针对关键尺寸量测的聚焦方法与流程

1.本发明主要涉及到集成电路关键尺寸的量测技术领域，更确切的说，涉及到一种针对关键尺寸量测的聚焦方法或者针对关键尺寸量测聚焦技术。

背景技术：

2.随着集成电路工艺的发展，半导体的器件及制程变得越来越复杂。在半导体制备工艺过程中为了保证各工序的精确，半导体结构的尺寸量测是必须的环节。通常关键尺寸扫描电子显微镜量测是较常用的一种量测手段，再譬如替代性的光学关键尺寸不只可侦测出类似于光刻胶等图案的关键尺寸，还有图案剖面轮廓的相关尺寸。无论光学关键尺寸还是扫描电子显微镜亦或其他提供半导体晶圆尺寸信息的量测均涉及到对准。
3.关键尺寸测量经常十分依赖被测对象的拍摄或图像是否清晰，如果被测对象的图像仅仅只是一个较粗略的模糊图像，那么关键尺寸测量必然出现偏差。困扰就在于如何完成关键尺寸的精细化拍摄。现有技术往往是以粗略调光照来实现拍摄，通常扫描电子显微镜图形变得模糊不清而无法实现精确的图像，从而导致无法进行量测。或者扫描电子显微镜图形在观察时被认为是清晰的但实际上并未达到最佳的清晰度。
4.半导体行业的量测设备或光刻设备等领域均涉及到自动聚焦。量测设备的自动聚焦系统是影响着量测性能的关键技术，聚焦速度影响晶圆产线的产量，而聚焦精度将会影响整个产品的质量。若聚焦精度不高，将直接导致量产出来的产品不合格而报废。如何确保高精度的聚焦程度和藉此实现拍摄到晶圆上器件的精准图像是需要解决的问题。
5.为了关键尺寸确符合期望值，如要确保电路彼此间没有不当重叠或互动，设计规则定义如装置与互连线的容许距离以及线的宽度等等规则。此设计规则限制经常会定义线及空间尺寸的关键范围，例如制造的电路中允许的线的宽度或尺寸的空间。尺寸上的错误表示在半导体制程关键部分上有某些不稳定。尺寸的错误可能是任何来源造成的，如光学系统上透镜弯曲或像差、机械、或化学或防反射光阻厚度不均等来源，可能因为提供错误的能量如曝光的辐射而造成尺寸错误。因此，需要确保关键尺寸能遵照预定规范。
6.除类似于这种量测疑虑，在量测方面最苛刻的要求是精准图像。问题是如何确保图像的精细程度仍存在改善空间，否则将导致后续打算改善制备工艺来优化半导体工艺偏移量却毫无章法可依，而本技术正是基于这些弊端提出了后文的实施例。
7.应该注意，上面对技术背景的介绍只是为了方便对本技术的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本技术的背景技术部分进行了阐述而认为本技术只能限制于这类特定的应用场景中。

技术实现要素：

8.本技术提出了一种针对关键尺寸量测的聚焦方法，其中：
9.对晶圆上的关键尺寸实施量测之前，先进行聚焦让晶圆达到相机的焦面：由相机移动的位置数据和采集到的图像清晰度数据，拟合出二阶曲线，并计算出二阶曲线的顶点
坐标以得到图像最清晰的位置。
10.上述的方法，其中：配置有显微镜的相机在竖轴方向上反复调整位置，记录下聚焦起始点的起始位置和初始图像清晰度，和记录下相机每次调整位置后的实时位置及实时图像清晰度；所述位置数据包括多组实时位置与起始位置的位置差值、所述图像清晰度数据包括多组实时图像清晰度与初始图像清晰度的清晰度差值。
11.上述的方法，其中：每次调整位置后，相机处于同一位置条件下的位置差值、清晰度差值两者分别视作所述二阶曲线上的一个点同时对应的横坐标值、纵坐标值。
12.上述的方法，其中：计算实时图像清晰度与初始图像清晰度时，利用能量梯度函数或拉普拉斯函数来作为清晰度评价函数。
13.上述的方法，其中：如果任一所述的位置差值的绝对值超过一个指定行程值，则结束当前的位置调整。例如跳出当前所处的位置调整循环。
14.上述的方法，其中：规定一个竖轴上调整的最大次数，要求相机在竖轴方向上反复调整位置的实际调整次数不超过该最大次数。
15.上述的方法，其中：图像最清晰的位置为所述二阶曲线的顶点坐标加上聚焦起始点的起始位置。这里所言的顶点坐标可简略的指代顶点横坐标。
16.上述的方法，其中：满足于二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，则认为聚焦成功。
17.上述的方法，其中：不满足二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值中的任意一项，则需要在竖轴方向上先行移动工作台再来寻焦点。这里所言的工作台通常包括显微镜和相机等。
18.上述的方法，其中：在相机多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值作差；定义变量项随着位置调整次数的增加而变化，并且当前变量项等于它在前一次的值加上当前的作差结果；判断变量项是否小于零；
19.若是，则工作台上移一段距离后再尝试聚焦；
20.若否，则工作台下移一段距离后再尝试聚焦。
21.上述的方法，其中：工作台相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值的一半再除以当前的聚焦次数。
22.上述的方法，其中：工作台相对于聚焦的起始位置而下移的一段距离等于：一个指定行程值的一半。或约等于指定行程值的二分之一左右。
23.上述的方法，其中：将相机移动到焦点相对距离，即所述二阶曲线的顶点坐标减去相机的当前位置。这里所言的顶点坐标可简略的指代顶点横坐标。
24.上述的方法，其中：执行多次聚焦尝试，在任意单次聚焦尝试中使相机在竖轴方向上反复调整位置。
25.上述的方法，其中：反复调整相机位置之前，将显微镜镜头接近晶圆至一个指定行程值的四分之三。这里四分之三是预定比例值的一个可选范例。
26.上述的方法，其中：由一个步进电机来带动所述相机在竖轴方向上移动位置，由一个控制单元来控制步进电机以操纵所述相机的移动；
27.所述控制单元还用于拟合二阶曲线和计算顶点坐标。
28.本技术还提出了另一种针对关键尺寸量测的聚焦方法，其中：
29.对晶圆上的关键尺寸实施量测之前，执行多次自动聚焦尝试；
30.在每次尝试中：相机在竖轴方向反复多次调整位置，以撷取到相机移动的位置数据和相应的图像清晰度数据；
31.根据位置数据以及图像清晰度数据拟合出二阶曲线；
32.判断所述二阶曲线是否满足预定条件，若是，则认为聚焦成功；若否，则在竖轴上移动工作台寻焦点。这里所言的工作台通常包括显微镜和相机等。
33.上述的方法，其中：在每次尝试中：相机在竖轴方向上多次反复调整位置，记录下聚焦起始点的起始位置和初始图像清晰度，和记录下相机每次调整位置后的实时位置及实时图像清晰度；所述位置数据包括多组实时位置与起始位置的位置差值、所述图像清晰度数据包括多组实时图像清晰度与初始图像清晰度的清晰度差值。
34.上述的方法，其中：每次调整位置后，相机处于同一位置条件下的位置差值、清晰度差值两者分别视作所述二阶曲线上的一个点同时对应的横坐标值、纵坐标值。
35.上述的方法，其中：相机每次调整位置后，若任一所述位置差值的绝对值超过一个指定行程值，则结束当前的位置调整，跳出相机多次反复调整位置的循环。
36.上述的方法，其中：在每次尝试中：规定一个竖轴上调整的最大次数，要求相机在竖轴方向上反复调整位置的实际调整次数不超过该最大次数。
37.上述的方法，其中：图像最清晰的位置为所述的二阶曲线的顶点坐标加上聚焦起始点的起始位置。
38.上述的方法，其中：在每次尝试中：所述的预定条件包括了所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，满足预定条件则认为聚焦成功。
39.上述的方法，其中：在每次尝试中：所述的预定条件包括了所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，不满足预定条件中的任意一项则在竖轴上移动工作台来寻焦点。
40.上述的方法，其中：在相机多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值作差；定义一个变量项随着位置调整次数的增加而变化，并且当前变量项等于它在前一次的值加上当前的作差结果；判断变量项是否小于零；
