产品缺陷

7月5日，广东省质监局缺陷产品管理中心在广东质检院挂牌成立。副局长、党组成员程学源出席了成立仪式并讲话。 程学源(右五)为广东省质监局缺陷产品管理中心揭牌 　　为进一步强化我省缺陷产品召回管理的技术支撑工作，省局党组决定成立广东省质监局缺陷产品管理中心，并挂靠在广东质检院。该中心整合广东质检院现有的产品质量安全检验检测资源，在省局的领导下，具体承担广东省内相关缺陷产品召回的专业性、技术性工作，负责缺陷产品信息系统建设运行和管理备案工作，组织开展产品缺陷调查与认定，开展召回报告技术评估与产品缺陷风险评估，对召回效果进行监测与评判，负责缺陷产品调查专家队伍的组织管理，建立专家和检测机构数据库，并实施动态掌握和管理。 　　揭牌仪式后，程学源与广东质检院班子及缺陷管理中心技术专家进行座谈，听取了胡南乾院长关于缺陷管理中心筹建及发展思路的工作汇报。 　　程学源指出，广东质检院对于成立缺陷管理中心的认识到位，筹建工作深入细致、扎实得力，成效显著，为全省缺陷产品召回工作的组织实施打下了良好的基础，这种勇挑重担、积极谋划的工作作风，推动了省局党组工作意图的落实，应当充分肯定。 　　程学源强调，做好缺陷产品管理工作，需要有全省一盘棋的思想。省局各相关处室、各地市局和广东质检院要互相信任、互相支持，紧紧围绕质量强省的目标开展好缺陷产品召回和管理的各项工作。他要求，省局相关处室应尽快拿出措施，尽可能地支持广东质检院做好缺陷产品管理中心的建设工作，并将缺陷管理工作经费列入明年省局预算，从而取得经费上的固化和保障。他希望广东质检院百尺竿头更进一步，开好局、起好步，充分发挥技术支撑能力，积极主动承担起各项缺陷产品召回管理的责任和工作，做出成绩，不辱人民群众的期盼和省局党组赋予的使命。 　　广东质检院院长胡南乾、党委书记黄健，省局质管处处长苏虎，广东质检院副院长郭军溪、黄海坤、唐穗平、陈可志等出席了缺陷产品管理中心成立揭牌仪式。

8月6日，记者从国家质检总局获悉，根据《儿童玩具召回管理规定》第四章第二十七条的规定，国家质检总局经调查认定，于8月2日发出《质检总局关于责令对缺陷玩具产品实施召回的公告》，责令31家企业立即召回存在缺陷的玩具产品。 　　记者了解到，此次涉及召回的玩具产品主要存在小零件易脱落、手把强度未达标、机械强度未达标、存在危险夹缝、产生可触及的锐利尖端、制动装置不合格等缺陷。其中，6款产品存在小零件易脱落的问题，6款产品存在产生可触及的锐利尖端缺陷，4款童车产品制动装置不合格。据悉，在31家玩具产品存在缺陷的企业中，平湖市贝乐宝玩具有限公司6个批号的产品涉及制动装置不合格，滕州市南沙河鑫玉儿童用品厂生产的8058型多功能儿童推车存在燃烧性能不合格、手把强度未达标、制动装置不合格、折叠锁定装置不合格、未标注适用年龄和体重、安全警示内容不全6个不合格项。 　　目前，国家质检总局已在官方网站详细公布了此次召回信息，消费者可登录网站进行查阅。 序号 企业名称 所在地 产品名称 商标 规格型号 生产日期/批号 缺陷描述 1 河北益盟车业有限公司 河北省 儿童自行车 YIMENG 12-01 2013-02-06 闸把尺寸、平衡轮尺寸不合格 2 广宗县宝乐星童车厂 河北省 儿童自行车 宝乐星 16-01 2013-02-25 产生可触及的锐利边缘 3 宁波爱乐宝婴儿用品有限公司 浙江省 小兔摇铃玩具 / WJ007 2012-11-26 未标注年龄适用范围 4 慈溪市金洲电器有限公司 浙江省 音乐转转乐床头铃玩具 超贝 CB8712 2012-12-01 18个月及以下儿童使用的玩具上的绳索和弹性绳不合格、小零件易脱落、产生可触及的锐利尖端、含有可拆卸的小球 5 平湖市新仑童车制造有限公司 浙江省 儿童三轮车 小叮咚 A-7-1 2013-01-16 机械强度未达标 6 慈溪市福贝贝儿童用品有限公司 浙江省 婴幼儿推车 福贝贝 C211 2013-02 座兜的座垫与靠背的角度和靠背的高度不合格、手把强度未达标 7 平湖市飞龙童车有限公司 浙江省 电动童车 福儿宝 HL-218-1 2013-03-03 制动装置不合格 8 宁波家中宝贝儿童用品有限公司 浙江省 儿童三轮车 家中宝 T302 2013-01-27 机械强度未达标9 平湖市贝乐宝玩具有限公司 浙江省 电动童车：四轮电动车 喜乐玛 BLB-118 2012-10-16 2012-11-20 2012-12-23 2013-01-15 2013-03-08 2013-04-10 制动装置不合格 10 金健峰集团平湖童车有限公司 浙江省 儿童电动车 瑞迪高 TR0903 2013-02-27 制动装置不合格 11 安徽小小神童童车有限公司 安徽省 儿童推车 大六福（图案） DLF6201 2012-10-12 动态耐久性试验不合格 12 泉州新恒辉儿童用品有限公司 福建省 儿童推车 （图案） MA1109W 2012-10-11 未在产品上标注警示说明“警告：此车不适合于6个月以下的儿童” 13 山东好儿郎儿童用品有限公司 山东省 儿童推车（伞车） 瑞曼 S-204 2012-10-17 折叠锁定装置不合格 14 滕州市万宝童车有限公司 山东省 便携式婴儿车 福康 FK103/S218C 2013-03 手把强度未达标 15 滕州市南沙河鑫玉儿童用品厂 山东省 多功能儿童推车 翔龙宝贝 8058型 2013-03-02 燃烧性能不合格、手把强度未达标、制动装置不合格、折叠锁定装置不合格、未标注适用年龄和体重、安全警示内容不全 16 山东小阿龙儿童用品有限公司 山东省 小阿龙儿童便携伞车 小阿龙 LT300 2013-03 动态耐久性试验不合格 17 新乡市乖乖牛儿童用品有限公司 河南省 乖乖牛儿童三轮车 乖乖牛 GGN型 2013-03-07 机械强度未达标 18 新乡市长城儿童用品有限公司 河南省 儿童三轮车 康娃娃 831（F-3） 2013-03-05 机械强度未达标 19 郑州市中原龙凤童车有限公司 河南省 儿童推车 龙祥 LX-2008-A 2013-03-05 小零件易脱落、手把强度未达标 20 郑州西湖童车有限公司 河南省 儿童推车 小燕子 88型 2012-12-17 小零件易脱落、手把强度未达标 21 汉川市雅贝儿童用品有限公司 湖北省 儿童推车 ADIL Jx862 2013-03-09 存在危险夹缝 22 汕头市澄海区乐吉儿玩具有限公司 广东省 娃娃（公仔）家庭组合装玩具 偶像乐吉儿 H24A 2013-01 含有小球，未设小球警示说明 23 广东飞轮科技实业有限公司 广东省 电动玩具/遥控车 / FC095 2012-12 产生可触及的锐利尖端 24 汕头市澄海区得发塑胶玩具实业有限公司 广东省 电动卡通车玩具 XIONG XING TOYS NO.6013 2013-02 小零件易脱落、产生可触及的锐利尖端 25 汕头市澄海区华美工艺玩具厂有限公司 广东省 变脸小章鱼玩具 第一教室 HM1801C 2012-10-27至2012-10-30 小零件易脱落 26 汕头市澄海区乐禹玩具实业有限公司 广东省 遥控动物玩具 （图案） 9901 2013-02-18至2013-02-21 塑料袋或塑料薄膜不合格 27 惠州顺泰玩具有限公司 广东省 球拍套装玩具（羽毛球拍 玩具乐巢 87000 2013-02-26 含有小球，未设小球警示说明 28 汕头市澄海区卡力奇塑胶制品有限公司 广东省 益智玩具 （图案） PHJ003-A 2013-01-25 金属边缘为可触及的锐利边缘 29 汕头市双鹰玩具实业有限公司 广东省 遥控模型车玩具 （图案）E608-002 2013-01-20 产生可触及的锐利尖端 30 中山市南头镇小神童日用制品厂 广东省 豪华伞车（童车） 龙儿 808# 2013-02-18至2013-02-20 小零件易脱落、折叠锁定装置不合格、动态耐久性试验不合格 31 佛山市南海区畅旺玩具厂 广东省 太空狗儿童三轮车 精灵皇 C601 2013-02-28至2013-03-10 机械强度未达标、冲击强度未达标

