一种晶圆缺陷检测方法、系统及存储介质与流程

1.本技术涉及晶圆检测技术领域，更具体地，涉及一种晶圆缺陷检测方法、系统及存储介质。

背景技术：

2.在半导体封装测试工艺检测领域，经常涉及到各类稀疏周期粗糙制程的目标锯齿检测。由于待检测目标的制程不稳定，相关规格尺寸随机性强，无法使用特定模板进行稳定的定位，并且出现各类缺陷具有较大的波动随机性，不具有周期性分布规律，可利用的图像有效信息有限，无法提供足够的有效信息进行目标定位，因此常规的缺陷检测方法不能获得较好的检测效果。
3.例如，针对cis(cmos imaging sensor)芯片的晶圆制造工艺流程中，注胶工艺存在极大的良率挑战，因为其工艺质量直接影响后续键合工艺和成品的质量，所有在前道制程中针对玻璃基板上胶体进行检测就显得尤为重要。但是，由于胶体是自由扩散的，导致其实际生产效果与理论制程工艺标准存在很大的波动和随机性。针对这种制程的缺陷检测，传统基于灰度比对的黄金模板匹配(die-to-goldendie)和晶粒匹配(die-to-die)算法方案就不再适用。

技术实现要素：

4.针对现有技术的至少一个缺陷或改进需求，本发明提供了一种晶圆缺陷检测方法、系统及存储介质，适用于晶圆各类锯齿状目标的检测，尤其适用于稀疏周期粗糙制程的目标检测，例如晶圆基板胶体或晶粒。
5.为实现上述目的，按照本发明的第一个方面，提供了一种晶圆缺陷检测方法，包括：
6.采集晶圆中待检测目标锯齿区域的图像，从所述图像中提取角点并计算各角点的角度值；
7.将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域，将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点；
8.将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定所述待检测目标的锯齿缺陷类型。
9.进一步地，所述待检测目标为晶圆基板胶体或晶粒。
10.进一步地，从所述图像中提取角点并计算每个角点的角度值包括：
11.针对所述图像中任意一个像素p，获取以像素p为圆心，半径为3个像素的圆周上的16个像素的灰度值，将这16个像素按照顺时针或逆时针依次编号为1至16，若在这16个像素中如果连续有n个像素的灰度值均比像素p的灰度值ip大预设阈值t，或者连续n个像素的灰
度值均比像素p的灰度值ip小预设阈值t，且n大于预设阈值m，1《m《16，则提取像素p作为角点；
12.预先确定n值与角度值的映射关系，根据提取角点过程中n值来获取每个角点的角度值。
13.进一步地，根据所述待检测目标的形状设置所述预设区间，若所述待检测目标的标准锯齿为正三角形，则设置所述预设区间为[60
°‑
α，60
°
+α]∪[300
°‑
α，300
°
+α]，α为角度误差阈值。
[0014]
进一步地，所述将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为检测的目标锯齿区域轮廓点包括：
[0015]
采用非极大值抑制算法对位于所述齿峰区域和齿谷区域的第一备选轮廓角点进行处理，去除非极大值，获得第二备选轮廓角点，将第二备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点。
[0016]
进一步地，所述根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域包括：
[0017]
根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标的锯齿排列方向是否平行于坐标系x轴；
[0018]
若所述待检测目标的锯齿排列方向平行于x轴，则根据第一备选轮廓角点的y轴坐标值确定齿峰区域和齿谷区域；
[0019]
若所述待检测目标的锯齿排列方向不平行于x轴，则确定所述待检测目标的锯齿排列方向与x轴的夹角，根据所述夹角对所有第一备选轮廓角点的坐标值进行校正，使得校正后的锯齿排列方向平行于x轴，再根据第一备选轮廓角点校正后的y轴坐标值确定齿峰区域和齿谷区域。
[0020]
进一步地，将模板锯齿区域图像输入到已训练的神经网络模型，生成模板锯齿区域轮廓点。
[0021]
进一步地，所述将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配包括：
[0022]
统计所述待检测目标锯齿区域的检测轮廓点的角度值以及检测轮廓点之间的间距，统计所述模板锯齿区域轮廓点的角度值以及轮廓点之间的间距；
