技术领域
[0001] 本
发明属于芯片制造领域，具体涉及芯片
制造过程中涂层薄膜的质量检测方法。
背景技术
[0002]
人工智能、5G等高精尖技术的发展对芯片的性能、集成度提出了更高的要求，尤其体现在对芯片制造工艺的要求逐渐逼近原材料的物理极限，从90nm逐渐发展到16nm、14nm甚至7nm以及更小。芯片的制造过程包括：沙子(SiO2)经脱
氧、熔炼得到高纯
硅(Si)并制作成圆柱形硅锭；硅锭经切割机切割得到
晶圆(Wafer)薄片；在晶圆上涂
光刻胶后用
光刻机进行光刻得到
电路图案；通过
离子注入等方式将导电材料注入硅表面改变硅的
导电性；随后再经电
镀、
抛光、测试、切割、封装等工序最终将芯片制作完成。这其中的主要技术挑战是光刻机的光刻过程以及将导电材料注入硅表面使之导电的过程。对于后者而言，面对芯片尺寸的不断缩小，一种新型技术是
原子层沉积(Atomic Layer Deposition,ALD)技术，相对于离子注入等传统方式，该原子层沉积方法能以
单层原子膜的形式将物质沉积到硅表面，制造出的芯片涂层具有均匀、致密以及优异的台阶
覆盖率等优点，如苗虎等文献《原子层沉积技术及应用》，以及YU等文献《Surface Passivation and Antireflection Behavior of ALD TiO2 on n-Type Silicon for Solar Cells》。本
申请中芯片涂层薄膜质量检测的对象即为通过ALD技术得到的芯片涂层，质量检测是指检测芯片涂层的表面覆盖率。
[0003] 目前芯片涂层薄膜的质量检测尚无系统有效的方法，一般由人工进行，存在耗时长、检测结果不稳定等问题。因此，寻找一种高效、准确的系统检测方法是芯片制造领域亟待解决的问题。
发明内容
[0004] 本发明的目的是为了解决现有芯片涂层薄膜的质量检测耗时长、检测结果不稳定的问题，而提供一种基于智能感知的芯片涂层薄膜质量检测方法。
[0005] 本发明基于智能感知的芯片涂层薄膜质量检测方法按照以下步骤实现：
[0006] 步骤一：使用ALD技术制备得到芯片涂层后，在透射
电子显微镜下拍摄得到芯片涂层的原始图像；
[0007] 步骤二：对原始图像进行分
块处理，将完整的芯片涂层原始图像分为多个小区域，得到区域图像；
[0008] 步骤三：利用双边
滤波器(Bilateral filter)对每个区域图像进行初次滤波，去除噪声的同时，使ALD沉积区域的边缘清晰；
[0009] 步骤四：利用均值漂移滤波(Mean shift filter)对每个区域图像进行再次滤波，平滑图像中色彩分布相近的
像素点，得到滤波图像；
[0010] 步骤五：利用OTSU二值化
算法对滤波图像的灰度图像进行二值化，得到黑白二值图像，实现沉积点和未覆盖区域的分割，然后将区域图像合并；
[0011] 步骤六：基于拓扑学，利用数学形态学(Mathematical morphology)中的闭运算(Closing)算法对黑白二值图像进行处理，填充沉积区域内的孔洞，实现对图像形态的修正，得到最终的二值化图像；
[0012] 步骤七：计算二值化图像中各像素点的灰度值及各灰度值对应的点数目，灰度值为0的点为ALD沉积区域，设数量为n1，则n1占总像素点数的比例即为涂层薄膜覆盖率的计算值x，从而完成基于智能感知的芯片涂层薄膜质量检测。
[0013] 本发明基于智能感知的芯片涂层薄膜质量检测方法通过对原始图像分块处理，减小图像中不同区域
亮度不同对滤波、二值化的影响；双边滤波在保证沉积区域边缘清晰的同时有效去除噪声；均值漂移滤波用于进一步平滑图像中色彩分布相近的像素点；OTSU二值化算法将灰度图像转为黑白二值图像，实现沉积点和未覆盖区域的分割；形态学闭运算处理填充二值化图像中的孔洞，修正图像形态，并计算初始覆盖率；针对不同类型的芯片涂层，为减小算法系统误差，通过一定量的数据拟合得到初始覆盖率和理论覆盖率之间的函数关系，从而得到最终覆盖率。
[0014] 本发明基于智能感知的芯片涂层薄膜质量检测方法能够解决当前芯片涂层薄膜质量检测中存在的检测效率低以及检测结果不稳定的问题。具体而言，本发明一方面能使质量检测的速度得到显著提高，据测试，一张表面覆盖率80％左右的薄膜图像由人工借助Adobe Photoshop工具进行质量检测约需5min，而本发明由程序自动检测仅需1s左右；另一方面人工检测在多次检测中，检测人员在确定沉积区域的边界时(可能)有些许差别，会导致检测结果不稳定，而程序遵循相同的边界条件，多次检测结果具有一致性、可重复性；另外在加快检测速度、保证检测结果一致性的同时，使用本发明基于智能感知的检测方法得到的检测结果具有优异的准确性和可靠性，最大误差在3.74％以内。
附图说明
[0015] 图1为
实施例基于智能感知的芯片涂层薄膜质量检测方法的
流程图；
[0016] 图2为实施例中步骤一中的原始图像；
[0017] 图3为实施例中步骤二的分块切割图像；
[0018] 图4为实施例中步骤三的双边滤波处理后的图像；
[0019] 图5为实施例中步骤四的均值漂移滤波处理后的图像；
[0020] 图6为实施例中步骤五的OTSU二值化处理后的图像；
[0021] 图7为实施例中步骤六的形态学闭运算处理处理后的图像。
