肖鈺坤,張文濤,杜 浩,王秀秀
(桂林電子科技大學(xué) 電子工程與自動(dòng)化學(xué)院,廣西 桂林 541004)
近年來,自動(dòng)光學(xué)檢測(cè)(Automated Optical Inspection,AOI)系統(tǒng)已廣泛應(yīng)用于晶圓的表面質(zhì)量檢測(cè)中。AOI利用機(jī)器視覺模擬人類視覺對(duì)晶圓表面進(jìn)行圖像采集和檢測(cè),最終獲取清晰的缺陷圖像,供給工藝工程師進(jìn)行缺陷分析。由于缺陷在晶圓上分布不規(guī)律,并且AOI系統(tǒng)受CCD相機(jī)視場(chǎng)大小和測(cè)量精度的限制,對(duì)晶圓表面的缺陷進(jìn)行圖像采集時(shí),需要通過移動(dòng)相機(jī)或運(yùn)動(dòng)臺(tái)對(duì)缺陷進(jìn)行多次拍照,完成圖像采集工作,因此需要對(duì)拍照位置和移動(dòng)的順序進(jìn)行合理規(guī)劃。拍照位置的規(guī)劃問題是以相機(jī)視場(chǎng)和晶圓表面缺陷為操作對(duì)象的視場(chǎng)分配問題,移動(dòng)順序問題即視場(chǎng)分配后的路徑優(yōu)化問題。在傳統(tǒng)的工藝中多采用順序視場(chǎng)分配法和順序取像法來進(jìn)行視場(chǎng)分配和路徑優(yōu)化,其優(yōu)點(diǎn)是算法收斂速度快、操作邏輯簡(jiǎn)單,其缺點(diǎn)是取像次數(shù)多、移動(dòng)路徑長(zhǎng),導(dǎo)致AOI系統(tǒng)的工作效率偏低。東苗提出采用迭代自組織數(shù)據(jù)分析法(IteractiveSelforganizing Data Anaylsis,ISODATA)進(jìn)行視場(chǎng)分配的思路,針對(duì)路徑優(yōu)化問題可以使用解決經(jīng)典的路徑規(guī)劃旅行商問題(Traveling Salesman Problem,TSP)的算法進(jìn)行求解。為提高AOI系統(tǒng)的檢測(cè)效率,以最短的時(shí)間完成圖像采集工作,本文結(jié)合AOI檢測(cè)流程高效實(shí)時(shí)性的特點(diǎn),在迭代自組織分析數(shù)據(jù)法的基礎(chǔ)上,提出一種實(shí)時(shí)動(dòng)態(tài)分配視場(chǎng)的算法。在視場(chǎng)分配后的路徑優(yōu)化問題上,本文選擇采用了路徑優(yōu)化算法中收斂速度快的局部擇優(yōu)算法。實(shí)驗(yàn)結(jié)果證明,本文提出的混合算法規(guī)劃的路徑長(zhǎng)度比傳統(tǒng)算法規(guī)劃的減少了50%左右,能有效提高AOI系統(tǒng)的工作效率。
AOI系統(tǒng)的硬件部分主要由運(yùn)動(dòng)臺(tái)模塊、光學(xué)模塊組成。運(yùn)動(dòng)臺(tái)模塊由運(yùn)動(dòng)軸和承載臺(tái)組成,光學(xué)模塊由2個(gè)CCD面陣相機(jī)、光源、鏡頭和軸組成。本系統(tǒng)使用大理石底座作為運(yùn)動(dòng)臺(tái)的基座,運(yùn)動(dòng)臺(tái)的運(yùn)動(dòng)軸采用軸堆疊方式,搭載承載臺(tái)組件實(shí)現(xiàn)承載和移動(dòng)晶圓進(jìn)行水平方向移動(dòng);光學(xué)模塊可實(shí)現(xiàn)在不同倍率鏡頭下獲得晶圓的清晰圖像,大理石橫梁安裝在運(yùn)動(dòng)臺(tái)底座上部,橫梁垂向軸,軸上搭載了光學(xué)模塊進(jìn)行向運(yùn)動(dòng),完成晶圓檢測(cè)過程中的光學(xué)對(duì)準(zhǔn)等動(dòng)作,其中的2個(gè)CCD相機(jī)則分別應(yīng)用在檢測(cè)和復(fù)檢流程的圖像采集工作中,其結(jié)構(gòu)如圖1所示。