[0023]
根据所述待检测目标锯齿区域的检测轮廓点的统计信息和所述模板锯齿区域轮廓点的统计信息进行匹配。
[0024]
按照本发明的第二个方面，还提供了一种晶圆缺陷检测系统，包括：
[0025]
预处理模块，用于采集晶圆中待检测目标锯齿区域的图像，从所述图像中提取角点并计算每个角点的角度值；
[0026]
轮廓点检测模块，用于将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域，将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点；
[0027]
匹配模块，用于将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定所述待检测目标的锯齿缺陷类型。
[0028]
按照本发明的第三个方面，还提供了一种存储介质，其存储有可由处理器执行的计算机程序，当所述计算机程序在处理器上运行时，使得处理器执行上述任一项所述方法的步骤。
[0029]
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：本发明在进行模板匹配前，先进行提取角点并计算各角点的角度值，然后再筛选角度值在预设区间的角点，再确定所述待检测目标锯齿区域的齿峰区域和齿谷区域，从齿峰区域和齿谷区域中获取待检测目标锯齿区域的检测轮廓点，可以适用于晶圆各类锯齿状目标的检测，尤其适用于稀疏周期粗糙制程的目标检测，例如晶圆基板胶体或晶粒。并且方案简单易于操作，缺陷检测准确率高，是行业内该制程检测唯一量产方案。
附图说明
[0030]
为了更清楚地说明本技术实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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他的附图。
[0031]
图1为本技术实施例提供的一种晶圆缺陷检测方法的流程示意图；
[0032]
图2为本技术实施例提供的角点提取原理示意图；
[0033]
图3为本技术实施例提供的待检测目标锯齿区域的检测轮廓点示意图；
[0034]
图4为本技术实施例提供的匹配统计示意图；
[0035]
图5为本技术实施例提供的匹配结果示意图。
具体实施方式
[0036]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0037]
本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或模块。
[0038]
如图1所示，本发明实施例的一种晶圆缺陷检测方法包括步骤：
[0039]
s101，采集晶圆中待检测目标锯齿区域的图像，从图像中提取角点并计算各角点的角度值。
[0040]
本发明实施例中的待检测目标可以为晶圆各类锯齿状目标，尤其适用于稀疏周期粗糙制程的目标检测，例如晶圆基板胶体或晶粒。
[0041]
进一步地，对于稀疏周期粗糙制程的待检测目标，其图像为粗糙纹理，为了避免产生过多噪声特征点，仅保留主要轮廓特征点，在提取角点前先进行平滑滤波处理。
[0042]
由于待检测目标的灰度特征可能不稳定且干扰因素很多，因此本发明实施例选用角点作为特征点。角点即图像的极值点、线段的终点、曲线曲率最大的点或水平、竖直方向
上属性最大的点等，这些特征点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。特征点在保留图像图形重要特征的同时，可以代替整幅图像的处理，有效地减少信息的数据量，使其信息的含量很高，有效地提高了计算的速度,有利于图像的可靠匹配，使得实时处理成为可能。
[0043]
进一步地，提取角点并计算各角点的角度值的步骤包括：
[0044]
针对图像中任意一个像素p，获取以像素p为圆心，半径为r个像素的圆周上的r2个像素的灰度值，将这16个像素按照顺时针或逆时针依次编号为1至16，若在这16个像素中如果连续有n个像素的灰度值均比像素p的灰度值ip大预设阈值t，或者连续n个像素的灰度值均比像素p的灰度值ip小预设阈值t，且n大于预设阈值m，1《m《16，则提取像素p作为角点；
[0045]
预先确定n值与角度值的映射关系，根据提取角点过程中n值来获取每个角点的角度值。
[0046]
以r＝3为例说明。
[0047]