国务院法制办3日公布了《缺陷汽车产品召回管理条例(征求意见稿)》，广泛征求社会各界意见。根据这份征求意见稿，中国拟将扩大汽车召回内容，汽车产品相关信息需保留至少10年，不召回将面临严厉处罚。 　　征求意见稿指出，条例所称缺陷，是指由于设计、制造、标识等原因而在某一批次、型号或者类别的汽车产品中普遍存在的危及人身、财产安全的不合理的危险。包括不符合保障人体健康和人身、财产安全的国家标准、行业标准和要求 符合保障人体健康和人身、财产安全的国家标准、行业标准和要求，但仍有可能危及人体健康和人身、财产安全。 　　此外，征求意见稿对「召回」活动也进一步予以明确。规定召回是指汽车产品生产者采取修正或者补充标识、修理、更换、退货等措施，预防和消除缺陷的活动。 　　在汽车生产者不主动实施召回时，征求意见稿规定了补救措施，即「国务院质检部门获知汽车产品可能存在缺陷的，应当立即通知生产者开展调查分析。必要时，国务院质检部门应当开展缺陷调查」。「国务院质检部门经调查认为汽车产品存在缺陷的，应当通知生产者实施召回」。 　　征求意见稿还规定，国务院质检部门应当及时向社会公告已经确认的汽车产品存在缺陷的信息以及生产者实施召回的相关信息 对汽车产品存在的其他危及人身、财产安全的不合理的危险，可以发布预警信息。 　　征求意见稿还规定，生产者应当及时采取修正或者补充标识、修理、更换、退货等措施，消除已经售出的汽车产品存在的缺陷。生产者应当承担消除缺陷的费用和对缺陷汽车产品进行运输所需的必要费用。 　　据了解，公众可在3月4日前，登录中国政府法制信息网，或者通过信函、电子邮件方式发表意见。

中国经济网北京5月13日讯 国家质检总局总工程师刘卓慧在出席“2012中国妇幼经济峰会 ”时表示，国家质检总局将进一步完善玩具产品认证，推进缺陷产品召回。　　 　　5月13日，由经济日报社与中国妇幼保健协会联合发起并主办，中国经济网与中国消费者报联合承办的“2012中国妇幼经济峰会”在北京举行。国家质检总局总工程师刘卓慧出席开幕式并致辞。 　　刘卓慧称，为贯彻落实《中国妇女发展纲要(2011-2020年)》和《中国儿童发展纲要(2011-2020年)》，国家质检部门将积极联合各部门加强对妇儿用品的质量监管。一是加强妇女儿童权益相关领域的标准化制修订工作，推进妇女儿童权益保护标准的宣传贯彻和实施。在国家标准制定、标准化示范、标准化科研等多个方面，重点考虑妇儿产品的质量安全。二是开展提升儿童用品质量活动，督促生产企业不断提升产品质量水平，同时密切跟踪国际标准变化及产业技术发展的新方向，积极探索开展妇儿用品质量安全风险监测工作。三是进一步完善玩具产品等认证的监管模式，加强认证及检测服务管理，促进提高技术水平和能力，为玩具产业的健康发展提供保障。四是继续加大执法打假力度，依法严厉打击制售假冒伪劣产品的违法行为，加强信息搜集和调查工作，推进缺陷产品召回的管理工作。 　　国家质检总局负责对与妇女儿童密切相关的消费品质量安全进行监管，通过加快制定标准、开展产品强制认证、游乐设施安全监察等，提高妇幼产品质量安全。在标准制修订方面，近年国家质检总局和国家标准委颁布实施了儿童玩具、学生文具、儿童家具、婴幼儿纸尿裤、纺织品和儿童仿真饰品等新国家标准，并与卫生部等部门共同开展妇幼保健标准、儿童青少年健康标准、儿童青少年伤害规范等国家标准的制修订和立项工作。在强制性认证方面，国家质监委严格实施了对六类儿童玩具产品的强制性认证制度，开展了对生产企业法规和技术培训。在质量监督方面，国家质检总局2011年对儿童、婴幼儿服装、童鞋、童车、纸尿裤等13类产品进行了抽查，共抽查了全国1273家企业的1466种产品，并通过政府网站、新闻发布会等向社会广泛公告抽查结果，曝光质量不合格产品，发布产品质量信息。在专项执法打假方面，质检总局近年侧重对儿童用品的执法检查。以2011年为例，质检部门集中组织了儿童用品执法检查的专项行动，共出动执法人员21125人次，检查儿童玩具童车和童鞋的生产企业1287家，依法取缔了没有法定资质的生产加工企业，严厉查处了以次充好的质量违法行为。 　　5月13日，经济日报社与中国妇幼保健协会联合发起并主办，中国经济网与中国消费者报联合承办的“2012中国妇幼经济峰会 ”在北京举办。本届峰会以“孕育幸福构筑和谐"十二五"中国妇幼经济腾飞之路”为主题，探讨议题包括：中国妇幼事业发展给产业带来的机遇、乳制品质量与市场及企业责任与诚信。 　　峰会期间发布《2012年3-15中国婴童产品质量调查报告》，并为调查报告中获“消费者喜爱的品牌”企业和品牌颁奖。“2012年3-15中国婴童产品质量调查 ”活动于2011年12月20日至2012年2月20日期间，由中国经济网与中国消费者报、腾讯育儿、父母必读、北京艾索儿童市场咨询机构、妈妈说等多家单位联合开展，旨在全面真实地了解我国婴童消费市场现状，共同推动中国婴童行业健康有序发展。

12月24日，全国产品缺陷与安全管理标准化技术委员会正式成立。该委员会主要负责产品缺陷与安全管理等领域的标准化工作，与国际标准化组织消费者政策委员会产品安全工作组相对口关联。 　　记者从成立大会上获悉，目前很多发达国家很早就建立了产品缺陷与安全管理标准体系，并有专门的行政部门或第三方机构进行贯彻和实施。而在我国的标准体系中，涉及产品缺陷与安全管理的标准不足40个，直接涉及产品召回管理的标准尚属空白。 　　据了解，按照该技术委员会的设想，我国产品缺陷与安全管理国家标准体系框架包括缺陷预防标准体系、缺陷信息收集标准体系、缺陷调查与认定标准体系、缺陷处理标准体系、产品召回管理标准体系。 　　在成立大会上，技术委员会还对《产品缺陷防范导则》(草案)和《产品缺陷风险评估指南》(草案)进行了研讨。记者从《产品缺陷防范导则》(草案)中看到，生产制造商应在产品说明书上标注缺陷产品召回的相关提示，包括在产品有缺陷的情况下，可以从哪里获得服务；产品召回程序和政策等等。

