分析各个晶圆层上的缺陷及其异常

半导体晶圆包含多个层。每一层都要执行一个复杂且精确的流程，包括沉积材料、涂抗蚀剂、光刻、蚀刻，以及离子注入，然后除去抗蚀剂。

在涂另一层前，必须先检测新蚀刻和注入的层是否有缺陷。晶圆层可能会有划痕、旋转缺陷、曝光问题、颗粒污染、热点、晶圆边缘缺陷，以及影响芯片性能的各种其他缺陷。

如果在层沉积后未及时探测到缺陷，则此类缺陷只能在测试时探测到，导致产量损失。即使它们通过了电子测试，未探测到的缺陷会降低使用可靠性，导致过早出现故障。

可能出现的缺陷范围非常大，而且缺陷可能在晶圆上的任何地方。所有缺陷都要在之前沉积层的复杂背景下进行检测。传统机器视觉无法通过编程探测范围这么大的缺陷，甚至即使是探测编程的缺陷，复杂背景也会使其变得不可靠。

Cognex Deep Learning（康耐视深度学习）是这种复杂缺陷探测问题的理想解决方案。缺陷探测工具使用合格晶圆层的少量图像学习无缺陷晶圆层的外观。然后该工具即可探测晶圆层任意位置上的即使是很小的缺陷并将其判为不合格，而且完全不受下层的影响。