41.若是，则工作台上移一段距离后，再重新尝试自动聚焦；
42.若否，则工作台下移一段距离后，再重新尝试自动聚焦。
43.上述的方法，其中：工作台相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值的一半再除以当前的聚焦次数。
44.上述的方法，其中：工作台相对于聚焦的起始位置而下移的一段距离等于：一个指定行程值的一半。
45.上述的方法，其中：将相机移动到焦点相对距离，即所述二阶曲线的顶点坐标减去相机的当前位置。
46.上述的方法，其中：在每次尝试中：在反复调整相机位置之前，先将显微镜镜头接近晶圆至一个指定行程值的预定比例值。
47.值得注意的，晶圆的关键尺寸的量测时由于不同位置的图像不一定在焦面，导致量测值出现很大误差，传统显微镜的寻求焦面如手动反复对焦和对工作距离的修整，导致
量测效率低下、量测准确性差。上述自动对焦技术可完成快速、精确、平滑的对焦，并可对感兴趣区域(如图像清晰度数据可以是晶圆上某些感兴趣区域的图像清晰度数据)的对焦状况进行实时反应、映射出图像是否达到最清晰、判断尺寸的量测时机是否合理。顺利的解决了背景技术部分提出的各种弊端。
附图说明
48.为使上述目的和特征及优点能够更加明显易懂，下面结合附图对具体实施方式做详细的阐释，阅读以下详细说明并参照以下附图之后，本技术的特征和优势将显而易见。
49.图1是配置有显微镜的相机可上下移动以及载有晶圆的平台。
50.图2是通过相机和拟合得到的二阶曲线来判断是否聚焦成功。
51.图3是相机执行上下移动而多次反复自动聚焦尝试的实施例。
52.图4是相机上下移动可得到多组位置数据和图像清晰度数据。
53.图5是多组位置数据和图像清晰度数据拟合得到的二阶曲线。
54.图6是对所有像素梯度值累加作为清晰度评价函数值的范例。
55.图7是拉普拉斯函数取各像素点梯度的平方和作为评价函数。
具体实施方式
56.下面将结合各实施例，对本发明的方案进行清楚完整的阐述，所描述的实施例仅是本发明用作叙述说明所用的实施例而非全部的实施例，基于该等实施例，本领域的技术人员在没有做出创造性劳动的前提下所获得的方案属于本发明的保护范围。
57.参见图1，先介绍本技术涉及到的必要知识。半导体制备领域晶圆通常指制作集成电路所用的硅片。关键尺寸量测设备的量测平台或称运动平台11用于承载晶圆10。显微镜和相机ca配合或组装在一起，可以拍摄细微的晶圆细节图像。显微镜具有高倍镜头和低倍镜头而且在一系列镜头ln中可以手动或自动的切换镜头的倍数。如从高倍镜头切换到中等倍数镜头或切换到低倍镜头，或者是执行相反的镜头切换操作，如从低倍镜头切换到中等倍数镜头或切换到高倍镜头。镜头的这种倍数切换关系包括同轴切换。
58.参见图1，关于平台(chuck)：是各种半导体硅片生产过程中用于吸附及承载晶圆的专用工具，运动平台11主要是用来承载晶圆(wafer)。有些文献还将这一类承载台称为承接装置或者升降机构、晶圆承载盘或承载平台、载物平台等类似术语。运动平台在半导体设备内属于承载机构。本文提及的承载台包括平台(chuck)结构。运动平台可以在这个坐标系统内按照要求而沿着横坐标x和纵坐标y进行移动、有些情况运动平台还可以在这个坐标系统内按照要求旋转晶圆或者在z轴上下移动晶圆。
59.参见图1，平台运动控制模组：由x轴、y轴、θ轴、chuck组成，在量测设备对晶圆的关键尺寸量测前，需要先通过平台运动控制模组带着chuck移动，从而实现了晶圆的移动控制。该θ轴可旋转转动，例如转动θ轴从而带动chuck转动，等效于可以通过控制运动平台的旋转而调节角度θ的值。
60.参见图1，半导体行业的关键尺寸测量设备，至少包括运动平台11和包括配置有显微镜的相机ca。文中关键尺寸测量设备可以是已有的关键尺寸测量设备的改造或设计全新的关键尺寸的测量设备。鉴于半导体业界已经存在的关键尺寸的测量设备，本技术不单独
对其赘述，需注意的是现有技术的关键尺寸的测量设备的全部技术特征或局部技术特征可应用到本技术测量设备之中。本技术在提及关键尺寸测量设备时默认其包括现有技术的全部技术特征或局部技术特征。
61.参见图1，相机ca拍摄的图像image1提供像素坐标。本文所言的工作台通常包括了显微镜以及和显微镜配合或组装在一起的相机ca等。
62.参见图1，相机ca的聚焦z轴运动模组：可由能够上下运动的z轴组成，晶圆放在量测平台上例如平台11上时，若要使相机ca的视野清晰、分辨率高，就需要让晶圆在相机的焦面处，这个时候z轴运动模组可以带着相机和镜头上下移动，目的在于可以到相机视野最清晰的焦面。也就是到晶圆上关键尺寸结构所在的焦面。
63.参见图1，关于距离焦面位置调节：通过z轴步进电机运动，带着相机上下移动从而达到距离焦面位置的调节。至于电机如何带着相机移动则属于现有技术，当前已有的关键尺寸测量设备基本都采用此类结构，本文不再单独对其赘述。另外文中也不再对属于已知技术的电机及其配置有显微镜的相机等部件进行描述。
64.参见图1，自动显微镜(motorized microscope)技术较成熟，自动显微镜和传统的手动显微镜一样通常使用三个自由度移动被观察的样本：x、y轴水平面移动以及z轴垂直上下移动。z轴移动镜头，直接决定显微光学系统的物距、决定对焦成像效果。自动显微镜的局部技术特征或全部技术特征可应用在图中的显微镜及其相机上。
65.参见图1，为了保证运行过程可控而稳定，z轴与x、y轴同样需要高精度的定位功能但设计z轴的定位系统的条件与x、y轴有所不同：一方面z轴上受重力作用可以保证向下方向没有死区，镜筒的运行基本是通过丝杠滑块副带动，在重力作用下，可以保证滑块始终紧密地接触到丝杠，因此在丝杠转动时滑块即可在丝杠上开始运动，而不会出现空程现象。另一方面，使用高倍率而短景深的镜头时，只有在z轴高度恰好位于能保证光学系统齐/合焦的位置处时才能够观察到清晰的图像。略微上下移动(譬如只需要几微米而总行程有数千微米)使得失焦后画面便非常模糊，无法通过其测定z轴当前的高度再加上样本自身广泛存在未被样本覆盖而为彻底的空白，则无法通过显微图像判定合焦平面的区域，因而无法保证在任意位置时测定z轴高度。
66.参见图1，介绍本技术之前先解释关键尺寸(cd)这一重要术语。在半导体集成电路光掩模制造及光刻工艺等工序中，为评估及控制工艺的图形处理精度，行业内为此特设计了能够反映集成电路特征线条宽度的专用线条图形，称之为关键尺寸。下述以光刻为例解释了关键尺寸量测显得至关重要，实际上更多工序涉及关键尺寸量测。业界关键尺寸的用语还可替换成关键尺寸结构或关键尺寸标记等用语。
67.参见图1，集成电路制造过程中，先将光刻胶涂布于晶圆表面上。然后透过一光掩模对光刻胶进行曝光。接着进行曝光后烘烤。对于正型化学倍增式光刻胶剂而言，这将引发去保护反应，使显影液较容易溶解曝光区的光刻胶，因而可在后续显影过程中将曝光区的光刻胶移除，从而产生所需的光刻胶图案。后续会接着进行显影后检测。显影后检测包含如电子显微镜或光学式量测光刻胶图案的关键尺寸，以判定其是否符合了规格。只有符合规格才进行蚀刻工艺以转移光刻胶图案到晶圆上面，足见量测的重要性。
68.参见图1，高效而精准的量测是半导体大规模生产线顺利推进的衡量尺子，量测对于监测和预防工艺中的偏差起着至关重要的作用。本技术上下文将介绍关键尺寸量测在大
规模集成电路生产中的应用和相关问题作出解释。关键尺寸的测量必须十分依赖被测对象的拍摄或图像是否清晰，如果被测对象的图像仅仅只是一个较大概的模糊图像则显然关键尺寸测量必然出现偏差。进入微米乃至纳米级时，这一问题尤为突出。
69.参见图1，本技术涉及到针对关键尺寸量测的自动聚焦方法及方案，聚焦对于关键尺寸的清晰度和由此条件拍摄的关键尺寸图像至关重要。因此有必要先介绍基于图像质量的清晰度评价：通常关注的清晰度可用来定量分析图像是否恰好足够清晰，若图像质量未达到清晰要求，劣质图像显然无法用在纳米级和微米级量测领域。进行图像处理时将图像看作二维离散矩阵并可利用梯度函数获取图像灰度信息，以此来评判图像清晰度。