5月12日，御微首台掩模基板缺陷检测产品Halo-100在御微合肥成功发运，并顺利交付国内先进掩模厂。御微半导体官方消息显示，其Halo-100设备是御微“掩模全生命周期质量控制”产品线的第二款产品，以高精度光学系统、高稳定性运动台系统以及高洁净度环控与传输系统为基础，结合御微半导体专有的算法和软件系统，实现了针对掩模基板（blank）缺陷检测的需求，并将掩模检测的应用领域拓展至掩模厂来料检和掩模基板厂全制程控制检。据介绍，在掩模基板厂中，Halo-100设备可以运用在玻璃基板来料检、多层镀膜过程检和成品出货检等环节，助力客户在每个制程节点监测洁净度情况。

近日，御微半导体首批i12-F300超精密晶圆缺陷检测设备在御微合肥成功发运，顺利交付国内集成电路领域重要客户。御微半导体自主研发的i12-F300设备作为公司新一代晶圆检测产品，凭借御微多年来在集成电路晶圆检测领域积累的丰富经验和技术储备，以多模式的高精度光学成像、高稳定性成像控制、高效率数据处理系统、多类型物料兼容为基础，结合御微专有的智能检测+分类算法和软件系统，相对于已有集成电路晶圆缺陷检测产品，可提供更强大的缺陷检测能力和更高的检测效率，满足不同集成电路客户工艺环节中细微缺陷管控需求。御微半导体i12-F300超精密晶圆缺陷检测设备在集成电路晶圆制造环节，i12-F300设备可应用于光刻后、蚀刻后、化学研磨后、薄膜沉积等工艺后的缺陷检测，实现快速工艺监测和问题反馈，减少客户良率损失。i12-F300设备可搭配御微已有边缘、背面检测模块，实现对晶圆正面、背面、边缘全方位检测和质量管控。此外，该设备可实现深亚微米检测精度，在多种场景下用于产线高精度检测场景，补充客户产线昂贵纳米检测设备产能，降低客户使用成本。另外，通过兼容透明/半透明基底、翘曲/键合片等基底，i12-F300可用于化合物半导体、先进封装等领域，对晶圆产品实现高精度管控，助力客户产线降本增效、实现零缺陷目标。i12-F300的推出，进一步完善了御微在晶圆检测领域的产品布局，这是御微集成电路晶圆缺陷检测领域的重大突破，也是迈入国产替代关键性的一步。未来，御微将持续加大研发投入，精准把握客户需求，不断推出满足客户需求的新产品，填补国内相关半导体设备领域的空白，为广大客户创造更多独特价值。据资料显示，御微半导体是一家以技术和市场双轮驱动，为集成电路制造提供先进装备的科创企业。公司面向集成电路制造、先进封装、化合物半导体、新型显示等领域，为客户提供具有竞争力的产品及技术解决方案。公司聚焦于集成电路光学量检测系统设计与系统集成，围绕集成电路装备自主化，已经形成了服务于芯片制造、光罩制造、晶圆衬底制造、基板制造四大领域九大类量测及检测产品。致力成为半导体设备行业第一梯队的技术提供者。

01什么是质量？大家肯定还记得十几年前臭名昭著的三聚氰胺“毒奶粉”事件。事故起因是很多食用三鹿集团生产的奶粉的婴儿被发现患有肾结石，随后在其奶粉中被发现化工原料三聚氰胺。三聚氰胺奶粉导致了近30万名婴儿确诊泌尿系统出现异常，给万千个家庭带来沉重的痛苦。三鹿集团因此破产重组，董事长也获刑入狱。更恶劣的影响是中国奶制品行业信誉的崩溃，导致大量海外抢购奶粉的风潮。国人对于国产奶粉的信任危机至今仍存。所以说，质量是企业的生命线。一个企业能走多远，取决于它的产品质量能做多好。那，什么是质量？我们经常有这样的错觉，贵的东西往往就意味着质量好。但这是恰恰是对质量的误解。不同人眼里对于“质量”有不同的理解和定义，克劳士比、戴明、朱兰这几位质量大师对于质量的定义都有差异，但他们的理解也有共同之处，就是“质量必须是符合要求的，满足客户需求的”。02什么是“零缺陷”？“符合要求，满足客户需求”，那些在制作合同标书时允许返工期；在物料来料检验时允许有一定比例的接收不良等这些“差不多就好”的工作方式和态度显然是与“质量”背道而驰的。企业要在满足客户需求的质量之路上与竞争对手形成差距，取得越来越多客户的认同，就必须要将“第一次就把正确的事情做正确”作为我们的工作准则，将“质量零缺陷”作为我们的工作标准。采取零缺陷作为我们的工作标准就意味着，我们绝不向任何“不符合”妥协。如果有“不符合”存在，我们就采取行动消除“不符合”要求，并采取预防措施，确保不再重蹈覆辙。 也许你会问：“零缺陷是否不允许员工犯任何错误，如果有错误，那将怎么解决？如果企业要求员工绝不能犯任何错误，是否扼杀了员工的工作效率和工作创新精神”？“零缺陷”不是不允许犯错误而是不允许犯同样错误。“零缺陷”管理可以简化为“三个不”：不要怕错误、不要放过错误、绝不重复犯错误。零缺陷的思维是一种质量预防的思维。重点是要做好源头检查和确认，也就是“先做正确的事情” 。事前分析能减少事后修改的成本。它是以满足客户需求为导向，贯彻在我们整个企业工作活动的全过程。所以，零缺陷是跟企业里面每一个岗位都息息相关。03欧美克的质量观那如何在日常工作岗位中践行零缺陷呢？欧美克旨在建立一个简单的输入输出模型。把工作对接的上一环当作供应商，工作对接的下一环当作客户。每一个岗位都不接受“供应商”的不良，同时自身岗位也不要制造不良，更不要把不良传递给我们的“客户”。具体来说，例如：在公司内部，研发的输出是满足客户需求的设计，上一环的输入是市场部\销售部。研发能否输出满足客户需求的设计，关键的部分就在于输入的客户需求是否准确、全面。所以市场\销售的同事在收集客户需求及传达内化到公司内部时，能否提供准确、全面的客户需求信息，避免信息的“缺陷”，就是践行“零缺陷”的好例子。同样，研发在设计时候，就要第一次把设计做好，避免出现有“缺陷”的图纸交付给采购和生产。而售后服务在上门调试维护的时候，第一次就将调试维护做好，避免二次或多次上门。仓库在发货时候，第一次就把要发的货物清点清楚，避免出现漏发错发给客户。在这个过程中，就能够环环相扣形成闭环的质量零缺陷！从“质量就是生命”的理念到“质量零缺陷”的践行，珠海欧美克仪器有限公司作为科学仪器提供商马尔文帕纳科公司的一员，一直坚持“以客户为中心”理念，贯彻“赢之有道”核心价值观。从市场调研，产品设计，材料采购到生产，销售，运输，安装和维护等各个环节把好质量关，由单纯的符合标准转变为了解客户满足客户需求，不断改进过程质量，从而不断改进产品质量，使得欧美克能够面向市场长期提供客户需要的产品和服务。打造“质量”文化，需要从观念到行为，把“第一次就把事情做正确”的意识嵌入每一个环节，去积极预防问题，把问题扼杀在摇篮里，在每一个欧美克人心中建立一个“质量”的标尺，将问题的预警和解决机制渗入欧美克仪器的每一个岗位，共同实现更全面和完善的产品质量把控。在追求“质量”的路上，欧美克正积极鼓励我们的内部员工和外部客户在任何时候任何环节发现问题都能向我们指出。我们将一直虚心接受客户的指导和建议，坚持关注客户对产品的需求和期望，并且不断地去改进和提升，始终做您值得信赖的粒度检测与控制技术专家！

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】

2019年6月18日至6月20日，由中国化学会纳米化学专业委员会、湖南大学共同主办，石墨烯材料与器件湖南省重点实验室和长沙学院协办的中国化学会2019能源材料与缺陷化学研讨会在湖南省长沙市成功召开！北京中教金源应邀参加此次盛会，并带来了全新的产品，吸引了众多专家学者，得到了专家学者的一致好评！ 本届会议旨在加强能源材料与缺陷化学领域国内外学者之间的交流。会议围绕“能源材料与缺陷化学”主题，以学术交流为重点，针对能源材料领域的关键科学问题以及缺陷化学这一研究热点难点展开深入讨论，促进学科交叉。会议主题涵盖材料缺陷化学、光/电催化、燃料电池、储能电池、能源材料表征技术等。会议现场中教金源展台

