在线杂质缺陷检测系统

“扬尘是一种十分复杂的尘源，目前国内外尚没有对扬尘统一的定义。”当前，扬尘的治理和监管已成为城市空气质量改善的重要工作领域。但我国扬尘监测跟不上治理需求，存在监测指标、监管系统和监控机制等方面的短板。　　当前，扬尘的治理和监管已成为城市空气质量改善的重要工作领域。但据悉，目前监测设备、指标设定还跟不上治理需求 单侧点监管系统也存在不少缺陷 在监管方式上，没有安装在线扬尘监测设备的施工场地，工地施工人员与环境监管人员“躲猫猫”，依靠执法人员人工巡查，很难抓住现行。　　工地与环境监管“躲猫猫”　　工地多，监管人力有限不能全覆盖　　在没有安装扬尘监测系统的工地，常发生施工人员与环境监管执法人员“躲猫咪”现象，严重影响了扬尘污染监管。　　据介绍，上海环保局环境监察总队日前在暗访检查工地过程中，发现浦东新区原世博园区有一个施工工地，在平整道路时，露天作业 也没有设置洒水池等有效防护措施，进出渣土车辆驶过，尘土飞扬，路过工地的人们纷纷掩鼻而过，扬尘污染严重。　　同日，在上海徐汇区龙华寺附近的一建筑工地，也发现在开挖地面时没有任何防护，大门有一个冲洗水池，水比较浅，起不到冲洗的作用，渣土车辆进出大门，掀起一股气浪，尘土满天飞扬。　　或许是工地管理人员发现了暗访执法人员，当第二天再到工地时，工地环境发生了一些改观，虽有扬尘污染的痕迹，但并不严重。　　当环境监察人员进入工地查询时，工地管理人员却矢口否认昨天有扬尘污染情况发生，工地保持宁静，停止施工，也不见车辆进出。由于没有安装监控系统，没有抓个现行，环境监察部门无法处理，工地逃过处罚。　　据了解，目前上海市很多地区对扬尘的监控，主要依靠环境执法人员去工地现场巡检，因人力有限，不仅难以全覆盖，也缺乏时效性。　　据上海市环保部门人士介绍，工地扬尘在时间上具有偶发性、在地点上具有不固定性，要达到控制污染源的效果，采取全面、有效的监控手段极为重要。　　扬尘单测点监管系统有天然“缺陷”　　监测结果不全面、真实性差、难通用　　据了解，扬尘污染是上海大气污染治理的一大顽症。根据上海市大气细颗粒物来源解析最新结果，扬尘已成为仅次于移动源、工业生产和燃煤的第四大污染源。　　近年来，上海开始实施工地扬尘在线监测试点工作，取得了一定成效，比如“泥头车”现象显着减少、施工企业的扬尘控制意识有所加强等。但相关人士坦言，这种监管也暴露出许多问题。　　首先，现有系统难以保证监测结果的全面性。相关环保人士透露，目前所采用的扬尘监测系统在每个施工工地(不论面积多大)仅设置一个测点，由于工地面积范围较大，且城市区域风向等气象参数多变，扬尘发生的位置不可能仅仅局限在一处，因此，单点监测既无法判断扬尘产生的位置，也无法确定扬尘落点的位置。　　其次，现有系统难以反映监测数据的真实性。现有系统采集的数据一般都经由自有平台进行修正后再显示在终端上，数据的准确性受修正方法的影响，导致显示数据与真实值始终存在较大误差。　　另外，现有系统难以实现数据传输的通用性。不同企业生产的扬尘在线监测系统使用各自的通信协议，虽然能满足设备到各自监控平台的数据传输，但彼此之间的数据传输标准不统一，互相之间无法形成有效的信息共享，也增加了环保部门的监管难度，不利于形成标准化、规范化的扬尘监管体系。　　业内人士认为，单测点监管系统有天生缺陷，不能很好地起到监管威慑作用，已不适应目前扬尘整治工作新要求，更何况只安装在试点工地。　　扬尘监测跟不上治理需求　　大部分是事后监测，技术不太成熟、设备不足　　“扬尘是一种十分复杂的尘源，目前国内外尚没有对扬尘统一的定义。”CTI华测检测认证集团环境事业部华北区经理文唤成说。　　在环保领域，《防治城市扬尘污染技术规范》(HJ/T393-2007)指出，扬尘是地表松散颗粒物质在自然力或人力作用下进入到环境空气中形成的一定粒径范围的空气颗粒物，主要分为土壤扬尘、施工扬尘、道路扬尘和堆场扬尘。　　文唤成介绍说，通过对颗粒物监测，可以为大气污染防治以及污染源解析提供数据支撑。目前，国内对扬尘的手工监测结果大部分是以小时均值、日均值等形式体现，不能全面反映瞬时污染或者实时污染。特别是一些瞬时高污染，手工监测容易受采样时空的限制而未采到代表性的样品，属于事后监测。　　目前反映扬尘的环境监测指标有：总悬浮颗粒物、PM10、PM2.5、降尘等，针对这些指标，其中有些监测技术不太成熟、缺乏专业设备，影响检测结果的准确性。　　比如《防治城市扬尘污染技术规范》(HJ/T393-2007)中的道路积尘负荷指标，是衡量道路扬尘排放的重要指标，需要用到带收集装置的真空吸尘器、封闭的摇床等设备，生产厂家很少，市场上很难采购到，给道路扬尘监测带来困难。　　文唤成说，CTI华测检测作为第三方监测机构，对扬尘监测有所涉足，但企业主动委托监测需求量不多。　　他认为，应重视扬尘监测，加强立法以及标准和技术指南的制定工作，同时要加大监测技术研发力度，推动扬尘污染防治。

摘要随着对性能优于硅基器件的碳化硅（SiC）功率器件的需求不断增长，碳化硅制造工艺的高成本和低良率是尚待解决的最紧迫问题。研究表明，SiC器件的性能很大程度上受到晶体生长过程中形成的所谓杀手缺陷（影响良率的缺陷）的影响。在改进降低缺陷密度的生长技术的同时，能够识别和定位缺陷的生长后检测技术已成为制造过程的关键必要条件。在这篇综述文章中，我们对碳化硅缺陷检测技术以及缺陷对碳化硅器件的影响进行了展望。本文还讨论了改进现有检测技术和降低缺陷密度的方法的潜在解决方案，这些解决方案有利于高质量SiC器件的大规模生产。前言由于电力电子市场的快速增长，碳化硅（SiC，一种宽禁带半导体）成为开发用于电动汽车、航空航天和功率转换器的下一代功率器件的有前途的候选者。与由硅或砷化镓（GaAs）制成的传统器件相比，基于碳化硅的电力电子器件具有多项优势。表1显示了SiC、Si、GaAs以及其他宽禁带材料（如GaN和金刚石）的物理性能的比较。由于具有宽禁带（4H-SiC为~3.26eV），基于SiC器件可以在更高的电场和更高的温度下工作，并且比基于Si的电力电子器件具有更好的可靠性。SiC还具有优异的导热性（约为Si的三倍），这使得SiC器件具有更高的功率密度封装，具有更好的散热性。与硅基功率器件相比，其优异的饱和电子速度（约为硅的两倍）允许更高的工作频率和更低的开关损耗。SiC优异的物理特性使其非常有前途地用于开发各种电子设备，例如具有高阻断电压和低导通电阻的功率MOSFET，以及可以承受大击穿场和小反向漏电流的肖特基势垒二极管（SBD）。性质Si3C-SiC4H-SiCGaAsGaN金刚石带隙能量（eV）1.12.23.261.433.455.45击穿场（106Vcm−1)0.31.33.20.43.05.7导热系数（Wcm−1K−1)1.54.94.90.461.322饱和电子速度（107cms−1)1.02.22.01.02.22.7电子迁移率（cm2V−1s−1)150010001140850012502200熔点（°C）142028302830124025004000表1电力电子用宽禁带半导体与传统半导体材料的物理特性（室温值）对比提高碳化硅晶圆质量对制造商来说很重要，因为它直接决定了碳化硅器件的性能，从而决定了生产成本。然而，低缺陷密度的SiC晶圆的生长仍然非常具有挑战性。最近，碳化硅晶圆制造的发展已经完成了从100mm（4英寸）到150mm（6英寸）晶圆的艰难过渡。SiC需要在高温环境中生长，同时具有高刚性和化学稳定性，这导致生长的SiC晶片中存在高密度的晶体和表面缺陷，导致衬底和随后制造的外延层质量差。图1总结了SiC中的各种缺陷以及这些缺陷的工艺步骤，下一节将进一步讨论。图1SiC生长过程示意图及各步骤引起的各种缺陷各种类型的缺陷会导致设备性能不同程度的劣化，甚至可能导致设备完全失效。为了提高良率和性能，在设备制造之前检测缺陷的技术变得非常重要。因此，快速、高精度、无损的检测技术在碳化硅生产线中发挥着重要作用。在本文中，我们将说明每种类型的缺陷及其对设备性能的影响。我们还对不同检测技术的优缺点进行了深入的讨论。这篇综述文章中的分析不仅概述了可用于SiC的各种缺陷检测技术，还帮助研究人员在工业应用中在这些技术中做出明智的选择（图2）。表2列出了图2中检测技术和缺陷的首字母缩写。图2可用于碳化硅的缺陷检测技术表2检测技术和缺陷的首字母缩写见图SEM：扫描电子显微镜OM：光学显微镜BPD：基面位错DIC：微分干涉对比PL：光致发光TED：螺纹刃位错OCT：光学相干断层扫描CL：阴极发光TSD：螺纹位错XRT：X射线形貌术拉曼：拉曼光谱SF：堆垛层错碳化硅的缺陷碳化硅晶圆中的缺陷通常分为两大类：（1）晶圆内的晶体缺陷和（2）晶圆表面处或附近的表面缺陷。正如我们在本节中进一步讨论的那样，晶体学缺陷包括基面位错（BPDs）、堆垛层错（SFs）、螺纹刃位错（TEDs）、螺纹位错（TSDs）、微管和晶界等，横截面示意图如图3（a）所示。SiC的外延层生长参数对晶圆的质量至关重要。生长过程中的晶体缺陷和污染可能会延伸到外延层和晶圆表面，形成各种表面缺陷，包括胡萝卜缺陷、多型夹杂物、划痕等，甚至转化为产生其他缺陷，从而对器件性能产生不利影响。图3SiC晶圆中出现的各种缺陷。（a）碳化硅缺陷的横截面示意图和（b）TEDs和TSDs、（c）BPDs、（d）微管、（e）SFs、（f）胡萝卜缺陷、（g）多型夹杂物、（h）划痕的图像生长在4°偏角4H-SiC衬底上的SiC外延层是当今用于各种器件应用的最常见的晶片类型。在4°偏角4H-SiC衬底上生长的SiC外延层是当今各种器件应用中最常用的晶圆类型。众所周知，大多数缺陷的取向与生长方向平行，因此，SiC在SiC衬底上以4°偏角外延生长不仅保留了下面的4H-SiC晶体，而且使缺陷具有可预测的取向。此外，可以从单个晶圆上切成薄片的晶圆总数增加。然而，较低的偏角可能会产生其他类型的缺陷，如3C夹杂物和向内生长的SFs。在接下来的小节中，我们将讨论每种缺陷类型的详细信息。晶体缺陷螺纹刃位错（TEDs）、螺纹位错（TSDs）SiC中的位错是电子设备劣化和失效的主要来源。螺纹刃位错（TSDs）和螺纹位错（TEDs）都沿生长轴运行，Burgers向量分别为和1/3。TSDs和TEDs都可以从衬底延伸到晶圆表面，并带来小的凹坑状表面特征，如图3b所示。通常，TEDs的密度约为8000-10,0001/cm2，几乎是TSDs的10倍。扩展的TSDs，即TSDs从衬底延伸到外延层，可能在SiC外延生长过程中转化为基底平面上的其他缺陷，并沿生长轴传播。Harada等人表明，在SiC外延生长过程中，TSDs被转化为基底平面上的堆垛层错（SFs）或胡萝卜缺陷，而外延层中的TEDs则被证明是在外延生长过程中从基底继承的BPDs转化而来的。基面位错（BPDs）另一种类型的位错是基面位错（BPDs），它位于SiC晶体的平面上，Burgers矢量为1/3。BPDs很少出现在SiC晶圆表面。它们通常集中在衬底上，密度为15001/cm2，而它们在外延层中的密度仅为约101/cm2。Kamei等人报道，BPDs的密度随着SiC衬底厚度的增加而降低。BPDs在使用光致发光（PL）检测时显示出线形特征，如图3c所示。在SiC外延生长过程中，扩展的BPDs可能转化为SFs或TEDs。微管在SiC中观察到的常见位错是所谓的微管，它是沿生长轴传播的空心螺纹位错，具有较大的Burgers矢量分量。微管的直径范围从几分之一微米到几十微米。微管在SiC晶片表面显示出大的坑状表面特征。从微管发出的螺旋，表现为螺旋位错。通常，微管的密度约为0.1–11/cm2，并且在商业晶片中持续下降。堆垛层错（SFs）堆垛层错(SFs)是SiC基底平面中堆垛顺序混乱的缺陷。SFs可能通过继承衬底中的SFs而出现在外延层内部，或者与扩展BPDs和扩展TSDs的变换有关。通常，SFs的密度低于每平方厘米1个，并且通过使用PL检测显示出三角形特征,如图3e所示。然而，在SiC中可以形成各种类型的SFs，例如Shockley型SFs和Frank型SFs等，因为晶面之间只要有少量的堆叠能量无序可能导致堆叠顺序的相当大的不规则性。点缺陷点缺陷是由单个晶格点或几个晶格点的空位或间隙形成的，它没有空间扩展。点缺陷可能发生在每个生产过程中，特别是在离子注入中。然而，它们很难被检测到，并且点缺陷与其他缺陷的转换之间的相互关系也是相当的复杂，这超出了本文综述的范围。其他晶体缺陷除了上述各小节所述的缺陷外，还存在一些其他类型的缺陷。晶界是两种不同的SiC晶体类型在相交时晶格失配引起的明显边界。六边形空洞是一种晶体缺陷，在SiC晶片内有一个六边形空腔，它已被证明是导致高压SiC器件失效的微管缺陷的来源之一。颗粒夹杂物是由生长过程中下落的颗粒引起的，通过适当的清洁、仔细的泵送操作和气流程序的控制，它们的密度可以大大降低。表面缺陷胡萝卜缺陷通常，表面缺陷是由扩展的晶体缺陷和污染形成的。胡萝卜缺陷是一种堆垛层错复合体，其长度表示两端的TSD和SFs在基底平面上的位置。基底断层以Frank部分位错终止，胡萝卜缺陷的大小与棱柱形层错有关。这些特征的组合形成了胡萝卜缺陷的表面形貌，其外观类似于胡萝卜的形状，密度小于每平方厘米1个，如图3f所示。胡萝卜缺陷很容易在抛光划痕、TSD或基材缺陷处形成。多型夹杂物多型夹杂物，通常称为三角形缺陷，是一种3C-SiC多型夹杂物，沿基底平面方向延伸至SiC外延层表面，如图3g所示。它可能是由外延生长过程中SiC外延层表面上的下坠颗粒产生的。颗粒嵌入外延层并干扰生长过程，产生了3C-SiC多型夹杂物，该夹杂物显示出锐角三角形表面特征，颗粒位于三角形区域的顶点。许多研究还将多型夹杂物的起源归因于表面划痕、微管和生长过程的不当参数。划痕划痕是在生产过程中形成的SiC晶片表面的机械损伤，如图3h所示。裸SiC衬底上的划痕可能会干扰外延层的生长，在外延层内产生一排高密度位错，称为划痕，或者划痕可能成为胡萝卜缺陷形成的基础。因此，正确抛光SiC晶圆至关重要，因为当这些划痕出现在器件的有源区时，会对器件性能产生重大影响。其他表面缺陷台阶聚束是SiC外延生长过程中形成的表面缺陷，在SiC外延层表面产生钝角三角形或梯形特征。还有许多其他的表面缺陷，如表面凹坑、凹凸和污点。这些缺陷通常是由未优化的生长工艺和不完全去除抛光损伤造成的，从而对器件性能造成重大不利影响。检测技术量化SiC衬底质量是外延层沉积和器件制造之前必不可少的一步。外延层形成后，应再次进行晶圆检查，以确保缺陷的位置已知，并且其数量在控制之下。检测技术可分为表面检测和亚表面检测，这取决于它们能够有效地提取样品表面上方或下方的结构信息。正如我们在本节中进一步讨论的那样，为了准确识别表面缺陷的类型，通常使用KOH（氢氧化钾）通过在光学显微镜下将其蚀刻成可见尺寸来可视化表面缺陷。然而，这是一种破坏性的方法，不能用于在线大规模生产。对于在线检测，需要高分辨率的无损表面检测技术。常见的表面检测技术包括扫描电子显微镜（SEM）、原子力显微镜（AFM）、光学显微镜（OM）和共聚焦微分干涉对比显微镜（CDIC）等。对于亚表面检测，常用的技术包括光致发光（PL）、X射线形貌术（XRT）、镜面投影电子显微镜（MPJ）、光学相干断层扫描（OCT）和拉曼光谱等。在这篇综述中，我们将碳化硅检测技术分为光学方法和非光学方法，并在以下各节中对每种技术进行讨论。非光学缺陷检测技术非光学检测技术，即不涉及任何光学探测的技术，如KOH蚀刻和TEM，已被广泛用于表征SiC晶圆的质量。这些方法在检测SiC晶圆上的缺陷方面相对成熟和精确。然而，这些方法会对样品造成不可逆转的损坏，因此不适合在生产线中使用。虽然存在其他非破坏性的检测方法，如SEM、CL、AFM和MPJ，但这些方法的通量较低，只能用作评估工具。接下来，我们简要介绍上述非光学技术的原理。还讨论了每种技术的优缺点。透射电子显微镜（TEM）透射电子显微镜（TEM）可用于以纳米级分辨率观察样品的亚表面结构。透射电镜利用入射到碳化硅样品上的加速电子束。具有超短波长和高能量的电子穿过样品表面，从亚表面结构弹性散射。SiC中的晶体缺陷，如BPDs、TSDs和SFs，可以通过TEM观察。扫描透射电子显微镜（STEM）是一种透射电子显微镜，可以通过高角度环形暗场成像（HAADF）获得原子级分辨率。通过TEM和HAADF-STEM获得的图像如图4a所示。TEM图像清晰地显示了梯形SF和部分位错，而HAADF-STEM图像则显示了在3C-SiC中观察到的三种SFs。这些SFs由1、2或3个断层原子层组成，用黄色箭头表示。虽然透射电镜是一种有用的缺陷检测工具，但它一次只能提供一个横截面视图，因此如果需要检测整个碳化硅晶圆，则需要花费大量时间。此外，透射电镜的机理要求样品必须非常薄，厚度小于1μm，这使得样品的制备相当复杂和耗时。总体而言，透射电镜用于了解缺陷的基本晶体学，但它不是大规模或在线检测的实用工具。图4不同的缺陷检测方法和获得的缺陷图像。（a）SFs的TEM和HAADF图像；（b）KOH蚀刻后的光学显微照片图像；（c）带和不带SF的PL光谱，而插图显示了波长为480nm的单色micro-PL映射；（d）室温下SF的真彩CLSEM图像；（e）各种缺陷的拉曼光谱；（f）微管相关缺陷204cm−1峰的微拉曼强度图KOH蚀刻KOH蚀刻是另一种非光学技术，用于检测多种缺陷，例如微管、TSDs、TEDs、BDPs和晶界。KOH蚀刻后形成的图案取决于蚀刻持续时间和蚀刻剂温度等实验条件。当将约500°C的熔融KOH添加到SiC样品中时，在约5min内，SiC样品在有缺陷区域和无缺陷区域之间表现出选择性蚀刻。冷却并去除SiC样品中的KOH后，存在许多具有不同形貌的蚀刻坑，这些蚀刻坑与不同类型的缺陷有关。如图4b所示，位错产生的大型六边形蚀刻凹坑对应于微管，中型凹坑对应于TSDs，小型凹坑对应于TEDs。KOH刻蚀的优点是可以一次性检测SiC样品表面下的所有缺陷，制备SiC样品容易，成本低。然而，KOH蚀刻是一个不可逆的过程，会对样品造成永久性损坏。在KOH蚀刻后，需要对样品进行进一步抛光以获得光滑的表面。镜面投影电子显微镜（MPJ）镜面投影电子显微镜（MPJ）是另一种很有前途的表面下检测技术，它允许开发能够检测纳米级缺陷的高通量检测系统。由于MPJ反映了SiC晶圆上表面的等电位图像，因此带电缺陷引起的电位畸变分布在比实际缺陷尺寸更宽的区域上。因此，即使工具的空间分辨率为微米级，也可以检测纳米级缺陷。来自电子枪的电子束穿过聚焦系统，均匀而正常地照射到SiC晶圆上。值得注意的是，碳化硅晶圆受到紫外光的照射，因此激发的电子被碳化硅晶圆中存在的缺陷捕获。此外，SiC晶圆带负电，几乎等于电子束的加速电压，使入射电子束在到达晶圆表面之前减速并反射。这种现象类似于镜子对光的反射，因此反射的电子束被称为“镜面电子”。当入射电子束照射到携带缺陷的SiC晶片时，缺陷的带负电状态会改变等电位表面，导致反射电子束的不均匀性。MPJ是一种无损检测技术，能够对SiC晶圆上的静电势形貌进行高灵敏度成像。Isshiki等人使用MPJ在KOH蚀刻后清楚地识别BPDs、TSDs和TEDs。Hasegawa等人展示了使用MPJ检查的BPDs、划痕、SFs、TSDs和TEDs的图像，并讨论了潜在划痕与台阶聚束之间的关系。原子力显微镜（AFM）原子力显微镜（AFM）通常用于测量SiC晶圆的表面粗糙度，并在原子尺度上显示出分辨率。AFM与其他表面检测方法的主要区别在于，它不会受到光束衍射极限或透镜像差的影响。AFM利用悬臂上的探针尖端与SiC晶圆表面之间的相互作用力来测量悬臂的挠度，然后将其转化为与表面缺陷特征外观成正比的电信号。AFM可以形成表面缺陷的三维图像，但仅限于解析表面的拓扑结构，而且耗时长，因此通量低。扫描电子显微镜（SEM）扫描电子显微镜（SEM）是另一种广泛用于碳化硅晶圆缺陷分析的非光学技术。SEM具有纳米量级的高空间分辨率。加速器产生的聚焦电子束扫描SiC晶圆表面，与SiC原子相互作用，产生二次电子、背散射电子和X射线等各种类型的信号。输出信号对应的SEM图像显示了表面缺陷的特征外观，有助于理解SiC晶体的结构信息。但是，SEM仅限于表面检测，不提供有关亚表面缺陷的任何信息。阴极发光（CL）阴极发光（CL）光谱利用聚焦电子束来探测固体中的电子跃迁，从而发射特征光。CL设备通常带有SEM，因为电子束源是这两种技术的共同特征。加速电子束撞击碳化硅晶圆并产生激发电子。激发电子的辐射复合发射波长在可见光谱中的光子。通过结合结构信息和功能分析，CL给出了样品的完整描述，并直接将样品的形状、大小、结晶度或成分与其光学特性相关联。Maximenko等人显示了SFs在室温下的全彩CL图像，如图4d所示。不同波长对应的SFs种类明显，CL发现了一种常见的单层Shockley型堆垛层错，其蓝色发射在~422nm，TSD在~540nm处。虽然SEM和CL由于电子束源而具有高分辨率，但高能电子束可能会对样品表面造成损伤。基于光学的缺陷检测技术为了在不损失检测精度的情况下实现高吞吐量的在线批量生产，基于光学的检测方法很有前途，因为它们可以保存样品，并且大多数可以提供快速扫描能力。表面检测方法可以列为OM、OCT和DIC，而拉曼、XRT和PL是表面下检测方法。在本节中，我们将介绍每种检测方法的原理，这些方法如何应用于检测缺陷，以及每种方法的优缺点。光学显微镜（OM）