70.参见图1，本技术要解决的技术问题之一体现在：晶圆的关键尺寸在量测时由于不同位置的图像不一定在焦面，很容易导致量测值出现很大的误差。传统方案中显微镜的手动反复对焦和对工作距离的不断修整，导致效率低、准确性极差。本技术披露的自动对焦技术可完成快速、精确、平滑的对焦，可对感兴趣区域的对焦状况进行实时反映。
71.参见图1，本技术要解决的技术问题之二体现在：基于现有技术中对关键尺寸量测的方式流程复杂而且测量速度慢(譬如需要再三对焦和对量测距离的重复修整)，需简化关键尺寸量测步骤涉及到的聚焦流程、提高单位时间的量测效率，降低晶圆在整个产线上滞留在量测环节的时间，同时提高关键尺寸量测准确度。
72.参见图1，关于自动聚焦实现方面：可分为图像采集模块、调光模块，z轴运动模块并且调光模块对采集到的图像进行调光，再通过图像算法处理评判当前位置是否在焦面从而带动z轴(通常是上下移动轴)运动进行调节。
73.参见图1，关于距离焦面位置调节：通过z轴步进电机运动，带着相机上下移动从而达到距离焦面位置的调节。晶圆放在量测平台上时，要使相机的视野清晰、分辨率高就需要让晶圆在相机的焦面处，这个时候z轴运动模组可以带着相机和镜头上下移动从而到相机视野最清晰的焦面。
74.参见图1，关于z轴移动模组或模块：首先是涉及到步进电机，例如不带反馈时可以精确控制运行的速度和运行位置，在运行速度不高和功率要求不大的情况下，可以替代伺服电机的功能。步进电机在步距值方面可不受各种干扰因素的影响。例如电压的大小或电流的数值或电压电流波形、温度的变化等。
75.参见图1，关于z轴移动模组的行程：例如z轴最小行程之z轴是步进电机实现的而且它的最小行程就是一个脉冲的线位移，可以按照下文方式计算。
76.首先，需先行确定步进电机的步距角，这个电机上通常会标明。比如说1.8度的范例中则表明了一个圆周需360/1.8＝200，也就是说电机旋转一周需要200个脉冲。
77.其次，确定电机驱动器是否设了细分，查清细分数，可以观察驱动器上的拨码来确认电机驱动器是否设置了细分数。比如说电机驱动器设置了4细分，承上所述，通过计算与前述200个脉冲相关，200*4＝800，等效于需要800个脉冲电机才旋转一周。
78.再者，确定电机轴一周的长度或者说导程：如果是丝杠则螺距*螺纹头数等于导程或者如果是齿轮齿条传动，则分度圆直径(m*z)即为导程。
79.导程除以脉冲(导程/脉冲)的个数等于一个脉冲的线位移。通常一般要求步进电机的移动距离要大于等于最小行程，否则，步进电机不会响应的。
80.参见图1，在可选范例中假设z轴移动模组的最小行程是0.000078mm，例如假设相
机满足于最小行程是0.000078mm的条件。使用不同工作台则此类行程存在差异。
81.参见图1，在可选范例中定义单次移动步距oncestep(如oncestep＝0.000078mm)。
82.参见图1，在可选范例中定义自动聚焦的行程autofocustravel。此自动聚焦的行程的参数要根据待测产品如晶圆的平面度来决定，实质上也就是z轴上下移动焦面时所走的行程最大值。譬如可假设autofocustravel取0.04mm。
83.参见图1，在可选范例中定义自动聚焦尝试最大次数autofocustrycnt。
84.参见图1，在可选范例中定义自动聚焦尝试次数为cnt。cnt不断循环计数。
85.参见图1，在可选范例中定义z轴上当前位置为zc。
86.参见图1，在可选范例中定义自动聚焦最大次数max_frame_count，此处的自动聚焦最大次数也就是z轴调整的最大次数。
87.参见图1，在可选范例中定义z轴调整次数为m_focus_cnt。
88.参见图1，在可选范例中定义方法movezdirect(oncestep)。举例说明，如果沿着竖轴或垂直轴(z轴)向下移动一个步距的过程是movezdirect(oncestep)。相反如果沿着竖轴或垂直轴(z轴)向上移动一个步距的过程是movezdirect(-oncestep)。方法函数的括号里面的数值的正负分别代表向下移动和向上移动。
89.参见图1，可选范例中第一类数组(m_focus_x[])是对z轴位置变化量的统计。
[0090]
参见图1，可选范例中第二类数组(m_focus_y[])是对图像清晰度变化量的统计。
[0091]
参见图1，在可选范例中定义聚焦起始点的z轴位置m_focus_z。
[0092]
参见图1，在可选范例中定义聚焦起始点的图像清晰度m_focus_def。
[0093]
参见图1，本技术所涉的聚焦包括下述的计算过程。
[0094]
参见图1，定义计算用临时变量up_load，初始成double up_load＝travel。double是计算机语言的一个类型即双精度浮点型。所以本技术可以运行在计算机或服务器或者类似的处理单元上。处理单元的其他替代物：现场可编程逻辑门阵列、复杂可编程逻辑器件或现场可编程模拟门阵列、或半定制的asic或处理器或微处理器、或数字信号处理器或集成电路或存储于存储器的软件固件程序等。double标注在计算值前方表明该计算值的类型是双精度浮点型，后文所言int类型是用于定义整数类型变量的标识符。
[0095]
参见图1，对关键尺寸实施量测之前，执行多次自动聚焦尝试，反复自动聚焦的尝试可以用计算机语言来举例即for(cnt＝0；cnt《autofocustrycnt；cnt++)。次数cnt从最开始的零值一直增加、直至达到自动聚焦尝试最大次数autofocustrycnt为止，也就是说如果当不满足条件cnt《autofocustrycnt，自动聚焦的尝试次数cnt停止增加。在计算机语言中用可表达式cnt++来标识cnt自加一的操作。
[0096]
参见图1，在每一次执行自动聚焦尝试中：相机等(如含显微镜的工作台)在竖轴方向也即z轴方向上反复多次调整位置，z轴相机反复调整位置过程可用计算机语言来举例即for(m_focus_cnt＝0；m_focus_cnt《max_frame_count；++m_focus_cnt)。相机在竖轴调整的次数为m_focus_cnt。其中for语句是循环语句。
[0097]
参见图1，z轴调整次数m_focus_cnt从最开始的零值一直增加、直至达到z轴调整的最大次数max_frame_count为止，也就是说，在z轴方向的反复调整过程中若当不满足条件m_focus_cnt《max_frame_count，z轴调整次数m_focus_cnt停止增加并在计算机语言中用可表达式++m_focus_cnt来标识m_focus_cnt自加一的操作。
[0098]
参见图1，在每一次执行自动聚焦尝试中：在反复调整相机位置之前，较佳的先将显微镜镜头接近晶圆至一个指定行程值(如travel)的预定比例值(如四分之三)。在可选的实施例中，在反复调整相机位置之前，显微镜镜头与样品即晶圆接近：镜头先走到样品的上方的3/4个行程，用计算机语言来举例即movezdirect(-up_load*3
÷
4)。
[0099]
参见图1，图像清晰度用f来表达。举例double def＝f。前文大致介绍基于图像梯度的清晰度评价：前文已告知清晰度可用来定量分析图像是否达到足够清晰，若图像质量未达到清晰要求，劣质图像是无法应用在微米级甚至纳米级的晶圆量测领域。下文会用数学式来解释图像清晰度的评判。def为实时图像清晰度。
[0100]
参见图1，当前z轴位置用zc表示。实时z轴坐标用z_pos来表达。
[0101]
参见图1，获取实时z轴坐标z_pos。举例double z_po＝zc。注意到反复调整相机位置之第一次调整时，存在着用计算机语言举例即m_focus_cnt＝＝0的情况，这种情况下也就是聚焦的起始点，对m_focus_z和m_focus_def赋值。第一次调整或聚焦起始点可用计算机语言举例即if(m_focus_cnt＝＝0){m_focus_z＝z_pos；m_focus_def＝def；}。表达了聚焦起始点的z轴位置m_focus_z、聚焦起始点的图像清晰度m_focus_def。