圖1 系統(tǒng)結(jié)構(gòu)圖
AOI系統(tǒng)的主要工作流程有缺陷檢測(cè)流程、數(shù)據(jù)處理流程和缺陷復(fù)檢流程,在經(jīng)過缺陷復(fù)檢后便可以得到清晰的缺陷圖片。缺陷檢測(cè)流程需要對(duì)整個(gè)晶圓表面進(jìn)行圖像采集;數(shù)據(jù)處理流程根據(jù)采集到的圖片進(jìn)行缺陷分析,并完成視場(chǎng)分配和路徑規(guī)劃工作;缺陷復(fù)檢流程則根據(jù)規(guī)劃后的結(jié)果進(jìn)行圖像采集。在缺陷檢測(cè)流程中,需要多次控制運(yùn)動(dòng)臺(tái)和光學(xué)模塊,使用黑白相機(jī)進(jìn)行圖像采集,完成對(duì)整個(gè)晶圓表面的取像。圖像采集的同時(shí)數(shù)據(jù)處理流程將已采集到的圖像進(jìn)行分析,分析出圖像中的缺陷大小和位置信息并記錄,同時(shí)根據(jù)缺陷的信息進(jìn)行視場(chǎng)分配,直到檢測(cè)流程的取像工作完畢,所有的缺陷都被分配到了視場(chǎng)中,使用路徑優(yōu)劃算法進(jìn)行優(yōu)化。在缺陷復(fù)檢流程中,根據(jù)優(yōu)化后的結(jié)果再次控制運(yùn)動(dòng)臺(tái)和光學(xué)模塊,使用彩色相機(jī)進(jìn)行圖像采集,獲取到所有缺陷的形貌特征,其工作流程圖如圖2所示。
圖2 工作流程圖
視場(chǎng)分配是AOI的路徑規(guī)劃的關(guān)鍵步驟,在進(jìn)行視場(chǎng)分配時(shí)需要滿足以下要求:實(shí)時(shí)接收缺陷的同時(shí)進(jìn)行視場(chǎng)分配;每個(gè)視場(chǎng)盡可能覆蓋更多的缺陷;所有缺陷都被分配到了視場(chǎng)中;視場(chǎng)的個(gè)數(shù)要盡可能的少。
傳統(tǒng)工藝中使用順序分配法進(jìn)行視場(chǎng)分配,其工作原理是先為首個(gè)缺陷分配一個(gè)視場(chǎng),分配視場(chǎng)時(shí)以缺陷中心為視場(chǎng)中心,如圖3所示。
圖3 分配視場(chǎng)
分析出新的缺陷后,根據(jù)缺陷的大小和位置,判斷該缺陷是否可以添加到在已分配的視場(chǎng)中,如圖4所示。
圖4 添加到視場(chǎng)
若新的缺陷無法添加到視場(chǎng)中,則以缺陷中心為視場(chǎng)中心再分配一個(gè)視場(chǎng),如圖5所示。
圖5 再分配視場(chǎng)
傳統(tǒng)算法操作簡(jiǎn)單、收斂速度快,但是算法固定了視場(chǎng)的位置,若缺陷距離視場(chǎng)很近也無法被該視場(chǎng)覆蓋,只能新開再分配一個(gè)視場(chǎng)來覆蓋該缺陷,最終導(dǎo)致視場(chǎng)數(shù)量過多、工作效率偏低。迭代自組織分析數(shù)據(jù)法是解決典型聚類問題的最常用的一種算法。該算法在計(jì)算的過程中不斷地對(duì)聚類進(jìn)行合并和分割,而且移動(dòng)聚類的中心來自我調(diào)整,直至相鄰兩次迭代的聚類中心不再變化為止,該方法的適應(yīng)性和求解的效率得到顯著提高。東苗基于迭代自組織分析數(shù)據(jù)法提出以視場(chǎng)網(wǎng)格為操作對(duì)象,通過縮小網(wǎng)格的大小進(jìn)行網(wǎng)格合并,改變了網(wǎng)格的中心位置,形成新的網(wǎng)格,最終達(dá)到減少視場(chǎng)數(shù)量的目的;但是由于應(yīng)用場(chǎng)景不同,該方法無法滿足實(shí)時(shí)分配視場(chǎng)的要求。