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。

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)

近日，宁波宁海检验检疫局在对辖区某企业申报的一款输往欧盟的鸭子造型挤压玩具进行首件鉴定时发现，带有半球形端部的该款产品在只受自身重力下直接进入和穿过测试模板B的空腔的整个深度，存在戳伤婴幼儿喉咙和导致窒息的风险，不符合欧盟玩具安全标准EN71-1：2011要求。 　　挤压玩具是一种手持式柔软玩具，拟为18个月以下儿童使用。作为特定玩具，如果玩具重量小于等于0.5公斤，玩具的任何部分都不能突出于内腔长5厘米、宽为3.5厘米的椭圆形模板A的底面。 　　近年来，鉴于特定玩具因形状、尺寸问题导致的窒息和戳伤风险，欧盟、美国、日本等均对18个月以下儿童使用的重量小于等于0.5公斤的特定玩具形状、尺寸提出了强制性要求。对此，检验检疫部门提醒企业，一要收集、掌握进口国或地区，尤其是欧美日等发达国家和地区的玩具法规标准，科学合理划分产品类别，如为特定玩具须明确相关检验项目 二要对产品设计开发环节加强管理，建立产品开发验证程序，并明确特定玩具开发验证流程和控制标准，避免特定玩具形状、尺寸设计缺陷 三要树立全过程质量控制的理念，强化检验员培训上岗，确保产品质量合格。

在11月10日举行的2012(第三届)中国汽车安全技术发展国际论坛上，国家质检总局缺陷产品管理中心副主任王琰透露，质检总局正在筹建国家汽车产品缺陷工程分析实验室，以更好地展开缺陷调查和工程技术分析，促进汽车召回工作。 　　据悉，在涉及安全的汽车缺陷中，仅有不到10%属于不符合相关标准的情形，其余90%以上的缺陷产生原因极其复杂，对缺陷分析水平提出了较高要求。“在非标准符合型缺陷分析方面，目前还存在一些空白，建设一流的工程分析实验室，有助于提高汽车缺陷监管水平，”王琰说。目前，该实验室建设正处于设备采购阶段。 　　国家汽车产品缺陷工程分析实验室将以服务汽车召回技术性工作为基础，以非标准符合性缺陷工程分析为核心，全面开展与汽车产品安全相关的缺陷调查和缺陷工程分析、标准复合型调查和实验检测、缺陷风险评估以及汽车产品安全技术研究等工作。实验室按14个区域功能划分，值得注意的是，电动汽车安全检测也包括在内。 　　无论对汽车召回还是“三包”而言，缺陷鉴定都是非常重要的一环。此次新建的缺陷工程分析实验室是否将同时服务于召回和“三包”工作，目前尚不得而知。

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。

本报讯(记者 汪丹)昨天，国内首家汽车产品缺陷工程分析实验室落户位于北京顺义的国家汽车质量监督检验中心。国家质检总局副局长刘平均、北京市副市长洪峰出席合作协议签约仪式。 　　市质监局在签约仪式上介绍，国家汽车产品缺陷工程分析实验室将针对我国汽车产品安全状况，通过实验分析缺陷及车辆故障，进而开展风险评估。实验室规划了整车工程分析试验室、轮胎缺陷工程分析试验室、汽车压力动力试验室等8个试验室，可开展汽车制动系统、转向系统、汽车轮胎、管路、电子控制系统等一系列缺陷判定试验，大大缩短缺陷认定的时间。实验室购置了世界上最先进的汽车转向、制动、加速智能机器人，可模拟驾驶员的转向、制动、加速等操作，还可开展较高危险性的缺陷实车判定实验。目前，实验室正处于设备安装调试阶段，预计明年中旬投入使用，主要面向专业机构提供服务，暂不受理市民提出的检测要求。 　　随后，刘平均、洪峰参观了国家汽车质量监督检验中心的汽车零部件实验室、碰撞实验室、汽车整车实验室和国家汽车产品缺陷工程分析实验室，详细了解了相关建设进展与未来发展规划。 　　(原标题：国内首家汽车缺陷分析实验室落户北京)

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

印刷电路板上的异物和斑点等会造成导电故障，为了防止此类问题的发生，查明异物和斑点的来源极为重要。本文向您介绍使用岛津AIM-9000缺陷自动分析系统，对印刷电路板上的异物进行定性分析的示例。microSDTM卡的大视野相机观察图像对在microSDTM卡端子上的异物进行扫描和定性分析时，使用AIM-9000的大视野相机，可以顺利完成从大视野观察到确定扫描位置的一系列操作。另外，根据异物形状分别使用反射法和ATR 法，可以得到良好的光谱。 了解详情，敬请点击《印刷电路板的缺陷分析》关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所于1999年100%出资，在中国设立的现地法人公司，在中国全境拥有13个分公司，事业规模不断扩大。其下设有北京、上海、广州、沈阳、成都分析中心，并拥有覆盖全国30个省的销售代理商网络以及60多个技术服务站，已构筑起为广大用户提供良好服务的完整体系。本公司以“为了人类和地球的健康”为经营理念，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，为中国社会的进步贡献力量。 更多信息请关注岛津公司网站www.shimadzu.com.cn/an/。 岛津官方微博地址http://weibo.com/chinashimadzu。 岛津微信平台