[0102]
参见图1，二次函数或二阶曲线之x坐标是z轴位置的变化量。撷取相机移动的位置数据可以用计算机语言来举例即m_focus_x[m_focus_cnt]＝z_pos-m_focus_z，其中二次函数或二阶曲线之x坐标的数组包括m_focus_x[m_focus_cnt]。
[0103]
参见图1，二次函数或二阶曲线之y坐标是图像清晰度变化量。同样撷取图像清晰度数据可以用计算机语言来举例即m_focus_y[m_focus_cnt]＝def-m_focus_def，其中二次函数或二阶曲线之y坐标的数组包括m_focus_y[m_focus_cnt]。
[0104]
参见图1，移动距离超出指定行程(如规定的travel)则本次调整结束。也就是说如果相机在z轴所移动的距离或路程超出指定行程，本次z轴位置调整结束。超出行程可用计算机语言举例if(math.abs(z_pos-m_focus_z)》math.abs(travel))break。对数字取绝对值是用math.abs来表达，如z_pos-m_focus_z或travel的取绝对值。break则表明了需要跳出当前的for循环，例如跳出m_focus_cnt自加一的for循环。m_focus_cnt遭遇这种情况下它跳出循环后就不再增加，直至进入下一轮自动聚焦尝试。m_focus_cnt遭遇这种情况下它很可能还未达到max_frame_count。
[0105]
参见图1，当z轴进行多次调整后，就可以撷取到相机移动的位置数据和相应的图像清晰度数据，多次位置调整之位置数据包括m_focus_x[m_focus_cnt]，多次位置调整之图像清晰度数据包括m_focus_y[m_focus_cnt]。z轴调整用movezdirect表示。
[0106]
参见图1，撷取到对z轴位置变化量的统计(第一类数组m_focus_x[])。
[0107]
参见图1，撷取到对图像清晰度变化量的统计(第二类数组m_focus_y[])。
[0108]
参见图1，将聚焦的数据m_focus_x[]和m_focus_y[]拟合成二阶曲线。
[0109]
参见图1，二阶曲线用式子y＝ax2+bx+c来表达。
[0110]
参见图1，计算二阶曲线的顶点坐标-b/(2*a)或称顶点坐标之横坐标值。
[0111]
参见图1，计算图像最清晰的位置m_focus_best：顶点坐标加上聚焦起始z轴位置得到图像最清晰的位置m_focus_best，m_focus_best＝-b/(2*a)+m_focus_z。图像最清晰的位置与二阶曲线的顶点坐标相关、还与聚焦起始点的z轴位置m_focus_z相关。
[0112]
参见图1，满足二阶曲线y＝ax2+bx+c之二次项系数小于零也即a《0、顶点坐标大于
零也即(-b/(2*a))》0、顶点坐标小于一个定义的聚焦行程最大值，顶点坐标小于聚焦行程最大值也即(-b/(2*a))《autofocustravel，则认为聚焦成功。用计算机语言举例if(a《0&&(-b/(2*a))》0&&(-b/(2*a))《autofocustravel)break。break表明了聚焦成功而不需要采用移动工作台寻焦点。注意包括以上三项等的预定条件需要同时满足才表示聚焦成功，任意一项不符合就表示聚焦不成功。
[0113]
参见图1，在每次尝试(尝试次数用cnt表示)之中：预定条件包括二阶曲线之二次项系数小于零(a《0)、顶点坐标大于零即(-b/(2*a))》0、顶点坐标小于一个定义的聚焦行程最大值即(-b/(2*a))《autofocustravel，不满足预定条件中的任意一项则在竖轴上移动相机一段距离后再来寻焦点。换而言之，不满足上面条件，也就是说明焦点不在当前行程内，需要移动工作台再寻焦点。
[0114]
参见图1，在可选范例中定义dir是相邻两个图像清晰度作差后的和。在最初始的状态下举例如double dir＝0。前文记载z轴调整次数为m_focus_cnt。在相机被多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值，它们作差得到差结果。分别用m_focus_y[m]和m_focus_y[m+1]表示相邻两个清晰度，它们作差得到作差结果m_focus_y[m+1]-m_focus_y[m]。定义m是一个数字类变量，m这个数字类变量小于z轴调整次数m_focus_cnt。m其实表征着位置调整次数的情况。
[0115]
参见图1，在每次尝试(尝试次数用cnt表示)之中：在z轴上当相机被多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值，它们作差为作差结果m_focus_y[m+1]-m_focus_y[m]。随着相机位置的不断调整，定义一个变量项随着位置调整次数(次数为m或m_focus_cnt)的增加而变化，并且当前一次的变量项等于它在前一次的值加上当前一次的作差结果。变量项dir的变化过程可以用计算机语言来举例即for(int m＝0；m《m_focus_cnt-1；m++){dir+＝m_focus_y[m+1]-m_focus_y[m]；}。这条计算机语言中dir+＝m_focus_y[m+1]-m_focus_y[m]的意思表达的是：当前变量项dir等于它在前一次的值加上当前的作差结果即m_focus_y[m+1]-m_focus_y[m]。换言之dir是相邻两个图像清晰度作差后的和，这是同一个意思。
[0116]
参见图1，需要判断每次变化的变量项是否小于零。若是，则相机或工作台上移一段距离后再尝试聚焦；若否，则相机或工作台下移一段距离后再尝试聚焦。
[0117]
参见图1，如果变量项变化到小于零，可上移半个行程，再尝试聚焦。例如变量项小于零则上移一段距离再聚焦举例即if(dir《0)up_load＝(travel/(2*(cnt+1)))。例如相机相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值(travel)的二分之一再除以当前的聚焦次数(当前聚焦次数用cnt+1表示，注意第一次尝试是cnt＝0，为了理解的方便而定义当前的聚焦次数为cnt+1)。
[0118]
参见图1，若变量项变化到不小于零(非dir《0的情况)，相机相对于聚焦初始位置而下移半个行程，再次尝试聚焦。相对于if(dir《0)的举例为else up_load＝travel/2。例如相机相对于聚焦的起始位置而下移的一段距离等于：该指定行程值(travel)的一半。
[0119]
参见图1，至此执行了多次自动聚焦尝试。反复自动聚焦的尝试可以用计算机语言来举例即for(cnt＝0；cnt《autofocustrycnt；cnt++)。不再实施聚焦尝试时，或者说该尝试的循环结束之后，移动到焦点相对距离dis，即是顶点坐标减去当前z轴位置。在可选范例中用方法movezdirect(dis)表示，double dis＝m_focus_best-zc。认为自动聚焦结束。
[0120]
参见图2，针对关键尺寸量测的聚焦方法包括步骤sp1至sp7。步骤sp1采集图像清晰度数据和相机的z轴位置数据。z轴位置数据包括m_focus_x[m_focus_cnt]，这是数组形式的数据类。图像清晰度数据包括m_focus_y[m_focus_cnt]，也是数组形式，图像清晰度数据可以从相机拍摄的图像信息image1中提取。
[0121]
参见图2，步骤sp2主要是根据相机移动的位置数据m_focus_x[m_focus_cnt]和采集到的图像清晰度数据m_focus_y[m_focus_cnt]，拟合出二阶曲线，计算出二阶曲线的顶点坐标例如等于二阶曲线y＝ax2+bx+c之顶点坐标之横坐标值-b/(2*a)。实质上此顶点坐标还包括了纵坐标值(4ac-b2)/(4*a)，但是本技术需要重点关注顶点坐标之横坐标值而非顶点坐标纵坐标值，通俗的将顶点坐标直接指代横坐标值-b/(2*a)，所以本技术提及顶点坐标时包括了其为顶点坐标之横坐标值的意思。