為解決傳統(tǒng)算法因視場(chǎng)固定而導(dǎo)致工作效率偏低的問題,本文基于迭代自組織分析數(shù)據(jù)法提出了一種實(shí)時(shí)動(dòng)態(tài)分配視場(chǎng)的算法,根據(jù)視場(chǎng)大小和視場(chǎng)所含的缺陷大小提出了增益視場(chǎng)的概念,利用增益視場(chǎng)擴(kuò)大了視場(chǎng)的有效范圍,使視場(chǎng)能夠覆蓋更多的缺陷。在實(shí)時(shí)接收新缺陷的同時(shí),不斷調(diào)整增益視場(chǎng)的大小和中心位置即改變了聚類的大小和中心位置,其主要的操作流程如圖6所示。
圖6 算法操作流程
1)算法在缺陷檢測(cè)流程開始時(shí)便已啟動(dòng),在實(shí)時(shí)拍照的同時(shí)進(jìn)行缺陷分析,每當(dāng)有新的缺陷被分析出就會(huì)觸發(fā)一次視場(chǎng)分配。
2)判斷缺陷是否可以添加到增益視場(chǎng)中,根據(jù)缺陷的大小和位置信息,判斷缺陷能否添加到增益視場(chǎng)中。
3)若缺陷無法增加到增益視場(chǎng)中,為缺陷增加一個(gè)視場(chǎng),計(jì)算出初始增益視場(chǎng)。
4)若缺陷可以增加到增益視場(chǎng)中,將缺陷添加到增益視場(chǎng)中,移動(dòng)視場(chǎng)的中心位置,使視場(chǎng)能夠覆蓋新的缺陷,重新計(jì)算增益視場(chǎng)。
5)視場(chǎng)位置調(diào)整后,判斷缺陷分析流程是否結(jié)束,若未結(jié)束等待新的圖像分析結(jié)果;若已結(jié)束則記錄視場(chǎng)分配結(jié)果,退出視場(chǎng)分配算法。
當(dāng)首個(gè)缺陷被分析出或缺陷無法增加到增益視場(chǎng)時(shí),以缺陷中心坐標(biāo)為視場(chǎng)中心坐標(biāo)增加一個(gè)視場(chǎng)。視場(chǎng)的左上角坐標(biāo)用(F,F)來表示,右下角的坐標(biāo)用(F,F)來表示,視場(chǎng)的中心坐標(biāo)用(F,F)來表示,視場(chǎng)的長(zhǎng)度用F表示,視場(chǎng)的寬度用F表示,則可以計(jì)算出視場(chǎng)的坐標(biāo)信息:
計(jì)算增益視場(chǎng),增益視場(chǎng)的概念是視場(chǎng)根據(jù)其內(nèi)部的所有缺陷的物理大小所計(jì)算出的最大可移動(dòng)范圍,由視場(chǎng)上下左右4個(gè)方向最大移動(dòng)范圍組成的網(wǎng)格便是增益視場(chǎng),如圖7所示。
圖7 計(jì)算增益視場(chǎng)
首先計(jì)算出由缺陷組成的外接矩形,P表示缺陷的長(zhǎng)度,P表示缺陷的寬度。(R,R)表示外接矩形的中心點(diǎn)坐標(biāo),(R,R)表示矩形的左上角坐標(biāo),(R,R)表示矩形右下角的坐標(biāo),則可以計(jì)算出:
之后,根據(jù)視場(chǎng)和外接矩形計(jì)算出視場(chǎng)可移動(dòng)范圍。視場(chǎng)向上下左右可移動(dòng)的范圍分別由,,和來表示,則可以計(jì)算出:
(E,E)表示增益視場(chǎng)的中心坐標(biāo),(E,E)和(E,E)表示增益視場(chǎng)的左上角和右下角坐標(biāo),和表示增益視場(chǎng)的長(zhǎng)度和寬度,根據(jù)以上信息可以得出:
判斷是否可以添加到增益視場(chǎng)中,需先判斷缺陷的中心坐標(biāo)位置是否在增益視場(chǎng)內(nèi)。缺陷中心的坐標(biāo)由(P,P)表示,能添加到視場(chǎng)的第一個(gè)條件是:
之后,根據(jù)缺陷的大小判斷增益視場(chǎng)能否完全覆蓋該缺陷,能添加到視場(chǎng)的第二個(gè)條件是:
同時(shí)滿足以上條件則可以添加到增益視場(chǎng)中,如圖8所示。
圖8 添加到增益視場(chǎng)
調(diào)整外接矩形,首先需要根據(jù)新缺陷P和視場(chǎng)內(nèi)部缺陷矩形R計(jì)算出新外接矩形R的信息,用R來表示由缺陷P組成的外接矩形,則新的外接矩形R的坐標(biāo)信息可以計(jì)算出:
調(diào)整視場(chǎng),通過調(diào)整視場(chǎng)的中心位置,視場(chǎng)能覆蓋缺陷P,移動(dòng)視場(chǎng)中心到由所有缺陷組成的新矩形的中心,如圖9所示。
圖9 調(diào)整視場(chǎng)
調(diào)整增益視場(chǎng),使用上述計(jì)算出的矩形R代入式(9)~式(18)便可計(jì)算出調(diào)整后增益視場(chǎng)E的大小和坐標(biāo)信息,調(diào)整后如圖10所示。
圖10 調(diào)整增益視場(chǎng)
按照上述操作進(jìn)行視場(chǎng)分配,不再固定視場(chǎng)的位置,在實(shí)時(shí)接收到新的缺陷信息的同時(shí),不斷調(diào)整增益視場(chǎng)和視場(chǎng)去覆蓋更多的缺陷,盡可能少地開辟新的視場(chǎng),減少視場(chǎng)分配的數(shù)量,直到缺陷分析流程結(jié)束,不會(huì)再有新的缺陷。所有的缺陷都被覆蓋在了視場(chǎng)后,退出算法。
在視場(chǎng)分配后就生成了一系列的視場(chǎng),缺陷復(fù)檢時(shí)就會(huì)控制運(yùn)動(dòng)臺(tái)移動(dòng)到不同的視場(chǎng)進(jìn)行圖像采集。為提高檢測(cè)效率,需要對(duì)移動(dòng)的路徑進(jìn)行合理的優(yōu)化,在最短的時(shí)間內(nèi)完成圖像采集工作。傳統(tǒng)工藝的路徑優(yōu)化采用了順序取像法,按照視場(chǎng)生成到次序?qū)σ晥?chǎng)進(jìn)行排序,這種方法操作簡(jiǎn)單、收斂速度快,但是會(huì)導(dǎo)致移動(dòng)路徑過長(zhǎng),最終導(dǎo)致檢測(cè)的效率偏低。本文將各個(gè)視場(chǎng)中心點(diǎn)作為路徑節(jié)點(diǎn),采用局部擇優(yōu)算法進(jìn)行路徑優(yōu)化。該算法會(huì)從當(dāng)前路徑節(jié)點(diǎn)的臨近節(jié)點(diǎn)中選擇一個(gè)最優(yōu)解當(dāng)作下一個(gè)當(dāng)前路徑節(jié)點(diǎn),該算法易于實(shí)現(xiàn)并且收斂速度快,完全滿足AOI系統(tǒng)的高效實(shí)時(shí)性。該算法的基本步驟如下所示。
步驟1:將第一個(gè)生成的視場(chǎng)中心點(diǎn)定為起始路徑節(jié)點(diǎn)。
步驟2:將鄰近的視場(chǎng)中心點(diǎn)作為鄰近節(jié)點(diǎn),從鄰近節(jié)點(diǎn)中選擇一個(gè)距離最近的節(jié)點(diǎn)作為新的起始點(diǎn),并記錄移動(dòng)路徑。
步驟3:重復(fù)步驟2,直到所有的視場(chǎng)都被加入到移動(dòng)路徑中。
步驟4:輸出優(yōu)化后的路經(jīng)。
路徑優(yōu)化示意圖如圖11所示。
圖11 路徑優(yōu)化示意圖