本文将为您介绍何谓量子效率光谱，以及CIS影像晶片常见的4种制程缺陷。SG-A_CMOS 商用级图像传感器测试仪相较于传统光学检测设备可以提供更精细的缺陷检测资讯，有助于使用者全面了解CIS影像晶片的性能表现。量子效率光谱是CIS影像晶片的关键参数之一，可以反映CIS影像晶片对不同波长下的感光能力，进而影响影像的成像质量。1. 什么是CIS影像晶片的量子效率光谱？CIS影像晶片的量子效率光谱是指在不同波长下，CIS晶片对光的响应效率。物理上，光子的能量与其波长成反比，因此，不同波长的光子对CIS影像晶片产生的响应效率也不同。量子效率光谱可以反映传感器在不同波长下的响应能力，帮助人们理解传感器的灵敏度和色彩还原能力等特性。通常，传感器的量子效率光谱会在可见光波段范围内呈现出不同的特征，如波峰和波谷，这些特征也直接影响着传感器的成像质量。2. Quantum Efficiency Spectrum 量子效率光谱可以解析CIS影像晶片内部的缺陷，常见的有下四种：BSI processing designOptical Crosstalk inspectionColor filter quality and performanceSi wafer THK condition in BSI processing3. 透过量子效率光谱解析常见的4种制程缺陷A. 什么是BSI制程？(1) BSI的运作方式BSI全名是Back-Side Illumination．是指"背照式"影像传感器的制造工艺，它相对于传统的"正面照射"(FSI, Front-Side Illumination)影像传感器，能够提高影像传感器的光学性能，特别是在各波长的感光效率的大幅提升。在BSI制程中，像素置于矽基板的背面，光通过矽基板进入感光像素，减少了前面的传输层和金属线路的干扰，提高了光的利用率和绕射效应，进而提高了影像传感器的解析度和灵敏度。(2) 传统的"正面照射"(FSI, Front-Side Illumination)图像传感器的工作方式FSI 是一种传统的图像传感器制程技术,光线透过透镜后,从图像传感器的正面照射到图像传感器的感光面,因此需要在感光面(黄色方框, Silicon)的上方放置一些电路和金属线,这些元件会遮挡一部分光线,降低图像传感器的光量利用率,影响图像的品质。相对地,BSI 技术是在感光面的背面,也就是基板反面制作出感光元件,让光线可以直接进入到感光面,这样就可以最大限度地提高光量利用率,提高图像的品质,并且不需要额外的电路和金属线的遮挡,因此也可以实现更高的像素密度和更快的图像读取速度。(3) 为什么BSI工艺重要?BSI工艺是重要的制造技术之一,可以大幅提升CIS图像传感器的感光度和量子效率,因此对于低光照环境下的图像采集有很大的帮助。BSI工艺还可以提高图像传感器的分辨率、动态范围和信噪比等性能,使得图像质量更加优良。由于现今图像应用日益广泛,对图像质量和性能要求也越来越高,因此BSI工艺在现代图像传感器的制造中扮演着重要的角色。目前,BSI 技术已成为图像传感器的主流工艺技术之一,被广泛应用于各种高阶图像产品中。(4) 量子效率光谱如何评估BSI工艺的好坏如前述,在CIS图像芯片的制造过程中,不同波长的光子对于图像芯片的感光能力有所不同。因此,量子效率光谱是一种可以检测图像芯片感光能力的方法。利用量子效率光谱,可以评估BSI工艺的好坏。Example-1如图,TSMC使用量子效率光谱分析了前照式FSI和背照式BSI两种工艺对RGB三原色的像素感光表现的差异。结果表明,BSI工艺可以大幅提高像素的感光度,将原本FSI的40%左右提高到将近60%的量子效率。上图 TSMC利用Wafer Level Quantum Efficiency Spectrum(量子效率光谱)分析1.75μm的前照式FSI与背照式BSI两种工艺对RGB三原色的像素在不同波长下的感光表现差异。由量子效率光谱的结果显示,BSI工艺可以大幅提升像素的感光度,将原本FSI的40%左右提高到将近60%的量子效率。(Reference: tsmc CIS)。量子效率光谱的分析可以帮助工程师判断不同工艺对感光能力的影响,并且确定BSI工艺的优势。(5) 利用量子效率光谱分析不同BSI工艺工艺对CIS图像芯片感光能力的影响Example-2 如上图。Omnivision 采用Wafer Level Quantum Efficiency Spectrum量子效率光谱分析采用TSMC 65nm工艺进行量产时,不同工艺工艺,对CIS图像芯片感光能力的影响。在1.4um像素尺寸使用BSI-1工艺与BSI-2的量子效率光谱比较下,可以显著的判断,BSI-2的量子效率较BSI-1有着将近10%的量子效率提升。代表着BSI-2的工艺可以让CIS图像芯片内部绝对感光能力可以提升10%((a)表)。此外,量子效率光谱是优化CIS图像芯片制造的重要工具。例如,在将BSI-2用于1.1um像素的工艺中,与1.4um像素的比较表明,在蓝光像素方面,BSI-2可以提供更高的感光效率,而在绿光和红光像素的感光能力方面,BSI-2的效果与1.4um像素相似。另外,Omnivision也利用量子效率光谱分析了TSMC 65nm工艺中不同BSI工艺工艺对CIS图像芯片感光能力的影响,发现BSI-2可以提高近10%的量子效率,从而使CIS图像芯片的感光能力提高10%。将BSI-2工艺用于1.1um像素的制造,并以量子效率光谱比较1.4um和1.1um像素。结果显示,使用BSI-2工艺的1.1um像素,在蓝色像素方面具有更高的感光效率,而在绿色和红色像素的感光能力方面与1.4um像素相近。这个结果显示,BSI-2工艺可以在保持像素尺寸的前提下提高CIS图像芯片的感光能力,进而提高图像质量。因此,利用量子效率光谱比较不同工艺工艺对CIS图像芯片的影响,可以为CIS制造优化提供重要参考。上图 Omnivision采用了Wafer Level Quantum Efficiency Spectrum量子效率光谱,以分析TSMC 65nm工艺在量产时,不同工艺工艺对CIS图像芯片感光能力的影响。通过这种光谱分析技术,Omnivision能够精确地判断不同工艺工艺所产生的量子效率差异,并进一步分析出如何优化CIS图像芯片的感光能力。因此,Wafer Level Quantum Efficiency Spectrum量子效率光谱分析是CIS工艺中一项重要的技术,可用于协助提高CIS图像芯片的质量和性能。(Reference: Omnivision BSI Technology.)B. Optical Crosstalk Inspection(1) 什么是Optical Crosstalk?CIS的optical cross-talk是指光线在图像芯片中行进时,由于折射、反射等原因,导致相邻像素之间的光相互干扰而产生的一种影响。(2) 为什么Optical Crosstalk的检测重要?在CIS图像芯片中,optical crosstalk是一个重要的问题,因为它会影响图像的品质和精度。optical crosstalk是由于像素之间的光学相互作用而产生的,导致相邻像素的光信号互相干扰,进而影响到像素之间的区别度和对比度。因此,降低optical cross-talk是提高CIS图像芯片品质的重要目标之一。(3) 如何利用QE光谱来检测CIS 的Crosstalk?量子效率(QE)光谱可用于检测CMOS图像传感器(CIS)的串音问题。通过测量CIS在不同波长下的QE,可以检测CIS中是否存在串音问题。当CIS中存在串音问题时,在某些波长下可能会观察到QE异常。在这种情况下,可以采取相应的措施来降低串音,例如优化CIS设计或改进工艺。缩小像素尺寸对于高分辨率成像和量子图像传感器是绝对必要的。如上图,TSMC利用45nm 先进CMOS工艺,来制作0.9um 像素用于堆叠式CIS。而optical crosstalk光学串扰对于SNR与成像品质有着显著的影响。因此,TSMC采用了一种像素工艺,来改善这种optical crosstalk光学串扰。结构如下图。结构(a)是控制像素。光的路径线为ML(Microlens)、CF (Color Filter)、PD(Photodiode, 感光层)。而在optical crosstalk影响的示意图,如绿色线的轨迹。光子由相邻的像素单元进入后,因为多层结构的折射,入射到中间的PD感光区,造成串扰讯号。TSMC设计结构(b) “深沟槽隔离(DTI)" 技术是为了在不牺牲并行暗性能的情况下抑制光学串扰。由(b)可以发现,DTI所形成的沟槽可以隔离原本会产生光学串扰的光子入射到中间的感光Photodiode区,抑制了串扰并提高了SNR。