[0122]
参见图2，步骤sp3计算图像最清晰位置m_focus_best＝-b/(2*a)+m_focus_z。顶点坐标加上聚焦起始z轴位置m_focus_z得到图像最清晰的位置。
[0123]
参见图2，步骤sp4判断聚焦是否成功：满足二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，则认为聚焦成功。判断结果为是则可用步骤sp5的聚焦成功标识来表示。
[0124]
参见图2，步骤sp4判断聚焦是否成功：相反的如果不满足所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于聚焦行程最大值中的任意一项，则在竖轴上移动相机一段距离后再寻焦点。判断结果为否则可用步骤sp6表示，此时需要移动工作台或者说移动相机来寻焦点。
[0125]
参见图2，已知判断结果为否则可用步骤sp6表示：步骤sp6中，在相机多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值作差(例如相邻两个清晰度差值m_focus_y[m+1]和m_focus_y[m]作差)。定义一个变量项dir随着位置调整次数的增加而变化，并且变量项dir的计算方式为：当前变量项dir等于它在前一次的值加上当前的作差结果(例如m_focus_y[m+1]减m_focus_y[m])。最后再判断每次的变量项是否小于零(即判断if(dir《0)是否成立)。关键作用之一是避免使用离焦图像如离焦的实时图像清晰度与处于正焦的初始图像清晰度来计算清晰度差值。防止清晰度差值是基于图像边缘像素灰度值变化小的实时图像清晰度与图像边缘像素灰度值变化大的初始图像清晰度所进行的图像梯度评估，进而避免二阶曲线出现误差。这种误差是隐匿的和难以觉察到的。边缘像素灰度值变化大比变化小的图像锐利、具有更大的梯度值。
[0126]
参见图2，若是(判断if(dir《0)成立)，则上移一段距离后再尝试聚焦。相机相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值(travel)的二分之一再除以当前的聚焦次数，等于up_load＝(travel/(2*(cnt+1)))。up_load与movezdirect呼应。
[0127]
参见图2，若否(判断if(dir《0)否定)，则下移一段距离后再尝试聚焦。相机相对于聚焦的起始位置而下移的一段距离等于：一个指定行程值(travel)的一半。下移的一段距离等于up_load＝travel/2。up_load与movezdirect呼应。
[0128]
参见图2，步骤sp5或步骤sp6之后执行步骤sp7。但sp7不是必须的。如果试图执行步骤sp7则意味着相机或工作台移动到焦点相对距离dis，焦点相对距离dis也就是前文的图像最清晰的位置m_focus_best减去当前z轴位置zc。movezdirect(dis)表示了相机或工作台移动到焦点相对距离dis的过程。double dis＝m_focus_best-zc。因为图像最清晰的
位置与顶点坐标密切相关，通俗的认为，这个过程中移动到焦点相对距离dis也就是顶点坐标减去掉当前z轴位置。至此自动聚焦结束。
[0129]
参见图2，步骤sp1采集图像清晰度数据的过程是通过移动z轴实现的，因为相机移动了位置就会导致m_focus_y[m_focus_cnt]＝def-m_focus_def的变化，而作为二次函线纵坐标的基础，m_focus_y的变化量提供了拟合二阶曲线纵坐标的素材或源数据。
[0130]
参见图2，步骤sp1采集相机的位置数据的过程是通过移动z轴实现的，因为相机移动了位置就会导致m_focus_x[m_focus_cnt]＝z_pos-m_focus_z的变化，而作为二次函线横坐标的基础，m_focus_x的变化量提供了拟合二阶曲线横坐标的素材或源数据。
[0131]
参见图2，步骤sp1要求配置有显微镜的相机在竖轴方向反复调整位置，记录下聚焦起始点的起始位置(m_focus_z)和起始点初始图像清晰度(m_focus_def)，和记录下相机每次调整位置后的实时位置(z_pos)及实时图像清晰度(def)。此时拟合二阶曲线纵坐标即x坐标是z轴位置变化量m_focus_x[m_focus_cnt]＝z_pos-m_focus_z，拟合曲线横坐标即y坐标是图像清晰度变化量m_focus_y[m_focus_cnt]＝def-m_focus_def。
[0132]
参见图2，步骤sp1位置数据包括多组实时位置与起始位置的位置差值。例如位置数据包括位置差值m_focus_x[0]＝z_pos0-m_focus_z，z_pos0是m_focus_cnt＝0时的实时位置的实际位置。m_focus_x[1]＝z_pos1-m_focus_z，z_pos1则是m_focus_cnt＝1时的实时位置的实际位置。m_focus_x[2]＝z_pos2-m_focus_z，z_pos2则是m_focus_cnt＝2时的实时位置的实际位置，诸如此类。随着m_focus_cnt的增加会提供充裕的纵坐标信息。
[0133]
参见图2，步骤sp1图像清晰度数据包括多组实时图像清晰度与初始图像清晰度的清晰度差值。清晰度差值m_focus_y[0]＝def0-m_focus_def，def0是m_focus_cnt＝0时的实时图像清晰度。m_focus_y[1]＝def1-m_focus_def，def1则是m_focus_cnt＝1时候撷取的实时图像清晰度。m_focus_y[2]＝def2-m_focus_def，def2则是m_focus_cnt＝2时候撷取的实时图像清晰度，诸如此类。随着m_focus_cnt的增加会提供充裕的横坐标信息。
[0134]
参见图2，步骤sp1相机每次调整位置后，值得注意的是，在相机处于同一位置条件下的位置差值、清晰度差值两者分别视作二阶函数或者二阶曲线上的一个点同时对应的横坐标值、纵坐标值。例如，经历m_focus_cnt＝1时的位置调整，在相机处于同一位置条件下的位置差值m_focus_x[1]、清晰度差值m_focus_y[1]分别视作二阶曲线上同一个点同时对应的横坐标、纵坐标。经历m_focus_cnt＝2时的位置调整，在相机处于同一位置条件下的位置差值m_focus_x[2]、清晰度差值m_focus_y[2]分别视作二阶曲线上同一个点同时对应的横坐标、纵坐标。注意def-m_focus_def是清晰度差值或清晰度变化量。
[0135]
参见图2，步骤sp1如果任一位置差值的绝对值超过指定行程值(travel)则结束当前的位置调整。即本次z轴位置调整结束，m_focus_cnt停止继续计数。
[0136]
参见图2，步骤sp1规定z轴上调整的最大次数max_frame_count，要求相机在竖轴方向上反复调整位置的实际调整次数m_focus_cnt应当小于该最大次数。定义自动聚焦最大次数也就是z轴调整的最大次数为max_frame_count。可避免调整位置持续进行而无法跳出循环，也可防止量测过程陷入无休无止调整的境地。
[0137]
参见图3，本实施例是在图2的基础上所采取的进一步优化措施，在对晶圆上的关键尺寸实施量测之前需要执行多次自动聚焦尝试(自动聚焦尝试次数为cnt)，在可选范例中定义自动聚焦尝试最大次数autofocustrycnt。如图所示，要求反复自动聚焦尝试的实际
尝试次数cnt应当小于该尝试最大次数autofocustrycnt。可以观察到每一次自动聚焦尝试或说任何单次自动聚焦尝试环节都包括了图2中的步骤sp1至步骤sp5的流程或单次自动聚焦尝试包括了和步骤sp1至步骤sp6的流程。每一次自动聚焦尝试或说任何单次自动聚焦尝试结束之后仍然可以使用图2的步骤sp7。
[0138]