本實(shí)驗(yàn)的實(shí)驗(yàn)環(huán)境為CPU:Intel Core i3?10100 3.60 GHz,內(nèi)存8 GB DDR3L,操作系統(tǒng):Windows 10。相機(jī)的視場(chǎng)的大小是14 mm×18 mm,使用直徑為200 mm的晶圓測(cè)試片。為驗(yàn)證本算法的有效性,本文使用C#代碼編寫了本文路徑規(guī)劃算法的程序,使用AOI晶圓檢測(cè)機(jī)臺(tái)進(jìn)行實(shí)驗(yàn),并對(duì)測(cè)試算法的效果進(jìn)行簡(jiǎn)要的分析。首先使用傳統(tǒng)算法進(jìn)行視場(chǎng)分配,然后使用基于迭代自組織分析數(shù)據(jù)法改進(jìn)的算法進(jìn)行視場(chǎng)分配作對(duì)比。實(shí)驗(yàn)對(duì)1 636個(gè)待測(cè)對(duì)象進(jìn)行視場(chǎng)分配,使用傳統(tǒng)算法的視場(chǎng)分配后的視場(chǎng)數(shù)量是153個(gè),使用本文算法視場(chǎng)分配后的視場(chǎng)數(shù)量是107個(gè),本文算法相較于傳統(tǒng)算法視場(chǎng)的數(shù)量減少了30%左右,在視場(chǎng)分配結(jié)果上有明顯的提升,效果圖如圖12所示。
圖12 視場(chǎng)分配效果圖
在確認(rèn)視場(chǎng)數(shù)量最少的情況下,采用傳統(tǒng)算法進(jìn)行路徑優(yōu)化后的路徑長(zhǎng)度為6 455 mm,采用本文算法進(jìn)行路徑優(yōu)化后的路徑長(zhǎng)度為4 172 mm。在視場(chǎng)數(shù)目相等的條件下,本文算法相較于傳統(tǒng)算法路徑總長(zhǎng)度減少了35%左右,效果圖如圖13所示。
圖13 路徑優(yōu)化效果圖
為進(jìn)一步驗(yàn)證本算法的性能,使用了3片直徑為200 mm和3片直徑為300 mm的晶圓測(cè)試片進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)中記錄了使用傳統(tǒng)算法和本文算法在視場(chǎng)分配后的視場(chǎng)數(shù)量和最終路徑規(guī)劃后的路徑長(zhǎng)度,如表1所示。表1對(duì)傳統(tǒng)算法和本文算法在視場(chǎng)數(shù)量和路徑長(zhǎng)度兩個(gè)方面進(jìn)行比較,從中可以看出本文算法在視場(chǎng)分配數(shù)量上與傳統(tǒng)算法相比有明顯的減少。經(jīng)過本文算法綜合優(yōu)化后,路徑長(zhǎng)度較于傳統(tǒng)算法減少了50%左右。最終可以得出結(jié)論:本文算法所得路徑質(zhì)量更高,更加符合工業(yè)現(xiàn)場(chǎng)效率要求,能有效提高AOI的工作效率。
表1 混合路徑規(guī)劃算法和傳統(tǒng)算法結(jié)果對(duì)比
本文提出一種求解晶圓自動(dòng)光學(xué)檢測(cè)系統(tǒng)路徑規(guī)劃問題的混合算法,結(jié)合AOI系統(tǒng)高效實(shí)時(shí)性的特點(diǎn)改進(jìn)了迭代自組織數(shù)據(jù)分析法算法,在視場(chǎng)分配時(shí)提出了增益視場(chǎng)的概念,通過不斷調(diào)整視場(chǎng)和增益視場(chǎng)覆蓋更多的缺陷,有效地減少了視場(chǎng)的數(shù)量。視場(chǎng)分配結(jié)束后采用收斂速度快的局部擇優(yōu)算法進(jìn)行路徑優(yōu)化,縮短了路徑長(zhǎng)度,實(shí)現(xiàn)了AOI晶圓檢測(cè)系統(tǒng)路徑規(guī)劃的綜合優(yōu)化。最后,使用不同規(guī)格的晶圓實(shí)驗(yàn)證明,本文所采用的混合路徑規(guī)劃算法在求解性能上均優(yōu)于傳統(tǒng)算法,驗(yàn)證了本文算法的有效性。