摘要晶圆表面缺陷检测在半导体制造中对控制产品质量起着重要作用，已成为计算机视觉领域的研究热点。然而，现有综述文献中对晶圆缺陷检测方法的归纳和总结不够透彻，缺乏对各种技术优缺点的客观分析和评价，不利于该研究领域的发展。本文系统分析了近年来国内外学者在晶圆表面缺陷检测领域的研究进展。首先，介绍了晶圆表面缺陷模式的分类及其成因。根据特征提取方法的不同，目前主流的方法分为三类：基于图像信号处理的方法、基于机器学习的方法和基于深度学习的方法。此外，还简要介绍了代表性算法的核心思想。然后，对每种方法的创新性进行了比较分析，并讨论了它们的局限性。最后，总结了当前晶圆表面缺陷检测任务中存在的问题和挑战，以及该领域未来的研究趋势以及新的研究思路。1.引言硅晶圆用于制造半导体芯片。所需的图案是通过光刻等工艺在晶圆上形成的，是半导体芯片制造过程中非常重要的载体。在制造过程中，由于环境和工艺参数等因素的影响，晶圆表面会产生缺陷，从而影响晶圆生产的良率。晶圆表面缺陷的准确检测，可以加速制造过程中异常故障的识别以及制造工艺的调整，提高生产效率，降低废品率。晶圆表面缺陷的早期检测往往由经验丰富的检测人员手动进行，存在效率低、精度差、成本高、主观性强等问题，不足以满足现代工业化产品的要求。目前，基于机器视觉的缺陷检测方法[1]在晶圆检测领域已经取代了人工检测。传统的基于机器视觉的缺陷检测方法往往采用手动特征提取，效率低下。基于计算机视觉的检测方法[2]的出现，特别是卷积神经网络等神经网络的出现，解决了数据预处理、特征表示和提取以及模型学习策略的局限性。神经网络以其高效率、高精度、低成本、客观性强等特点，迅速发展，在半导体晶圆表面缺陷检测领域得到广泛应用。近年来，随着智能终端和无线通信设施等电子集成电路的发展，以及摩尔定律的推广，在全球对芯片的需求增加的同时，光刻工艺的精度也有所提高。随着技术的进步，工艺精度已达到10纳米以下[5]。因此，对每个工艺步骤的良率提出了更高的要求，对晶圆制造中的缺陷检测技术提出了更大的挑战。本文主要总结了晶圆表面缺陷检测算法的相关研究，包括传统的图像处理、机器学习和深度学习。根据算法的特点，对相关文献进行了总结和整理，对晶圆缺陷检测领域面临的问题和挑战进行了展望和未来发展。本文旨在帮助快速了解晶圆表面缺陷检测领域的相关方法和技能。2. 晶圆表面缺陷模式在实际生产中，晶圆上的缺陷种类繁多，形状不均匀，增加了晶圆缺陷检测的难度。在晶圆缺陷的类型中，无图案晶圆缺陷和图案化晶圆缺陷是晶圆缺陷的两种主要形式。这两类缺陷是芯片故障的主要原因。无图案晶圆缺陷多发生在晶圆生产的预光刻阶段，即由机器故障引起的晶圆缺陷。划痕缺陷如图1a所示，颗粒污染缺陷如图1b所示。图案化晶圆缺陷多见于晶圆生产的中间工序。曝光时间、显影时间和烘烤后时间不当会导致光刻线条出现缺陷。螺旋激励线圈和叉形电极的微纳制造过程中晶圆表面产生的缺陷如图2所示。开路缺陷如图2 a所示，短路缺陷如图2 b所示，线路污染缺陷如图2 c所示，咬合缺陷如图2d所示。图1.（a）无图案晶圆的划痕缺陷；（b）无图案晶圆中的颗粒污染。图2.（a）开路缺陷，（b）短路缺陷，（c）线路污染，以及（d）图案化晶圆缺陷图中的咬合缺陷。由于上述晶圆缺陷的存在，在对晶圆上所有芯片进行功能完整性测试时，可能会发生芯片故障。芯片工程师用不同的颜色标记测试结果，以区分芯片的位置。在不同操作过程的影响下，晶圆上会产生相应的特定空间图案。晶圆图像数据，即晶圆图，由此生成。正如Hansen等在1997年指出的那样，缺陷芯片通常具有聚集现象或表现出一些系统模式，而这种缺陷模式通常包含有关工艺条件的必要信息。晶圆图不仅可以反映芯片的完整性，还可以准确描述缺陷数据对应的空间位置信息。晶圆图可能在整个晶圆上表现出空间依赖性，芯片工程师通常可以追踪缺陷的原因并根据缺陷类型解决问题。Mirza等将晶圆图缺陷模式分为一般类型和局部类型，即全局随机缺陷和局部缺陷。晶圆图缺陷模式图如图3所示，局部缺陷如图3 a所示，全局随机缺陷如图3b所示。全局随机缺陷是由不确定因素产生的，不确定因素是没有特定聚类现象的不可控因素，例如环境中的灰尘颗粒。只有通过长期的渐进式改进或昂贵的设备大修计划，才能减少全局随机缺陷。局部缺陷是系统固有的，在晶圆生产过程中受到可控因素的影响，如工艺参数、设备问题和操作不当。它们反复出现在晶圆上，并表现出一定程度的聚集。识别和分类局部缺陷，定位设备异常和不适当的工艺参数，对提高晶圆生产良率起着至关重要的作用。图3.（a）局部缺陷模式（b）全局缺陷模式。对于面积大、特征尺寸小、密度低、集成度低的晶圆图案，可以用电子显微镜观察光刻路径，并可直接进行痕量检测。随着芯片电路集成度的显著提高，进行芯片级检测变得越来越困难。这是因为随着集成度的提高，芯片上的元件变得更小、更复杂、更密集，从而导致更多的潜在缺陷。这些缺陷很难通过常规的检测方法进行检测和修复，需要更复杂、更先进的检测技术和工具。晶圆图研究是晶圆缺陷检测的热点。天津大学刘凤珍研究了光刻设备异常引起的晶圆图缺陷。针对晶圆实际生产过程中的缺陷，我们通过设备实验对光刻胶、晶圆粉尘颗粒、晶圆环、划痕、球形、线性等缺陷进行了深入研究，旨在找到缺陷原因，提高生产率。为了确定晶圆模式失效的原因，吴明菊等人从实际制造中收集了811,457张真实晶圆图，创建了WM-811K晶圆图数据集，这是目前应用最广泛的晶圆图。半导体领域专家为该数据集中大约 20% 的晶圆图谱注释了八种缺陷模式类型。八种类型的晶圆图缺陷模式如图4所示。本综述中引用的大多数文章都基于该数据集进行了测试。图4.八种类型的晶圆映射缺陷模式类型：（a）中心、（b）甜甜圈、（c）边缘位置、（d）边缘环、（e）局部、（f）接近满、（g）随机和（h）划痕。3. 基于图像信号处理的晶圆表面缺陷检测图像信号处理是将图像信号转换为数字信号，再通过计算机技术进行处理，实现图像变换、增强和检测。晶圆检测领域常用的有小波变换（WT）、空间滤波（spatial filtering）和模板匹配（template matching）。本节主要介绍这三种算法在晶圆表面缺陷检测中的应用。图像处理算法的比较如表1所示。表 1.图像处理算法的比较。模型算法创新局限小波变换 图像可以分解为多种分辨率，并呈现为具有不同空间频率的局部子图像。防谷物。阈值的选择依赖性很强，适应性差。空间滤波基于空间卷积，去除高频噪声，进行边缘增强。性能取决于阈值参数。模板匹配模板匹配算法抗噪能力强，计算速度快。对特征对象大小敏感。3.1. 小波变换小波变换（WT）是一种信号时频分析和处理技术。首先，通过滤波器将图像信号分解为不同的频率子带，进行小波分解 然后，通过计算小波系数的平均值、标准差或其他统计度量，分析每个系数以检测任何异常或缺陷。异常或缺陷可能表现为小波系数的突然变化或异常值。根据分析结果，使用预定义的阈值来确定信号中的缺陷和异常，并通过识别缺陷所在的时间和频率子带来确定缺陷的位置。小波分解原理图如图5所示，其中L表示低频信息，H表示高频信息。每次对图像进行分解时，图像都会分解为四个频段：LL、LH、HL 和 HH。下层分解重复上层LL带上的分解。小波变换在晶圆缺陷特征的边界处理和多尺度边缘检测中具有良好的性能。图5.小波分解示意图。Yeh等提出了一种基于二维小波变换（2DWT）的方法，该方法通过修正小波变换模量（WTMS）计算尺度系数之间的比值，用于晶圆缺陷像素的定位。通过选择合适的小波基和支撑长度，可以使用少量测试数据实现晶圆缺陷的准确检测。图像预处理阶段耗费大量时间，严重影响检测速度。Wen-Ren Yang等提出了一种基于短时离散小波变换的晶圆微裂纹在线检测系统。无需对晶圆图像进行预处理。通过向晶圆表面发射连续脉冲激光束，通过空间探针阵列采集反射信号，并通过离散小波变换进行分析，以确定微裂纹的反射特性。在加工的情况下，也可以对微裂纹有更好的检测效果。多晶太阳能硅片表面存在大量随机晶片颗粒，导致晶圆传感图像纹理不均匀。针对这一问题，Kim Y等提出了一种基于小波变换的表面检测方法，用于检测太阳能硅片缺陷。为了更好地区分缺陷边缘和晶粒边缘，使用两个连续分解层次的小波细节子图的能量差作为权重，以增强每个分解层次中提出的判别特征。实验结果表明，该方法对指纹和污渍有较好的检测效果，但对边缘锋利的严重微裂纹缺陷无效，不能适用于所有缺陷。3.2. 空间过滤空间滤波是一种成熟的图像增强技术，它是通过直接对灰度值施加空间卷积来实现的。图像处理中的主要作用是图像去噪，分为平滑滤镜和锐化滤镜，广泛应用于缺陷检测领域。图6显示了图像中中值滤波器和均值滤波器在增加噪声后的去噪效果。图6.滤波去噪效果图：（a）原始图像，（b）中值滤波去噪，（c）均值滤光片去噪。Ohshige等提出了一种基于空间频率滤波技术的表面缺陷检测系统。该方法可以有效地检测晶圆上的亚微米缺陷或异物颗粒。晶圆制造中随机缺陷的影响。C.H. Wang提出了一种基于空间滤波、熵模糊c均值和谱聚类的晶圆缺陷检测方法，该方法利用空间滤波对缺陷区域进行去噪和提取，通过熵模糊c均值和谱聚类获得缺陷区域。结合均值和谱聚类的混合算法用于缺陷分类。它解决了传统统计方法无法提取具有有意义的分类的缺陷模式的问题。针对晶圆中的成簇缺陷，Chen SH等开发了一种基于中值滤波和聚类方法的软件工具，所提算法有效地检测了缺陷成簇。通常，空间过滤器的性能与参数高度相关，并且通常很难选择其值。3.3. 模板匹配模板匹配检测是通过计算模板图像与被测图像之间的相似度来实现的，以检测被测图像与模板图像之间的差异区域。Han H等从晶圆图像本身获取的模板混入晶圆制造工艺的设计布局方案中，利用物理空间与像素空间的映射，设计了一种结合现有圆模板匹配检测新方法的晶圆图像检测技术。刘希峰结合SURF图像配准算法，实现了测试晶圆与标准晶圆图案的空间定位匹配。测试图像与标准图像之间的特征点匹配结果如图7所示。将模式识别的轮廓提取技术应用于晶圆缺陷检测。Khalaj等提出了一种新技术，该技术使用高分辨率光谱估计算法提取晶圆缺陷特征并将其与实际图像进行比较，以检测周期性2D信号或图像中不规则和缺陷的位置。图7.测试图像与标准图像之间的特征点匹配结果。下接：晶圆表面缺陷检测方法综述【下】

日立暗场晶圆缺陷检测系统DI46002023年12月6日，日立高新宣布推出日立暗场晶圆缺陷检测系统DI4600，这是一种用于检测半导体生产线上图案化晶圆上颗粒和缺陷的新工具。DI4600 增加了一个专用服务器，该服务器提供了检测颗粒和缺陷所需的显著增强的数据处理能力，从而提高了检测能力。与之前的型号相比，通过缩短晶圆转移时间和改进晶圆检测期间的操作，系统的吞吐量也提高了约 20%。DI4600将实现半导体生产线中高精度的缺陷监测，这将有助于提高产量和更好的拥有成本，促进半导体产量持续扩大。发展背景在当前的社会环境中，DRAM和FLASH等存储器半导体设备，MPU和GPU等逻辑半导体不仅用于智能手机、笔记本电脑和PC，还用于生成人工智能（AI）计算和自动驾驶。随着半导体器件的萎缩和复杂性的发展，对制造过程清洁度和检测能力的要求也变得更加严格。半导体制造商不断努力提高竞争力，尤其是在性能和制造成本方面。图案化晶圆检查工具通过检查生产晶圆的表面是否有颗粒和缺陷，有助于产量管理，使工程师能够监测半导体处理工具的清洁度变化和趋势，因此对半导体器件的性能和制造成本有很大影响。关键技术1.高通量与现有型号相比，通过减少晶圆转移时间、改善晶圆检测期间的操作和优化数据处理顺序，吞吐量提高了约 20%。2.高精度检测由于增加了专用服务器，因此提高了检测精度，该服务器提供了检测颗粒和缺陷所需的显着增强的数据处理能力。

作者朱金龙*、刘佳敏、徐田来、袁帅、张泽旭、江浩、谷洪刚、周仁杰、刘世元*单位华中科技大学哈尔滨工业大学香港中文大学原文链接：10 nm 及以下技术节点晶圆缺陷光学检测 - IOPscience文章导读伴随智能终端、无线通信与网络基础设施、智能驾驶、云计算、智慧医疗等产业的蓬勃发展，先进集成电路的关键尺寸进一步微缩至亚10nm尺度，图形化晶圆上制造缺陷（包括随机缺陷与系统缺陷）的识别、定位和分类变得越来越具有挑战性。传统明场检测方法虽然是当前晶圆缺陷检测的主流技术，但该方法受制于光学成像分辨率极限和弱散射信号捕获能力极限而变得难以为继，因此亟需探索具有更高成像分辨率和更强缺陷散射信号捕获性能的缺陷检测新方法。近年来，越来越多的研究工作尝试将传统光学缺陷检测技术与纳米光子学、光学涡旋、计算成像、定量相位成像和深度学习等新兴技术相结合，以实现更高的缺陷检测灵敏度，这已为该领域提供了新的可能性。近期，华中科技大学机械科学与工程学院、数字制造装备与技术国家重点实验室的刘世元教授、朱金龙研究员、刘佳敏博士后、江浩教授、谷洪刚讲师，哈尔滨工业大学张泽旭教授、徐田来副教授、袁帅副教授，和香港中文大学周仁杰助理教授在SCIE期刊《极端制造》（International Journal of Extreme Manufacturing, IJEM）上共同发表了《10nm及以下技术节点晶圆缺陷光学检测》的综述，对过去十年中与光学晶圆缺陷检测技术有关的新兴研究内容进行了全面回顾，并重点评述了三个关键方面：（1）缺陷可检测性评估，（2）多样化的光学检测系统，以及（3）后处理算法。图1展示了该综述研究所总结的代表性晶圆缺陷检测新方法，包括明/暗场成像、暗场成像与椭偏协同检测、离焦扫描成像、外延衍射相位显微成像、X射线叠层衍射成像、太赫兹波成像缺陷检测、轨道角动量光学显微成像。通过对上述研究工作进行透彻评述，从而阐明晶圆缺陷检测技术的可能发展趋势，并为该领域的新进入者和寻求在跨学科研究中使用该技术的研究者提供有益参考。光学缺陷检测方法；显微成像；纳米光子学；集成电路；深度学习亮点：● 透彻梳理了有望实现10nm及以下节点晶圆缺陷检测的各类光学新方法。● 建立了晶圆缺陷可检测性的评价方法，总结了缺陷可检测性的影响因素。● 简要评述了传统后处理算法、基于深度学习的后处理算法及其对缺陷检测性能的积极影响。▲图1能够应对图形化晶圆缺陷检测挑战的各类光学检测系统示意图。（a）明/暗场成像；（b）暗场成像与椭偏协同检测；（c）离焦扫描成像；（d）外延衍射相位显微成像；（e）包含逻辑芯片与存储芯片的图形化晶圆；（f）X射线叠层衍射成像；（g）太赫兹成像；（h）轨道角动量光学显微成像。研究背景伴随智能手机、平板电脑、数字电视、无线通信基础设施、网络硬件、计算机、电子医疗设备、物联网、智慧城市等行业的蓬勃发展，不断刺激全球对半导体芯片的需求。这些迫切需求，以及对降低每片晶圆成本与能耗的不懈追求，构成了持续微缩集成电路关键尺寸和增加集成电路复杂性的驱动力。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造成更严峻的考验：上述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。随着双重图案化、三重图案化以及四重图案化紫外光刻技术的广泛使用，检测步骤的数量随着图案化步骤的增加而显著增加，这可能会降低产率并增加器件故障的风险，因为缺陷漏检事故的影响会被传递至最终的芯片制造流程中。更糟糕的是，当前业界采用极其复杂的鳍式场效应晶体管 (FinFET) 和环栅 (GAA) 纳米线 (NW) 器件来降低漏电流和提高器件的稳定性，这将使得三维 (3D) 架构中的关键缺陷通常是亚表面（尤其是空隙）缺陷、深埋缺陷或高纵横比结构中的残留物。总体上而言，伴随工业界开始大规模的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，晶圆缺陷检测所带来的挑战无疑会制约半导体制造产业的发展。鉴于此，IC芯片制造厂商对晶圆缺陷检测技术与设备的重视程度日渐加深。在本文中，朱金龙研究员等人对图形化晶圆缺陷光学检测方法的最新进展进行了详细介绍。最新进展晶圆缺陷光学检测方法面的最新进展包含三个方面：缺陷可检测性评估、光学缺陷检测方法、后处理算法。缺陷可检测性评估包含两个方面：材料对缺陷可检测性的影响、晶圆缺陷拓扑形貌对缺陷可检测性的影响。图2展示了集成电路器件与芯片中所广泛采纳的典型体材料的复折射率N、法向反射率R和趋肤深度δ。针对被尺寸远小于光波长的背景图案所包围的晶圆缺陷，缺陷与背景图案在图像对比度差异主要是由材料光学特性的差异所主导的，也就是复折射率与法向反射率。具体而言，图2(c)所示的缺陷材料与图案材料的法向反射率曲线差异是优化缺陷检测光束光谱的基础之一。因此，寻找图像对比度和灵敏度足够高的最佳光束光谱范围比纯粹提高光学分辨率更重要一些，并且此规律在先进工艺节点下的晶圆缺陷检测应用中更具指导意义。▲图2集成电路中典型体材料的光学特性。（a）折射率n；（b）消光系数k；（c）法向反射率R；（d）趋肤深度δ。晶圆缺陷拓扑形貌对缺陷可检测性的影响也尤为重要。在图形化晶圆缺陷检测中，缺陷散射信号信噪比和图像对比度主要是受缺陷尺寸与缺陷类型影响的。图3展示了存储器件中常规周期线/空间纳米结构中的典型缺陷，依次为断线、边缘水平桥接和通孔、凹陷、之字形桥接、中心水平桥接、颗粒、突起、竖直桥接等缺陷。目前，拓扑形貌对缺陷可检测性的影响已被广泛研究，这通常与缺陷检测条件配置优化高度相关。例如，水平桥接与竖直桥接均对照明光束的偏振态相当敏感；在相同的缺陷检测条件配置下，桥接、断线、颗粒物等不同类型的缺陷会展现出不同的缺陷可检测性；同时，缺陷与背景图案的尺寸亦直接影响缺陷的可检测性，尺寸越小的缺陷越难以被检测。▲图3图形化晶圆上周期线/空间纳米结构中的典型缺陷（a）断线；（b）边缘水平桥接和通孔；（c）凹陷；（d）之字形桥接缺陷；（e）中心水平桥接；（f）颗粒物；（g）突起；（h）竖直桥接。丰富多彩的新兴光学检测方法。光是人眼或人造探测器所能感知的电磁波谱范围内的电磁辐射。任意光电场可采用四个基本物理量进行完整描述，即频率、振幅、相位和偏振态。晶圆缺陷光学检测通常是在线性光学系统中实施的，从而仅有频率不会伴随光与物质相互作用发生改变，振幅、相位、偏振态均会发生改变。那么，晶圆缺陷光学检测系统可根据实际使用的光学检测量进行分类，具体可划分为明/暗场成像、暗场成像与椭偏协同检测、离焦扫描成像、外延衍射相位显微成像、X射线叠层衍射成像、太赫兹波成像缺陷检测、轨道角动量光学显微成像。图4展示了基于相位重构的光学缺陷检测系统，具体包括外延相位衍射显微成像系统、光学伪电动力学显微成像系统。在这两种显微镜成像系统中，缺陷引起的扰动波前信号展现了良好的信噪比，并且能够被精准地捕获。后处理算法。从最简单的图像差分算子到复杂的图像合成算法，后处理算法因其能显著改善缺陷散射信号的信噪比和缺陷-背景图案图像对比度而在光学缺陷检测系统中发挥关键作用。伴随着深度学习算法成为普遍使用的常规策略，后处理算法在缺陷检测图像分析场景中的价值更加明显。典型后处理算法如Die-to-Die检测方法是通过将无缺陷芯片的图像与有缺陷芯片的图像进行比较以识别逻辑芯片中的缺陷，其也被称为随机检测。Cell-to-Cell检测方法是通过比较将同一芯片中无缺陷单元的图像与有缺陷单元的图像进行比较以识别存储芯片中的缺陷，其也被称为阵列检测。至于Die-to-Database检测方法，其本质是通过将芯片的图像与基于芯片设计布局的模型图像进行比较以识别芯片的系统缺陷。而根据原始检测图像来识别和定位各类缺陷，关键在于确保后处理图像（例如差分图像）中含缺陷区域的信号强度应明显大于预定义的阈值。基于深度学习的缺陷检测方法的实施流程非常简单：首先，捕获足够的电子束检测图像或晶圆光学检测图像（模拟图像或实验图像均可）；其次，训练特定的神经网络模型，从而实现从检测图像中提取有用特征信息的功能；最后，用小样本集测试训练后的神经网络模型，并根据表征神经网络置信水平的预定义成本函数决定是否应该重复训练。然而，深度学习算法在实际IC生产线中没有被广泛地接收，尤其是在光学缺陷检测方面。其原因不仅包括“黑箱性质”和缺乏可解释性，还包括未经实证的根据纯光学图像来定位和分类深亚波长缺陷的能力。而要在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，还需开展更多研究工作，尤其是深度学习在光学缺陷检测场景中的灰色区域研究、深度学习与光学物理之间边界的探索等。▲图4代表性新兴晶圆缺陷光学检测系统。（a）外延相位衍射显微成像系统；（b）光学伪电动力学显微成像系统。（a）经许可转载。版权所有（2013）美国化学会。（b）经许可转载。版权所有（2019）美国化学会。未来展望伴随集成电路(IC)制造工艺继续向10nm及以下节点延拓，针对IC制造过程中的关键工序开展晶圆缺陷检测，从而实现IC制造的工艺质量监控与良率管理，这已成为半导体领域普遍达成的共识。尽管图形化晶圆缺陷光学检测一直是一个长期伴随IC制造发展的工程问题，但通过与纳米光子学、结构光照明、计算成像、定量相位成像和深度学习等新兴技术的融合，其再次焕发活力。其前景主要包含以下方面：为了提高缺陷检测灵敏度，需要从检测系统硬件与软件方面协同创新；为了拓展缺陷检测适应性，需要更严谨地研究缺陷与探测光束散射机理；为了改善缺陷检测效率，需要更高效地求解缺陷散射成像问题。除了IC制造之外，上述光学检测方法对光子传感、生物感知、混沌光子等领域都有广阔的应用前景。