参见图3，针对关键尺寸量测的聚焦方法：对晶圆上的关键尺寸实施量测之前执行多次自动聚焦尝试(只要cnt＜autofocustrycnt就继续尝试聚焦)。在每一次自动聚焦尝试或任何单次自动聚焦尝试的环节(例如cnt＝0、1、2、3
……
等)，要求相机在竖轴方向反复多次调整位置(只要m_focus_cnt＜max_frame_count就继续调整)，以撷取到相机移动的位置数据和相应的图像清晰度数据。用cnt记录聚焦尝试的次数而且每实施一次聚焦尝试就要求cnt运行一次自加一的运算。用m_focus_cnt记录调整位置的次数而且每实施一次调整位置就要求m_focus_cnt运行一次自加一运算。在cnt可取的每个数值情况下都要求相机在z轴方向实施m_focus_cnt次调整位置的动作。
[0139]
参见图3，针对关键尺寸量测的聚焦方法：同样需要根据位置数据以及图像清晰度数据拟合出二阶曲线。步骤sp2告知了根据位置数据m_focus_x[m_focus_cnt]和采集到的图像清晰度数据m_focus_y[m_focus_cnt]，来拟合二阶曲线y＝ax2+bx+c。由于二阶曲线在此时是已知的，所以图像最清晰的位置就是显而易见的。所以在本实施例中可以忽略前述提到的步骤sp3或者保留步骤sp3，这都是允许的。
[0140]
参见图3，针对关键尺寸量测的聚焦方法：判断二阶曲线是否满足预定条件，若是则认为聚焦成功；若否则在竖轴上移动相机一段距离后再寻焦点。如步骤sp4。
[0141]
参见图3，预定条件至少包括：二阶曲线之二次项系数小于零即a《0、顶点坐标大于零即(-b/(2*a))》0、以及(-b/(2*a))《autofocustravel即顶点坐标小于聚焦行程最大值。预定条件同时被满足则认为聚焦成功，如步骤sp5。不满足预定条件的任意一项则在竖轴上移动相机一段距离后再来寻焦点，如步骤sp6。
[0142]
参见图3，已知判断结果为否则可用步骤sp6表示：步骤sp6中，在相机多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值作差(如相邻两个清晰度差值m_focus_y[m+1]和m_focus_y[m]作差)。步骤sp6中，在每一次自动聚焦尝试或任何单次自动聚焦尝试的环节都有可能需要采用清晰度作差这种措施。定义变量项随着位置调整次数的增加而变化，变量项dir的计算法：当前变量项dir是等于变量项的前一次的值加上当前的作差结果(如m_focus_y[m+1]减m_focus_y[m])。在可选范例中可见当前的作差结果认为是相邻后一个清晰度差值例如m_focus_y[m+1]减去当前位置调整时的清晰度差值例如m_focus_y[m]的差结果。
[0143]
参见图3，譬如假设m＝3，当前变量项dir3等于前一次位置调整时的值dir2加上当前的作差结果(当前的作差结果为m_focus_y[4]减m_focus_y[3])。基于这个假设条件还可以继续往前推算，按照同理，此时当前的dir2等于前一次位置调整时的值dir1加它当时的作差结果(当时的作差结果为m_focus_y[3]减m_focus_y[2])。基于这个假设条件仍然可继续往前推算，依此类推，此时当前的dir1等于前一次位置调整时的值dir0加它当时的作差结果(当时的作差结果为m_focus_y[2]减m_focus_y[1])。最后判断每次的变量项是否小于零(即判断if(dir《0)是否成立)。概括而言，当前调整次数对应的变量项等于变量项在前一次位置调整时的值加上当前位置调整时的所述作差结果。
[0144]
参见图3，若是(判断if(dir《0)成立)，则上移一段距离后再尝试聚焦。相机相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值(travel)的二分之一再除以当前的聚焦次数，等于up_load＝(travel/(2*(cnt+1)))。因默认聚焦次数从零开始，但是倘若声称第零次尝试的说法不符合习惯，所以当前的聚焦次数用cnt+1更符合习惯。例如当前的第一次聚焦次数(cnt+1)实质上是cnt＝0时所发生的，此时确实尝试一次。再如当前的第二次聚焦次数(cnt+1)实质上是cnt＝1时所发生的，此时确实尝试二次。更严格的说聚焦的起始位置而上移的一段距离等于：前述指定行程值(travel)的二分之一再除以总次数而且总次数等于实际发生的聚焦次数加一(也即cnt+1)，不同的表达方式得到的上移距离是相同的，等于up_load＝(travel/(2*(cnt+1)))。
[0145]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：相机在竖轴方向上多次反复调整位置，记录下聚焦起始点的起始位置和初始图像清晰度，和记录下相机每次调整位置后的实时位置及实时图像清晰度。
[0146]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：相机在竖轴方向上多次反复调整位置，位置数据m_focus_x[m_focus_cnt＝0、1、2、3
…
]包括多组实时位置与起始位置的位置差值。
[0147]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：相机在竖轴方向上多次反复调整位置，图像清晰度数据m_focus_y[m_focus_cnt＝0、1、2、3
…
]包括多组实时图像清晰度与初始图像清晰度的清晰度差值。
[0148]
参见图3，相机在每一次(如m_focus_cnt＝0、1、2、3
……
等)调整位置后，在相机处于同一位置条件下的位置差值、清晰度差值两者分别视作所述二阶曲线上的一个点同时对应的横坐标值、纵坐标值。
[0149]
参见图3，同一位置条件(如m_focus_cnt＝0)下的位置差值m_focus_x[0]和清晰度差值m_focus_y[0]分别视作二阶曲线上同一个点的横坐标值、纵坐标值。
[0150]
参见图3，同一位置条件(如m_focus_cnt＝3)下的位置差值m_focus_x[3]和清晰度差值m_focus_y[3]分别视作二阶曲线上同一个点的横坐标值、纵坐标值。
[0151]
参见图3，相机在每一次(如m_focus_cnt＝0、1、2、3
……
等)调整位置后，如果发生任一位置差值z_pos-m_focus_z的绝对值大于指定行程值travel，则结束当前的位置调整而跳出相机多次反复调整位置的循环。z_pos-m_focus_z是位置差值或位置变量。
[0152]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：规定一个竖轴上调整的最大次数max_frame_count，并且要求相机在z轴方向上反复调整位置的实际调整次数m_focus_cnt小于该最大次数max_frame_count。
[0153]
参见图3，图像最清晰的位置m_focus_best为二阶曲线的顶点坐标加上聚焦起始点的起始位置之和。m_focus_best＝-b/(2*a)+m_focus_z，顶点坐标加上聚焦起始z轴位置得到图像最清晰的位置m_focus_best。
[0154]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：判断二阶曲线是否满足预定条件。预定条件在上文已经予以阐释，不再赘述。
[0155]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：当不满足上面条件也即不满足预定条件，也就是说明了焦点不在当前行程内，此种情况下需要继续移动工作台来寻焦点。移动工作台寻焦点在上文已经予以阐释，不再赘述。
[0156]
