使用 AI 的 CMP 质量检测

案例概述

解决方案：SolVision

化学机械平坦化（Chemical Mechanical Planarization，CMP）是半导体制造中的关键工艺步骤，用于实现晶圆表面平坦化并去除各工艺层之间的多余材料。每片晶圆均需经过 CMP 处理，以达到后续光刻和沉积工艺所要求的表面均匀性。

然而，CMP 工艺可能引入划痕、颗粒污染及抛光液损伤等表面缺陷。这些缺陷会影响器件性能和良率，因此，可靠的质量检测对于确保晶圆完整性至关重要。

CMP 产生的细微划痕、颗粒残留及抛光垫碎屑等缺陷具有低对比度且空间分布不均，难以从晶圆表面中有效分离。同时，CMP 工艺还会产生浅层抛光痕迹，导致检测图像背景纹理复杂且不均匀。

基于规则的 AOI 系统在处理缺陷形态及晶圆表面外观变化方面存在局限，尤其在低信噪比条件下表现更为明显。因此，传统检测方法难以满足高精度半导体制造环境下对稳健 CMP 质量检测的要求。

SolVision 采用 AI 视觉检测技术，对半导体晶圆上的 CMP 缺陷进行检测。

系统基于深度学习进行训练，通过标注包含细微划痕、颗粒等缺陷的样本图像，使 AI 模型学习从复杂晶圆背景中区分缺陷特征，从而在复杂检测条件下实现可靠检测。

AI 视觉系统可识别：

细微表面划痕
颗粒残留与污染
抛光垫碎屑及表面异常

SolVision 基于 AI 的检测可实现精准的缺陷检测与定位，包括缺陷位置和尺寸识别。持续学习机制可进一步提升检测性能，支持稳定可靠的 CMP 质量检测。

CMP 产生的晶圆表面缺陷

AI 晶圆表面缺陷检测

稳定的 CMP 晶圆检测

精准的表面缺陷检测

可靠的低对比度缺陷检测