一、前言

微视觉即以显微机器视觉技术为基础，对显微视觉计算成像，大模型混合算法，微机械运动相结合，针对微动目标实现亚微米，纳米级精度的定位与小尺度操纵，从而形成完整微观的AOI检测系统。相较于宏观视觉成像，显微视觉成像更具备微观成像能力与微米级甚至纳米级的成像精度，实现自动化检测能力。

光学显微视觉技术因具备交互性强、扩展性强的特征而广泛应用于精密测量及缺陷检测中，其精度通常定义为分辨率高于0.1μm，在半导体（检测与封装），小型机器人微操作，超精密加工（数控机床），医疗器械，生物医学等学科领域中获得广泛应用。

随着工业领域与生物领域研究的不断突破，涌现出各种各样高成像质量显微设备，如光学显微设备、电子显微设备、原子力显微设备、荧光显微设备、扫描探针显微及超分辨率显微设备等。上述检测设备只能实现离线检测，检测速度慢，人工检测为主，无法实现生产线上的在线检测能力。

基于 显微成像及设备制造形成的微视觉系统，未来将向高精度，高视觉成像及机械一体联动化方向发展，形成在线生产过程中的必要环节，提升企业生产效率和良率。

二、微视觉系统技术特性

微视觉系统涵盖：显微成像，算法处理及微机械联动，其包含了上下料，机械手对晶圆产品的提取，放置，调整镜头景深，实现采图及算法判断，分类等在规定的时间内实现连续一体化动作，保证检出率。现阶段大部分设备以显微成像为主要技术研究方向。

光学显微系统照明可划分为两类：反射光照明与透射光照明。透射光照明在生物医学领域广泛使用。在精密缺陷检测及测量领域，为了配合被测对象的运动及实现多自由度成像，显微系统的结构具有简易且体积小等特点。

现有成像方式主要依托非相干光成像方式，分为明场成像与暗场成像，明场成像下近场的光强分布模型能够对光学成像进行仿真与分析，并得到物体表面形貌光学成像的特征表达.暗场成像有助于突显形貌信息与边缘特征，而机械设计也要围绕光成像来设计。

视觉显微精密缺陷检测及测量技术具备以下特点：

· 信息获取量高，获取的图像中除包含目标图片缺陷大小，形状，位姿、尺寸等信息外，还包含光强、几何形态等信息，为后续大数据处理提供丰富资源，通过先进的图像处理算法能获取充足的辅助信息。

· 系统集成度高。视觉系统安装方便，简化零部件，减少对装配和外部环境的要求，降低成本，提高视觉图像/测量的实用性。

· 更换容易。减少硬件依赖，硬件标准化，软件实现通过数据库及算法（大模型方式）的改进提高缺陷的识别及测量的精度，适用性。

随着应用场景的精密化，其成像精度，难度将随之增加。如先进工艺半导体的前道及先进封装的AOI检测技术上，对纳米芯片生产过程中出现的断线、通孔、凹陷、桥接、颗粒、突起等缺陷的检测识别上皆为成像及后处理算法的难点，特别是缺陷与背景图案对比会直接影响缺陷的检测性，尺寸越小的缺陷越难以被检测，在成像上提出更高的检测技术难点。

尤其在高洁净空间（百级），高精度成像领域中，通常采用紫外光或是极紫外光的形式，而在可见光的范畴则可以采用蓝紫光来提高成像分辨率。因此，提高系统定位精度的关键在于构建显微相机成像模型并实现高精度的系统标定。而这种空间里，避免人为干预，尽力减少人员在该空间的滞留时间，未来将进一步向机械自动化设备演进，取代人员常驻。

微视觉系统设备技术难点：在微视觉领域，在微纳制造、平台定位、被测物缺陷识别及测量等方面实现设备联动，实现边生产边检测，满足生产节拍快，效率的高要求，摒弃原有的离线或人工检测方式（如：4英寸晶圆检测，设备15pcs/小时，人工检测2pcs/小时）。要满足工业生产需求和效率，是该领域技术的难点及瓶颈。

三、半导体缺陷检测/量测市场发展

随着应用场景的多样化，半导体市场将向两个方向发展，一类面向化合物半导体方向发展，解决现有国民生计中的通讯，高铁，光伏，风能，汽车，智能电网，机电机马达变频驱动器，高效供电电源，高亮度LED等应用，其主要半导体器件以化合物为主。对半导体晶圆精度要求略低，但产业化速度较快，能避开现有半导体技术难点。

另一类受消费类芯片，通讯芯片，物联网芯片，医药芯片等大量需求，对芯片生产中要求的高精度，高效性，规模化，批量化，降成本，质检等设备提出了更高要求，生产精度进一步提升。降低晶圆成本与能耗，持续微缩集成电路关键尺寸，并随着应用的变化，也增加了集成电路复杂性。目前，IC制造工艺技术已突破5nm，正朝向3nm节点发展，这将对工艺监控尤其是晶圆缺陷检测提升了更高的精检技术能力，晶圆图案特征尺寸的微缩，将极大地限制当前晶圆缺陷检测方案在平衡灵敏度、适应性、效率、捕获率等方面的能力。检测步骤的数量随着图案化步骤的增加而显著增加，缺陷漏检问题影响将会陆续传递到最终的芯片制造流程中。伴随工业界大规模的10 纳米及以下节点工艺芯片规模化制造，制造缺陷对芯片产量和成本的影响变得越来越显著，晶圆缺陷检测制约半导体制造产业的发展

