- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于半导体光刻技术自动调焦
基于半导体光刻技术自动调焦
摘要:提出了基于图像处理的半导体光刻技术自动调焦的方法,利用图象处理算法实现半导体光刻技术的自动调焦。实验结果表明,这种方法可以实现高精度(200nm)和良好的重复性(400nm)的调焦。
关键词:光刻技术;图像处理;自动调焦
中图分类号:TP317.4文献标识码:B
Auto-focus Base on Semiconductor Photo Lithography
WANG Peng,YANG Yong-yue,LI Qi-de
(School of Instrument Science and Opto-electronic Engineering,Hefei
University of Technology,Hefei230009,China)
Abstract:This paper has provided auto-focus method of semiconduct photo lithography on Digital Image Processing ,using arithmetic of digital image processing realize auto-focus .The result of experiment indicate that this method can achieve.
Keywords:lithography;image processing;auto focus
引言
光刻技术是半导体工业的核心、半导体行业前进的原动力,光刻技术每前进一步都会大大促进半导体技术的提升,半导体技术的每一次革命都是由新一代光刻机的问世引起的。从经济、国家安全角度来说,半导体技术对我们国家尤为重要:有了自己的芯片加工技术可以省去很多外购芯片和其他一些配件的资金;同时自身通讯的安全性也大为提高。自动调焦是半导体光刻技术中必要的一部分,在晶圆(wafer)对准过程中和后续曝光(explore)中都发挥着巨大作用。图1是曝光过程中离焦位置和不同曝光量对光刻效果的影响图,同时也是机器视觉、数字图像处理的重要一环。
1工作原理
光学光刻分辨率的提高带来焦深的急剧减少,从而要求严格控制曝光图形的表面与光刻物镜的高度,减少调焦误差,适应十分有限的焦深。国外的光刻机采用的调焦技术有自动调焦传感器、激光干涉仪等。本实验采用工业CCD和非感光波段的照明光源对曝光表面采集图像(如图2),硅片(wafer)被吸盘(chuck)吸附与平台(satge)固定在一起。移动垂直方向的平台,通过CCD采集图像,然后采用自动对焦算法计算非感光波段的焦点,最后给出感光波段与非感光波段的对焦偏移量,达到感光波段的焦点实现准确曝光。
对焦精度和重复性的??求:实验中选用工业CCD,选用尼康放大倍数为20X、焦深1.8mil的物镜。为了取得最好的曝光效果,必须使曝光位置处于焦深以内(图1中的Best Focus),即调焦后的位置在焦点±0.9mil范围内。
1.1自动调焦算法分析
通常使用的自动调焦算法有灰度梯度函数、频域函数(基于傅立叶变换)、信息学函数和统计学函数。频域要做复杂的数学变换,耗时较长;信息学和统计学函数做出的判断不稳定,经常把非焦点判断为焦点,而将焦点判断为非焦点;灰度梯度函数具有稳定、单峰、速度快的优点。所以这里采用灰度梯度函数作为自动调焦的评价函数。所谓灰度梯度函数就是利用一幅图像自身的对比度(图形的边缘的尖锐程度)来判断图像的清晰程度。
1.2图像清晰度与边缘特征的关系
边缘是图像最基本的特征之一。所谓边缘是指其周围像素灰度有阶跃性变化或屋顶变化的像素的集合。它存在于目标与背景、目标与目标、区域与区域之间。当系统成像清晰时,边缘点处的灰度阶跃性变化就大,不同灰度区域间的界线就清楚。当成像不清晰时,边缘点处灰度阶跃性变化小,不同灰度区域连成了一片,造成图像模糊。利用边缘点处灰度阶跃变化的程度来评价图像的清晰度具有直观性,不用再去考虑成像系统的特性。
1.3灰度梯度函数
这类函数主要利用对图像灰度的各种处理方法来表征图像清晰度. 假设图像某点(x, y) 处的灰度梯度值为g(x, y) , 每种算法所对应的g(x,y)不同,本实验采用SOBEL算法和KRISCH算法。
1.3.1Sobel算法
两个卷积形成sobel边缘检测算子(图3),图像中每个像素都用这两个核作卷积,一个核对垂直边缘影响最大,另一个对水平边缘影响最大。两个卷积的最大值作为该点的输出值g(x,y).数学表达如下:
文档评论(0)