p 2020年7月20日KLA公司宣布推出革命性的eSL10& #8482 电子束图案化晶圆缺陷检查系统。该系统具有独特的检测能力，能够检测出常规光学或其他电子束检测平台无法捕获的缺陷，从而加速了高性能逻辑和存储芯片的上市时间（包括那些依赖于极端紫外线（EUV）光刻技术的芯片）。eSL10的研发是始于最基本的构架，针对研发生产存在多年的问题而开发出了多项突破性技术，可提供高分辨率，高速检测功能，这是市场上任何其他电子束系统都难以比拟的。 /p p KLA电子束部门总经理Amir Azordegan表示：“利用单一的高能量电子束，eSL10系统将电子束检测性能提升到了一个新水平。在此之前，电子束检测系统不能兼顾灵敏度和产能，严重限制了实际的应用。我们优秀的研发工程团队采用了全新的方法来设计电子束架构以及算法，研制出的新系统可以解决现有设备无法解决的问题。目前，KLA将电子束检测列入对制造尖端产品至关重要的设备清单。” /p p img style=" max-width:100% max-height:100% " src=" https://www.semi.org.cn/img/news/sdfffdsffsd.jpg" / /p p 图：针对先进的逻辑、DRAM和3D NAND器件，KLA革命性的eSL10& #8482 电子束图案化晶圆缺陷检测系统利用独特的技术发现甄别产品中的关键缺陷。 /p p eSL10电子束检测系统具有多项革命性技术，能够弥补对关键缺陷检测能力的差距。独特的电子光学设计提供了在业界相对比较广泛的操作运行范围，能够捕获各种不同制程层和器件类型中的缺陷。Yellowstone& #8482 扫描模式每次可以扫描收集100亿像素的信息，支持高速运行的同时不会影响分辨率，以在较大区域内也能高效地研究潜在弱点，实现缺陷发现。Simul-6& #8482 传感器技术可以通过一次扫描同时收集表面、形貌、材料对比度和深沟槽信息，从而减少了在具有挑战性的器件结构和材料中识别不同缺陷类型所需的时间。凭借其先进的人工智能（AI）系统，eSL10运用了深度学习算法，能满足IC制造商不断发展的检测要求，杜绝了对器件性能影响最关键的缺陷。 /p p 三维器件结构，例如用于内存应用的3D NAND和DRAM，以及用于逻辑器件的FinFET和GAA（Gate-All-Around）结构，都要求晶圆厂重新考虑传统的缺陷控制策略。eSL10与KLA的旗舰39xx（“ Gen5”）和29xx（“ Gen4”）宽光谱晶圆缺陷检测系统的结合，为先进的IC技术提供了强大的缺陷发现和监测解决方案。这些系统共同合作，提高了产品的良率和可靠性，将更快地发现关键缺陷，并能够更快地解决从研发到生产的缺陷问题。 /p p 新推出的eSL10系统平台具有独特的扩展性，可以延申到整个电子束检测和量测应用中。全球范围内先进的逻辑器件、存储器和制程设备制造商都在使用eSL10系统，利用该系统帮助研发生产过程，提升和监测下一代产品制程和器件的制造。为了保持其高性能和生产力表现，eSL10系统拥有KLA全球综合服务网络的支持。更多关于全新电子束缺陷检测系统的其他信息，请参见eSL10产品页面。 /p

将更智能、更强大的电子元件塞进不断缩小的设备中的一个挑战是开发工具和技术，以越来越高的精度分析构成它们的材料。密歇根州立大学的物理学家在这方面迈出了期待已久的一步，采用了一种结合高分辨率显微镜和超快激光的方法。这项技术在《自然光子学》杂志上进行了描述，使研究人员能够以无与伦比的精度发现半导体中的失配原子。半导体物理学将这些原子称为“缺陷”，听起来像是负面的，但它们通常是故意添加到材料中的，对于当今和未来的半导体性能至关重要。“这对于具有纳米级结构的组件特别相关，”密歇根州立大学的实验物理学杰里科文讲席教授兼新研究的负责人泰勒科克说。这包括像计算机芯片这样的东西，它们通常使用具有纳米级特征的半导体。而且，研究人员正致力于通过工程材料将纳米级架构发挥到极致，这些材料的厚度只有一个原子。“这些纳米材料是半导体的未来，”科克说，他也是密歇根州立大学物理与天文学系的超快太赫兹纳米显微镜实验室的负责人。“当你有纳米级电子产品时，确保电子能够按照你希望的方式移动非常重要。”缺陷在电子运动中起着重要作用，这就是为什么像科克这样的科学家渴望准确了解它们的位置和行为。科克的同行们很高兴得知，他团队的新技术将让他们轻松获取这些信息。“我的一位同事说，‘我希望你们出去庆祝了，’”科克说。主导这一项目的Vedran Jelic是科克团队的一名博士后研究员，现在在加拿大国家研究委员会工作，是这份新报告的第一作者。研究团队还包括博士生Stefanie Adams、Eve Ammerman和Mohamed Hassan，以及本科生研究员Kaedon Cleland-Host。科克补充说，使用适当的设备，这项技术实施起来很简单，他的团队已经在将其应用于像石墨烯纳米带这样厚度仅一个原子的材料上。“我们有许多开放的项目，正在使用这项技术研究更多的材料和更具异国情调的材料，”科克说。“我们基本上将其纳入我们所做的一切，作为一种标准技术使用。”轻触目前已经有工具，特别是扫描隧道显微镜（STM），可以帮助科学家发现单原子缺陷。与许多人从高中科学课上认出的显微镜不同，STM不使用镜头和灯泡来放大物体。相反，STM使用原子级尖端扫描样品表面，类似于唱片播放器上的唱针。但STM的尖端不会触及样品表面，只是足够接近，使电子可以在尖端和样品之间跳跃或隧穿。STM记录电子跳跃的数量和位置，以及其他信息，以提供关于样品的原子级信息（因此，科克的实验室称之为纳米显微镜而非显微镜）。但仅靠STM数据并不足以清晰地解析样品中的缺陷，尤其是在镓砷这种在雷达系统、高效太阳能电池和现代电信设备中应用的重要半导体材料中。在他们的最新出版物中，科克和他的团队专注于镓砷样品，这些样品故意掺入了硅缺陷原子，以调整电子在半导体中的运动方式。“硅原子对电子来说基本上就像一个深坑，”科克说。尽管理论家们已经研究了这种类型的缺陷几十年，但实验者直到现在还无法直接检测到这些单个原子。科克和他团队的新技术仍然使用STM，但研究人员还直接在STM的尖端照射激光脉冲。这些脉冲由太赫兹频率的光波组成，意味着它们每秒钟振动一万亿次。最近，理论家们表明，这与硅原子缺陷在镓砷样品中来回振动的频率相同。通过结合STM和太赫兹光，密歇根州立大学团队创造了一种对缺陷具有无与伦比灵敏度的探针。当STM尖端接触到镓砷表面上的硅缺陷时，团队的测量数据中出现了一个突然、强烈的信号。当研究人员将尖端移到离缺陷一个原子远的地方时，信号消失了。“这里有一个人们已经追寻了四十多年的缺陷，我们看到它像钟一样响，”科克说。“起初，这很难相信，因为它如此明显，”他继续说。“我们不得不以各种方式测量它，以确定这是真实的。”一旦他们确信信号是真实的，就很容易解释，因为已经有数十年的理论研究对其进行了彻底的表征。“当你发现这样的东西时，已经有数十年的理论研究详细描述它，这真的很有帮助，”Jelic说，他与科克一样，也是这篇新论文的通讯作者。尽管科克的实验室在这一领域处于前沿，但世界各地的研究小组目前也在将STM和太赫兹光结合起来。还有各种其他材料可以从这种技术中受益，用于超出检测缺陷的应用。现在他的团队已经与社区分享了他们的方法，科克对未来的发现感到兴奋。

[提要] 广州番禺部分菜田被揭发用“垃圾肥”种菜一事，继续发酵。对于“垃圾肥”被外界指存在污染土壤和蔬菜可能，俩人坚定否认并表示无法接受该观点。”　　记者在市场检验室看到，检验室设备齐全，具备检测肉类水分、农药残留、吊白块、甲醛、二氧化硫、亚硝酸盐等杂质功能。 　　广州番禺部分菜田被揭发用“垃圾肥”种菜一事，继续发酵。昨天，记者再次来到“垃圾肥”使用比较集中的区域，发现“垃圾肥”仍被使用。对于被指存在污染土壤和蔬菜可能，部分仍在使用“垃圾肥”的农民表示不能接受。记者向其中一家被指售卖“垃圾肥”种植蔬菜的市场了解到，现有蔬菜检测制度的缺陷，致“垃圾菜”有机会凭“带毒之身”过关。 　　菜农态度： 　　多数仍在使用垃圾肥 　　不接受垃圾肥有毒说 　　昨天，记者再度来到被发现普遍存在用“垃圾肥”种菜的金山大道周边菜地。虽城中各大媒体已广泛报道“垃圾肥”一事，但这一带大部分农田仍在用“垃圾肥”。 　　在石碁镇金山村，多块农田24日被番禺区农业部门提取土壤和蔬菜样本化验。记者入村看到，大部分农民依然如常耕作。但细细和他们聊天，记者便发现他们对外界关于“垃圾肥”的评价颇有看法。 　　在最靠近村入口的一块田内，一老一少两位农民正在种菜。俩人一见记者靠近，便问“你是不是记者啊?”，并表示“这几天好多媒体过来哦，说我们金山的菜不行哦”。 　　对于“垃圾肥”被外界指存在污染土壤和蔬菜可能，俩人坚定否认并表示无法接受该观点。较年老的农民自称年近80岁，“我3岁就开始种菜了，用的就是垃圾肥，从你们广州撑船运过来的。”记者指出，老人家3岁时的生活垃圾成分，和现在无法比较，起码没有那么多电池和废旧药品。老人家还是无法接受，“我沿着广州的街道收屎尿回来耕田，屎尿也有毒啦。” 　　较年轻的农民，则担心日后生计。只见这块田内，不少菜心是新播种的，年轻农民一边耕作一边叹这些新种下的菜心可能卖不出，“现在外面报我们的菜有毒，怎么可能卖得出去?” 　　市场说法： 　　目前还没有测重金属 　　市场内多售外地蔬菜 　　有农民向记者称，用“垃圾肥”种出来的芫茜是拿到番禺清河市场售卖的。记者昨天来到该市场，发现果然有芫茜卖。 　　“我们卖的都是本地芫茜。”一位出售芫茜的菜贩称。记者随即提出，广州各大媒体都在报道番禺“垃圾肥”种菜的事，这“本地芫茜”到底安不安全，该菜贩向记者表示芫茜绝对安全，“每天都有市场的人过来检验，从来没听说过吃死人，怎么不安全?” 　　“我们确实对入场销售的蔬菜管理较严。”清河市场管理处负责人刘先生称，每位菜贩入场，场方都会从菜贩售卖的每一类蔬菜中抽取一个样本进行化验，可以当场知道结果，不合格的产品不仅不能销售，市场还会全部扣查菜贩的蔬菜，“我们担心他们仍有机会卖到其他地方。” 　　记者在市场检验室看到，检验室设备齐全，具备检测肉类水分、农药残留、吊白块、甲醛、二氧化硫、亚硝酸盐等杂质功能。记者提出，番禺区多地发现使用的“垃圾肥”，都有药品和废旧电池。虽然工艺改良，但废旧电池依然带有重金属，市场是否具备检测重金属能力?刘先生表示市场还没有检测重金属的能力。 　　“并不是市场不重视，而是规章制度没要求。”刘先生称，相关部门对于农贸市场食品检测要求，主要针对农药残留，重金属没有考虑在内。所以说尽管蔬菜检测合格，但仍有机会“带毒”并影响人体健康。 　　“看到各大媒体的报道，我们也很重视啊。”刘先生称，市场方已经向各管理部门提议增加检测重金属项目。同时，刘先生也认为即使“垃圾肥”种出的蔬菜最终被证实“带毒”，市民也没必要太过恐慌，“就以我们市场为例，大部分蔬菜都不是本地种植的。”刘先生称，尽管金山大道两边都有大量菜田，但相对于番禺乃至整个广州，目前蔬菜主要靠外地运入，“如我们市场，大家看到白色泡沫盒装着售卖的菜，就是外地蔬菜。”刘先生称，外地菜在番禺唱主角，很大程度上和耕地减少有关。文/羊城晚报记者 梁怿韬

进入赤霄科技，墙上几个大字格外吸引眼球，&ldquo 专注一件事 表面缺陷机器视觉智能检测系统设备&rdquo 。这家专注于表面缺陷检测系统研发的高科技公司在经历近2年的投入研发后，终于获得回报，公司研发的产品由于性价比高，受到市场推崇，王暾终于舒了口气。2011年，王暾放弃留美读博的机会，毅然决然回国创业，这样的决定曾遭受了不少亲朋好友的反对。 　　&ldquo 当时根本没有人理解我。&rdquo 王暾回忆。在老师眼里，王暾留美读博再适合不过，由于他放弃这样值得珍惜的机会，以至于恩师&ldquo 反目&rdquo ，&ldquo 你放弃读博的话，就不用回国见我了。&rdquo 每每回想起这样的场景，除了无奈之外，王暾想得更多的是怎么样把项目做好。 　　2009年，针对众多企业的技术需求，王暾建立了一个技术交易平台。&ldquo 我建立这个技术平台的另外一个重要目的，就是想让所有学技术的人员能在这个技术平台发挥自己最大的才能。&rdquo 王暾介绍。 　　技术平台的建设难度远超过王暾的想象，资金来源成了平台建设难以逾越的鸿沟。经历了1年多的摸索后，王暾决定先放弃技术平台的建设转向技术开发。 　　2012年，杭州赤霄科技有限公司正式成立。经历了近两年的研发，无纺布表面缺陷检测系统等3款产品相继面世。2014年上半年，赤霄科技系统设备销售额达到300万，一举扭转只投入，无产出的局面，公司逆转亏损开始盈利。2014年一整年，赤霄科技的年产值预计将达到500余万。 　　据赤霄科技的王经理介绍，表面缺陷检测系统的研发在国内还处于起步阶段，专注于这一领域的公司也是屈指可数，能在这一行业立足，靠的是技术。 　　另一方面，赤霄科技在产品的价格上也占足了优势。王暾介绍，德国的同类产品，售价高达80万，而赤霄的同款产品售价20万，更容易被国内的中小企业接受。 　　由于产品市场效益良好，赤霄科技成了一些风投公司的香馍馍，&ldquo 未来两年，公司会进行融资，并扩大生产。当然，把公司发展成上市公司是我的目标。&rdquo 王暾笑着说。

p style=" text-indent: 2em " span 2020 /span 年 span 8 /span 月 span 27 /span 日， span style=" text-align: justify text-indent: 28px " KLA /span span style=" text-align: justify text-indent: 28px " 仪器发布针对功率器件的 /span span style=" text-align: justify text-indent: 28px font-family: Arial, sans-serif color: rgb(12, 12, 18) background: white " Candela sup & reg /sup & nbsp 8520& nbsp /span span style=" text-align: justify text-indent: 28px color: rgb(12, 12, 18) background: white " 缺陷检测系统。该设备继承自首款将表面形貌和晶体缺陷的检测和分类集成至一个平台的 /span span style=" text-align: justify text-indent: 28px font-family: Arial, sans-serif color: rgb(12, 12, 18) background: white " Candela sup & reg /sup & nbsp CS920 /span span style=" text-align: justify text-indent: 28px color: rgb(12, 12, 18) background: white " 系统。 /span span style=" text-align: justify text-indent: 28px font-family: Arial, sans-serif color: rgb(12, 12, 18) background: white " Candela 8520 /span span style=" text-align: justify text-indent: 28px color: rgb(12, 12, 18) background: white " 的检测速度是前身的两倍多，对于快速增长的功率器件市场来说，能够更好地提升产量。 /span /p p style=" text-indent: 0em " span style=" text-align: justify text-indent: 28px color: rgb(12, 12, 18) background: white " img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/202009/uepic/a90c3a0c-9641-41fe-82c5-40f2269b2f5a.jpg" title=" AdvanceBlogCandela-01_300dpi__002_.jpg" alt=" AdvanceBlogCandela-01_300dpi__002_.jpg" / /span /p p style=" text-align: right text-indent: 0em " span style=" font-family:& #39 Arial& #39 ,sans-serif color:#0C0C12 background:white" span style=" text-align: justify text-indent: 28px font-family: Arial, sans-serif color: rgb(12, 12, 18) background: white " Candela sup & reg /sup & nbsp 8520& nbsp /span span style=" text-align: justify text-indent: 28px color: rgb(12, 12, 18) background: white " 缺陷检测系统（KLA官网） /span br/ /span /p p style=" text-indent: 28px text-align: justify " span style=" font-family:& #39 Arial& #39 ,sans-serif color:#0C0C12 background:white" Candela 8520 /span span style=" color:#0C0C12 background:white" 晶圆检测系统能够弥补关键缺陷检测漏洞，例如裸晶圆上的堆积层错和外延生长后的基面位错。该系统还配备有一些分析工具，如在线缺陷检测，芯片分选和轮廓线图。该系统能够生成一个综合检测报告来帮助工艺工程师更精准的改进工艺。 /span /p p style=" text-indent: 28px text-align: justify " span style=" font-family:& #39 Arial& #39 ,sans-serif color:#0C0C12 background:white" Candela 8520 /span span style=" color:#0C0C12 background:white" 集成了五种互补的检测技术，通过这些技术的结合可以精确地区分多种缺陷，如微管和微坑、胡萝卜型和基面位错，堆积层错和台阶聚集等。同时还能捕捉到影响 /span span style=" font-family:& #39 Arial& #39 ,sans-serif color:#0C0C12 background:white" SiC /span span style=" color:#0C0C12 background:white" 衬底和外延工艺控制的大型形貌缺陷。 /span /p p style=" text-align: center text-indent: 0em " img style=" max-width:100% max-height:100% " src=" https://www.kla-tencor.com/wp-content/uploads/Candela_8520_Launch_Blog_Infographic_FINAL_PNG.png" / /p p style=" text-indent: 0em text-align: right " （图来自KLA Instrument官网）& nbsp /p p style=" text-indent: 28px text-align: justify " 将暗场、明场、坡度、相位和光致发光技术集于单一平台，对功率器件制造商提高产量具有重大价值。 /p p style=" text-indent: 28px text-align: justify " span Candela 8520 /span 检测系统由 span KLA /span 的全球服务网络支持团队提供维护来确保产品的高效运转和生产。 /p