四、半导体缺陷检测量测技术应用

随着半导体生产方向场景的不同，其检测工艺方向也发生分化，面对化合物中，如SiC微管，位错等检测，提升了检测识别度。面对工艺技术向7nm以下制程的发展，促使晶圆检测更加精密的难度。对现有生产过程中的缺陷，如断线、通孔、凹陷、桥接、颗粒、突起等缺陷的识别，缺陷与背景图案比对直接影响缺陷的检测，尺寸越小的缺陷越难以被检测，在成像上提出更高的检测难点。而材料对缺陷检测性影响，比提高光学分辨率还重要的是采用的光束光谱范围设计。

深度学习与传统算法融合，实现将无缺陷芯片的图像与有缺陷芯片的图像比较以识别芯片中缺陷或者通过将芯片的图像与芯片模板图像比较以识别芯片系统缺陷。但深度学习算法在实际IC生产线中还没有被完全应用，尤其是在光学缺陷检测方面。在IC制造产线上光学缺陷检测场景中推广深度学习技术的应用，深度学习与光学物理之间边界的探索等。

五、新视智科在半导体领域的设备拓展

新视智科在积极探索微视觉AOI检测的系统技术，提升产品检测节拍。其在新视多维感知技术基础理论及白光的设计基础上，加深了对显微视觉，对光成像的认知和融合，尤其是材料的多光谱认知，光成像的认知，深紫外成像设计等的计算成像认知，缺陷采集利用多维视觉感知技术。

图1 多维视觉感知技术

多源多通道数据实时采集，采用FPGA/CPU/GPU 异构计算平台的高通量实时图像处理技术，实现并行流水行处理，小缺陷、亚像素处理，算法底层融合专版表检算法框架，优于主流深度学习框架。

数据源来自于行业丰富项目积累大量缺陷数据库，应用于AI+大数据自主学习。并在设备设计前期，利用数字孪生做仿真化模拟、设计，保证产品质量稳定可靠，技术可控。

目前新视智科在化合物半导体晶圆检测上开始提供商用化产品系列，未来将向先进封装段的堆叠技术，TSV等技术探索。

5.1.微视觉化合物半导体AOI系统设备

图2 微视觉化合物半导体AOI系统设备

全自动晶圆外观检测设备系统，完成视觉定位和显微成像。提供晶圆表面高精度光学扫描检测解决方案，用于提高半导体行业的生产流程过程监控和良率分析改善，支持图案、无图案的晶圆表面高精度扫描等，可定制扫描精度，同时白光干涉光学系统可进行裂纹深度区域量测。

产品系列涵盖双面研磨（粗磨），双面研磨（精磨），CMP双面抛光，单面抛光等工位的粗磨前检测、切割片来料检、表面缺陷检测、精磨前检测、深度量测、双抛前检测、单抛前检测等。

5.1.1.设备采用

采用软，算，硬，机械相互融合方案，实现2D，3D同步检测。进行从卡塞扫描，晶圆机器人抓取，晶圆进行定位，CCD拍照定位角度，晶圆检测位置，CCD拍照定位角度，晶圆检测位置，晶圆进行扫描检测，机器人抓取晶圆，卡塞上料位等一系列动作，完成晶圆检测。 

其重点检测缺陷有：崩边、划伤、多型、坑点、裂纹、颜色不均、杂晶、未磨平、雾状、微管、水波纹、深度量测、边缘缺陷检测、多晶、亮线（形貌、分布、深度）、太阳纹（形貌、分布）等。

5.1.2.Smart AOI工业操作软件

基本单元：采用人机交互单元，运动控制单元，数据管理单元，数据存储单元，数据汇报单元，图像采集单元，中央处理单元等模块，支持定制化开发。

功能涵盖：良率report、Tool match、存图能力、检测流程、自动定位、wafer id识别、检测当站报警、MAP导入、MAP叠加、检测模式、过程控制、通讯协议、作业模式设定、历史记录、设备统计、硬件集成、数据输出、数据处理。

图3 Smart AOI工业操作软件界面

5.1.3.新视智科特色

· 实际案例：在华东某头部SiC企业，批量导入新视检测设备，且已验收上线生产；

· 产品数据库：多家现场已构建超百万+的缺陷样本库，快速解决调试上线问题，上线周期短；

· 领先架构：基于工业视觉技术和工业互联网技术于一体软算硬结合的智能系统，融合了工业互联网边缘云及自有云的网络，具备端边云能力；

· 质检专家：专有生产良率管理算法模型序列（AOI+AI质检云+AI推理+QC复检+QC抽检联动），实现生产过程闭环质量监控管理；

· 服务至上：服务网点覆盖全国及部分海外，专人24小时驻厂陪产，软件系统免费升级维护，终身授权。

（《机器视觉》杂志投稿文章，深圳新视智科技术有限公司 郑寿锋 吴小飞）