如图2所示，针对图像中任意一个像素p，以像素p为圆心，半径为3个像素的圆周上的16个像素来判断该点p是否是要提取的角点。这16个像素按照顺时针依次编号为1至16，在这16个像素中如果连续有n个像素的灰度值均比像素p的灰度值ip大预设阈值t，或者连续n个像素的灰度值均比像素p的灰度值ip小预设阈值t，且n大于预设阈值m，1《m《16，则提取像素p作为角点。预先确定n值与角度值的映射关系，根据提取角点过程中n值来获取每个角点的角度值。角度值与n值的关系是：角度值＝360
°×
(n-1)
÷
16
±
β，β为误差值，若设β＝11.25
°
，则n＝5，对应角度值为78.75-101.25度；n＝9，对应角度值为168.75-191.25度。
[0048]
s102，将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定待检测目标锯齿区域的齿峰区域和齿谷区域，将位于齿峰区域和齿谷区域的第一备选轮廓角点作为待检测目标锯齿区域的检测轮廓点。
[0049]
因为采用所有的角点来描述待检测目标轮廓，会有很多冗余点。既不利于抽取特征，也不利于降低处理时间，所以需要进行待检测目标锯齿区域骨架轮廓点提取。
[0050]
进一步地，根据待检测目标的形状设置该用于筛选第一备选轮廓角点的预设区间。若待检测目标的标准锯齿为正三角形，则设置预设区间为[60
°‑
α，60
°
+α]∪[300
°‑
α，300
°
+α]，α为角度误差阈值。
[0051]
以待检测目标为晶圆基板胶体作为示例说明。首先，根据胶体的制程形状，将其标准锯齿抽象为正三角形，其对应的轮廓点角度为60
°
、300
°
。考虑制程的不稳定性，设定角度波动范围为+/-11.25度。其次，利用范围[60
°‑
11.25度，60
°
+11.25度]∪[60
°‑
11.25度，60
°
+11.25度]对此前计算得到的角点进行角度筛选过滤，将在[60
°‑
11.25度，60
°
+11.25度]或[60
°‑
11.25度，60
°
+11.25度]筛选出来的角点作为第一备选轮廓角点，记为集合m1。然后，获取集合m1中所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定待检测目标锯齿区域的齿峰区域和齿谷区域，将位于齿峰区域和齿谷区域的第一备选轮廓角点作为待检测目标锯齿区域的检测轮廓点。
[0052]
进一步地，根据所有第一备选轮廓角点在坐标系中的分布确定待检测目标锯齿区域的齿峰区域和齿谷区域包括：根据所有第一备选轮廓角点在坐标系中的分布确定待检测目标的锯齿排列方向是否平行于坐标系x轴；若待检测目标的锯齿排列方向平行于x轴，则
根据第一备选轮廓角点的y轴坐标值确定齿峰区域和齿谷区域；若待检测目标的锯齿排列方向不平行于x轴，则确定待检测目标的锯齿排列方向与x轴的夹角，根据夹角对所有第一备选轮廓角点的坐标值进行校正，使得校正后的锯齿排列方向平行于x轴，再根据第一备选轮廓角点校正后的的y轴坐标值确定齿峰区域和齿谷区域。
[0053]
进一步地，若待检测目标的锯齿排列方向平行于x轴，则根据第一备选轮廓角点的y轴坐标值确定齿峰区域和齿谷区域可采用以下方式。
[0054]
方式一，由于待检测目标的锯齿排列方向平行于x轴，则对于理想的标准锯齿而言，则所有的第一备选轮廓角点的y轴坐标值只能为2个值，一个对应齿峰，一个对应齿谷。但是由于考虑到误差，标准锯齿所有的第一备选轮廓角点的y轴坐标值应当集中在两个值附近，一个是齿峰对应的y轴坐标值附近，一个齿谷对应的y轴坐标值附近，将y轴坐标值聚集的两个区域分别作为齿峰区域和齿谷区域。若待检测目标的锯齿存在缺陷，则可能部分第一备选轮廓角点的y轴坐标值远离这两个值，不在齿峰区域和齿谷区域，则意味着对应的第一备选轮廓角点并非是赤峰或齿谷，可以去除。
[0055]
方式二，将所有第一备选轮廓角点按照坐标系x值依次进行重新排序，通过对该序列每一个元素分别与相邻左右元素的角度值做差比较，保留两次比较存在正负一致的元素。
[0056]
当然，还可以采用其他方式来确定待检测目标锯齿区域的齿峰区域和齿谷区域，此处不再一一描述。
[0057]
进一步地，将位于齿峰区域和齿谷区域的第一备选轮廓角点作为检测的目标锯齿区域轮廓点包括：采用非极大值抑制算法对位于所述齿峰区域和齿谷区域的第一备选轮廓角点进行处理，去除非极大值，获得第二备选轮廓角点，将第二备选轮廓角点作为待检测目标锯齿区域的检测轮廓点。即非极大值抑制算法进一步进行了筛选。
[0058]
待检测目标锯齿区域的检测轮廓点如图3所示，其中黑点即为待检测目标锯齿区域的检测轮廓点。
[0059]
s103，将待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定待检测目标的锯齿缺陷类型。