参见图3，未到尝试上限(如cnt＜autofocustrycnt)的时机点时：多次自动聚焦尝试不应当结束。聚焦尝试在cnt＝0时需要执行步骤sp1至步骤sp5的流程或者需要执行步骤sp1至步骤sp6的流程，cnt＝1时需要执行步骤sp1至步骤sp5的流程或者需要执行步骤sp1至步骤sp6的流程，cnt＝2时需要执行步骤sp1至步骤sp5的流程或者需要执行步骤sp1至步骤sp6的流程。诸如此类。至cnt＝autofocustrycnt时跳出结束。
[0157]
参见图3，达到尝试上限(如cnt＝autofocustrycnt)的时机点时：则多次自动聚焦尝试应当结束。例如cnt最大取值等于autofocustrycnt减一。如果执行步骤sp7则意味着要求相机或工作台移动到焦点相对距离dis，焦点相对距离dis也就是前文的图像最清晰的位置m_focus_best减去当前z轴位置zc。double dis＝m_focus_best-zc。至此自动聚焦结束并且晶圆上关键尺寸结构的图像在此时的分辨率最高、清晰度也最高。实质上前述所言聚焦成功就已经达成本技术在背景技术部分提出的目的。而仍然将相机移动到焦点相对距离也是实现自动聚焦的更佳的实施例。
[0158]
参见图3，在每一次尝试(如cnt＝0、1、2、3
……
等)的环节中：在反复调整相机位置之前或者说在每次调整相机位置之前，在可选范例中，先将显微镜镜头接近晶圆至一个指定行程值(travel)的预定比例值(比例值例如为3/4)。图中展示步骤sp0将镜头接近晶圆到预定距离的过程。镜头与样品即晶圆接近：先走到样品的上方的约为指定行程值乘以预定比例值的这样一个距离。譬如movezdirect(-up_load*3
÷
4)这个范例表示镜头先走到样品上方3/4个行程。步骤sp0将镜头与晶圆接近用movezdirect表示。
[0159]
参见图3，未到尝试上限(如cnt＜autofocustrycnt)的时机点时：多次自动聚焦尝试不应当结束。聚焦尝试在cnt＝0时需要执行步骤sp0至步骤sp5的流程或者需要执行步骤sp0至步骤sp6的流程，cnt＝1时需要执行步骤sp0至步骤sp5的流程或者需要执行步骤sp0至步骤sp6的流程，cnt＝2时需要执行步骤sp0至步骤sp5的流程或者需要执行步骤sp0至步骤sp6的流程。诸如此类。这是采用步骤sp0时的范例。
[0160]
参见图4，采集相机的位置数据的过程是通过移动z轴实现的，因为相机或工作台移动了位置就会导致m_focus_x[m_focus_cnt]＝z_pos-m_focus_z变化，作为二阶曲线横坐标的拟合源数据，位置数据m_focus_x[m_focus_cnt＝0、1、2、3
…
]呈现数组特性。
[0161]
参见图4，采集图像清晰度数据的过程是通过移动z轴实现的，因为相机或工作台移动了位置就会导致m_focus_y[m_focus_cnt]＝def-m_focus_def变化，作为二阶曲线纵坐标的拟合源数据，清晰度数据m_focus_y[m_focus_cnt＝0、1、2、3
…
]为数组特性。
[0162]
参见图5，二阶拟合范例。给定数据序列(xi,yi)并满足(i＝0,1,2,3
…
,m)，利用二次多项式拟合这组数据。以下计算和化简等内容大致介绍了二阶曲线拟合的过程。
[0163]
p(x)＝a0+a1x+a2x2[0164]
基于p(x)作出拟合函数与数据序列的均方误差：
[0165][0166]
由多元函数的极值原理，推算q(a0,a1,a2)的极小值可满足：
[0167][0168]
以上关于的式子化简为：
[0169][0170]
参见图5，数组x[n]使用位置数据m_focus_x[m_focus_cnt＝0、1、2、3
…
]。
[0171]
参见图5，数组y[n]使用清晰度数据m_focus_y[m_focus_cnt＝0、1、2、3
…
]。
[0172]
参见图5，根据数据序列(m_focus_x,m_focus_y)的离散化特性，利用二次多项式拟合这组数据都是，通过算法拟合可以算出有此关系y＝ax2+bx+c。步骤sp2主要是根据相机移动的位置数据和采集到的图像清晰度数据，拟合出二阶曲线，计算出二阶曲线的顶点坐标例如等于二阶曲线y＝ax2+bx+c之顶点坐标之横坐标值-b/(2*a)。
[0173]
或者关于的相关化简有：
[0174][0175][0176]
给定的数据序列(xi,yi)和二次多项式的拟合这组数据作用，再由(a0,a1,a2)矩阵形式和由(y0,y1,y2)矩阵形式的相关解析，关于q(a0,a1,a2)极小值相关式化简为：
[0177][0178]
可见以上化简形式略有区别但是最终的结果是相同的。用以上原理求解得到二阶函数的系数a0,a1,a2等数学项或各项系数。
[0179]
参见图5，二阶曲线拟合：给定长度为n的两个数组x[n],y[n]为例，假设这两个数组都是离散化的，通过算法拟合可以算出有此关系y＝ax2+bx+c。因此借助于拟合功能而计算两个数组x[n],y[n]之间关系式的过程就可称为二阶曲线拟合。
[0180]
参见图5，类似于y＝ax2+bx+c或p(x)＝a0+a1x+a2x2在数学上属于二次函数关系式。含二次项系数a、一次项系数b及常数项c。x是横坐标而y是纵坐标。后一种表达方式中，含二次项系数a2、一次项系数a1及常数项a0。
[0181]
参见图6，能量梯度函数f的表达式如下所述关系式，其为对所有像素梯度值累加作为清晰度评价函数值。类似的，用于关键尺寸的量测图像及其像素同样亦如此。
[0182][0183]
其中f(xp,yp)表示对应像素点如(xp,yp)的灰度值，f之值越大图像越清晰。相机可以拍摄到图像image1，图像image1包括各像素点如(xp,yp)的灰度值。步骤sp1采集图像清晰度数据，能量梯度函数给步骤sp1提供了如何采集图像清晰度的依据。图像清晰度数据可以从相机拍摄的图像信息image1中提取。
[0184]
参见图6，能量梯度函数：将x方向和y方向的相邻像素的灰度值之差的平方和作为每个像素点的梯度值，对所有像素梯度值累加作为清晰度评价函数值。
[0185]
参见图7，本技术所言基于图像梯度的清晰度评价方法，除了能量梯度函数来计算外还有拉普拉斯laplace函数，采用laplace算子与图像各个像素点的灰度值进行卷积可以得到一个梯度矩阵记为g(xp,yp)，取各像素点梯度的平方和作为评价函数。
[0186][0187]
注意利用f(xp,yp)表示对应像素点如(xp,yp)的灰度值，f之值越大图像越清晰。
[0188]
另外其中g(xp,yp)表达式为
[0189]
涉及拉普拉斯的函数g(xp,yp)中的l举例(但l不限制于范例)如下所述。
[0190][0191]
参见图7，步骤sp1采集图像清晰度数据，除了使用图6的对所有像素梯度值累加作为清晰度评价函数值之外，还可以用拉普拉斯laplace函数。计算实时图像清晰度与初始图
像清晰度时，利用能量梯度函数或拉普拉斯函数来作为清晰度评价函数。
[0192]
参见图1，正如前文所言，带动相机和显微镜及其工作台的电机受控于计算机或服务器或者相关的处理单元。处理单元的其他替代物：现场可编程逻辑门阵列、复杂可编程逻辑器件或现场可编程模拟门阵列、或半定制的asic或处理器或微处理器、数字信号处理器或集成电路或存储于存储器的软件固件程序等。图2的步骤sp1至sp7同样可由计算机或服务器或者处理单元来实施，图3的步骤sp0至sp7之实施同样如此。
[0193]
参见图1，针对关键尺寸量测的聚焦方法：晶圆的关键尺寸实施量测前，先进行聚焦让晶圆达到相机的焦面：由相机移动的位置数据和采集到的图像清晰度数据，拟合二阶曲线或二次函数，并计算出二阶曲线的顶点坐标以得到图像最清晰的位置。此类针对关键尺寸量测的聚焦方法在图2等范例中给出了具体的实现措施。图像包括相机通过显微镜拍摄到的晶圆图像，图像最清晰的位置包括相机通过显微镜拍摄到的晶圆图像最清晰时刻该相机所处的位置。晶圆在各个不同工艺阶段其表面的粗糙度和形貌均不同，关键尺寸的结构特征千变万化，上述聚焦方法适应于各种关键尺寸结构形貌。尤其是测量晶圆关键尺寸时不同位置的图像不一定都在焦面，导致量测值出现较大误差，而上述聚焦方法总能自适应式的寻到拍摄晶圆及其关键尺寸的最佳和图像最清晰位置。