上接：晶圆表面缺陷检测方法综述【上】4. 基于机器学习的晶圆表面缺陷检测机器学习主要是将一个具体的问题抽象成一个数学模型，通过数学方法求解模型，求解该问题，然后评估该模型对该问题的影响。根据训练数据的特点，分为监督学习、无监督学习和半监督学习。本文主要讨论这三种机器学习方法在晶圆表面缺陷检测中的应用。机器学习模型比较如表2所示。表 2.机器学习算法的比较。分类算法创新局限监督学习KNN系列对异常数据不敏感，准确率高。复杂度高，计算强度高。决策树-Radon应用Radon以形成新的缺陷特征。过拟合非常熟练。SVMSVM 可对多变量、多模态和不可分割的数据点进行高效分类。它对多个样本不友好，内核函数难以定位。无监督学习多层感知器聚类算法采用多层感知器增强特征提取能力。取决于激活函数的选择。DBSCAN可以根据缺陷模式特征有选择地去除异常值。样本密度不均匀或样本过大，收敛时间长，聚类效果差。SOM高维数据可以映射到低维空间，保持高维空间的结构。目标函数不容易确定。半监督学习用于增强标记的半监督框架将监督集成学习与无监督SOM相结合，构建了半监督模型。培训既费时又费时。半监督增量建模框架通过主动学习和标记样本来增强模型性能，从而提高模型性能。性能取决于标记的数据量。4.1. 监督学习监督学习是一种学习模型，它基于该模型对所需的新数据样本进行预测。监督学习是目前晶圆表面缺陷检测中广泛使用的机器学习算法，在目标检测领域具有较高的鲁棒性。Yuan，T等提出了一种基于k-最近邻（KNN）的噪声去除技术，该技术利用k-最近邻算法将全局缺陷和局部缺陷分离，提供晶圆信息中所有聚合的局部缺陷信息，通过相似聚类技术将缺陷分类为簇，并利用聚类缺陷的参数化模型识别缺陷簇的空间模式。Piao M等提出了一种基于决策树的晶圆缺陷模式识别方法。利用Radon变换提取缺陷模式特征，采用相关性分析法测度特征之间的相关性，将缺陷特征划分为特征子集，每个特征子集根据C4.5机制构建决策树。对决策树置信度求和，并选择总体置信度最高的类别。决策树在特定类别的晶圆缺陷检测中表现出更好的性能，但投影的最大值、最小值、平均值和标准差不足以代表晶圆缺陷的所有空间信息，因此边缘缺陷检测性能较差。支持向量机（SVM）在监督学习中也是缺陷检测的成熟应用。当样本不平衡时，k-最近邻算法分类效果较差，计算量大。决策树也有类似的问题，容易出现过度拟合。支持向量机在小样本和高维特征的分类中仍然具有良好的性能，并且支持向量机的计算复杂度不依赖于输入空间的维度，并且多类支持向量机对过拟合问题具有鲁棒性，因此常被用作分类器。R. Baly等使用支持向量机（SVM）分类器将1150张晶圆图像分为高良率和低良率两类，然后通过对比实验证明，相对于决策树，k-最近邻（KNN）、偏最小二乘回归（PLS回归）和广义回归神经网络（GRNN），非线性支持向量机模型优于上述四种晶圆分类方法。多类支持向量机在晶圆缺陷模式分类中具有更好的分类精度。L. Xie等提出了一种基于支持向量机算法的晶圆缺陷图案检测方案。采用线性核、高斯核和多项式核进行选择性测试，通过交叉验证选择测试误差最小的核进行下一步的支持向量机训练。支持向量机方法可以处理图像平移或旋转引起的误报问题。与神经网络相比，支持向量机不需要大量的训练样本，因此不需要花费大量时间训练数据样本进行分类。为复合或多样化数据集提供更强大的性能。4.2. 无监督学习在监督学习中，研究人员需要提前将缺陷样本类型分类为训练的先验知识。在实际工业生产中，存在大量未知缺陷，缺陷特征模糊不清，研究者难以通过经验进行判断和分类。在工艺开发的早期阶段，样品注释也受到限制。针对这些问题，无监督学习开辟了新的解决方案，不需要大量的人力来标记数据样本，并根据样本之间的特征关系进行聚类。当添加新的缺陷模式时，无监督学习也具有优势。近年来，无监督学习已成为工业缺陷检测的重要研究方向之一。晶圆图案上的缺陷图案分类不均匀，特征不规则，无监督聚类算法对这种情况具有很强的鲁棒性，广泛用于检测复杂的晶圆缺陷图案。由于簇状缺陷（如划痕、污渍或局部失效模式）导致难以检测，黄振提出了一种解决该问题的新方法。提出了一种利用自监督多层感知器检测缺陷并标记所有缺陷芯片的自动晶圆缺陷聚类算法（k-means聚类）。Jin C H等提出了一种基于密度的噪声应用空间聚类（DBSCAN）的晶圆图案检测与分类框架，该框架根据缺陷图案特征选择性地去除异常值，然后提取的缺陷特征可以同时完成异常点和缺陷图案的检测。Yuan， T等提出了一种多步晶圆分析方法，该方法基于相似聚类技术提供不同精度的聚类结果，根据局部缺陷模式的空间位置识别出种混合型缺陷模式。利用位置信息来区分缺陷簇有一定的局限性，当多个簇彼此靠近或重叠时，分类效果会受到影响。Di Palma，F等采用无监督自组织映射（SOM）和自适应共振理论（ART1）作为晶圆分类器，对1种不同类别的晶圆进行了模拟数据集测试。SOM 和 ART1 都依靠神经元之间的竞争来逐步优化网络以进行无监督分类。由于ART是通过“AND”逻辑推送到参考向量的，因此在处理大量数据集时，计算次数增加，无法获得缺陷类别的实际数量。调整网络标识阈值不会带来任何改进。SOM算法可以将高维输入数据映射到低维空间，同时保持输入数据在高维空间中的拓扑结构。首先，确定神经元的类别和数量，并通过几次对比实验确定其他参数。确定参数后，经过几个学习周期后，数据达到渐近值，并且在模拟数据集和真实数据集上都表现良好。4.3. 半监督学习半监督学习是一种结合了监督学习和无监督学习的机器学习方法。半监督学习可以使用少量的标记数据和大量的未标记数据来解决问题。基于集成的半监督学习过程如图 8 所示。避免了完全标记样品的成本消耗和错误标记。半监督学习已成为近年来的研究热点。图8.基于集成的半监督学习监督学习通常能获得良好的识别结果，但依赖于样本标记的准确性。晶圆数据样本可能存在以下问题。首先是晶圆样品数据需要专业人员手动标记。手动打标过程是主观的，一些混合缺陷模式可能会被错误标记。二是某些缺陷模式的样本不足。第三，一些缺陷模式一开始就没有被标记出来。因此，无监督学习方法无法发挥其性能。针对这一问题，Katherine Shu-Min Li等人提出了一种基于集成的半监督框架，以实现缺陷模式的自动分类。首先，在标记数据上训练监督集成学习模型，然后通过该模型训练未标记的数据。最后，利用无监督学习算法对无法正确分类的样本进行处理，以达到增强的标记效果，提高晶圆缺陷图案分类的准确性。Yuting Kong和Dong Ni提出了一种用于晶圆图分析的半监督增量建模框架。利用梯形网络改进的半监督增量模型和SVAE模型对晶圆图进行分类，然后通过主动学习和伪标注提高模型性能。实验表明，它比CNN模型具有更好的性能。5. 基于深度学习的晶圆表面缺陷检测近年来，随着深度学习算法的发展、GPU算力的提高以及卷积神经网络的出现，计算机视觉领域得到了定性的发展，在表面缺陷检测领域也得到了广泛的应用。在深度学习之前，相关人员需要具备广泛的特征映射和特征描述知识，才能手动绘制特征。深度学习使多层神经网络能够通过抽象层自动提取和学习目标特征，并从图像中检测目标对象。Cheng KCC等分别使用机器学习算法和深度学习算法进行晶圆缺陷检测。他们使用逻辑回归、支持向量机（SVM）、自适应提升决策树（ADBT）和深度神经网络来检测晶圆缺陷。实验证明，深度神经网络的平均准确率优于上述机器学习算法，基于深度学习的晶圆检测算法具有更好的性能。根据不同的应用场景和任务需求，将深度学习模型分为分类网络、检测网络和分割网络。本节讨论创新并比较每个深度学习网络模型的性能。5.1. 分类网络分类网络是较老的深度学习算法之一。分类网络通过卷积、池化等一系列操作，提取输入图像中目标物体的特征信息，然后通过全连接层，根据预设的标签类别进行分类。网络模型如图 9 所示。近年来，出现了许多针对特定问题的分类网络。在晶圆缺陷检测领域，聚焦缺陷特征，增强特征提取能力，推动了晶圆检测的发展。图 9.分类网络模型结构图在晶圆制造过程中，几种不同类型的缺陷耦合在晶圆中，称为混合缺陷。这些类型的缺陷复杂多变且随机性强，已成为半导体公司面临的主要挑战。针对这一问题，Wang J等提出了一种用于晶圆缺陷分类的混合DPR（MDPR）可变形卷积网络（DC-Net）。他们设计了可变形卷积的多标签输出和一热编码机制层，将采样区域聚焦在缺陷特征区域，有效提取缺陷特征，对混合缺陷进行分类，输出单个缺陷，提高混合缺陷的分类精度。Kyeong和Kim为混合缺陷模式的晶圆图像中的每种缺陷设计了单独的分类模型，并通过组合分类器网络检测了晶圆的缺陷模式。作者使用MPL、SVM和CNN组合分类器测试了六种不同模式的晶圆映射数据库，只有作者提出的算法被正确分类。Takeshi Nakazawa和Deepak V. Kulkarni使用CNN对晶圆缺陷图案进行分类。他们使用合成生成的晶圆图像训练和验证了他们的CNN模型。此外，提出了一种利用模拟生成数据的方法，以解决制造中真实缺陷类别数据不平衡的问题，并达到合理的分类精度。这有效解决了晶圆数据采集困难、可用样品少的问题。分类网络模型对比如表3所示。表3. 分类网络模型比较算法创新Acc直流网络采样区域集中在缺陷特征区域，该区域对混合缺陷具有非常强的鲁棒性。93.2%基于CNN的组合分类器针对每个缺陷单独设计分类器，对新缺陷模式适应性强。97.4%基于CNN的分类检索方法可以生成模拟数据集来解释数据不平衡。98.2%5.2. 目标检测网络目标检测网络不仅可以对目标物体进行分类，还可以识别其位置。目标检测网络主要分为两种类型。第一种类型是两级网络，如图10所示。基于区域提案网络生成候选框，然后对候选框进行分类和回归。第二类是一级网络，如图11所示，即端到端目标检测，直接生成目标对象的分类和回归信息，而不生成候选框。相对而言，两级网络检测精度更高，单级网络检测速度更快。检测网络模型的比较如表4所示。图 10.两级检测网络模型结构示意图图 11.一级检测网络模型结构示意图表4. 检测网络模型比较算法创新AccApPCACAE基于二维主成分分析的级联辊类型自动编码。97.27%\YOLOv3-GANGAN增强了缺陷模式的多样性，提高了YOLOv3的通用性。\88.72%YOLOv4更新了骨干网络，增强了 CutMix 和 Mosaic 数据。94.0%75.8%Yu J等提出了一种基于二维主成分分析的卷积自编码器的深度神经网络PCACAE，并设计了一种新的卷积核来提取晶圆缺陷特征。产品自动编码器级联，进一步提高特征提取的性能。针对晶圆数据采集困难、公开数据集少等问题，Ssu-Han Chen等首次采用生成对抗网络和目标检测算法YOLOv3相结合的方法，对小样本中的晶圆缺陷进行检测。GAN增强了缺陷的多样性，提高了YOLOv3的泛化能力。Prashant P. SHINDE等提出使用先进的YOLOv4来检测和定位晶圆缺陷。与YOLOv3相比，骨干提取网络从Darknet-19改进为Darknet-53，并利用mish激活函数使网络鲁棒性。粘性增强，检测能力大大提高，复杂晶圆缺陷模式的检测定位性能更加高效。5.3. 分段网络分割网络对输入图像中的感兴趣区域进行像素级分割。大部分的分割网络都是基于编码器和解码器的结构，如图12所示是分割网络模型结构示意图。通过编码器和解码器，提高了对目标物体特征的提取能力，加强了后续分类网络对图像的分析和理解。在晶圆表面缺陷检测中具有良好的应用前景。图 12.分割网络模型结构示意图。Takeshi Nakazawa等提出了一种深度卷积编码器-解码器神经网络结构，用于晶圆缺陷图案的异常检测和分割。作者设计了基于FCN、U-Net和SegNet的三种编码器-解码器晶圆缺陷模式分割网络，对晶圆局部缺陷模型进行分割。晶圆中的全局随机缺陷通常会导致提取的特征出现噪声。分割后，忽略了全局缺陷对局部缺陷的影响，而有关缺陷聚类的更多信息有助于进一步分析其原因。针对晶圆缺陷像素类别不平衡和样本不足的问题，Han Hui等设计了一种基于U-net网络的改进分割系统。在原有UNet网络的基础上，加入RPN网络，获取缺陷区域建议，然后输入到单元网络进行分割。所设计的两级网络对晶圆缺陷具有准确的分割效果。Subhrajit Nag等人提出了一种新的网络结构 WaferSegClassNet，采用解码器-编码器架构。编码器通过一系列卷积块提取更好的多尺度局部细节，并使用解码器进行分类和生成。分割掩模是第一个可以同时进行分类和分割的晶圆缺陷检测模型，对混合晶圆缺陷具有良好的分割和分类效果。分段网络模型比较如表5所示。表 5.分割网络模型比较算法创新AccFCN将全连接层替换为卷积层以输出 2D 热图。97.8%SegNe结合编码器-解码器和像素级分类层。99.0%U-net将每个编码器层中的特征图复制并裁剪到相应的解码器层。98.9%WaferSegClassNet使用共享编码器同时进行分类和分割。98.2%第6章 结论与展望随着电子信息技术的不断发展和光刻技术的不断完善，晶圆表面缺陷检测在半导体行业中占有重要地位，越来越受到该领域学者的关注。本文对晶圆表面缺陷检测相关的图像信号处理、机器学习和深度学习等方面的研究进行了分析和总结。早期主要采用图像信号处理方法，其中小波变换方法和空间滤波方法应用较多。机器学习在晶圆缺陷检测方面非常强大。k-最近邻（KNN）、决策树（Decision Tree）、支持向量机（SVM）等算法在该领域得到广泛应用，并取得了良好的效果。深度学习以其强大的特征提取能力为晶圆检测领域注入了活力。最新的集成电路制造技术已经发展到4 nm，预测表明它将继续朝着更小的规模发展。然而，随着这些趋势的出现，晶圆上表面缺陷的复杂性也将增加，对模型的可靠性和鲁棒性提出了更严格的挑战。因此，对这些缺陷的分析和处理对于确保集成电路的高质量制造变得越来越重要。虽然在晶圆表面缺陷分析领域取得了一些成果，但仍存在许多问题和挑战。1、晶圆缺陷的公开数据集很少。由于晶圆生产和贴标成本高昂，高质量的公开数据集很少，为数不多的数据集不足以支撑训练。可以考虑创建一个合成晶圆缺陷数据库，并在现有数据集上进行数据增强，为神经网络提供更准确、更全面的数据样本。由于梯度特征中缺陷类型的多功能性，可以使用迁移学习来解决此类问题，主要是为了解决迁移学习中的负迁移和模型不适用性等问题。目前尚不存在灵活高效的迁移模型。利用迁移学习解决晶圆表面缺陷检测中几个样品的问题，是未来研究的难题。2、在晶圆制造过程中，不断产生新的缺陷，缺陷样本的数量和类型不断积累。使用增量学习可以提高网络模型对新缺陷的识别准确率和保持旧缺陷分类的能力。也可作为扩展样本法的研究方向。3、随着技术进步的飞速发展，芯片特征尺寸越来越小、越来越复杂，导致晶圆中存在多种缺陷类型，缺陷相互折叠，导致缺陷特征不均匀、不明显。增加检测难度。多步骤、多方法混合模型已成为检测混合缺陷的主流方法。如何优化深度网络模型的性能，保持较高的检测效率，是一个亟待进一步解决的问题。4、在晶圆制造过程中，不同用途的晶圆图案会产生不同的缺陷。目前，在单个数据集上训练的网络模型不足以识别所有晶圆中用于不同目的的缺陷。如何设计一个通用的网络模型来检测所有缺陷，从而避免为所有晶圆缺陷数据集单独设计训练模型造成的资源浪费，是未来值得思考的方向。5、缺陷检测模型大多为离线模型，无法满足工业生产的实时性要求。为了解决这个问题，需要建立一个自主学习模型系统，使模型能够快速学习和适应新的生产环境，从而实现更高效、更准确的缺陷检测。原文链接:Electronics | Free Full-Text | Review of Wafer Surface Defect Detection Methods (mdpi.com)

作者：荆淮侨 来源：中国科学报受SCIE期刊《极端制造》极端制造编辑部邀请，华中科技大学教授刘世元团队近日在该刊上发表了《10nm及以下技术节点晶圆缺陷光学检测》的综述文章，对过去十年中与光学晶圆缺陷检测技术有关的新兴研究内容进行了全面回顾。随着智能终端、无线通信与网络基础设施、智能驾驶、云计算、智慧医疗等产业的蓬勃发展，先进集成电路的关键尺寸进一步微缩至亚10nm尺度，图形化晶圆上制造缺陷的识别、定位和分类变得越来越具有挑战性。传统明场检测方法虽然是当前晶圆缺陷检测的主流技术，但该方法受制于光学成像分辨率极限和弱散射信号捕获能力极限而变得难以为继，因此亟需探索具有更高成像分辨率和更强缺陷散射信号捕获性能的缺陷检测新方法。据了解，晶圆缺陷光学检测方法的最新进展包含了缺陷可检测性评估、光学缺陷检测方法、后处理算法等三个方面。其中，缺陷可检测性评估，包含了材料对缺陷可检测性的影响、晶圆缺陷拓扑形貌对缺陷可检测性的影响两个方面。在多样化的光学缺陷检测方法上，目前，晶圆缺陷光学检测系统可根据实际使用的光学检测量进行分类。在后处理算法方面，根据原始检测图像来识别和定位各类缺陷，关键在于确保后处理图像中含缺陷区域的信号强度应明显大于预定义的阈值。在该综述研究中，也总结了代表性晶圆缺陷检测新方法。具体可划分为明/暗场成像、暗场成像与椭偏协同检测、离焦扫描成像、外延衍射相位显微成像、X射线叠层衍射成像、太赫兹波成像缺陷检测、轨道角动量光学显微成像。研究人员认为，基于深度学习的缺陷检测方法的实施流程非常简单。首先，捕获足够的电子束检测图像或晶圆光学检测图像。其次，训练特定的神经网络模型，从而实现从检测图像中提取有用特征信息的功能。最后，用小样本集测试训练后的神经网络模型，并根据表征神经网络置信水平的预定义成本函数决定是否应该重复训练。据介绍，尽管图形化晶圆缺陷光学检测一直是一个长期伴随IC制造发展的工程问题，但通过与纳米光子学、结构光照明、计算成像、定量相位成像和深度学习等新兴技术的融合，其再次焕发活力。该团队介绍，这一研究领域的前景主要包含以下方面：首先，为了提高缺陷检测灵敏度，需要从检测系统硬件与软件方面协同创新。同时，为了拓展缺陷检测适应性，需要更严谨地研究缺陷与探测光束散射机理。此外，为了改善缺陷检测效率，需要更高效地求解缺陷散射成像问题。除了IC制造之外，上述光学检测方法对光子传感、生物感知、混沌光子等领域都有广阔的应用前景。相关研究人员表示，通过对上述研究工作进行评述，从而阐明晶圆缺陷检测技术的可能发展趋势，将为该领域的新进入者和寻求在跨学科研究中使用该技术的研究者提供有益参考。华中科大机械学院研究员朱金龙、博士后刘佳敏为该文共同第一作者，华中科大教授刘世元以及朱金龙为共同通讯作者。相关论文信息：https://doi.org/10.1088/2631-7990/ac64d7

