本发明属于半导体晶圆切割，涉及到一种基于机器视觉的半导体晶圆智能切割系统。
背景技术：
1、半导体晶圆切割是指将晶棒切割成晶圆的生产过程，半导体晶圆切割是半导体芯片制造过程中不可或缺的环节。半导体晶圆切割过程中可能会因为刀片定位偏离、刀片转速异常和冷却水流速异常等问题导致晶圆质量出现问题。因此，基于机器视觉的半导体晶圆智能切割分析具有重要意义。
2、晶圆切割过程中刀片移动位置的精准性直接影响了晶圆产品的质量合格与否，而对于位置精准度的分析对于生产线优化和设备维护具有重要意义，传统的晶圆切割生产过程中通常通过分析刀片位移情况进而对刀片位置进行校正，而缺乏基于历史校正记录对于刀片移动精准性的分析，导致晶圆生产过程中的不确定性增加，影响晶圆切割的准确性和一致性，可能导致问题反复出现，而无法得到根本性的解决，频繁地进行刀片位置校正会影响生产效率，增加生产成本。
3、对于晶圆切割过程的切割参数控制是是晶圆生产效率和质量的重要保障，传统的晶圆生产过程通常只通过人工观察晶圆产品的质量进而对切割参数进行模糊优化而缺乏基于产品质量对切割参数的标准化反馈调节，这种分析方式可能导致对切割参数的调整不够精确，无法形成动态的切割参数调整，难以满足高精度生产的需求，降低了生产效率，并且由于人工观察较为主观，可能导致产品质量下降或生产中断。
技术实现思路
1、鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于机器视觉的半导体晶圆智能切割系统。
2、本发明的目的可以通过以下技术方案实现：一种基于机器视觉的半导体晶圆智能切割系统，该系统包括：材料质量判断模块，用于利用高清摄像头识别晶棒表观缺陷信息，具体包括缺陷数量、缺陷类型和缺陷面积，并分析晶棒表观质量情况，进而判断是否符合生产要求，当符合生产要求时进行切割操作。
3、切割操作定位模块，用于以晶棒端点为原点建立一维坐标系，基于晶圆厚度定位各规划切割位置坐标，将刀片移动至规划切割位置。
4、切割定位校准模块，用于利用高清摄像头获取刀片稳定后所处实际位置坐标，并分析刀片偏移情况，进而对刀片进行位置校准。
5、切割定位评价模块，用于从数据存储库中提取历史校准记录，并获取历史刀片位置校正量和校正频次，进而分析刀片移动精准性，进而判断是否需要对机器进行维修。
6、晶圆切割操作模块，用于基于等间隔时长进行生产时段划分，进而基于预先设置的初始切割参数对晶棒进行切割得到晶圆，其中切割参数包括刀片转速和冷却液流速。
7、产品质量分析模块，用于利用高清摄像头采集各生产时段切割得到的晶圆表面图像并获取晶圆表面缺损信息，具体包括缺损类型、缺损参数和缺损数量，进而分析晶圆机械缺损情况和热塑损伤情况。
8、产品异常识别模块，用于基于产品质量情况判断产品是否符合生产要求，将不符合生产要求的晶圆记为异常晶圆进而识别异常晶圆异常切割指向，具体包括刀片转速异常和冷却液流速异常。
9、切割参数调整模块，用于基于各生产时段内异常晶圆的异常切割指向获取调整切割参数，进而基于调整切割参数进行后续晶圆切割。
10、数据存储库，用于存储历史校准记录、初始切割参数和各种缺陷类型对应的影响因子。
11、于本发明一优选实施例，所述分析晶棒表观质量情况步骤如下：提取利用高清摄像头采集的晶棒表面图像，进而定位图像中晶棒表面的表观缺陷位置，并统计标记的表观缺陷位置数量即为表观缺陷数量。
12、提取各表观缺陷位置对应的缺陷特征，从而识别缺陷类型，由此将相同缺陷类型对应的表观缺陷位置进行归类，并统计各类型表观缺陷位置数量即为各类型表观缺陷数量，表示缺陷类型编号，。
13、利用图像处理软件对晶棒表面图像进行分析得到各处表观缺陷对应的缺陷面积，进而将同种类型表观缺陷的缺陷面积进行均值计算得到各类型表观缺陷的平均缺陷面积。
14、将各表观缺陷的缺陷类型与数据存储库中存储的各种缺陷类型对应的影响因子进行匹配，得到各表观缺陷对应的影响因子。
15、将各类型表观缺陷的数量、平均缺陷面积和各表观缺陷对应的影响因子代入分析公式得到晶棒表观质量指数，其中表示自然常数，表示晶棒表面积。
16、于本发明一优选实施例，所述判断是否符合生产要求具体如下：将分析得到的晶棒表观质量指数与预先设置的达标晶棒表观质量指数进行对比，当晶棒表观质量指数大于或等于预先设置的达标晶棒表观质量指数时，判断该晶棒符合生产要求，反之当晶棒表观质量指数小于达标晶棒表观质量指数时，判断该晶棒不符合生产要求。
17、于本发明一优选实施例，所述分析刀片偏移情况步骤如下：提取晶圆规划切割位置坐标，并提取刀片稳定后的实际位置坐标，将规划切割位置坐标与实际位置坐标进行差值计算得到规划切割偏离量。
18、将规划切割偏离量代入分析公式得到刀片偏离度，其中表示预先设置的允许规划切割偏离量，表示规划切割偏离量。
19、于本发明一优选实施例，所述分析刀片移动精准性步骤如下：提取历史校准记录对应的历史刀片位置校正量，进而将历史刀片位置校正量进行相同校正量归类，统计各类历史刀片位置校正量对应的历史校准记录数量，选取最大历史校准记录数量对应的历史刀片位置校正量作为监测历史刀片位置校正量。
20、将历史校准频次和监测历史刀片位置校正量代入分析公式得到刀片移动精准度，其中表示历史校准数量，表示监测历史刀片位置校正量。
21、于本发明一优选实施例，所述获取晶圆表面缺损信息具体如下：所述缺损类型具体包括裂纹和热变色，缺损参数具体为裂纹长度和热变色区域面积。
22、提取利用高清摄像头采集的晶圆表面图像，定位图像中的裂纹位置和热变色区域位置，并统计得到裂纹数量和热变色区域数量，进而利用图像处理软件得到各裂纹的长度和各热变色区域面积。