像素的横截面示意图 (a) 控制像素 (b)串扰改善像素。Wafer Level Quantum Efficiency Spectrum of two different structure CISs. 在该图中,展示了0.9um像素的量子效率光谱,其中虚线代表控制的0.9um像素(a),实线代表改进的0.9um像素(b)。由于栅格结构的光学孔径面积略微变小,因此光学串扰得到了极大的抑制。光学串扰抑制的直接证据,在量子效率光谱上得到体现。图中三个黄色箭头指出了R、G、B通道的串扰抑制证据。蓝光通道和红光通道反应略微下降,但是通过新开发的颜色滤光片材料,绿光通道的量子效率得到了提升。利用Wafer Level Quantum Efficiency Spectrum技术可以直接证明光学串扰的抑制现象。对于不同的CIS图像芯片,可以通过量子效率光谱测试来比较它们在不同波长下的量子效率响应,进而分辨optical crosstalk是否得到抑制。上图展示了0.9um像素的量子效率光谱,其中虚线代表控制的0.9um像素(a),实线代表改进的0.9um像素(b)。由于栅格结构的光学孔径面积略微变小,因此光学串扰得到了极大的抑制。光学串扰抑制的直接证据,在量子效率光谱上得到体现。图中三个黄色箭头指出了R、G、B通道的串扰抑制证据。C. Color filter quality inspection(1) 什么是CIS 的Color filter？CIS的Color filter是一种用于CIS图像芯片的光学滤光片。它被用于调整图像传感器中各个像素的光谱响应,以便使得CIS图像芯片可以感测和分离不同颜色的光,并将其转换为数字信号。Color filter通常包括红、绿、蓝三种基本的色彩滤光片。而对于各种不同filter排列而成的color filter array (CFA),可以参考下面的资料。最常见的CFA就是Bayer filter的排列,也就是每个单元会有一个B、一个R、与两个G的filter排列。Color filter在CIS图像芯片中扮演着非常重要的角色,其质量直接影响着图像的色彩再现效果。为了确保Color filter的性能符合设计要求,需要进行精确的光谱分析和质量检测。透过率光谱可以评估不同Color filter的光学性能 量子效率光谱可以检测Color filter与光电二极管的匹配程度。只有通过严格的质量检测,才能保证CIS芯片输出优质的图像。图 Color filter 如何组合在“Pixel"传感器中。一个像素单位会是由Micro Lens + CFA + Photodiode等三个主要部件构成。Color filter的主要作用是将入射的白光分解成不同的色光,并且选择性地遮挡某些色光,从而实现对不同波长光的选择性感光。(2) 为什么Color filter的检测重要?在CIS图像芯片中,每个像素上都会有一个color filter,用来选择性地感光RGB三种颜色的光线,从而实现对彩色图像的捕捉和处理。如果color filter的性能不好,会影响像素的感光度和光谱响应,进而影响图像的品质和精度。因此,优化color filter的性能对于提高CIS图像芯片的品质至关重要。Color filter 的检测是十分重要的,因为color filter 的品质和稳定性会直接影响到CIS 图像芯片的色彩精确度和对比度,进而影响整个图像的品质和清晰度。如果color filter 存在缺陷或不均匀的情况,就会导致图像中某些颜色的偏移、失真、色彩不均等问题。因此,对color filter 进行严格的检测,可以帮助制造商确保其性能和品质符合设计要求,从而提高CIS 图像芯片的生产效率和产品的可靠性。(3) 如何利用QE光谱来检测CIS 的Color filter quality?CIS的Color filter通常是由一种称为“有机色料"(organic dyes or pigments)的物质制成,这些有机色料能够选择性地吸收特定波长的光,以产生所需的颜色滤波效果。这些有机色料通常是透过涂布技术将它们沉积在玻璃或硅基板上形成彩色滤光片。量子效率(QE)光谱可以测量CIS在不同波长下的感光度,从而确定Color filter的品质和性能。正常情况下,Color filter应该能够适当地分离不同波长的光,并且在光学过程中产生较小的串扰。因此,如果在特定波长下的量子效率比预期值低,可能是由于Color filter的品质或性能问题引起的。通过对量子效率 (QE)光谱的分析,可以确定Color filter的性能是否符合设计要求,并提前进行相应的调整和优化。TSMC利用Wafer Level Quantum Efficiency Spectrum晶片级量子效率光谱技术,对不同的绿色滤光片材料进行检测,以评估其对CIS图像芯片的感光能力和光学串扰的影响。如上图,TSMC的CIS工艺流程利用Wafer Level Quantum Efficiency Spectrum的光谱技术,针对不同的绿色滤光片材料进行检测,以评估其对CIS图像芯片的感光能力和光学串扰的影响。晶圆级量子效率光谱显示了三种不同Color filter材料(Green_1, Green_2和Green_3)的特性。透过比较这三种材料,可以发现:(1) 主要绿色峰值位置偏移至550nm(2) 绿光和蓝光通道的optical crosstalk现象显著降低(3) 绿光和红光通道的optical crosstalk现象显著增加。通过对量子效率(QE)光谱的分析,可以确定Color filter的性能是否符合设计要求,并提前进行相应的调整和优化。以确保滤光片材料的特性符合设计要求,并且保证图像的品质和精度,提高CIS图像芯片的可靠性和稳定性。D. Si 晶圆厚度控制(1) 什么是Si 晶圆厚度控制?当我们在制造BSI CIS图像芯片时,需要使用一种称为"减薄(thin down)"的工艺来将晶圆变得更薄。这减薄后的晶圆厚度会直接影响CIS芯片的感光度,因此晶圆的厚度对图像芯片的感光性能和质量都有很大的影响。为了确保图像芯片能够正常工作,我们需要使用"Si 晶圆厚度控制"工艺来精确地控制晶圆的厚度。这样可以确保我们减薄出来的晶圆厚度能够符合设计要求,同时也可以提高图像芯片的产品良率。BSI的流程图。采用BSI工艺的CIS图像芯片,会有一道重要的工艺“减薄"(Thin down), 也就是将晶圆的厚度减少到一定的程度。(2) Si 晶圆厚度控制工艺监控中的量子效率检测非常重要在制造CIS芯片时,Si 晶圆厚度控制工艺的控制对于芯片的感光度有着直接的影响。这种影响可以透过量子效率光谱来观察,确保减薄后的CIS芯片拥有相当的光电转换量子效率。减薄后的晶圆会有一个最佳的厚度值,可以确保CIS芯片拥有最佳的光电转换量子效率。使用450nm、530nm和600nm三种波长,可以测试红色、绿色和蓝色通道的量子效率。实验结果显示了不同减薄厚度的CIS在蓝光、绿光、红光通道的量子效率值的变化。减薄厚度的偏差会对CIS的感光度产生直接的影响,进而影响量子效率的值。因此,量子效率的检测对于Si 晶圆厚度控制工艺的监控至关重要,以确保制造的CIS芯片具有稳定和一致的质量。下图显示了在不同减薄厚度下CIS图像芯片在蓝、绿、红三个光通道的量子效率值变化。蓝光通道的量子效率值是利用450nm波长测量的,当减薄后的厚度比标准厚度多0.3um时,其量子效率值会由52%下降至49% 当减薄后的厚度比标准厚度少0.3um时,蓝光通道的量子效率只略微低于52%。红光通道的量子效率值是利用600nm波长测量的,发现红光通道的表现在不同厚度下与蓝光通道相反,当减薄后的厚度比标准厚度少0.3um时,红光通道的量子效率显著地由44%下降至41%。在较厚的条件(+0.3um)下,红光通道的量子效率并没有显著的变化。绿光通道的量子效率值是以530nm波长测量的,在三种厚度条件下(STD THK ± 0.3um),绿光通道的量子效率没有显著的变化。利用不同的Si晶圆厚度(THK)对CIS图像芯片的量子效率进行测试,测试波长分别为600nm、530nm和450nm,并且针对红色、绿色和蓝色通道的量子效率进行评估。结果显示,在绿光通道方面,Si晶圆厚度的变化在±0.3um范围内,530nm波段的量子效率并未有明显变化。但是,在红光通道方面,随着Si晶圆厚度的下降,量子效率会有显著的下降。而在蓝光通道450nm的情况下,量子效率会随着Si晶圆厚度的下降而有显著的下降。这些结果表明,Si晶圆厚度对于CIS图像芯片的量子效率有重要的影响,且不同通道的影响程度不同。因此,在制造CIS图像芯片时需要精确地控制Si晶圆厚度,以确保产品的质量和性能。