一、项目基本情况项目编号：1210-2341YDZB6002项目名称：晶圆制造缺陷检测设备采购采购方式：公开招标预算金额：5,000,000.00元采购需求：合同包1(晶圆制造缺陷检测设备):合同包预算金额：5,000,000.00元品目号品目名称采购标的数量（单位）技术规格、参数及要求品目预算(元)1-1其他仪器仪表晶圆制造缺陷检测设备1(台)详见采购文件5,000,000.00本合同包不接受联合体投标合同履行期限：合同生效180天内中标人完成货物安装调试并交付使用。二、申请人的资格要求：1.投标供应商应具备《政府采购法》第二十二条规定的条件，提供下列材料：1）具有独立承担民事责任的能力：在中华人民共和国境内注册的法人或其他组织或自然人， 投标（响应）时提交有效的营业执照（或事业法人登记证或身份证等相关证明） 副本复印件。分支机构投标的，须提供总公司和分公司营业执照副本复印件，总公司出具给分支机构的授权书。2）有依法缴纳税收和社会保障资金的良好记录：提供书面声明。3）具有良好的商业信誉和健全的财务会计制度：提供书面声明。4）履行合同所必需的设备和专业技术能力：提供书面声明。5）参加采购活动前3年内，在经营活动中没有重大违法记录：参照投标函相关承诺格式内容。 重大违法记录，是指供应商因违法经营受到刑事处罚或者责令停产停业、吊销许可证或者执照、较大数额罚款等行政处罚。（较大数额罚款按照《财政部关于第十九条第一款 “较大数额罚款”具体适用问题的意见 》（财库〔2022〕3号）执行）2.落实政府采购政策需满足的资格要求：合同包1(晶圆制造缺陷检测设备)落实政府采购政策需满足的资格要求如下:参与的供应商提供的货物全部由符合政策要求的中小企业制造3.本项目的特定资格要求：合同包1(晶圆制造缺陷检测设备)特定资格要求如下:(1)供应商未被列入“信用中国”网站(www.creditchina.gov.cn)“记录失信被执行人或重大税收违法失信主体或政府采购严重违法失信行为”记录名单；不处于中国政府采购网(www.ccgp.gov.cn)“政府采购严重违法失信行为信息记录”中的禁止参加政府采购活动期间。（以采购代理机构于投标截止时间当天在“信用中国”网站（www.creditchina.gov.cn） 及中国政府采购网（http://www.ccgp.gov.cn/） 查询结果为准， 如相关失信记录已失效， 供应商需提供相关证明资料）。(2)单位负责人为同一人或者存在直接控股、 管理关系的不同供应商，不得同时参加本采购项目（或采购包） 投标（响应）。 为本项目提供整体设计、 规范编制或者项目管理、 监理、 检测等服务的供应商， 不得再参与本项目投标（响应）。 投标（报价） 函相关承诺要求内容。(3)供应商已递交投标保证金。三、获取招标文件时间： 2023年03月01日 至 2023年03月21日 ，每天上午 00:00:00 至 12:00:00 ，下午 12:00:00 至 23:59:59 （北京时间,法定节假日除外）地点：广东省政府采购网https://gdgpo.czt.gd.gov.cn/方式：在线获取售价： 免费获取四、提交投标文件截止时间、开标时间和地点2023年03月22日 14时30分00秒 （北京时间）递交文件地点：线上递交开标地点：广州市天河北路626号保利中宇广场A座25楼第一会议室五、公告期限自本公告发布之日起5个工作日。六、其他补充事宜1.本项目采用电子系统进行招投标，请在投标前详细阅读供应商操作手册，手册获取网址：https://gdgpo.czt.gd.gov.cn/help/transaction/download.html。投标供应商在使用过程中遇到涉及系统使用的问题，可通过020-88696588 进行咨询或通过广东政府采购智慧云平台运维服务说明中提供的其他服务方式获取帮助。2.供应商参加本项目投标，需要提前办理CA和电子签章，办理方式和注意事项详见供应商操作手册与CA办理指南，指南获取地址：https://gdgpo.czt.gd.gov.cn/help/problem/。3.如需缴纳保证金，供应商可通过"广东政府采购智慧云平台金融服务中心"(http://gdgpo.czt.gd.gov.cn/zcdservice/zcd/guangdong/)，申请办理投标（响应）担保函、保险（保证）保函。4.本项目支持电子保函，可通过登录项目采购电子交易系统跳转至电子保函系统进行在线办理。电子保函办理办法详见供应商操作手册。5.本项目采用远程电子开标，供应商的法定代表人或其授权代表应当按照本招标公告载明的时间和模式等要求参加开标。在递交投标文件截止时间前30分钟，应当登录云平台开标大厅进行签到，并且填写授权代表的姓名与手机号码。若因签到时填写的授权代表信息有误而导致的不良后果，由供应商自行承担。七、对本次招标提出询问，请按以下方式联系。1.采购人信息名 称：广东工业大学地 址：广州市广州大学城外环西路100号联系方式：020-393400322.采购代理机构信息名 称：广东有德招标采购有限公司地 址：广州市天河北路626号保利中宇广场A座25楼联系方式：020-836295903.项目联系方式项目联系人：莫小姐电 话：020-83629590广东有德招标采购有限公司2023年02月28日

以碳化硅（SiC）基板为基础的高功率及高频元件的需求随着电动车、资料中心与高频通讯市场的成长出现供不应求的状况。其中SiC基板质量决定下游元件的可靠度及性能优劣，但SiC长晶速度较慢，且目前关键的晶体缺陷只能以破坏性的KOH蚀刻方式进行抽样检测，使得SiC芯片制程成本居高不下。因此，基板厂与元件厂若能在制程中对材料做全面非破坏性检测，不仅可及早发现问题，进而有效改善制程、提升良率，进而在化合物半导体市场中展现绝佳竞争优势。现行的破坏性检测方式除了造成巨额的成本消耗之外，也无法提供足够的信息对整个制程进行完整的研究与追踪。而近来的文献显示现有的光学检测技术虽然可以准确地找出表面的缺陷（Ref.1），然而对找出晶圆内部的晶体缺陷依然力有未逮。因此，蔚华科技携手南方科技推出非破坏性的SiC缺陷检测系统，首创将非线性光学技术导入半导体检测领域，可对全片基板表面到特定深度进行扫描，反应晶体结构信息，提供晶体缺陷密度及其分布状况，让客户有效掌握基板质量，未来生产出的元件质量与效能也能更加稳定。通过非线性光学影像与AI影像辨识结合（Ref.2），更能辨识晶圆内部的致命性晶体缺陷，除了能够节省巨额的成本支出，并且提高产出之外，更能对基板的质量控制做出完整的追踪与回溯。有别于目前市场上的光学技术仅能检测表面的非晶体缺陷，南方科技针对市场需求推出了JadeSiC-NK （型号 SP3055），专注在稳定且有效地找出基板中关键的晶体缺陷（Micropipe, BPD, TSD, Stacking fault），相较现行将SiC晶锭切片后取上下二片基板进行检测的KOH蚀刻方式，可大幅节省检测时间与基板成本。以每个长晶炉每月产出四个晶锭为例，采用JadeSiC-NK后，每个晶锭可省下二片基板成本（每片6英寸基板以800美元计），因此可推估一个长晶炉每年可省下新台币250万元，若是具有100个长晶炉的基板厂，一年即可省下新台币2.5亿元。此外，JadeSiC-NK也可针对同一个晶锭进行100%的晶圆检查，进行详细的晶锭分析和批次追踨分析，协助客户在高技术门槛的化合物半导体市场加速制程及产量优化。Ref1: Chen, PC., Miao, WC., Ahmed, T. and Kuo, HC, Defect Inspection Techniques in SiC.Nanoscale Res Lett17, 30 （2022）. https://doi.org/10.1186/s11671-022-03672-w, https://link.springer.com/article/10.1186/s11671-022-03672-wRef2: Kuo, HC, Huang, C , 乐达科技 NYCU 产学计划 report （2023）图一：（上）JadeSiC-NK以非破坏性方式检测出的BPD缺陷分布（下）相同晶圆以KOH破坏性蚀刻方式检测出的BPD缺陷分布图二：（左） JadeSiC-NK以非破坏性方式检测出的TSD缺陷分布（右）相同晶圆以KOH破坏性蚀刻方式检测出的TSD缺陷分布

利用原子力显微镜进行的自动缺陷复检可以以纳米级的分辨率在三维空间中可视化缺陷，因此纳米级成像设备是制造过程的一个重要组成部分，它被视为半导体行业中的理想技术。结合原子力显微镜的三维无创成像，使用自动缺陷复查对缺陷进行检测和分类。伴随光刻工艺的不断进步，使生产更小的半导体器件成为可能。 随着器件尺寸的减小，晶圆衬底上的纳米级缺陷已经对器件的性能产生了限制。 因此对于这些缺陷的检测和分类需要具有纳米级分辨率的表征方法。 由于可见光的衍射极限，传统的自动光学检测（AOI）无法在该范围内达到足够的分辨率，这会损害定量成像和随后的缺陷分类。 另一方面，使用原子力显微镜 (AFM) 的自动缺陷复检 (ADR)技术以 AFM 常用的纳米分辨率能够在三维空间中可视化缺陷。 因此，ADR-AFM 减少了缺陷分类的不确定性，是半导体行业缺陷复检的理想技术。缺陷检查和复检随着半导体器件依靠摩尔定律变得越来越小，感兴趣的缺陷（DOI）的大小也在减小。DOI是可能降低半导体器件性能的缺陷，因此对工艺良率管理非常重要。DOI尺寸的减小对缺陷分析来说是一个挑战：合适的表征方法必须能够在两位数或一位数纳米范围内以高横向和垂直分辨率对缺陷进行无创成像。传统上，半导体行业的缺陷分析包括两个步骤。第一步称为缺陷检测，利用高吞吐量但低分辨率的快速成像方法，如扫描表面检测系统（SSIS）或AOI。这些方法可以提供晶圆表面缺陷位置的坐标图。然而，由于分辨率较低，AOI和SSIS在表征纳米尺寸的DOI时提供的信息不足，因此，在第二步中依赖高分辨率技术进行缺陷复检。对于第二步，高分辨率显微镜方法，如透射或扫描电子显微镜（TEM和SEM）或原子力显微镜（AFM），通过使用缺陷检测的缺陷坐标图，对晶圆表面的较小区域进行成像，以解析DOI。利用AOI或SSIS的坐标图可以最大限度地减少感兴趣的扫描区域，从而缩短缺陷复检的测量时间。众所周知，SEM和TEM的电子束可能会对晶圆造成损伤，所以更佳的技术选择应不能对晶圆产生影响。那么选择采用非接触测量模式的AFM可以无创地扫描表面。不仅有高横向分辨率，AFM还能够以高垂直分辨率对缺陷进行成像。因此，原子力显微镜提供了可靠的缺陷定量所需的三维信息。原子力显微镜通过在悬臂末端使用纳米尺寸的针尖对表面进行机械扫描，AFM在传统成像方法中实现了最高的垂直分辨率。除了接触模式外，AFM还可以在动态测量模式下工作，即悬臂在样品表面上方振荡。在这里，振幅或频率的变化提供了有关样品形貌的信息。这种非接触AFM模式确保了以高横向和垂直分辨率对晶圆表面进行无创成像。由于自动化原子力显微镜的最新发展，原子力显微镜的应用从学术研究扩展到了如硬盘制造和半导体技术等工业领域。该行业开始关注AFM的多功能性及其在三维无创表征纳米结构的能力。因此，AFM正在发展成为用于缺陷分析的下一代在线测量解决方案。使用原子力显微镜自动缺陷复检基于 AFM 的缺陷复检技术的最大挑战之一是将缺陷坐标从 AOI 转移到 AFM。最初，用户在 AOI 和 AFM 之间的附加步骤中在光学显微镜上手动标记缺陷位置，然后在 AFM 中搜索这些位置。然而，这个额外的步骤非常耗时并且显着降低了吞吐量。另一方面，使用 AFM 的自动缺陷复检从 AOI 数据中导入缺陷坐标。缺陷坐标的导入需要准确对准晶圆以及补偿 AOI 和 AFM 之间的载物台误差。具有比 AOI 更高位置精度的光学分析工具（例如Candela）,可以减少快速中间校准步骤中的载物台误差。以下 ADR-AFM 测量包括在给定缺陷坐标处的大范围调查扫描、缺陷的高分辨率成像和缺陷分类。由于自动化，测量过程中用户不必在场，吞吐量增加了一个数量级。为了保持纳米级的针尖半径，使多次后续扫描依旧保持高分辨率，ADR-AFM 采用非接触式动态成像模式。因此，ADR-AFM 可防止探针针尖磨损并确保对缺陷进行精确地定量复检。图1：用AOI和ADR-AFM测定的缺陷尺寸的直接比较，见左侧表格。右侧显示了所有六种缺陷的相应AFM形貌扫描。突出的缺陷称为Bump，凹陷的缺陷称为Pit。AOI和ADR-AFM的比较图1比较了 AOI 和 ADR-AFM 对相同纳米级缺陷的缺陷复检结果。AOI 根据散射光的强度估计缺陷的大小，而 ADR-AFM 通过机械扫描直接缺陷表面进行成像：除了横向尺寸外，ADR-AFM 还测量缺陷的高度或深度，从而可以区分凸出的“bump”和凹陷的“pit”缺陷。 缺陷三维形状的可视化确保了可靠的缺陷分类，这是通过 AOI 无法实现的。当比较利用 AOI 和 ADR-AFM 确定缺陷的大小时，发现通过 AOI 估计的值与通过 ADR-AFM 测量的缺陷大小存在很大差异。对于凸出的缺陷，AOI 始终将缺陷大小低估了一半以上。 这种低估对于缺陷 4 尤其明显。在这里，AOI 给出的尺寸为 28 nm ，大约是 ADR-AFM 确定的尺寸为 91 nm 的三分之一。 然而，在测量“pit”缺陷 5 和 6 时,观察到了 AOI 和 ADR-AFM 之间的最大偏差。 AOI将尺寸在微米范围内的缺陷低估了两个数量级以上。 用 AOI 和 ADR-AFM 确定的缺陷大小的比较清楚地表明，仅 AOI不足以进行缺陷的成像和分类。图 2：ADR-AFM 和 ADR-SEM 之间的比较，a) ADR-SEM 之前遗漏的凸出缺陷的 AFM 图像。 ADR-SEM 扫描区域在 AFM 形貌扫描中显示为矩形。 b) 低高度 (0.5 nm) 缺陷的成像，ADR-SEM 无法解析该缺陷。 c) ADR-SEM 测量后晶圆表面上的电子束损伤示例，可见为缺陷周围的矩形区域。ADR-SEM和ADR-AFM的比较除了ADR-AFM，还可以使用 ADR-SEM 进行高分辨率缺陷复查。ADR-SEM根据AOI数据中的DOI坐标，通过SEM测量进行自动缺陷复检，在此期间，高能电子束扫描晶圆表面。虽然SEM提供了很高的横向分辨率，但它通常无法提供有关缺陷的定量高度信息。为了比较ADR-SEM和ADR-AFM的性能，首先通过ADR-SEM对晶圆的相同区域进行成像，然后进行ADR-AFM测量（图2）。AFM图像显示，ADR-SEM扫描位置的晶圆表面发生了变化，在图2a中，AFM形貌显示为矩形。由于ADR-AFM中ADR-SEM扫描区域的可见性，图2a说明ADR-SEM遗漏了一个突出的缺陷，该缺陷位于SEM扫描区域正上方。此外，ADR-AFM具有较高的垂直分辨率，其灵敏度足以检测高度低至0.5nm的表面缺陷。由于缺乏垂直分辨率，这些缺陷无法通过ADR-SEM成像（图2b）。此外，图2c通过总结高能电子束对样品表面造成的变化示例，突出了电子束对晶片造成损坏的风险。ADR-SEM扫描区域可以在ADR-AFM图像中识别为缺陷周围的矩形。相比之下，无创成像和高垂直分辨率使ADR-AFM非常适合作为缺陷复检的表征技术。结论随着现代技术中半导体器件尺寸的不断减小，原子力显微镜作为一种高分辨率、无创的缺陷分析方法在半导体工业中的作用越来越明显。AFM测量的自动化简化并加快了之前AFM在缺陷表征方面低效的工作流程。AFM自动化方面的进展是引入ADR-AFM的基础，在ADR-AFM中，缺陷坐标可以从之前的AOI测量中导入，随后基于AFM的表征不需要用户在场。因此，ADR-AFM可作为缺陷复检的在线方法。特别是对于一位或两位级纳米范围内的缺陷尺寸，ADR-AFM补充了传统的AOI，AFM的高垂直分辨率有助于可靠的三维缺陷分类。非接触式测量模式确保了无创伤表面表征，并防止AFM针尖磨损，从而确保在许多连续测量中能够维持高分辨率。作者:Sang-Joon Cho, Vice President and director of R&D Center, Park Systems Corp.Ilka M. Hermes, Principal Scientist, Park Systems Europe.

作者: Sang-Joon Cho, Park Systems Corp.副总裁兼研发中心总监、Ilka M. Hermes, Park Systems Europe 首席科学家利用原子力显微镜进行的自动缺陷复检，通过纳米级的分辨率在三维空间中可视化缺陷。因此，纳米级成像设备是制造过程的一个重要组成部分，它被视为当今半导体行业中最理想的技术。结合原子力显微镜的三维无创成像，使用自动缺陷复查对缺陷进行精确检测和准确分类。 与时俱进的光刻工艺使得生产的半导体器件越来越微小化。器件尺寸一旦减小，晶圆衬底上的纳米级缺陷就限制了器件的性能使用。因此对于这些缺陷的检测和分类需要具有纳米级分辨率的表征技术。由于可见光的衍射极限，传统的自动光学检测（AOI）无法在该范围内达到足够的分辨率，进而损害定量成像和随后的缺陷分类。而原子力显微镜 (AFM) 自动缺陷复检 (ADR)技术则有效地解决了该问题。该技术利用 AFM 常用的纳米分辨率，能够在三维空间中可视化缺陷，大大减少了缺陷分类的不确定性。因此，ADR-AFM 成为了当今半导体行业缺陷复检最理想的技术。缺陷检查和复检由于摩尔定律，半导体器件变得越来越小，需要检查的缺陷（DOI）大小也在减小。DOI可能会降低半导体器件性能的缺陷，因此对工艺良率的管理非常重要。DOI尺寸的减小对缺陷分析来说是一个挑战。合适的表征技术必须能够在两位数或一位数纳米范围内以高横向分辨率和垂直分辨率对缺陷进行无创成像。一般来说，半导体行业的缺陷分析包含两个步骤。第一步：缺陷检测。利用吞吐量虽高但低分辨率的快速成像方法，如扫描表面检测系统（SSIS）或AOI。这些方法可以提供晶圆表面缺陷位置的坐标图。然而，由于分辨率较低，AOI和SSIS在表征纳米尺寸的DOI时提供的信息不足，接下来需要依赖高分辨率技术进行缺陷复检。第二步：缺陷复检。利用高分辨率显微镜方法，如透射电子显微镜(TEM)或扫描电子显微镜(SEM)或原子力显微镜（AFM）。通过使用缺陷检测的缺陷坐标图，对晶圆表面的较小区域进行成像，以解析DOI。利用AOI或SSIS的坐标图可以最大限度地减少检查的扫描区域，从而缩短缺陷复检的测量时间。众所周知，SEM和TEM的电子束可能会对晶圆造成损伤，而非接触测量模式的AFM则有效地避免了该影响。它不仅可以无创地扫描表面，还有高横向和垂直分辨率对缺陷进行成像。因此，原子力显微镜能提供可靠的缺陷定量所需的三维信息。原子力显微镜通过在悬臂末端使用纳米尺寸的针尖对表面进行机械扫描，AFM在传统成像方法中可达到最高的垂直分辨率。除接触模式外，AFM还可以启用动态测量模式，即悬臂在样品表面上方振荡。由此，振幅或频率的变化提供了有关样品形貌的信息。这种非接触AFM模式确保了以高横向和垂直分辨率对晶圆表面进行无创成像。随着自动化原子力显微镜的更新发展，原子力显微镜的应用越来越广泛，从学术研究扩展到了如硬盘制造和半导体技术等工业领域。该行业开始关注AFM的多功能性及其在三维无创表征纳米结构的能力。因此，AFM正发展成为用于缺陷分析的新一代在线测量解决方案。使用原子力显微镜自动缺陷复检AFM 缺陷复检技术的最大挑战之一是将缺陷坐标从 AOI 转移到 AFM。基于此，用户最初会在 AOI 和 AFM 之间的附加步骤中，手动在光学显微镜上手动标记缺陷位置，然后在 AFM 中搜索这些位置。然而，这个额外的步骤不仅非常耗时还大大降低了吞吐量。另外，使用 AFM 的自动缺陷复检需要从 AOI 数据中导入缺陷坐标。而缺陷坐标的导入需要准确对准晶圆及精减AOI 和 AFM 之间的载物台误差。位置精度比AOI 更高的光学分析工具（例如Candela）,可以有效减少中间校准步骤中的载物台误差。以下 ADR-AFM 测量包括在给定缺陷坐标处的大范围调查扫描、缺陷的高分辨率成像和缺陷分类。自动化的测量过程无需用户在场，吞吐量还增加了一个数量级。为了保持纳米级的针尖半径和连续扫描依旧保持高分辨率，ADR-AFM 采用非接触式动态成像模式。因此，ADR-AFM 可有效防止探针针尖磨损并确保对缺陷进行精确地定量复检。△图1：用AOI和ADR-AFM测定的缺陷尺寸的直接比较，见左侧表格。右侧显示了所有六种缺陷的相应AFM形貌扫描。突出的缺陷称为Bump，凹陷的缺陷称为Pit。AOI和ADR-AFM的比较图1比较了 AOI 和 ADR-AFM 在相同纳米级缺陷下所产生的不同缺陷复检结果。AOI 根据散射光的强度估计缺陷的大小，而 ADR-AFM 则通过机械直接扫描缺陷表面进行成像。除了横宽，ADR-AFM 还测量缺陷的高度或深度，从而可以区分凸出的“bump”和凹陷的“pit”缺陷。可视化的缺陷三维形状确保了缺陷分类的可靠性和精确性，而这些是AOI无法实现的。当对比分别利用 AOI 和 ADR-AFM 确定缺陷的大小时，我们发现通过 AOI 估计的值与通过 ADR-AFM 测量的缺陷大小存在很大差异。对于凸出的缺陷，AOI 始终将缺陷大小低估了一半以上。这种低估对于缺陷 4 尤其明显。在这里，AOI 给出的尺寸为 28 nm ，大约是 ADR-AFM确定的 91 nm 尺寸的三分之一。在测量“pit”缺陷 5 和 6 时,我们观察到了 AOI 和 ADR-AFM 之间的最大偏差。AOI将尺寸在微米范围内的缺陷低估了两个数量级以上。上述比较清楚地表明，仅用AOI不足以进行缺陷的成像和分类。△图2：ADR-AFM 和 ADR-SEM 之间的比较，a) ADR-SEM 之前遗漏的凸出缺陷的 AFM 图像。ADR-SEM 扫描区域在 AFM 形貌扫描中显示为矩形。b) 低高度 (0.5 nm) 缺陷的成像，ADR-SEM 无法解析该缺陷。c) ADR-SEM 测量后晶圆表面上的电子束损伤示例，可见为缺陷周围的矩形区域。ADR-SEM和ADR-AFM的比较除了ADR-AFM， ADR-SEM 也可以进行高分辨率的缺陷复查。ADR-SEM根据AOI数据中的DOI坐标，通过SEM测量进行自动缺陷复检。在此期间，高能电子束扫描晶圆表面。虽然SEM提供了很高的横向分辨率，但它通常无法提供有关缺陷的定量高度信息。为了比较ADR-SEM和ADR-AFM的性能，首先需要通过ADR-SEM对晶圆的相同区域进行成像，然后通过ADR-AFM进行测量（图2）。AFM图像显示，ADR-SEM扫描的晶圆表面发生了变化，在图2a中，AFM形貌显示为矩形。由于ADR-AFM中ADR-SEM扫描区域的可视性，图2a表明ADR-SEM遗漏了一个突出的缺陷，该缺陷位于SEM扫描区域正上方。此外，ADR-AFM具有较高的垂直分辨率，其灵敏度足以检测高度低至0.5nm的表面缺陷。由于缺乏垂直分辨率，这些缺陷无法通过ADR-SEM成像（图2b）。此外，图2c通过总结高能电子束对样品表面造成的变化示例，突出了电子束对晶片造成损坏的风险。ADR-SEM扫描区域可以在ADR-AFM图像中识别为缺陷周围的矩形。相比之下，无创成像和高垂直分辨率使ADR-AFM非常适合作为缺陷复检的表征技术。结论随着现代技术不断创新，半导体器件尺寸不断减小，原子力显微镜作为一种高分辨率、无创的缺陷分析方法在半导体工业中的作用越来越明显。AFM自动化的测量简化并加快了之前AFM在缺陷表征方面低效的工作流程。AFM自动化方面的进展是引入ADR-AFM的基础。在ADR-AFM中，缺陷坐标可以从之前的AOI测量中导入，随后基于AFM的表征不需要用户在场。因此，ADR-AFM可作为缺陷复检的在线方法。特别是对于一位或两位级纳米范围内的缺陷尺寸，ADR-AFM补充了传统的AOI性能，AFM的高垂直分辨率有助于进行可靠的三维缺陷分类。非接触式测量模式确保了无创伤的表面表征，并有效防止AFM针尖磨损，从而确保在许多连续测量中能够依旧保持精准的高分辨率。