23、于本发明一优选实施例，所述分析晶圆机械缺损情况和热塑损伤情况步骤如下：将晶圆表面各裂纹长度进行均值计算得到平均裂纹长度，进而将平均裂纹长度和裂纹数量代入分析公式得到晶圆机械缺损指数，其中表示平均裂纹长度，表示晶圆直径，表示裂纹数量。
24、将晶圆表面各热变色区域面积进行累加得到晶圆表面热面色区域总面积，进而将晶圆表面热面色区域总面积与晶圆表面积进行占比计算得到晶圆热塑损伤指数。
25、于本发明一优选实施例，所述判断产品是否符合生产要求具体如下：将晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比。
26、当晶圆的机械损伤指数小于或等于预先设置的允许机械缺损指数且热塑损伤指数小于或等于预先设置的允许热塑损伤指数时，判断晶圆符合生产要求，反之则判断晶圆不符合生产要求。
27、于本发明一优选实施例，所述识别异常晶圆异常切割指向步骤如下：提取异常晶圆的机械缺损指数和热塑损伤指数，进而将异常晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比。
28、当异常晶圆的机械缺损指数大于允许机械缺损指数且热塑损伤指数小于或等于允许热塑损伤指数时，该异常晶圆的异常切割指向为刀片转速异常。
29、当异常晶圆的机械缺损指数小于或等于允许机械缺损指数且热塑损伤指数大于允许热塑损伤指数时，该异常晶圆的异常切割指向为冷却液流速异常。
30、当异常晶圆的机械缺损指数大于允许机械缺损指数且热度损伤指数大于允许热度损伤指数时，该异常晶圆的异常切割指向为刀片转速异常和冷却液流速异常。
31、于本发明一优选实施例，所述获取调整切割参数步骤如下：提取异常切割指向为刀片转速异常的异常晶圆数量和异常切割指向为冷却液流速异常的异常晶圆数量，进而分别与该生产时段生产的晶圆数量进行对比得到刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比。
32、将刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比与预先设置的允许刀片转速异常晶圆数量占比和允许冷却液流速异常晶圆数量占比进行对比，判断是否需要对刀片转速和冷却液流速进行调整。
33、当判断需要对刀片转速进行调整时，将各异常切割指向为刀片转速异常的异常晶圆对应的机械缺损指数进行均值计算得到监测机械缺损指数，进而将监测机械缺损指数代入分析公式得到调整刀片转速，其中表示初始刀片转速。
34、当判断需要对冷却液流速进行调整时，将各异常切割指向为冷却液流速异常的异常晶圆对应的热塑损伤指数进行均值计算得到监测热塑损伤指数，进而将监测热塑损伤指数代入分析公式得到调整冷却液流速，其中表示初始冷却液流速。
35、相较于现有技术，本发明的有益效果如下：（1）本发明通过基于历史校正记录对于刀片移动精准性进行分析，进而基于分析结果判断是否需要对机器进行维修，通过分析历史校正记录可以精确地识别刀片移动精度的变化趋势和潜在问题，避免因机器故障导致的生产中断和损失，确保机器处于最佳工作状态，有助于提高生产效率，优化资源分配，基于数据分析的维修决策还可以增大维修时机判断的准确性，确保进行维修的必要性。
36、（2）本发明通过分析晶圆机械缺损情况和晶圆热塑损伤情况，进而进行异常晶圆异常切割指向识别，并基于异常切割指向分析调节切割参数，从而实现对于切割参数的反馈调节，这种分析方式能够精确找到造成异常的具体原因，从而有针对性地调整切割参数，反馈调节机制确保切割参数能够快速适应生产过程中的变化，有效减少不良品的产生，提高晶圆的质量，精确的参数调整有助于设备保持最佳工作状态，提高生产效率。
1.一种基于机器视觉的半导体晶圆智能切割系统，其特征在于，该系统包括：
2.如权利要求1所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析晶棒表观质量情况步骤如下：
3.如权利要求2所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述判断是否符合生产要求具体如下：
4.如权利要求1所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析刀片偏移情况步骤如下：
5.如权利要求4所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析刀片移动精准性步骤如下：
6.如权利要求1所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述获取晶圆表面缺损信息具体如下：
7.如权利要求6所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析晶圆机械缺损情况和热塑损伤情况步骤如下：
8.如权利要求7所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述判断产品是否符合生产要求具体如下：
9.如权利要求8所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述识别异常晶圆异常切割指向步骤如下：
10.如权利要求9所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述获取调整切割参数步骤如下：