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）

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。

一、X射线光电子能谱(XPS)缺陷会导致材料结构中配位数低的原子，为氧物种化学吸附提供配位的不饱和位点。X射线光电子能谱（XPS）是最广泛使用的表面分析方法之一，可以提供材料表面的化学状态和有价值的定量信息。应用于大多数的固体材料。它可以从表面获得约10 nm深度的信息。材料中的缺陷会改变键合能量，这可以从移位的峰或新出现的峰中观察到。因此，XPS可以作为一种有效的方法来检测材料中的氧空位与缺陷位点。经查阅文献可知，通过低频超声波制备含有氧空位的BiOI，并发现富含缺陷的BiOI（R-BiOI）纳米片表现出优异的光催化性能。富有缺陷的BiOI的O 1s XPS光谱证实了氧空位的存在，如图5所示。529.5 eV的峰可以说是晶格氧，而531.5 eV的峰则是由氧空位的化学吸附产生的。这也表明，氧空位被吸附的氧物种所稳定，这是富缺陷氧化物的一个典型特征。这种现象也可以在其他缺陷金属氧化物（O 1s XPS）中看到，如W18O49、CeO2-X、TiO2-X和缺陷的ZnO。图1. 高分辨率的O 1s XPS光谱二、拉曼光谱分析拉曼光谱是研究分子结构的一种分析工具，可以得到分子振动和旋转的信息。不同的化学键有不同的振动模式，决定了它们之间能量水平的变化。分子振动水平的变化引起了拉曼位移。因此，拉曼位移与晶格振动模式有一定的相关性，它可以被用来研究材料的结构特征。材料中的缺陷，特别是金属氧化物会影响振动模式，导致拉曼位移或出现新的峰值。研究表明，拉曼光谱揭示了在掺杂了Eu的 CeO2纳米片的结构中存在氧空位。与CeO2纳米片相比，掺杂了Eu的CeO2纳米片在600 cm -1处出现了一个峰值，这表明由于Ce 3p和Eu 3p的存在，产生了氧空位。此外，也有研究表明通过掺入IO3，设计了有缺陷的氧碘化铋。通过拉曼光谱显示在98cm -1处出现了一个新的峰值，它与Bi振动模式有关，这表明由于氧空位的存在，Bi的价态发生了变化。图2. CeO2和有缺陷的CeO2纳米片的拉曼光谱。三、扫描透射电子显微镜(STEM)STEM已被用于表征纳米材料的结构，它直接对原子结构进行成像。通过STEM可以观察到晶体结构中的原子序数和每个原子的排列方式，使其在科学研究领域的广泛应用上发挥了重要作用，如表面科学、材料科学、生命科学。然而，这种技术只能观察材料表面的局部区域。对于研究材料的整体缺陷来说，它是非常有限的，并且本身对样品要求较高。2000年，研究人员通过扫描隧道显微镜发现，表面氧空位可以作为反应位点，在这里可以吸收一氧化碳并转化为二氧化碳。后来，Samuel S. Mao等人用STEM研究了RuO2的原子尺度结构，发现了材料表面的缺陷（图7）。图3. 被CO覆盖的RuO2(110)表面的STM图像四、密度函数理论（DFT）计算密度函数理论（DFT）是研究材料电子结构的计算方法。它是通过量子力学模型来研究原子、分子和电子密度。因此，DFT是用于物理学、计算化学和材料的通用方法。Zhao等人利用DFT计算揭示了Vo-MnO2的结构模型，与非缺陷MnO2相比，Vo-MnO2的总态密度和部分态密度都接近费米水平，表明材料中存在氧空位。计算结果与实验结果一致，说明DFT可以用来辅助识别氧空位的存在。尽管DFT计算可以提出材料的电子结构，但它只能作为一种辅助手段。并且，结合实验和计算结果可以提供更有效的数据和证据。但是，使用DFT来描述以下情况仍有困难：分子间的相互作用、过渡状态、激发态等。过渡状态，电荷转移的激发，以及具有铁磁性的材料。五、其他方法由于OV的特殊性质，许多其他方法也可以用来进一步确定OV的存在，如热重分析（TG）。这种方法提供了关于物理现象的信息，包括吸收和分解。氧空位可以被氧气重新填充，特别是在高温下，这表明样品的质量会发生变化。这种细微的质量变化可以在TG曲线中显示出来。例如，大块的Bi2MoO6样品表现出急剧的重量损失，而超薄的Bi2MoO6纳米片在氧气环境下随着温度的升高而缓慢地失去重量。这是由于超薄Bi2MoO6纳米片中的氧空位与氧气反应，缓解了其下降的程度。此外，温度程序还原（TPR）也被用来描述固体材料的表面特性。与无缺陷的材料相比，有缺陷的材料明显增强了对表面晶格氧物种的吸附。参考文献：[1] Ye K , Li K , Lu Y , et al. An overview of advanced methods for the characterization of oxygen vacancies in materials[J]. TrAC Trends in Analytical Chemistry, 2019, 116.

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。

漏磁检测是保障油气管道运行安全的最常用手段，但由于其物理机理尚不完全清晰，缺乏高精度的物理模型，致使现有的缺陷量化方法主要依赖样本，需要前期进行牵拉实验。同时，由于漏磁检测数据量大，依赖牵拉样本和经验的人工判读缺陷量化方法不仅用时长、精度不稳定，且无法对缺陷轮廓进行成像运算。因此，深入研读漏磁检测的物理机理，建立漏磁运算高精度模型，构建缺陷轮廓成像模型和算法，是解决无样本、全自动漏磁检测缺陷磁成像运算的基石。9月11日，李红梅研究员将于第三届无损检测技术进展与应用网络会议期间进行《无样本、全自动缺陷磁成像理论及系统》主题研讨，围绕漏磁检测物理机理和模型研究，无样本、全自动缺陷磁成像系统研发等问题进行深入分享，并展示相关实施案例。本次会议于线上召开，欢迎大家参会交流！关于第三届无损检测技术进展与应用网络会议无损检测，即在不破坏或不影响被检测对象内部组织与使用性能的前提下，利用射线、超声、电磁、红外、热成像等原理并结合仪器对物体进行缺陷、化学、物理参数检测的一种技术手段，被广泛应用于航空航天、交通运输、石油化工、特种设备、矿山机械、核电、冶金、考古、珠宝、食品等各个领域。为推动我国无损检测技术发展和行业交流，促进新理论、新方法、新技术的推广与应用，仪器信息网定于2024年9月11-12日组织召开第三届无损检测技术进展与应用网络会议，邀请领域内科研、应用等专家老师围绕无损检测理论研究、技术开发、仪器研制、相关应用等方面展开研讨，欢迎大家参会交流。会议链接：https://www.instrument.com.cn/webinar/meetings/ndt2024

9月12日，2010全国妇幼保健热点论坛在广州举行。47岁的中国工程院院士程京欣然接受南方日报专访，畅谈生物芯片的研究进展与前景。他表示，针对广东“地方病”地中海贫血的基因检测芯片，预计明年面世。 　　一出生就做基因芯片检测，可预防“一针致聋” 　　从去年以来，程京已经自主研发了遗传性耳聋检测基因芯片、分枝杆菌菌种鉴定基因芯片、结核分枝杆菌耐药检测基因芯片、自身免疫性疾病检测蛋白芯片等4种新型疾病检测产品。目前均进入临床使用，广东省妇幼保健院等多家广东医院已可检测。 　　程京举例说，中国每年新增4万个遗传性耳聋患者，其中很大部分是药物致聋。像《千手观音》中美丽的聋哑演员邰丽华，就是因为两岁时高烧注射链霉素而失去了听力。“假如邰丽华在刚刚出生时做过基因芯片检测，得知自己是药物性耳聋基因的携带者，只要在今后不使用氨基糖甙类的抗生素药物，就可以避免药物性耳聋的发生。”甚至更早一步，如果她的母亲在怀孕前做检测，确定携带药物性致聋基因，由于这个基因是通过母系遗传的，孩子肯定也会有，可以更早知道，预防“一针致聋”。 　　与广东合作研制基因检测芯片，减少出生缺陷 　　近年我国新生儿出生缺陷率持续攀升，广东高达2.7%。程京透露，生物芯片北京国家工程研究中心出生缺陷领域分中心将落户广东省妇幼保健院，将与广东合作研发生物芯片。 　　广东是地中海贫血高发省份，约有10%—15%人群携带地贫基因。如果夫妇两人均携带地贫基因，所生孩子有1/4的几率是重型地贫患者，给家庭带来沉重负担。省妇幼保健院优生优育遗传与产前诊断中心副主任医师尹爱华透露，目前已和程京院士合作研制地贫基因检测芯片，预计在明年面世，减少新生儿出生缺陷。 　　据了解，目前地贫基因的试剂盒检测程序麻烦，有20多个步骤是人工操作，容易出现误诊，而且限于技术问题县级医院无法开展。如果地贫基因芯片研制成功，就可大批量做检测，医院一天检测量可从目前的100个标本上升到上万个，而且检测费用会便宜很多。