利用原子力显微镜进行的自动缺陷复检可以以纳米级的分辨率在三维空间中可视化缺陷，因此纳米级成像设备是制造过程的一个重要组成部分，它被视为半导体行业中的理想技术。结合原子力显微镜的三维无创成像，使用自动缺陷复查对缺陷进行检测和分类。伴随光刻工艺的不断进步，使生产更小的半导体器件成为可能。 随着器件尺寸的减小，晶圆衬底上的纳米级缺陷已经对器件的性能产生了限制。 因此对于这些缺陷的检测和分类需要具有纳米级分辨率的表征方法。 由于可见光的衍射极限，传统的自动光学检测（AOI）无法在该范围内达到足够的分辨率，这会损害定量成像和随后的缺陷分类。 另一方面，使用原子力显微镜 (AFM) 的自动缺陷复检 (ADR)技术以 AFM 常用的纳米分辨率能够在三维空间中可视化缺陷。 因此，ADR-AFM 减少了缺陷分类的不确定性，是半导体行业缺陷复检的理想技术。 缺陷检查和复检 随着半导体器件依靠摩尔定律变得越来越小，感兴趣的缺陷（DOI）的大小也在减小。DOI是可能降低半导体器件性能的缺陷，因此对工艺良率管理非常重要。DOI尺寸的减小对缺陷分析来说是一个挑战：合适的表征方法必须能够在两位数或一位数纳米范围内以高横向和垂直分辨率对缺陷进行无创成像。 传统上，半导体行业的缺陷分析包括两个步骤。第一步称为缺陷检测，利用高吞吐量但低分辨率的快速成像方法，如扫描表面检测系统（SSIS）或AOI。这些方法可以提供晶圆表面缺陷位置的坐标图。然而，由于分辨率较低，AOI和SSIS在表征纳米尺寸的DOI时提供的信息不足，因此，在第二步中依赖高分辨率技术进行缺陷复检。对于第二步，高分辨率显微镜方法，如透射或扫描电子显微镜（TEM和SEM）或原子力显微镜（AFM），通过使用缺陷检测的缺陷坐标图，对晶圆表面的较小区域进行成像，以解析DOI。利用AOI或SSIS的坐标图可以最大限度地减少感兴趣的扫描区域，从而缩短缺陷复检的测量时间。 众所周知，SEM和TEM的电子束可能会对晶圆造成损伤，所以更佳的技术选择应不能对晶圆产生影响。那么选择采用非接触测量模式的AFM可以无创地扫描表面。不仅有高横向分辨率，AFM还能够以高垂直分辨率对缺陷进行成像。因此，原子力显微镜提供了可靠的缺陷定量所需的三维信息。 原子力显微镜 通过在悬臂末端使用纳米尺寸的针尖对表面进行机械扫描，AFM在传统成像方法中实现了最高的垂直分辨率。除了接触模式外，AFM还可以在动态测量模式下工作，即悬臂在样品表面上方振荡。在这里，振幅或频率的变化提供了有关样品形貌的信息。这种非接触AFM模式确保了以高横向和垂直分辨率对晶圆表面进行无创成像。由于自动化原子力显微镜的最新发展，原子力显微镜的应用从学术研究扩展到了如硬盘制造和半导体技术等工业领域。该行业开始关注AFM的多功能性及其在三维无创表征纳米结构的能力。因此，AFM正在发展成为用于缺陷分析的下一代在线测量解决方案。 使用原子力显微镜自动缺陷复检 基于 AFM 的缺陷复检技术的最大挑战之一是将缺陷坐标从 AOI 转移到 AFM。最初，用户在 AOI 和 AFM 之间的附加步骤中在光学显微镜上手动标记缺陷位置，然后在 AFM 中搜索这些位置。然而，这个额外的步骤非常耗时并且显着降低了吞吐量。另一方面，使用 AFM 的自动缺陷复检从 AOI 数据中导入缺陷坐标。缺陷坐标的导入需要准确对准晶圆以及补偿 AOI 和 AFM 之间的载物台误差。具有比 AOI 更高位置精度的光学分析工具（例如Candela）,可以减少快速中间校准步骤中的载物台误差。以下 ADR-AFM 测量包括在给定缺陷坐标处的大范围调查扫描、缺陷的高分辨率成像和缺陷分类。由于自动化，测量过程中用户不必在场，吞吐量增加了一个数量级。为了保持纳米级的针尖半径，使多次后续扫描依旧保持高分辨率，ADR-AFM 采用非接触式动态成像模式。因此，ADR-AFM 可防止探针针尖磨损并确保对缺陷进行精确地定量复检。图1：用AOI和ADR-AFM测定的缺陷尺寸的直接比较，见左侧表格。右侧显示了所有六种缺陷的相应AFM形貌扫描。突出的缺陷称为Bump，凹陷的缺陷称为Pit。 AOI和ADR-AFM的比较 图1比较了 AOI 和 ADR-AFM 对相同纳米级缺陷的缺陷复检结果。AOI 根据散射光的强度估计缺陷的大小，而 ADR-AFM 通过机械扫描直接缺陷表面进行成像：除了横向尺寸外，ADR-AFM 还测量缺陷的高度或深度，从而可以区分凸出的“bump”和凹陷的“pit”缺陷。 缺陷三维形状的可视化确保了可靠的缺陷分类，这是通过 AOI 无法实现的。当比较利用 AOI 和 ADR-AFM 确定缺陷的大小时，发现通过 AOI估计的值与通过 ADR-AFM 测量的缺陷大小存在很大差异。对于凸出的缺陷，AOI 始终将缺陷大小低估了一半以上。 这种低估对于缺陷 4 尤其明显。在这里，AOI 给出的尺寸为 28 nm ，大约是 ADR-AFM 确定的尺寸为 91 nm 的三分之一。 然而，在测量“pit”缺陷 5 和 6 时,观察到了 AOI 和 ADR-AFM 之间的最大偏差。 AOI将尺寸在微米范围内的缺陷低估了两个数量级以上。 用 AOI 和 ADR-AFM 确定的缺陷大小的比较清楚地表明，仅 AOI不足以进行缺陷的成像和分类。图 2：ADR-AFM 和 ADR-SEM 之间的比较，a) ADR-SEM 之前遗漏的凸出缺陷的 AFM 图像。 ADR-SEM 扫描区域在 AFM 形貌扫描中显示为矩形。 b) 低高度 (0.5 nm) 缺陷的成像，ADR-SEM 无法解析该缺陷。 c) ADR-SEM 测量后晶圆表面上的电子束损伤示例，可见为缺陷周围的矩形区域。 ADR-SEM和ADR-AFM的比较 除了ADR-AFM，还可以使用 ADR-SEM 进行高分辨率缺陷复查。ADR-SEM根据AOI数据中的DOI坐标，通过SEM测量进行自动缺陷复检，在此期间，高能电子束扫描晶圆表面。虽然SEM提供了很高的横向分辨率，但它通常无法提供有关缺陷的定量高度信息。为了比较ADR-SEM和ADR-AFM的性能，首先通过ADR-SEM对晶圆的相同区域进行成像，然后进行ADR-AFM测量（图2）。AFM图像显示，ADR-SEM扫描位置的晶圆表面发生了变化，在图2a中，AFM形貌显示为矩形。由于ADR-AFM中ADR-SEM扫描区域的可见性，图2a说明ADR-SEM遗漏了一个突出的缺陷，该缺陷位于SEM扫描区域正上方。此外，ADR-AFM具有较高的垂直分辨率，其灵敏度足以检测高度低至0.5nm的表面缺陷。由于缺乏垂直分辨率，这些缺陷无法通过ADR-SEM成像（图2b）。此外，图2c通过总结高能电子束对样品表面造成的变化示例，突出了电子束对晶片造成损坏的风险。ADR-SEM扫描区域可以在ADR-AFM图像中识别为缺陷周围的矩形。相比之下，无创成像和高垂直分辨率使ADR-AFM非常适合作为缺陷复检的表征技术。

1月4日，工业和信息化部、住房和城乡建设部、交通运输部、农业农村部和国家能源局联合发布《五部门关于印发的通知》（简称《通知》）。《通知》公示了《智能光伏产业创新发展行动计划（2021-2025年）》（以下简称《行动计划》）光伏产业是基于半导体技术和新能源需求而融合发展、快速兴起的朝阳产业，也是实现制造强国和能源革命的重大关键领域。为推动光伏产业与新一代信息技术深度融合，加快实现智能制造、智能应用、智能运维、智能调度，全面提升我国光伏产业发展质量和效率，推动实现2030年碳达峰、2060年碳中和目标，制定本行动计划。《行动计划》提出了发展目标，到2025年，光伏行业智能化水平显著提升，产业技术创新取得突破。新型高效太阳能电池量产化转换效率显著提升，形成完善的硅料、硅片、装备、材料、器件等配套能力。智能光伏产业生态体系建设基本完成，与新一代信息技术融合水平逐步深化。智能制造、绿色制造取得明显进展，智能光伏产品供应能力增强。支撑新型电力系统能力显著增强，智能光伏特色应用领域大幅拓展。智能光伏发电系统建设卓有成效，适应电网性能不断增强。在绿色工业、绿色建筑、绿色交通、绿色农业、乡村振兴及其它新型领域应用规模逐步扩大，形成稳定的商业运营模式，有效满足多场景大规模应用需求。《行动计划》部署了六项主要任务，包括提升行业发展水平、支撑新型电力系统、助力各领域碳达峰碳中和、优化产业发展环境、建设公共服务平台和强化光伏人才培育。其中提到，推广自动制绒、自动上下料、自动导片机、自动插片机、双面双测、在线缺陷分析等应用，提升工序间自动化传输和智能感知衔接能力；开发基于宽禁带材料及功率器件、芯片的逆变器；提升逆变器系统安全性实时监测处理、在线PID抑制与修复、智能支架跟踪、高性能IV扫描诊断、组件级监控等智能化技术；开发柔性薄膜电池大面积均匀积沉技术。《行动计划》明确了四项组织实施措施，包括加强组织协调和政策协同、形成有效市场和有为政府合力、支持试点示范和行业特色应用和推动光伏产业健康有序发展。政策链接：智能光伏产业创新发展行动计划（2021-2025年）.pdf

王强(化名)在国内一家知名汽车杂志任职，去年购买一辆宝马X1开了半年后，他却不满意这款车的油耗。&ldquo 宝马厂商标注的X1百公里油耗为7.2~9.2L，但在实际使用中，百公里油耗超过12L。不知道宝马厂商如何认证这款车的油耗检测。&rdquo 王强告诉《第一财经日报》记者。 　　王强的吐槽不是个案。不少消费者都曾抱怨，购车时车辆标注的油耗往往与实际用车情况相差甚远。个别车企油耗造假的问题也曾被媒体曝光。事实上，油耗造假已成为整车厂和检测机构心照不宣的约定。 　　在油耗检测中几乎处于垄断地位的中国汽研5月13日发布停牌公告称，自查和检查过程中，发现公司所属检测中心车辆油耗检测质量控制存在缺陷。对此，公司针对发现的问题正在进行整改，有关管理部门也正在研究，可能做出完善、整改的意见。除此之外，目前公司各项科研、技术服务和生产经营工作正常。 　　中汽研自曝油耗检测存缺陷，暴露了油耗检测以及后期生产一致性如何管理的问题，也凸显了行业监管缺失问题。 　　隐藏的利益链 　　为了严格规范油耗检测，工信部从2009年开始出台了一些文件，要求企业的油耗必须通过国家指定的第三方检测机构确认，其中包括出台了《轻型汽车燃料消耗量标示管理规定》，要求车辆模拟市区、市郊(包括公路)等典型行驶工况油耗，并在车辆中标示。相对之前车企独自发布的等速工况下的理论油耗，这些规定的出台可以明示油耗并便于监管，但是由于监管的缺失，油耗标示成了一门生意经。 　　国家对汽车产品质量的监督检验业务进行行政授权管理，如整车公告业务由工信部、国家质检总局等主要授权给中汽研下属的国家机动车质量监督检验中心(重庆)、国家轿车质量监督检验中心(下称&ldquo 天津中心&rdquo )等6家检测中心。 　　这6家检测中心之间是竞争关系，同时这些检测中心主要依靠油耗检测生存，车企是其衣食父母，这就滋生了行业潜规则。 　　&ldquo 汽车企业可根据自身情况在获得授权的机构中自行选择。目前来看，影响汽车企业选择质量监督检验机构的主要因素有以下几点：一是该监督检验机构的测试评价能力是否能满足自身的需求 二是该监督检验机构的测试评价的服务质量。&rdquo 中汽研在其招股书中表示。 　　车辆油耗测试结果直接关系到企业能否拿到油耗补贴&ldquo 通行证&rdquo 。&ldquo 一个指标可能影响到一个企业一年的业绩甚至命运，企业内部对这个测试结果非常重视，这也导致劣币驱逐良币的滋生。&rdquo 国内一家车企相关人士表示。 　　为了能够拿到国家汽车节能减排的补贴以及提升竞争力，众多车企都使出浑身解数加入了申报节能补贴的大军，以获取最低油耗标识。 　　行业监管缺失 　　国内一德系汽车品牌工程设计院的整车工程师称，汽车行业油耗测试存在很大可控空间。一般来说，汽车油耗测试分为研发测试和认证测试两部分。 　　研发测试为车企对自身产品进行测试，车企可自行调整车辆参数。认证检测则由厂家将样车发往第三方检测机构进行油耗试验。如试验结果合格，由检测机构出具检测报告，众多车企能干预的其实是认证检测这个环节。如果企业和检测机构达成默契共识，企业可挑选&ldquo 合格&rdquo 产品送样检测 如果检验机构&ldquo 睁一只眼闭一只眼&rdquo ，只对检测来样产品负责，批量产品的一致性问题得不到有效监管。 　　对于汽车企业在宣传产品时夸大油耗数据的&ldquo 通病&rdquo ，监督部门则缺乏监管，也没有相应的明确处罚规定。 　　&ldquo 油耗检测主要对样车负责，即使油耗检测合格了，如果有关行业部门不加强车型生产一致性监管，消费者买到的商品车的实际油耗与厂家标注的油耗仍不会符合，其结果是节能效果也大打折扣。&rdquo 业内人士表示。 　　实际上，在美国等成熟市场，监管部门会重罚欺骗消费者的行为。韩国现代和起亚两家汽车制造商由于夸大旗下13款产品的油耗，遭到美国环境保护署的起诉，它们将为此支付4.12亿美元作为车主们的补偿。

日前，中国科学技术大学中国科学院微观磁共振重点实验室杜江峰院士、王亚教授等人在量子精密测量领域取得重要进展，提出基于信号关联的新量子传感范式，实现对金刚石内点缺陷的高精度成像，并实时观测了点缺陷的电荷动力学。相关研究成果近日在线发表于《自然光子学》。此次工作中，研究团队提出了一种新的量子传感范式，即利用多个量子传感器之间的信号关联，提升对复杂对象的解析能力和重构精度。研究团队基于自主发展的氮-空位色心制备技术，可控制备出相距约200纳米的三个氮-空位色心作为量子传感系统，通过对随机电场探测展示了这种新的量子传感范式。金刚石是一种性能优异的宽禁带半导体材料，材料中点缺陷的电荷动力学会带来随机的电场噪声。研究团队成功对微米范围内16个点缺陷进行了定位，定位精度最高达到1.7纳米。基于这种关联分辨和精确定位的能力，他们还实现了对每个点缺陷电荷动力学的原位实时探测，为研究体材料内部点缺陷的性质提供了新的方法。研究人员介绍，这一成果展示了基于量子技术的超高灵敏度缺陷探测，甚至在一千亿个正常原子中出现一个缺陷也能探测到。这要比目前最灵敏方法的探测极限提升两个数量级以上，有望为当前十纳米以下芯片中的缺陷检测提供一种强有力的技术手段。