[0060]
进一步地，匹配包括步骤：
[0061]
(1)统计待检测目标锯齿区域的检测轮廓点的角度值以及检测轮廓点之间的间距，统计模板锯齿区域轮廓点的角度值以及模板锯齿区域轮廓点之间的间距。
[0062]
由于标准锯齿的轮廓点的间隔和角度是已知的，因此对待检测目标锯齿区域的检测轮廓点进行统计，统计待检测目标锯齿区域的检测轮廓点的角度值以及检测轮廓点之间的间距，作为整体轮廓的特征用于下一步分析。
[0063]
(2)再根据待检测目标锯齿区域的检测轮廓点的统计信息和模板锯齿区域轮廓点的统计信息进行匹配。
[0064]
根据两者统计进行进行匹配，实际上是将统计出来的待测目标的整体轮廓特征与已知的模板整体轮廓特征进行匹配比较。如果哪里少了一个齿或多了一个齿，可以很容易从点与点之间的位置关系来计算出哪里缺齿或者多齿，比如多一个齿轮少一个齿，那么轮廓点之间的间隔和方向将与其他正常轮廓点有所区分。而且因为其本身是根据点与点之间的相对位置关系来计算，因此还可以抗倾斜和噪声干扰。
[0065]
在一个实施例中，待检测目标锯齿区域的检测轮廓点的统计信息和模板锯齿区域轮廓点的统计信息如图4所示，匹配结果如图5所示。
[0066]
进一步地，本发明实施例的一种晶圆缺陷检测系统，包括：
[0067]
预处理模块，用于采集晶圆中待检测目标锯齿区域的图像，从图像中提取角点并计算每个角点的角度值；
[0068]
轮廓点检测模块，用于将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定待检测目标锯齿区域的齿峰区域和齿谷区域，将位于齿峰区域和齿谷区域的第一备选轮廓角点作为待检测目标锯齿区域的检测轮廓点；
[0069]
匹配模块，用于将待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定待检测目标的锯齿缺陷类型。
[0070]
本技术还提供一种存储介质，其存储有可由处理器执行的计算机程序，当计算机程序在处理器上运行时，使得处理器执行上述任一项上述晶圆缺陷检测方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、dvd、cd-rom、微型驱动器以及磁光盘、rom、ram、eprom、eeprom、dram、vram、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器ic)，或适合于存储指令和/或数据的任何类型的媒介或设备。
[0071]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0072]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0073]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，可通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，系统或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0074]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0075]
另外，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0076]
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0077]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
[0078]
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
