晶片崩边自动光学检测

检测项目

边缘缺口：检测晶片圆周边缘因机械应力或加工不当产生的局部材料缺失或凹陷。

微裂纹：识别从晶片边缘起始并向内部延伸的细微裂纹，防止其在后续工艺中扩展。

崩边尺寸：精确测量崩边缺陷的长度、深度和面积等几何参数，进行量化分级。

边缘碎裂：检测边缘区域出现的块状或片状材料剥离，通常尺寸大于普通缺口。

边缘粗糙度：评估晶片边缘切割或研磨后的表面平整度与微观轮廓变化。

污染物附着：检查边缘区域是否存在颗粒、粉尘或其他异物附着，可能影响薄膜沉积。

边缘氧化层异常：监测边缘氧化层的颜色、厚度均匀性及是否存在剥落现象。

定向边损伤：专门针对晶片定向边（Notch或Flat）区域的崩边或磨损进行检测。

边缘轮廓变形：检测晶片整体边缘轮廓是否因应力或工艺问题发生非圆形的变形。

激光标记完整性：检查晶片边缘用于识别的激光标记是否清晰、完整，有无因崩边受损。

检测范围

全圆周扫描：对晶片整个360度外边缘进行无死角、连续性的图像采集与检测。

定向边区域：聚焦于晶片定向边及其相邻区域，此区域在搬运和工艺中更易受损。

边缘斜面：检测晶片边缘经倒角或斜面研磨处理的区域，该区域结构脆弱易产生缺陷。

近边缘正面：检查距离边缘数毫米内的晶片正面区域，防止裂纹向活性区延伸。

近边缘背面：检查距离边缘数毫米内的晶片背面区域，评估背面加工或支撑造成的损伤。

不同晶向：适应不同晶体取向（如100， 111）的晶片，其边缘力学特性与缺陷形态可能不同。

多种尺寸晶片：检测范围需兼容从100mm（4英寸）到300mm（12英寸）及以上不同直径的晶片。

多种材料晶片：适用于硅（Si）、碳化硅（SiC）、砷化镓（GaAs）等不同半导体材料晶片边缘检测。

不同厚度晶片：能够适应标准厚度以及因薄晶圆化工艺而变得异常薄的晶片边缘检测。

工艺前后对比：覆盖切片、研磨、抛光、清洗、薄膜沉积等多道工艺前后的晶片边缘状态检测。

检测方法

高分辨率线扫描成像：利用高精度线阵相机配合旋转平台，对旋转的晶片边缘进行连续高清成像。

多角度照明技术：采用明场、暗场、同轴光等多角度光源组合，凸显不同特性的边缘缺陷。

机器视觉算法分析：应用图像预处理、边缘提取、特征匹配等算法自动识别并分类缺陷。

深度学习缺陷分类：利用卷积神经网络（CNN）等深度学习模型，对复杂的崩边形态进行智能分类与判定。

三维轮廓测量：采用激光三角测量或结构光技术，获取边缘的三维形貌，精确测量崩边深度。

对比度阈值分割：通过设定图像灰度阈值，将缺陷区域与正常背景区域进行分离。

模板匹配定位：使用标准无缺陷边缘图像作为模板，通过比对定位偏离模板的异常区域。

实时图像处理：在图像采集的同时进行高速数据处理与分析，实现在线实时检测与分选。

多光谱成像检测：利用不同波长的光源进行成像，增强特定材料缺陷或污染物的对比度。

数据统计与过程控制（SPC）：对检测结果进行统计分析，生成报告并反馈至制造过程，实现工艺控制。

检测仪器设备

自动光学检测（AOI）系统主机：集成光学、机械、电控与计算单元，为检测提供核心平台。

高精度晶片旋转台：用于承载并高速、高同心度地旋转晶片，确保边缘被完整扫描。

高分辨率线阵/面阵CCD相机：核心图像传感器，具备高像素与高帧率，用于捕捉边缘细节。

多通道LED光源系统：提供可编程控制的多角度、多波长照明，以优化不同缺陷的成像效果。

远心光学镜头：消除透视误差，确保在不同景深下边缘尺寸测量的准确性。

激光位移传感器：用于非接触式测量边缘轮廓和崩边的三维深度信息。

集成式工业计算机（IPC）：搭载高性能CPU和GPU，负责系统控制、图像处理与算法运算。

自动上下料机械手：与生产线联机，实现晶片的自动取放，提升检测效率与避免二次污染。

缺陷复检显微镜站：对AOI系统判定的缺陷进行人工复核与确认的高倍率光学显微镜。

数据管理与服务器：存储海量缺陷图像、坐标、尺寸数据，并提供查询、分析和报表功能。

检测流程

1、咨询：提品资料(说明书、规格书等)

2、确认检测用途及项目要求

3、填写检测申请表(含公司信息及产品必要信息)

4、按要求寄送样品(部分可上门取样/检测)

5、收到样品，安排费用后进行样品检测

6、检测出相关数据，编写报告草件，确认信息是否无误

7、确认完毕后出具报告正式件

8、寄送报告原件