对Fab工厂而言，控制晶圆、电子化学品、电子特气和靶材等原材料中的无机元素杂质含量至关重要，即便是超痕量的杂质都有可能造成器件缺陷。然而半导体杂质含量通常在ppt级，ICP-MS分析时用到的氩气及样品基体都很容易产生多原子离子干扰，标准模式、碰撞模式下很难在高本底干扰的情况下分析痕量的目标元素。珀金埃尔默NexION系列半导体专用ICP-MS，凭借其独特的以动态反应池技术为基础的UCT（通用池）技术，既能实现标准模式、碰撞模式，也可以通过反应模式消除干扰，从根本上成功解决了多原子干扰的技术难题。晶圆中的金属杂质分析(UCT-ICP-MS)晶圆等半导体材料中的主要成分是硅。高硅基体的样品在传统的冷等离子体条件下分析，其中的耐高温元素硅极易形成氧化物。这些氧化物沉积在锥口表面后，会造成明显的信号漂移。NexION系列半导体专用ICP-MS在高硅基体的样品分析中采用强劲的高温等离子体，大大降低了信号漂移。通过通入纯氨气作为反应气，在DRC 模式下，有效消除了40Ar+ 对40Ca+、40Ar19F+ 对59Co+、40Ar16O+ 对56Fe+ 等的干扰。通过调节动态带通调谐参数消除不希望生成的反应副产物，克服了过去冷等离子体的局限，有效去除多原子离子的干扰。在实际检测中实现了10 ng/L 等级的精确定量，同时表现出良好的长期稳定性。基质耐受性：Si 基质浓度为100ppm 到5000ppm 样品100ppt 加标回收稳定性：连续进样分析多元素加标浓度为100ppt 的硅样品溶液（硅浓度为2000ppm）《NexION 300S ICP-MS 测定硅晶片中的杂质》NexION ICP-MS 测定半导体级盐酸中的金属杂质在半导体设备的生产过程中，许多流程中都要用到各种酸类试剂。其中最重要的是盐酸（HCl），其主要用途是与过氧化氢和水配制成混合物用来清洁硅晶片的表面。由于半导体设备尺寸不断缩小，其生产中使用的试剂纯度变得越来越重要。ICP-MS具备精确测定纳克/升（ng/L，ppt）甚至更低浓度元素含量的能力，是最适合测量痕量及超痕量金属的技术。然而，常规的测定条件下，氩、氧、氢离子会与酸基体相结合，对待测元素产生多原子离子干扰。如，对V+(51) 进行检测时去除 ClO+ 的干扰。虽然在常规条件下氨气与ClO+ 的反应很迅速，但如果需要使反应完全、干扰被去除干净，则需要在通用池内使用纯氨气。NexION系列半导体专用ICP-MS的通用池为四级杆，具备精准可控的质量筛选功能，可以调节RPq 参数以控制化学反应，防止形成新的干扰，有效应对使用高活性反应气体的应用。20% HCl 中各元素的检出限、背景等效浓度、10 ng/L 的加标回收率20% HCl 中典型元素ppt 水平标准曲线20% HCl 中加标50 ng/L 待测元素，连续分析10 小时的稳定性《利用NexION 2000 ICP-MS 对半导体级盐酸中的杂质分析》电子特气直接进样分析技术(GDI-ICP-MS)半导体所使用的特殊气体分析传统方法有两种：一种是使用酸溶液或纯水对气体进行鼓泡法吸收，然后导入ICP-MS进行分析；另一种是使用滤膜对气体中颗粒物进行收集，然后对滤膜消解后上机。然而无论是鼓泡法吸收还是滤膜过滤收集、消解，都存在样品制备过程容易被污染、鼓泡时间难以确定、不同元素在酸中溶解度不一样等各种问题，分析结果的可靠性和重现性都难以保证。GDI-ICP-MS系统可以将气体直接导入到等离子中进行激发，避免了额外的前处理步骤，具有方便、高效、不容易受污染等特点，从根本上解决传统方法的一系列问题。GDI-ICPMS气体直接进样技术GDI-ICPMS 直接定量分析气体中金属杂质GDI-ICP-MS法绘制的校准曲线（标准气体产生方式：在氩气中雾化标准溶液，这些标气对所有待测元素的线性都在0.9999以上）《使用气体扩散和置换反应直接分析气体中金属杂质》半导体有机试剂中纳米颗粒的分析（Single particle-ICP-MS）单颗粒ICP-MS（SP-ICP-MS）技术已成为纳米颗粒分析的一种常规手段，采用不同的进样系统，能在100~1000 颗粒数每毫升的极低浓度下对纳米颗粒进行检测、计数和表征。除了颗粒信息，单颗粒ICP-MS 还可以在未经前级分离的情况下检测溶解态元素浓度，可检测到ppb级含量的纳米颗粒，实现TEM、DLS等纳米粒径表征技术无法完成的痕量检测。用ICP-MS分析铁离子(56Fe+)时会受到氩气产生的40Ar16O+的严重干扰。利用纯氨气作反应气的动态反应池技术是消除40Ar16O+对铁离子最高丰度同位素56Fe+干扰最有效的途径，而只有对56Fe+的分析才能获得含铁纳米颗粒分析最低的检出限。90% 环己烷/10% 丙二醇甲醚混合液测定图谱，有含铁纳米颗粒检出TMAH 中含铁纳米颗粒结果图谱：(a)粒径分布；(b)单个含铁纳米颗粒实时信号TMAH 中含铁纳米颗粒粒径和浓度由Fe(OH)2 到总铁的质量换算《利用单颗粒ICP-MS在反应模式下测定半导体有机溶剂中的含铁纳米颗粒 》SP-ICP-MS技术测定化学-机械整平(CMP)中使用的元素氧化物纳米颗粒悬浮物的特性氧化铝和氧化铈纳米颗粒常用于纳米电子学和半导体制造行业中化学-机械 (CMP)半导体表面的平整。CMP悬浮物纳米粒子的尺寸分布特征以及大颗粒的辨别，是光刻过程质量控制的重要方面，会影响到硅晶片的质量。既可以测量可溶分析物浓度、又能测定单个纳米粒子的单颗粒模式ICP-MS（SP-ICP-MS）是分析金属纳米粒子的最有前途的技术。SP-ICP-MS技术具有高灵敏度、易操作、分析速度快的特点，纳米粒子引入等离子体中被完全电离，随后离子被质谱仪检测，信号强度与颗粒尺寸有关。因此SP-ICP-MS可为用户提供颗粒浓度（颗/mL），尺寸大小和尺寸分布。为确保一次只检测一个单颗粒，必须稀释样品以实现分辨的目的。这就要求质谱仪必须能够有很快的测量速度，以确保能够检测到在50nm纳米颗粒的瞬时信号（该信号变化的平均时间为300~500μs）。珀金埃尔默NexION系列半导体专用ICP-MS单颗粒操作模式能够采集连续数据，无需设置定位时间，每秒钟获取高达100 000个数据点。结合纳米颗粒分析软件模块，可以实现单颗粒纳米颗粒的准确分析。采集数据比瞬时信号更快的纳米信号积分图悬浮物1~4归一化颗粒尺寸分布频次图《使用单颗粒电感耦合等离子体质谱法（SP-ICP-MS）分析CeO2 化学机械抛光化浆料》On-line ICP-OES 在线监控磷酸中的硅含量在最新的立式3D NAND 闪存的生产工艺中，需要使用磷酸进行湿法刻蚀。在生产过程中，必须监控这种特殊的、高选择性氮化的磷酸中硅的含量，以控制工艺质量。当磷酸中硅含量发生改变时，必须排空并更换磷酸。在线ICP-OES技术响应迅速，可实现7天*24小时不间断检测，是最适合磷酸中硅含量监控的方法。而Avio500 紧凑的体积非常适合空间有限的Fab 厂；垂直炬管配合独特的切割尾焰技术，不需要任何维护也能获得最佳的数据稳定性。在线监控系统可实现：自动配制校准曲线7天*24小时全自动运行质控功能（超出线性范围则重新校准）可同时监控5个模块（多达20个采样点）允许ICP-OES在线或离线分析间切换点击链接获取文中提到的解决方案和更多半导体相关资料：http://e86.me/4qfk7N关于珀金埃尔默：珀金埃尔默致力于为创建更健康的世界而持续创新。我们为诊断、生命科学、食品及应用市场推出独特的解决方案，助力科学家、研究人员和临床医生解决最棘手的科学和医疗难题。凭借深厚的市场了解和技术专长，我们助力客户更早地获得更准确的洞见。在全球，我们拥有12500名专业技术人员，服务于150多个国家，时刻专注于帮助客户打造更健康的家庭，改善人类生活质量。2018年，珀金埃尔默年营收达到约28亿美元，为标准普尔500指数中的一员，纽交所上市代号1-877-PKI-NYSE。了解更多有关珀金埃尔默的信息，请访问www.perkinelmer.com.cn。

36氪获悉，工业视觉方案提供商「玻尔智造」日前获数千万元Pre-A轮融资，领投方为浩澜资本，毅仁资本担任独家财务顾问。本轮融资资金将用于自主光学成像方案和AI技术进一步研发。玻尔智造成立于2020年，结合自研光学方案及AI算法，主要对消费电子产品进行表面缺陷检测。依靠核心技术与缺陷检测效果，如今玻尔智造已成为某消费电子龙头在外观缺陷检测领域的全球专项战略供应商。机器视觉检测此前多应用于面板、PCB、印刷等行业，主要针对单一均匀的二维平面。消费电子产品因存在异形、复杂的三维面等，外观缺陷检测仍主要由人工目检完成。这意味着相当数量的工人需要在高亮度灯光下近距离且长时间观察被检物件，既可能对人眼造成损伤，也存在准确性、稳定性、工作时长等限制。同时，消费电子产品外观缺陷检测存在诸多难点，包括需检测多种表面形态、不同材质、数百种缺陷类别等。以看似简单的手机充电器为例，不仅同时包含塑胶和金属材质，且有平面、弧面、球面等多种表面形态。其他产品如含充电仓的无线耳机等，更存在异形曲面等复杂结构。对此，玻尔智造选择结合自研自控的光学成像方案以及AI图像识别算法，进行整机集成。“打通光学和算法软件的搭配协作，整机才能灵活运用。”玻尔智造CEO&CTO陈志忠告诉36氪。其中，光学方案就像一双眼睛，面对不同材质、曲率、反射率的检测对象，需要综合打光弧度、光源波长等要素，通过光源、镜头、相机的组合应用，实现被检物品的清晰成像。完整的光学方案，需要具备一次成像能力，拍摄速度要跟上产线生产速度，并考虑设备生产和成本核算的可行性。图源企业玻尔智造团队所积累的视觉检测经验，能够在面对不同材质、结构的被检品时，短时间内提出有效的光学整体方案。对于一般方案中的缺陷成像难点，如磨砂面轻微划伤、金属麻点差异成像等，玻尔智造亦有独家技术解决，能够得到清晰、经增强的缺陷图像。基于光学方案得到的清晰影像，玻尔智造检测设备进一步通过AI图像算法对缺陷进行识别。针对部分产品及结构的检测，玻尔智造已与行业龙头客户达成独家量产合作，进一步在实际生产线中积累一手且海量的被检品图像数据库。对于集成了光学方案与软件算法的检测设备整机，玻尔智造采用了模块化设计，包括机械平台、算法平台、光学模块及机械模块。整机设备可根据实际需求对模块进行组合，配合不同产品、厂商的检测要求，以单台设备兼容多款产品检测。部分外观缺陷检测整机设备展示，图源企业面对多面、多材质、多缺陷种类的检测对象，玻尔智造设备能够在2s内完成运动、成像、识别等系列操作，相比30s标准人工工时，时长缩短至1/15。目前，玻尔智造在某龙头客户电源产品检测领域的市占率居于首位，并将拓展更多材质与结构检测，适应更多检测对象的需求。同时，结合客户的全球化布局，玻尔也将进一步开拓印度、越南市场。未来，玻尔智造计划以消费电子行业为根基，依托在中国台湾既有的资源积累，进一步向半导体领域探索，现已能完成10微米级的陶瓷基板检测。玻尔智造新的研发及组装中心将落地上海、诸暨等。玻尔智造团队研发人员占比超60%，CEO&CTO陈志忠为台湾省台湾大学化学所物理化学博士，有20余年集成视觉技术经验，拥有个人发明专利40+，发表SCI 15+，曾作为核心成员带领某台企上市，并曾任某上市工业视觉企业核心研发负责人。团队创始成员曾任职行业内全球五百强企业，具备开拓视觉检测供应商经历，拥有较强先进制造落地经验。投资方观点本轮领投方浩澜资本主管合伙人王曦表示：消费电子行业的缺陷检测，随着某龙头客户体系全面用外观缺陷检测设备取代过去的人力检测，正面临巨大的市场机会。玻尔智造作为该龙头客户战略供应商之一，在巩固消费电子行业头部位置的同时，更向半导体领域进行开拓和探索。公司积累多种材质的海量图像数据库, 更为公司技术的迭代和建立壁垒打下基础。浩澜资本会坚定持续地运用我们在先进制造和半导体行业的产业资源和资本能力，支持坚定自主创新，扎实商业落地的“硬科技”企业进入健康发展的快车道。诸暨经开区作为智能视觉“万亩千亿”新产业平台，全力支持智能视觉产业链科创企业的创新和发展，通过一系列专项政策让人才留得住、让优质项目发展得好。

近日，中俄合作完成的“焊接结构缺陷检验、服役可靠性评估及延寿技术研究”项目，通过了黑龙江省科技厅组织的专家验收。专家认为，双方合作开发了噪声抑制新技术、合成孔径聚焦缺陷检测技术、缺陷三维成像检测技术等多种新技术，解决了结构焊接缺陷定量化检测可靠性低的难题，并在缺陷自动识别等方面取得了重要进展。 　　该项目由哈尔滨工业大学先进焊接与连接国家重点实验室与俄罗斯鲍曼国立技术大学合作承担，于2007年启动，其研究目标是建立一套基于声发射、超声波技术原理、压痕技术、电磁技术和光学技术原理的国际先进的焊接缺陷和焊接应力检测与剩余工作寿命评估系统。 　　据介绍，该研究突破了反映应力信息的超声信号提取和干扰去除策略方面的技术难点，开发出基于临界折射纵波焊接应力检测的技术设备，其平面构件表面应力测试误差仅为12%左右，技术设备已实现集成化和产品化，在高速列车、火箭燃料储箱等领域中应用。 　　同时，研究团队开发出随焊冲击碾压、双向预置应力焊接等多项新技术及配套装置，有效改善了焊接接头的残余应力状态，减少了焊接缺陷，并将焊接新工艺在高速列车承载焊接接头的制造中试用，获得显著成效。 　　据悉，项目执行期间，共申请发明专利12项，获得发明专利授权8项 获得软件著作权2项 发表论文93篇，其中SCI16篇、EI64篇 形成拥有自主知识产权的核心技术2项 开发新装置7台(套) 形成新工艺5项。同时，以该项目为基础筹建的“中国—俄罗斯—乌克兰国际焊接联合研究中心”已获科技部批准。

table width=" 633" cellspacing=" 0" cellpadding=" 0" border=" 1" tbody tr style=" height:25px" class=" firstRow" td style=" border: 1px solid windowtext padding: 0px 7px " width=" 130" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 成果名称 /span /p /td td colspan=" 3" style=" border-color: windowtext windowtext windowtext currentcolor border-style: solid solid solid none border-width: 1px 1px 1px medium border-image: none 100% / 1 / 0 stretch padding: 0px 7px " valign=" bottom" width=" 503" height=" 25" p style=" text-align:center line-height:150%" strong span style=" line-height:150% font-family:宋体" 油气管道缺陷漏磁成像检测仪 /span /strong /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 130" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 单位名称 /span /p /td td colspan=" 3" style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 503" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 清华大学 /span /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 130" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 联系人 /span /p /td td style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 164" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 黄松岭 /span /p /td td style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 158" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 联系邮箱 /span /p /td td style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 181" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" huangsling@tsinghua.edu.cn /span /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 130" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 成果成熟度 /span /p /td td colspan=" 3" style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 503" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" □正在研发& nbsp & nbsp □已有样机& nbsp & nbsp □通过小试& nbsp & nbsp □通过中试& nbsp & nbsp √可以量产 /span /p /td /tr tr style=" height:25px" td style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 130" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" 合作方式 /span /p /td td colspan=" 3" style=" border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width=" 503" height=" 25" p style=" line-height:150%" span style=" line-height:150% font-family:宋体" □技术转让& nbsp & nbsp & nbsp □技术入股& nbsp & nbsp & nbsp √合作开发& nbsp & nbsp & nbsp □其他 /span /p /td /tr tr style=" height:113px" td colspan=" 4" style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 633" height=" 113" p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 成果简介： /span /strong /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201803/insimg/535b780e-209f-499c-8eac-4b2660e45d03.jpg" title=" 1.png" style=" width: 400px height: 244px " width=" 400" vspace=" 0" hspace=" 0" height=" 244" border=" 0" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201803/insimg/66d725c7-b535-4688-a237-f7d2519803e6.jpg" title=" 2.png" style=" width: 400px height: 267px " width=" 400" vspace=" 0" hspace=" 0" height=" 267" border=" 0" / /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 油气管道缺陷漏磁成像检测仪是由 strong 清华大学黄松岭教授科研团队 /strong 结合多年的管道电磁无损检测理论研究与工程经验，设计并研发的可 strong 针对不同口径 /strong 油气管道进行缺陷检测的系列化产品。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 油气管道缺陷漏磁成像检测仪采用本项目开发的先进的 strong 复合伸缩式柔性采集技术 /strong ，能够保证检测仪在强烈振动、管道局部变形等情况下与管道全方位有效贴合，在越障、管道缩径、过弯等特殊工况下表现出优异性能，并通过 strong 分布式磁路结构 /strong 优化和 strong 并行数字采集 /strong 单元实现了检测仪的轻型化、智能化。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 相比于国内外同类检测仪器，本项目油气管道缺陷漏磁成像检测仪在诸多关键技术指标上具有明显优势，检测仪能适应的管道 strong 最小转弯半径为1.5D /strong （D为管道外径）， strong 管道变形通过能力为18%D /strong ， strong 缺陷检测灵敏度为5%t /strong （t为壁厚），性能指标处于国际领先水平。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 检测仪还配套开发了 strong 数据自动分析智能专家系统 /strong ，能够对对管道缺陷及附属特征进行 strong 自动识别、量化、成像与评估 /strong ，支持先验判断和人工辅助分析，并基于管道压力评估和金属损失评估，提供在役管道评估维修策略。缺陷 strong 长度量化误差小于8mm、宽度量化误差小于20mm、深度量化误差小于10%t /strong 。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 基于本项目的关键技术，已 strong 授权国内外发明专利112项 /strong ， & nbsp 形成了完整的自主知识产权体系。开发的系列化油气管道缺陷漏磁成像检测仪已应用于西气东输、胜利油田、加拿大西部油气管道等国内外检测工程中，积累了丰富的仪器研发和工程检测经验，项目技术还可推广应用于铁路、钢铁、汽车、核能、航天等领域。 /span /p /td /tr tr style=" height:75px" td colspan=" 4" style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 633" height=" 75" p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 应用前景： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 油气管道缺陷漏磁成像检测仪适用于电磁无损检测领域，主要应用在石油和天然气输送管道的在线缺陷检测工程中，可及时发现油气管道的腐蚀缺陷以便采取积极措施进行修复，保障油气管道的正常运行、油气资源的安全输送。且本项目的关键技术成果还可推广应用于铁路、钢铁、汽车、核能、航天等领域的铁磁性构件的缺陷检测，如动车空心轴、金属管棒材、活塞杆、核电换热管、航空复合管等，对诸多行业的设备结构健康安全检测有积极的推动作用。 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 经贸委于2000年发布《石油天然气管道安全监督与管理暂行规定》，要求“新建管道必须在一年内检测，以后视管道安全状况每一至三年检测一次”，相比于国外工程检测，本项目工程检测费用仅为国外检测费用的三分之一，具有较强的竞争优势。且本项目开发的系列油气管道缺陷漏磁成像检测仪已在西气东输、胜利油田、加拿大西部油气管道等众多油气管道检测工程中应用，积累了丰富的工程检测经验，缺陷识别准确率高、用户反馈良好。近年来，在“一带一路”战略框架下，我国将进一步加大与周边国家在油气领域的战略合作，这对油气安全输送与管道缺陷检测提出了更高的要求，且随着越来越多的油气管道投入运行和在役管道使用年限的增长，以及本项目开发的系列油气管道缺陷漏磁成像检测仪在检测性能、价格等方面的诸多优势，将拥有更多的工程检测需求和更广阔的市场应用前景。 /span /p /td /tr tr style=" height:72px" td colspan=" 4" style=" border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width=" 633" height=" 72" p style=" line-height:150%" strong span style=" line-height:150% font-family: 宋体" 知识产权及项目获奖情况： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 研发的油气管道缺陷漏磁成像检测仪具有自主知识产权，围绕油气管道检测理论研究及仪器研发核心关键技术，申请并授权了国内外发明专利112项，开展的相关项目获得多项省部级及行业奖项。 /span /p p style=" text-indent:28px line-height:150%" strong span style=" line-height:150% font-family:宋体" 知识产权情况： /span /strong /p p style=" text-indent:28px line-height:150%" strong span style=" line-height:150% font-family:宋体" 中国发明专利： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 海底油气管道缺陷高精度内检测装置，ZL201310598517.0 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 一种全数字化高精度三维漏磁信号采集装置，ZL201310460761.0 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 油气管道缺陷内检测器里程测量装置，ZL201310598590.8 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 管道三维漏磁成像检测浮动磁化组件，ZL201410281568.5 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 浮动式管道内漏磁检测装置的手指探头单元，ZL201310598515.1 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 三维漏磁检测缺陷复合反演成像方法，ZL201510239162.5 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 管道三维漏磁成像缺陷量化方法，ZL201410799732.1 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 基于交直流复合磁化的漏磁检测内外壁缺陷的识别方法，ZL200810055891.5 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 基于三维有限元神经网络的缺陷识别和量化评价方法，ZL200610164923.6 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 管道腐蚀缺陷类型识别方法，ZL200410068973.5等 /span /p p style=" text-indent:28px line-height:150%" strong span style=" line-height:150% font-family:宋体" 美国发明专利： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" IMAGING METHOD AND APPARATUS BASED ON & nbsp MAGNETIC FULX LEAKAGE TESTING, US2016-0161448 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" AN INNER DETECTING DEVICE FOR SUBSEA & nbsp OIL AND GAS PIPELINE /span span style=" line-height: 150% font-family:宋体" ，US2015-0346154 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" METHOD AND APPARATUS FOR QUANTIFYING PIPELINE & nbsp DEFECT BASED ON MAGNETIC FLUX LEAKAGE TESTING, US2016-0178580 /span span style=" line-height:150% font-family:宋体" 等 /span /p p style=" text-indent:28px line-height:150%" strong span style=" line-height:150% font-family:宋体" 英国发明专利： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" An inner detecting device for subsea & nbsp oil gas pipeline, GB2527696 /span /p p style=" text-indent:28px line-height:150%" strong span style=" line-height:150% font-family:宋体" 日本发明专利： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 海中の石油ガスパイプライン用の内部検出装置，JP6154911 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 加拿大发明专利： /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" AN INNER DETECTING DEVICE FOR SUBSEA & nbsp OIL AND GAS PIPELINE /span span style=" line-height: 150% font-family:宋体" ，CA2,888,756 /span /p p style=" text-indent:28px line-height:150%" strong span style=" line-height:150% font-family:宋体" 项目获奖情况： /span /strong /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 2017 /span span style=" line-height:150% font-family:宋体" 年湖北省技术发明一等奖 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 2014 /span span style=" line-height:150% font-family:宋体" 年北京市科学技术奖一等奖 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 2014 /span span style=" line-height:150% font-family:宋体" 年国家知识产权局中国专利优秀奖 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 2013 /span span style=" line-height:150% font-family:宋体" 年中国产学研创新成果奖 /span /p p style=" text-indent:28px line-height:150%" span style=" line-height:150% font-family:宋体" 2009 /span span style=" line-height:150% font-family:宋体" 年石油和化工自动化行业科学技术一等奖 /span /p /td /tr /tbody /table p br/ /p

