系列设备以及中科飞测公司BIRCH系列设备，这些设备均能实现晶圆表面的快速清晰拍照。
并能对晶圆表面图像进行精准的缺陷检测，其中中科飞测公司BIRCH系列设备和Camtek公司的Eagleᵀ-i系列设备还针对大翘曲晶圆成像质量不稳定、模糊的问题，设计了高速自动对焦系统，实现了大翘曲晶圆的实时清晰成像。
从以上分析中可以得出，晶圆表面缺陷检测技术不同，检测的晶圆和缺陷也不同，因此在开发晶圆表面缺陷检测设备时，需要根据目标晶圆的情况，选择合适的检测技术。晶圆表面需要进行缺陷检测的对象是每一个晶粒，晶粒边缘毛刺、晶粒边缘损伤、晶粒边缘划痕为三种主要缺陷，其中最小需检出缺陷的尺寸宽度为2.4um。
三、新型检测技术传统的晶圆表面缺陷检测方法是由人工对10倍显微物镜放大下的晶圆表面晶粒进行逐一检测，一片8寸晶圆表面总计有10万个晶粒，一个工人需要花费约32个工时才能完成一片晶圆上所有晶粒的缺陷检测和标记，检测效率很低，且工人长时间工作出现的精神疲劳会导致很多缺陷晶粒漏检，无法保证生产质量。
因此急需一种高效、精准的晶圆表面缺陷自动检测设备，可以找出晶圆表面每一个缺陷晶粒的位置。对于自动检测设备要求是检测时间小于120分钟，检测速度需要尽可能快，并且保证95%以上的缺陷晶粒召回率。
在使用10倍显微物镜对晶圆表面晶粒进行缺陷检查时，移动晶圆进行多个位置晶粒的检测时，往往需要通过调整物镜的高度才能使晶圆表面晶粒清晰成像，即让晶圆表面晶粒对焦。在YOLO系列检测网络中，目前已存在YOLOv1、YOLOv2、YOLOv3、YOLOX等多个版本。
YOLOv1作为YOLO系列的最初版本，其网络结构最简单，检测速度最快，但是卷积网络输出的特征图单一且分辨率很低，以此特征图进行图像中小缺陷的检测精度非常低。
YOLOv2在网络检测训练中使用了预设锚框来辅助缺陷定位，提高了缺陷位置的检测精度，同时增加了网络输出特征图的分辨率，一定程度上改善了小目标的检测精度，但提升并不大。
YOLOv3开始则生成了不同分辨率的三个特征图，其中小分辨率的特征图可用于检测大目标，大分辨率的特征图可用于检测小目标，且使用了FPN网络将小特征图中的深层特征数据融合到了大特征图中，极大地提升了小目标的检测精度。
YOLOv3的检测速度较YOLOv1和v2稍稍降低，但是检测精度提高了很多，因此在传统的工业实时检测场景中，通常使用YOLOv3网络进行缺陷检测，来保证检测速度和精度。
2021年旷世科技新推出的YOLOX-Darknet53检测网络，在YOLOv3网络结构的基础上进行了解耦预测、无预设锚框等改进设计，网络检测不再基于YOLOv2、YOLOv3中的预设锚框算法，并且将目标的位置、类别、置信度进行解耦预测，大大提高了各尺寸缺陷检测的稳定性和精度，其检测速度较YOLOv3稍低，但依然保持了很高的检测速度。
晶圆表面的待检测缺陷中存在的毛刺、损伤、划痕的尺寸均不大，在图像中的面积占比一般小于1%，为了准确检出晶圆表面各类的缺陷，并且保证较快的检测速度，最终选择了以上综合性能最优的YOLOX-Darknet53网络进行缺陷检测。
设计了飞拍自动对焦系统，实现了快速获取晶圆表面最清晰图像。对于飞拍规划，首先确定了晶圆逐行扫描的方式，在此基础上，为了保证扫描运动控制的方便性，提出了一种Mark点标定的方法完成晶圆转正，为了确定飞拍拍照位置，通过读取晶圆GDS文件对于晶圆表面每一个区域的拍照位置进行了规划。
小结对于适合用于飞拍的自动对焦系统研发，通过研究自动对焦算法，最终设计了一种基于测距法的自动对焦系统，其中以光谱共焦距离传感器作为测距设备，以基于图像处理的自动对焦方法作为清晰物距标定方法，能够在飞拍过程中通过提前测量每一个拍照点的高度提前完成自动对焦，实现了保证飞拍连续性的情况下，获取每一个拍照点的清晰图像。
进行了晶圆表面缺陷检测实验。实验结果中单片晶圆检测时间在107分钟左右，每一次拍照对焦均十分到位，获取的晶圆表面图像清晰率高达99.9%，并实现了95%以上的缺陷晶粒检出率，检测速度和缺陷晶粒检出率均满足生产需求，因此本系统能够替代传统的人工检测，实现晶圆表面缺陷的自动化检测。