[0194]
参见图1，针对关键尺寸量测的聚焦方法：晶圆的关键尺寸实施量测前，执行多次自动聚焦尝试；在每次尝试中：相机在竖轴方向反复多次调整位置，以撷取到相机移动的位置数据和相应的图像清晰度数据；根据位置数据以及图像清晰度数据拟合出二阶曲线或拟合二次函数；判断二阶曲线是否满足预定条件，若是则认为聚焦成功；若否则在竖轴上移动相机一段距离后再寻焦点。位置数据是z轴或竖轴方向的位置信息。此类针对关键尺寸量测的聚焦方法在图2和图3等范例中给出了具体的实现措施。
[0195]
以上通过说明和附图的内容，给出了具体实施方式的特定结构的典型实施例，上述申请内容提出了现有的较佳实施例，但这些内容并不作为局限。对于本领域的技术人员而言在阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应当看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围之内的任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。

技术特征：

1.一种针对关键尺寸量测的聚焦方法，其特征在于：对晶圆上的关键尺寸实施量测之前，先进行聚焦让晶圆达到相机的焦面：由相机移动的位置数据和采集到的图像清晰度数据，拟合出二阶曲线，并计算出二阶曲线的顶点坐标以得到图像最清晰的位置。2.根据权利要求1所述的方法，其特征在于：配置有显微镜的相机在竖轴方向上反复调整位置，记录下聚焦起始点的起始位置和初始图像清晰度，和记录下相机每次调整位置后的实时位置及实时图像清晰度；所述位置数据包括多组实时位置与起始位置的位置差值、所述图像清晰度数据包括多组实时图像清晰度与初始图像清晰度的清晰度差值。3.根据权利要求2所述的方法，其特征在于：相机每次调整位置后，在相机处于同一位置条件下的位置差值、清晰度差值两者分别视作所述二阶曲线上的一个点同时对应的横坐标值、纵坐标值。4.根据权利要求2所述的方法，其特征在于：计算实时图像清晰度与初始图像清晰度时，利用能量梯度函数或拉普拉斯函数来作为清晰度评价函数。5.根据权利要求2所述的方法，其特征在于：如果任一所述位置差值的绝对值超过一个指定行程值，则结束当前的位置调整。6.根据权利要求2所述的方法，其特征在于：规定一个竖轴上调整的最大次数，要求相机在竖轴方向上反复调整位置的实际调整次数不超过该最大次数。7.根据权利要求2所述的方法，其特征在于：图像最清晰的位置为所述二阶曲线的顶点坐标加上聚焦起始点的起始位置。8.根据权利要求2所述的方法，其特征在于：如果满足于所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，则认为聚焦成功。9.根据权利要求2所述的方法，其特征在于：如果不满足所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值中的任意一项，则在竖轴上移动相机一段距离后再寻焦点。10.根据权利要求9所述的方法，其特征在于：在相机多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值作差；定义一个变量项随着位置调整次数的增加而变化，并且当前变量项等于它在前一次的值加上当前的作差结果；判断变量项是否小于零；若是，则上移一段距离后再尝试聚焦；若否，则下移一段距离后再尝试聚焦。11.根据权利要求10所述的方法，其特征在于：相机相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值的一半再除以当前的聚焦次数。12.根据权利要求10所述的方法，其特征在于：相机相对于聚焦的起始位置而下移的一段距离等于：一个指定行程值的一半。
13.根据权利要求8或9所述的方法，其特征在于：将相机移动到焦点相对距离，即图像最清晰的位置减去相机的当前位置。14.根据权利要求2所述的方法，其特征在于：执行多次聚焦尝试，在任意单次聚焦尝试中使相机在竖轴方向上反复调整位置。15.根据权利要求2所述的方法，其特征在于：反复调整相机位置之前，将显微镜镜头接近晶圆至一个指定行程值的预定比例值。16.根据权利要求1所述的方法，其特征在于：由一个步进电机来带动所述相机在竖轴方向上移动位置，并由一个控制单元来控制步进电机以操纵所述相机的移动；所述控制单元还用于拟合二阶曲线和计算顶点坐标。17.一种针对关键尺寸量测的聚焦方法，其特征在于：对晶圆上的关键尺寸实施量测之前，执行多次自动聚焦尝试；在每次尝试中：相机在竖轴方向反复多次调整位置，以撷取到相机移动的位置数据和相应的图像清晰度数据；根据位置数据以及图像清晰度数据拟合出二阶曲线；判断所述二阶曲线是否满足预定条件，若是，则认为聚焦成功；若否，则在竖轴上移动相机一段距离后再寻焦点。18.根据权利要求17所述的方法，其特征在于：在每次尝试中：相机在竖轴方向上多次反复调整位置，记录下聚焦起始点的起始位置和初始图像清晰度，和记录下相机每次调整位置后的实时位置及实时图像清晰度；所述位置数据包括多组实时位置与起始位置的位置差值、所述图像清晰度数据包括多组实时图像清晰度与初始图像清晰度的清晰度差值。19.根据权利要求18所述的方法，其特征在于：相机每次调整位置后，在相机处于同一位置条件下的位置差值、清晰度差值两者分别视作所述二阶曲线上的一个点同时对应的横坐标值、纵坐标值。20.根据权利要求18所述的方法，其特征在于：相机每次调整位置后，若任一所述位置差值的绝对值超过一个指定行程值，则结束当前的位置调整，跳出相机多次反复调整位置的循环。21.根据权利要求18所述的方法，其特征在于：在每次尝试中：规定一个竖轴上调整的最大次数，要求相机在竖轴方向上反复调整位置的实际调整次数不超过该最大次数。22.根据权利要求18所述的方法，其特征在于：图像最清晰的位置为所述二阶曲线的顶点坐标加上聚焦起始点的起始位置。23.根据权利要求18所述的方法，其特征在于：在每次尝试中：所述的预定条件包括了所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，满足预定条件则认为聚焦成功。24.根据权利要求18所述的方法，其特征在于：在每次尝试中：所述的预定条件包括了所述二阶曲线之二次项系数小于零、顶点坐标大于零、顶点坐标小于一个定义的聚焦行程最大值，不满足预定条件中的任意一项则在竖
轴上移动相机一段距离后再来寻焦点。25.根据权利要求24所述的方法，其特征在于：在每次尝试中：在相机多次反复调整位置的阶段，基于先后调整相机位置而得到的任意相邻两个清晰度差值作差；定义一个变量项随着位置调整次数的增加而变化，并且当前变量项等于它在前一次的值加上当前的作差结果；判断变量项是否小于零；若是，则相机上移一段距离后，再重新尝试自动聚焦；若否，则相机下移一段距离后，再重新尝试自动聚焦。26.根据权利要求25所述的方法，其特征在于：相机相对于聚焦的起始位置而上移的一段距离等于：一个指定行程值的一半再除以当前的聚焦次数。27.根据权利要求25所述的方法，其特征在于：相机相对于聚焦的起始位置而下移的一段距离等于：一个指定行程值的一半。28.根据权利要求23或24所述的方法，其特征在于：将相机移动到焦点相对距离，即图像最清晰的位置减去相机的当前位置。29.根据权利要求17所述的方法，其特征在于：在每次尝试中：在反复调整相机位置之前，先将显微镜镜头接近晶圆至一个指定行程值的预定比例值。

技术总结

本发明涉及到针对关键尺寸量测的聚焦方法。应用于关键尺寸量测的聚焦方法要求在对晶圆上的关键尺寸实施量测之前，先进行聚焦让晶圆达到相机的焦面：由相机移动的位置数据和采集到的图像清晰度数据，藉此拟合出一个二阶曲线，需要计算出二阶曲线的顶点坐标，以得到图像最清晰的位置。从而实现快速、精确、平滑的对焦，并可对感兴趣区域的对焦状况进行实时反应和映射出图像是否达到最清晰。和映射出图像是否达到最清晰。和映射出图像是否达到最清晰。