制药企业QA/QC 部门的液相检测方法中会经常使用非挥发性缓冲盐流动相（如磷酸盐缓冲溶液），但当进行液质联用分析时，流动相必须转换为适合于ESI（APCI）的挥发性流动相。而改变流动相很多时候会使得杂质峰的保留时间发生变化，甚至湮没在主峰中，因此，需要耗时耗力摸索新的分析方法。 为解决上述问题，近日，岛津公司在中国市场推出了岛津独有的LCMS-IT-TOF 的新应用系统&mdash &mdash 二维液质杂质鉴定系统。通过使用岛津二维液质杂质鉴定系统，无需改变原先的流动相分离条件，就可以将目标杂质从一维色谱中收集下来，在二维色谱中直接使用挥发性流动相进行MS 分析。如果同时配备IT-TOF，则可以通过多级高分辨质谱进行精确定性分析。 2D LC/MS 杂质鉴定系统流路图 二维液质杂质鉴定系统是基于Prominence 设计、用于LCMS-IT-TOF 前端的应用系统，配置包括LCMS-IT-TOF，Prominence 系列液相单元以及 &ldquo 二维液质杂质鉴定系统启动包&rdquo 。启动包中包括二维液相色谱质谱联用的控制软件及整套连接管路。 本系统特长 1）无需改变分析方法 无需改变原有分析方法，系统就可以通过一维色谱分离，将目标杂质组分导入样品环；然后，二维色谱分离目标杂质，并通过提供准确和多级（n³ 2）的质谱数据来达到鉴别杂质的目的。 2) 二维方式实现全自动切换 当液相色谱分析使用非挥发性盐流动相（如磷酸盐缓冲液），转换为液质联用分析时，需将流动相转换为挥发性流动相（不使用缓冲盐或使用挥发性缓冲盐）以适应大气压离子源。而本系统允许在一维分析中使用非挥发性盐流动相，在二维液质分析中使用挥发性流动相，自动实现流动相的在线改变。 3）可通过专用软件轻松使用该系统 二维色谱分析通常需要复杂的指令程序来控制切换阀以收集目标杂质。在此系统中，通过简单的输入杂质保留时间，即可以自动创建时间程序来实现阀的切换等动作。当杂质的保留时间未知或者因为分析条件变化而改变时，也可手动控制阀来实现切换。 有关详情，敬请咨询岛津公司 · 北京分公司 (010) 8525-2310/2312 · 浦西分公司 (021) 2201-3888 · 广州分公司 (020) 8710-8661 · 四川分公司 (028) 8619-8421 · 沈阳分公司(024) 2341-4778 · 西安分公司(029) 8838-6350 · 乌鲁木齐分公司(0991) 230-6271 · 昆明分公司(0871) 315-2986 · 南京分公司(025) 8689-0258 · 重庆分公司(023) 6380-6068 · 深圳分公司(0755) 8287-7677 · 武汉分公司(027) 8555-7910 · 河南分公司(0371) 8663-2981 岛津用户服务热线电话:800-8100439 400-6500439 关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所为扩大中国事业的规模，于1999年100%出资，在中国设立的现地法人公司。 目前，岛津企业管理（中国）有限公司在中国全境拥有13个分公司，事业规模正在不断扩大。其下设有北京、上海、广州、沈阳、成都分析中心；覆盖全国30个省的销售代理商网络；60多个技术服务站，构筑起为广大用户提供良好服务的完整体系。 岛津作为全球化的生产基地，已构筑起了不仅面向中国客户，同时也面向全世界的产品生产、供应体系，并力图构建起一个符合中国市场要求的产品生产体制。 以&ldquo 为了人类和地球的健康&rdquo 为目标，岛津人将始终致力于为用户提供更加先进的产品和更加满意的服务。 更多信息请关注岛津公司网站www.shimadzu.com.cn/an/ 。

涂魔师在线漆层检测|复杂外形工件表面非接触漆膜膜厚自动检测系统测量平坦表面涂层厚度并不容易，对复杂几何表面结构的涂层厚度的测量更加困难。传统的单点接触测量往往无法满足客户需求，这种方法通常是相当不准确的，而且只适用于固化后的涂层厚度测量，无法支持在生产工艺过程中进行涂层厚度测量。为了实现对复杂几何表面结构的涂层厚度，涂魔师在线漆膜测厚仪基于先进的ATO光热法技术，研发了一款利用涂层与底材之间的热性能差异进行涂层厚度的非接触无损测量系统。涂魔师漆膜膜厚自动检测系统适用于粉末喷涂，能精确检测粉末涂层厚度，稳定喷涂工艺质量；适用于湿膜和干膜应用，能精确检测固化前湿膜涂层即时得到干膜厚度，节省时间和稳定质量等。通过调研，50%的人在固化或干燥工艺后手动测量涂层厚度，43%的人是在有质量保证的实验室中手动测量涂层厚度，21%的人在选择在固化干燥工艺前手动测量涂层厚度，然而，没有人使用自动化仪器进行涂层厚度测量并优化喷涂工艺。从调研结果上看，大部分的人选择在生产线后期使用接触式涂层测厚仪，手动测量固化后的涂层厚度，然而，无论是湿膜还是干膜，在生产线末端进行涂层厚度测量已经太晚了，如果此时测量效果不好，则会产生大批量的次品，需要进行返工，这将导致更多的资金、人力、物力的消耗。涂魔师非接触无损测厚系统能够在生产线早期阶段进行涂层厚度测量，为您和您的客户记录涂装工艺过程的连续数据，为优化工艺、更换耗材提供依据；能减少物料消耗；提供高精度的生产条件，及时分析膜厚数据，及时发现喷枪堵塞等失效问题，协助调整工艺参数。涂魔师在线漆膜测厚系统如何实现在固化前测量涂层厚度？涂魔师在线漆膜测厚系统使用ATO光热法原理，通过计算机控制光源以脉冲方式加热待测涂层，其中内置的高速红外探测器从远处记录涂层表面温度分布并生成温度衰减曲线。表面温度的衰减时间取决于涂层厚度及其导热性能。最后利用专门研发的算法分析表面动态温度曲线计算测量待测的涂层厚度。涂魔师漆膜膜厚自动检测系统产品系列介绍涂魔师漆膜膜厚自动检测系统有FLEX手持式，Inline在线式，Atline实验室，3D整体膜厚成像系统这4种。涂魔师手持式涂层测厚仪FLEX是一款功能齐全的高精准的非接触式无损测厚系统，无需进行整合，操作方便，校准简单，无需严格控制测试距离和角度，无需等到涂层固化后才进行涂层厚度测量，能有效节省材料和避免涂层缺陷问题，十分适用于生产车间现场，且自动记录数据及生产全过程。使用手持式涂层测厚仪FLEX在产线上监控喷粉膜厚后，调节出粉量后节省30%的粉末。特别是对于小批量，产品未出炉已喷完，所以无法根据干膜调整膜厚。而涂魔师在开始喷涂的几分钟内就调整好出粉量，减少返工，降低成本。涂魔师3D整体膜厚成像系统，通过3D成像检测技术，轻松非接触精准测量形状复杂零部件的膜厚分布情况，测试点的数据与工件被测部份一一对应，实时高效监控膜厚真实情况。为什么需要测量整体的涂层厚度？通过使用涂魔师3D整体膜厚成像系统测量涂层厚度，可以使涂层分布清晰可见，连续实时检测产线的移动工件膜厚，无需严控测量条件，对于摇摆晃动、外形复杂（曲面、内壁、立体、边缘等部位）、各种颜色（不受白色等浅色限制）的工件也能精准测厚。通过SPS等接口实现涂装线的自动化控制，能将涂魔师3D整体膜厚成像系统轻松高效集成到现有涂装线上，集成成本低。涂魔师3D整体膜厚成像系统测量复杂几何表面工件涂层厚度，能够在半秒内获得复杂形状工件表面大约十万个测量点的信息，这使得复杂表面涂层厚度的测量变得简单，并通过对测量结果的记录归档及时调整工艺，实现对喷涂工艺质量的有效控制。翁开尔是涂魔师漆膜膜厚自动检测系统中国总代理，欢迎致电咨询涂魔师漆膜膜厚自动检测系统更多产品信息和技术应用案例。

随着基因科技的发展和临床应用，基因技术可以用于遗传疾病的检测，对预防出生缺陷有重要意义。7月8日，华大基因董事长汪建、华大医学执行总裁尹烨等在北京共同宣布启动&ldquo 千万家庭远离遗传出生缺陷&rdquo 计划。 　　发布会上，华大基因旗下的华大医学产前业务负责人赵立见就无创技术的开展现状及应用前景作了介绍。赵立见表示，目前无创基因检测技术可进行6种单基因疾病(地中海贫血、先天性耳聋、枫糖尿病、肾上腺皮质增生、鱼鳞病、假肥大性肌营养不良DMD)的无创产前基因检测，通过单个基因位点检测结果准确率高达98%以上。由于其无创安全、特异性高等优势逐步成为孕妇的首选检测方法。目前华大基因已积累30万例无创产前基因检测。 　　据了解，最近，国家食品药品监督管理总局(CFDA)首次批准第二代基因测序诊断产品上市，华大基因成为CFDA批准的首个高通量测序诊断产品提供机构。基于此，华大基因计划开展了一系列针对罕见病的&ldquo 科技公益&rdquo 项目。 　　华大医学执行总裁尹烨介绍，华大基因现在已经可以通过单基因遗传病检测技术，检测10大系统中的336种基因遗传病，贯穿生命孕育、出生、成长、衰老等全过程。目前，华大基因有幸成为CFDA批准的首个高通量测序诊断产品生产机构，标志着我国在医疗创新产品的注册审批方面迈出了突破性一步 也意味着以基因组学新技术走向临床应用开始有了法律与制度上的保障。

汽车由数以万计零部件组装而成，零部件是汽车发展的基础和重要组成部分，其性能优劣直接影响整车性能的优劣。核心零部件一旦出现质量问题，会给驾乘人员带来极大的安全隐患，因此汽车零部件检测对整车安全性起着至关重要的作用。本文将围绕汽车零部件的常见缺陷以及缺陷的危害进行阐述，以期为汽车零部件生产、质控与研究人员提供分析思路。一、汽车零部件缺陷类型汽车零部件从设计图样到制品，要经历一系列工艺流程，详见下图中7个节点。该流程中存在众多复杂因素，极有可能形成某种缺陷，若这些缺陷未被检测发现，或检测手段落后而发现不了，抑或技术标准不合理等，使得原本不应该流入市场的不合格品成为商品，从而成为在后续装配服役过程中失效的潜在因素。图1 汽车零部件工艺流程汽车零部件常见缺陷可以分为：设计缺陷、材料缺陷、制造工艺缺陷。如近日央视315晚会曝光的某品牌汽车，则是由设计缺陷导致变速箱腐蚀失效。图2 某品牌汽车变速箱腐蚀形貌以轴承和螺栓为例，其工艺流程如图3所示，复杂的工艺流程导致制造工艺缺陷呈现多样性，图4为不同制造工艺所对应的不同缺陷类型。产品出现质量问题，通过检测技术对缺陷类型进行表征，分析缺陷具体形成环节，往往是解决问题的基础。图3 汽车零部件工艺流程复杂导致缺陷的多样性图4 制造工艺及对应缺陷下面以螺栓失效为例，选取原材料、设计、热处理、机械加工和装配工艺不同因素导致失效的案例，对缺陷检测技术应用进行阐述。表1 螺栓失效案例案例零部件名称失效现象失效原因预防措施1节点连接螺栓发纹原材料缺陷1.提高原材料质量管理水平；2.加强磁粉探伤。2手动调整销氢脆断裂设计不当1.增加回火温度；2.电镀工艺之后需要加去氢处理。3缸盖螺栓氢脆断裂热处理工艺不当建议严格按照热处理工艺操作，并增加增碳试验检测。4风电螺栓疲劳断裂滚牙工艺不当严格按照滚牙模具管理规程，并使用体式显微镜进行抽检。5吊杆螺栓疲劳断裂装配工艺选用合适的弹性垫片防止预紧力松弛。案例1：原材料缺陷（节点连接螺栓表面缺陷分析）案例2：设计不当（手动调整销延迟性断裂原因分析）案例3：热处理缺陷（柴油机缸盖螺栓氢脆断裂）案例4：机加工缺陷——M16螺栓疲劳断裂原因分析案例5：装配工艺不当——某地铁齿轮箱吊杆螺栓断裂二、缺陷的危害汽车零部件缺陷危害极大，往往会影响零件使用可靠性，降低零件的力学性能，造成应力集中，促进氢脆与应力腐蚀等。缺陷与失效分析的关系（从废品、不合格品、商品三个角度）如下：1. 产品出厂前制造工艺过程中的废品分析，是由缺陷直接引起的失效；2. 因质量管控手段不足，使得原本不应流入市场的不合格品进入市场，并且其所含制造缺陷导致产品失效，是由缺陷直接或间接引起的失效；3. 产品设计、装配工艺或维护工艺不当导致的失效，则与缺陷无关。作者简介：潘安霞：中车戚墅堰机车车辆工艺研究所有限公司失效分析高级工程师，现任全国机械工程学会失效分析分会委员、中国中车技术专家，中车计量理化培训讲师，主要从事轨道交通行业齿轮、紧固件、弹簧等关键零部件失效分析研究工作，著有《紧固件失效分析与案例》。拓展阅读：中车戚墅堰所试验检测中心：汽车零部件缺陷表征技术

众所周知，青霉素类注射剂使用前需要进行皮试。由于批次不同，使用前需要严格进行确认时候过敏。否则会导致严重的超敏反应，重则危及生命。资料表明，青霉素过敏中有90%都是由于其中的杂质过敏。由于药物化学和提纯工艺的发展完善，制剂的质量也在不断提高，因此过敏反应发生的概率降低。那么危及生命安全的杂质究竟是何物呢？在药品中都有哪些类型的“杂质”呢？药物杂质的分类和相关政策 药物杂质是指无治疗作用或影响药物的稳定性以及疗效的物质。由于杂质检测和含量控制对药品质量控制以及安全用药密切相关，国家药品监督管理局(NMPA)对药物临床前研究中的杂质分析越来越重视。因此，在已经实施的2020年版《中国药典》中对于药品安全性的监管更加严格。尤其是在化学药品杂质检测方面，相对2015版有较大程度的增修。在二部化学药部分，直接指出需要加强杂质检测的力度：“进一步完善杂质和有关物质的分析方法，推广先进检测技术的应用，强化对有毒有害杂质的控制；加强对药品安全性相关控制项目和限度标准的研究制定”。四部通则中新增《遗传毒性杂质控制指导原则审核稿》，对药物遗传毒性杂质的危害评估、分类、定性和限值制定进行了指导。我国早在2017年6月14日正式加入ICH （人用药品注册技术要求国际协调会），成为全球第8个监管机构成员，此次，化学药部分对元素杂质的控制要求引入了ICH(Q3D)部分，与ICH的规定几乎一致。可见，2020 年版《中国药典》编制大纲要求化学药基本达到国际标准。因此，从“杂质限量”这个维度来看，药物的规格只有两种，即“合格”与“不合格”。药物的杂质有哪些类型呢？应用什么样的分析方法可以进行检测呢？化学药物杂质的分类与检测方法化药中的杂质可分为有机杂质、无机杂质、残留溶剂。对于新药及其制剂来说分为：有活性组分的降解产物、活性组分与赋形剂和（或）内包装/密封系统的反应产物、遗传毒性杂质以及药包材杂质。关于杂质的分析方法，对于有机杂质的分析（起始物、副产物、中间体、降解产物等），使用色谱法分析居多；对于无机杂质（重金属，无机盐等），通常采用ICP/AA/ICPMS等仪器分析；对于残留溶剂杂质，则以GC分析为主。贯穿于药品研发的整个过程的理念就是保证安全。选择合适的分析方法，准确地测定杂质的含量，综合毒理及临床研究的结果可以更好地研究药物杂质。基于此，7月27日，仪器信息网(instrument.com.cn)与天津市分析测试协会共同举办“化学药物杂质研究及检测技术”网络主题研讨会，以期为广大生命科学、制药工作者们提供交流平台，促进相关技术的发展。本次会议特邀报告嘉宾：天津医科大学刘照胜教授、天津大学药学院陈磊副教授、天津市药品检验研究院抗生素室杨倩药师以及河北省药品医疗器械检验研究院化学药品室副主任徐艳梅工程师。同时邀请到来自赛默飞世尔科技的刘钊工程师、岛津企业管理（中国）有限公司的孟海涛工程师以及沃特世科技的陆金金工程师为我们解读药典相关的政策变化和最新的仪器应用案例。（会议详情请您报名或点击阅读原文获取）【报名二维码】小惊喜：成功报名会议+转发会议页面至朋友圈或专业群+截图后—可加专业交流群、会议预告、资料获取、会议回看… … 关注微服务，参会不迷路微信搜索“仪器信息网微服务”，获取百场会议信息，做仪器行业学习的领航者。

2021年2月，日本汽车零部件巨头曝大规模造假，约有11.4万件产品存在伪造刹车装置及其零部件的检查数据，引发网友热议和消费者信任危机。为帮助汽车零部件生产、质控与研究人员及时发现零部件缺陷，避免不合格产品流向市场，本文在上篇介绍汽车零部件缺陷类型及危害的基础上，详细阐述汽车零部件的常用缺陷鉴别技术。一、金相检测技术金相分析技术是失效分析中最重要的方法，主要分为以下几个方面：低倍组织缺陷评定锻造流线检测分析样件显微组织是否符合标准/预期要求评定非金属夹杂物级别测定晶粒度脱碳层检测渗碳层检测判断裂纹类型（淬火裂纹？锻造裂纹？）确定裂纹扩展方式（穿晶？沿晶？）.......案例1：金相检测实例——低温冲击功不合格原因分析以下钢板的3个试样中，一个试样低温冲击功不合格，而其他两个试样合格。检测人员通过观察其冲击试样金相组织，发现钢板在板厚发现存在严重的珠光体条带现象，这是造成低温冲击性能不达标和冲击性能值波动较大的主要原因。二、无损检测——（重点介绍X射线无损检测技术）无损检测采用传统的射线照相检测（RT)、射线数字成像检测（DR)及机算机断层扫描技术（CT)技术，在对被检测物体无损伤的条件下，以平面叠加投影或二维断层图像的形式，清晰、准确、直观地展示被检测物体的内部结构、组成、材质及缺损状况。射线检测技术在缺陷表征中的应用主要有以下5个方面：（1）缺陷的识别（2）缺陷尺寸测量（3）三维重建及缺陷提取（可以对材料内部缺陷三维重构，表征缺陷形状和分布）（4）不拆解情况下内部结构分析（5）不拆解情况下装配分析三、化学成分分析材料化学成分分析主要用于排查设计选材是否不当，存在以次充优或以假乱真。四、力学性能为什么要做力学性能测试？（1）根据失效分析的目的、要求及可能性，对硬度、室温拉伸、冲击、弯曲、压扁、疲劳及高温下的力学性能等进行测定（不破坏主要失效特征）；（2）评定失效件的工艺与材质是否符合要求；（3）获得材料抵抗变形或断裂的临界值。力学性能不合格的常见原因：（1）热处理工艺不当；（2）取样位置或取样方式不当；（3）材料偏析严重。五、断口分析技术（断口分析三板斧）通过断口的形态分析，可以研究断裂的一些基本问题：如断裂起因、断裂性质、断裂方式、断裂机制、断裂韧性、断裂过程的应力状态以及裂纹扩展速率等。因此，断口分析现已成为对金属构件进行失效分析的重要手段。断口记录了从裂纹萌生、扩展直到断裂的全过程，是全信息的。断口可以说是断裂故障的“第一裂纹”，而其他裂纹可能是第二甚至第三生成的。第一与第二裂纹的模式、原因和机理有时是相同的，有时是不同的，也就是说裂纹有可能只记录了断裂后期的信息，因此断口分析在断裂事故分析中具有核心的地位和作用。断口有时是断裂失效（事故）唯一的“物证”，人证有时是不可靠的，只能作为辅助信息或证据。利用现代分析技术和方法，断口包含的信息是可以“破译＂的，析断口可以获取失效的信息。如何进行断口分析？第一板斧：按图索骥提供典型断口宏观照片，学习断口形貌特征，可以独立判断断口类型。第二板斧：顺藤摸瓜寻找到断裂的源头是整个分析的重中之重，否则后期的分析将成为无本之本。第三板斧：一叶知秋从一片树叶的掉落，可以预知秋天的到来。断口的微观和宏观信息也同样存在一定联系，通过断口微观特征观察也可以进一步验证宏观检查的判断结果。综上，断口分析技术可以归纳为以下三点：按图索骥，预判断口类型；顺藤摸瓜，寻找断裂源头；一叶知秋，微观佐证宏观。作者简介：潘安霞：中车戚墅堰机车车辆工艺研究所有限公司失效分析高级工程师，现任全国机械工程学会失效分析分会委员、中国中车技术专家，中车计量理化培训讲师，主要从事轨道交通行业齿轮、紧固件、弹簧等关键零部件失效分析研究工作，著有《紧固件失效分析与案例》。拓展阅读：中车戚墅堰所试验检测中心：汽车零部件缺陷类型及危害