[0079]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0080]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种晶圆缺陷检测方法，其特征在于，包括：采集晶圆中待检测目标锯齿区域的图像，从所述图像中提取角点并计算各角点的角度值；将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域，将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点；将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定所述待检测目标的锯齿缺陷类型。2.如权利要求1所述的晶圆缺陷检测方法，其特征在于，所述待检测目标为晶圆基板胶体或晶粒。3.如权利要求1所述的晶圆缺陷检测方法，其特征在于，从所述图像中提取角点并计算每个角点的角度值包括：针对所述图像中任意一个像素p，获取以像素p为圆心，半径为3个像素的圆周上的16个像素的灰度值，将这16个像素按照顺时针或逆时针依次编号为1至16，若在这16个像素中如果连续有n个像素的灰度值均比像素p的灰度值ip大预设阈值t，或者连续n个像素的灰度值均比像素p的灰度值ip小预设阈值t，且n大于预设阈值m，1<m<16，则提取像素p作为角点；预先确定n值与角度值的映射关系，根据提取角点过程中n值来获取每个角点的角度值。4.如权利要求1所述的晶圆缺陷检测方法，其特征在于，根据所述待检测目标的形状设置所述预设区间，若所述待检测目标的标准锯齿为正三角形，则设置所述预设区间为[60
°‑
α，60
°
+α]∪[300
°‑
α，300
°
+α]，α为角度误差阈值。5.如权利要求1所述的晶圆缺陷检测方法，其特征在于，所述将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为检测的目标锯齿区域轮廓点包括：采用非极大值抑制算法对位于所述齿峰区域和齿谷区域的第一备选轮廓角点进行处理，去除非极大值，获得第二备选轮廓角点，将第二备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点。6.如权利要求1所述的晶圆缺陷检测方法，其特征在于，所述根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域包括：根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标的锯齿排列方向是否平行于坐标系x轴；若所述待检测目标的锯齿排列方向平行于x轴，则根据第一备选轮廓角点的y轴坐标值确定齿峰区域和齿谷区域；若所述待检测目标的锯齿排列方向不平行于x轴，则确定所述待检测目标的锯齿排列方向与x轴的夹角，根据所述夹角对所有第一备选轮廓角点的坐标值进行校正，使得校正后的锯齿排列方向平行于x轴，再根据第一备选轮廓角点校正后的y轴坐标值确定齿峰区域和齿谷区域。7.如权利要求1所述的晶圆缺陷检测方法，其特征在于，将模板锯齿区域图像输入到已训练的神经网络模型，生成模板锯齿区域轮廓点。
8.如权利要求1所述的晶圆缺陷检测方法，其特征在于，所述将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配包括：统计所述待检测目标锯齿区域的检测轮廓点的角度值以及检测轮廓点之间的间距，统计所述模板锯齿区域轮廓点的角度值以及轮廓点之间的间距；根据所述待检测目标锯齿区域的检测轮廓点的统计信息和所述模板锯齿区域轮廓点的统计信息进行匹配。9.一种晶圆缺陷检测系统，其特征在于，包括：预处理模块，用于采集晶圆中待检测目标锯齿区域的图像，从所述图像中提取角点并计算每个角点的角度值；轮廓点检测模块，用于将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域，将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点；匹配模块，用于将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定所述待检测目标的锯齿缺陷类型。10.一种存储介质，其特征在于，其存储有计算机程序，当所述计算机程序在处理器上运行时，使得所述处理器执行权利要求1～8任一项所述方法的步骤。

技术总结

本发明公开了一种晶圆缺陷检测方法、系统及存储介质。该方法包括：采集晶圆中待检测目标锯齿区域的图像，从所述图像中提取角点并计算各角点的角度值；将角度值在预设区间的角点作为第一备选轮廓角点，获取所有第一备选轮廓角点的坐标值，根据所有第一备选轮廓角点在坐标系中的分布确定所述待检测目标锯齿区域的齿峰区域和齿谷区域，将位于所述齿峰区域和齿谷区域的第一备选轮廓角点作为所述待检测目标锯齿区域的检测轮廓点；将所述待检测目标锯齿区域的检测轮廓点与模板锯齿区域轮廓点进行匹配，根据匹配结果确定锯齿缺陷类型。本发明适用于晶圆各类锯齿状目标的检测，尤其适用于稀疏周期粗糙制程的目标检测，例如晶圆基板胶体或晶粒。胶体或晶粒。胶体或晶粒。