具体实施方式
[0022] 具体实施方式一：本实施方式基于智能感知的芯片涂层薄膜质量检测方法按照以下步骤实施：
[0023] 步骤一：使用ALD技术制备得到芯片涂层后，在透射电子显微镜下拍摄得到芯片涂层的原始图像；
[0024] 步骤二：对原始图像进行分块处理，将完整的芯片涂层原始图像分为多个小区域，得到区域图像；
[0025] 步骤三：利用双边滤波器(Bilateral filter)对每个区域图像进行初次滤波，去除噪声的同时，使ALD沉积区域的边缘清晰；
[0026] 步骤四：利用均值漂移滤波(Mean shift filter)对每个区域图像进行再次滤波，平滑图像中色彩分布相近的像素点，得到滤波图像；
[0027] 步骤五：利用OTSU二值化算法对滤波图像的灰度图像进行二值化，得到黑白二值图像，实现沉积点和未覆盖区域的分割，然后将区域图像合并；
[0028] 步骤六：基于拓扑学，利用数学形态学(Mathematical morphology)中的闭运算(Closing)算法对黑白二值图像进行处理，填充沉积区域内的孔洞，实现对图像形态的修正，得到最终的二值化图像；
[0029] 步骤七：计算二值化图像中各像素点的灰度值及各灰度值对应的点数目，灰度值为0的点为ALD沉积点，设数量为n1，则n1占总像素点数的比例即为涂层薄膜覆盖率的计算值x，从而完成基于智能感知的芯片涂层薄膜质量检测。
[0030] 具体实施方式二：本实施方式与具体实施方式一不同的是步骤一中透射电子显微镜的
分辨率为20nm。
[0031] 具体实施方式三：本实施方式与具体实施方式一或二不同的是步骤二中将完整的芯片涂层原始图像分为2×2～5×5个小区域。
[0032] 具体实施方式四：本实施方式与具体实施方式一至三之一不同的是步骤三调用OpenCV中的双边滤波器对每个区域图像进行初次滤波。
[0033] 本实施方式中通过双边滤波器对每个区域图像进行初次滤波，其中
颜色标准差取80～120，空间标准差取10～20。
[0034] 具体实施方式五：本实施方式与具体实施方式一至四之一不同的是步骤四调用OpenCV中的均值漂移滤波器对每个区域图像进行再次滤波。
[0035] 本实施方式调用OpenCV中的均值漂移滤波器对图像进行再次滤波，其中颜色窗口和空间窗口半径均取10～20。
[0036] 具体实施方式六：本实施方式与具体实施方式一至五之一不同的是步骤六中利用数学形态学(Mathematical morphology)中的闭运算(Closing)算法进行处理，其中闭运算采用边长为3～9的正方形滤波器。
[0037] 具体实施方式七：本实施方式与具体实施方式一至六之一不同的是拟合步骤七得到的涂层薄膜覆盖率的计算值x和理论值y之间的函数关系修正系统误差，从而得到修正后的覆盖率。
[0038] 实施例：本实施例基于智能感知的芯片涂层薄膜质量检测方法按照以下步骤实施：
[0039] 步骤一：使用ALD方法在Si基底上沉积Pt纳米颗粒制备芯片涂层薄膜，经分辨率为20nm的透射电子显微镜拍摄得到芯片涂层的原始图像(如图2所示)；
[0040] 步骤二：对原始图像进行分块处理，将完整的涂层原始图像分为2×2个小区域(如图3所示)，在后续步骤3～5中分别对各个小区域进行处理，并在步骤5二值化完成之后将其合并；
[0041] 步骤三：调用OpenCV中的双边滤波器对每个区域图像进行初次滤波，其中滤波器的颜色标准差取100，空间标准差取20，实现在去除噪声的同时，使ALD沉积区域的边缘清晰，达到保边去噪效果(如图4所示)；
[0042] 步骤四：调用OpenCV中的均值漂移滤波(Mean shift filter)对每个区域图像进行再次滤波，其中滤波器的颜色窗口和空间窗口半径均取20，平滑图像中色彩分布相近的像素点，得到滤波图像(如图5所示)；
[0043] 步骤五：将图像转换为灰度图像，然后调用OpenCV中的OTSU二值化算法进行二值化，得到黑白二值图像(如图6所示)，实现沉积点和未覆盖区域的分割，然后将区域图像合并；
[0044] 步骤六：形态学调整阶段，利用数学形态学(Mathematical morphology)中的闭运算(Closing)算法进行处理，其中闭运算滤波器为边长为5的正方形滤波器，填充沉积区域内的孔洞，实现对图像形态的修正，得到最终的二值化图像(如图7所示)；
[0045] 步骤七：计算二值化图像中各像素点的灰度值及各灰度值对应的点数目，灰度值为0的点为ALD沉积点，设数量为n1，则n1占总像素点数的比例即为涂层薄膜覆盖率的计算值x；
[0046] 步骤八：分别用以上步骤处理相同ALD工艺得到的多张薄膜图像，得到各初始计算值xi；人工检测得到的覆盖率视为真实值yi，拟合两者之间的函数关系，在本实施例中其函数关系为：
[0047] y＝-0.3529x2+1.5884x-0.2653
[0048] R2＝0.9955
[0049] 拟合优度R2为0.9955，说明此函数能充分反映覆盖率初始计算值x和真实值之间的关系，则以后用相同ALD工艺制备得到的芯片涂层薄膜图像的均可用以上步骤实现，能够保证检测速度快，检测结果具有可重复性和准确性。