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

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。

2023年10月18-20日，仪器信息网(www.instrument.com.cn) 与电子工业出版社将联合主办第四届“半导体材料与器件分析检测技术与应用”主题网络研讨会。iCSMD 2023会议围绕光电材料与器件、第三代半导体材料与器件、传感器与MEMS、半导体产业配套原材料等热点材料、器件的材料分析、失效分析、可靠性测试、缺陷检测和量测等热点分析检测技术，为国内广大半导体材料与器件研究、应用及检测的相关工作者提供一个突破时间地域限制的免费学习平台，让大家足不出户便能聆听到相关专家的精彩报告。本次大会分设：半导体材料分析技术新进展、可靠性测试和失效分析技术、可靠性测试和失效分析技术（赛宝实验室专场）、缺陷检测和量测技术4个主题专场，诚邀业界人士报名参会。主办单位：仪器信息网，电子工业出版社参会方式：本次会议免费参会，参会报名请点击会议官网：https://www.instrument.com.cn/webinar/meetings/icsmd2023/ 或扫描二维码报名“缺陷检测和量测技术”专场预告（注:最终日程以会议官网为准）时间报告题目演讲嘉宾专场：缺陷检测和量测技术（10月20日上午）9:30半导体芯片量检测技术及装备杨树明（西安交通大学 教授）10:00国家纳米计量体系与半导体产业应用施玉书（中国计量科学研究院纳米计量研究室主任 主任/副研究员）10:30面向集成电路微纳检测设备产业的自溯源纳米长度计量体系邓晓（同济大学 副教授）嘉宾简介及报告摘要（按分享顺序）杨树明 西安交通大学 教授【个人简介】杨树明，西安交通大学教授，博士生导师，国际纳米制造学会（ISNM）会士、国家杰出青年基金获得者、国家重点研发计划项目首席、教育部新世纪优秀人才、陕西省重点科技创新团队带头人等。承担国家及省部级重大重点项目20余项，发表学术论文200余篇，出版专著2部，授权/公开国际国内发明专利100多件，获科技奖励9项。被遴选为亚洲精密工程与纳米技术学会（ASPEN）理事、中国计量测试学会常务理事、中国微米纳米技术学会微纳米测量与仪器分会副理事长、中国计量测试学会几何量专业委员会副主任委员、中国计量测试学会计量仪器专业委员会常务理事、中国仪器仪表学会机械量测试仪器分会常务理事、中国机械工程学会微纳制造技术分会常务理事等。在国际国内学术会议应邀做大会报告和特邀报告50余次，担任JMS、IJPEM-GT、IJRAT、NMME、MST、PE、IJAMT、Photonics等国际期刊编委和客座编委以及多个国内期刊编委等。报告题目：半导体芯片量检测技术及装备【摘要】该报告将介绍半导体晶圆制造过程、图形化过程以及封装后关键尺寸和缺陷检测技术及其装备。施玉书 中国计量科学研究院纳米计量研究室主任 主任/副研究员【个人简介】施玉书，男，工学博士，博士生导师，中国计量科学研究院纳米计量研究室主任与微纳计量创新团队带头人，国际计量委员会长度咨询委员会国际互认与纳米工作组委员、ISO/TC213与ISO/TC201专家委员、SAC/TC240、SAC/TC279/WG11委员、东北亚标准合作会议WG11召集人、全国几何量长度计量技术委员会委员及纳米几何量计量工作组组长、国家重点研发计划项目负责人。致力于我国纳米量值的等效一致与国际互认，以实现我国纳米科技与产业高端精密仪器的量值准确可靠，先后承研了国家级项目/课题10余项，自主研制了多台套国家最高纳米计量标准装置与多结构纳米几何特征参量国家标准物质，建立了全链条国家纳米计量体系。主持和参与国家标准与计量技术规范制定20项，建立社会公用计量标准8项、获批国家标准物质29项，主导/参与国际比对5项，主导国内比对2项，在国内外刊物发表论文80余篇，授权专利20余项。作为第一和主要完成人先后获得省部级科技奖励6项，学会科技奖励3项。报告题目：国家纳米计量体系与半导体产业应用【摘要】国际权威的半导体技术蓝图（ITRS）明确指出，计量是集成电路的关键使能技术之一。我国半导体产业一直从国外溯源，使得关键尺寸量值长期受制于人。随着我国半导体产业能力的发展，迫切需要纳米级甚至亚纳米级准确度国家计量能力的技术支撑。面对溯源方式与测量原理双重极限的挑战，多年来中国计量科学研究院纳米计量团队开展了针对性的计量与应用技术研究，成功研制了用于量值溯源的基于不同测量原理的纳米计量国家标准装置与用于量值传递的多特征结构的国家标准物质，应用于我国半导体产业的纳米计量能力正在逐步的形成。随着研究的深入与产业需求的对接，相关计量能力与标准物质已在国内半导体产业广泛应用。 邓晓 同济大学 副教授【个人简介】邓晓，同济大学物理学院副教授，博士生导师，主要研究方向为纳米长度计量，具体包括原子光刻、光栅干涉仪、MOEMS加速度计与相对重力仪等。2021年入选中国科协“第六届青年人才托举工程”，2023年入选上海市“启明星”人才计划，是全国新材料与纳米计量技术委员会委员。作为项目负责人主持国家重点研发计划项目、基金委面上与青年项目多项。研究成果获批国家一级标准物质2项、国家二级标准物质2项，近五年共发表SCI论文15篇（含一作/通讯共10篇）；申请中国发明专利10项（授权4项）；申请美国发明专利2项；参与起草国家标准与国家计量技术规范各1项。报告：面向集成电路微纳检测设备产业的自溯源纳米长度计量体系【摘要】 集成电路微纳检测设备产业是把核心的原材料与零部件，结合技术和软件集成后开发微纳检测设备产品为芯片中的晶圆制造工艺服务。纳米长度计量体系是集成电路微纳检测设备量值溯源，误差控制与测量准确性的核心支撑。对自然界常数的物化、量传和复用是提升测量准确性的有效手段。自溯源标准物质是指物质的关键参数可以溯源到自然界常数的标准物质。汇报人将介绍基于铬原子光刻技术研制纳米长度标准物质、自溯源位移传感器及新型计量型AFM的研究思路与成果。系列光栅的准确性水平得到国际权威机构计量认可，并获批多项国家标准物质。系列可以溯源到铬原子跃迁频率的标准物质、位移传感器与计量仪器有望构建新型自溯源纳米长度计量体系。会议联系会议内容仪器信息网康编辑：15733280108，kangpc@instrument.com.cn会议赞助周经理，19801307421，zhouhh@instrument.com.cn

XRT 在半导体材料晶体缺陷表征中的应用介绍‍半导体（semiconductor）指常温下导电性能介于导体与绝缘体之间的材料。半导体在集成电路、消费电子、通信系统、光伏发电、照明、大功率电源转换等领域都有应用，如二极管就是采用半导体制作的器件。无论从科技或是经济发展的角度来看，半导体的重要性都是非常巨大的。大部分的电子产品，如计算机、移动电话或是数字录音机当中的核心单元都和半导体有着极为密切的关联。按照半导体材料发展历程和材料本征禁带宽度，习惯上按照如下方法进行分类：第一代半导体材料主要是指硅（Si）、锗（Ge）这类半导体材料，主要兴起于二十世纪五十年代，其兴起也带动了以集成电路为核心的微电子产业的快速发展，并被广泛的应用于消费电子、通信、光伏、军事以及航空航天等多个领域。就应用和市场需求量而言，半导体Si材料仍是半导体行业中体量最大的，产品规格以8-12英寸为主。第二代半导体材料是以砷化镓（GaAs）、磷化铟（InP）为主的化合物半导体，其主要被用于制作高频、高速以及大功率电子器件，在卫星通讯、移动通讯以及光通讯等领域有较为广泛的应用。相比于第一代半导体而言，化合物半导体长晶和加工工艺复杂，产品附加值要高一些，产品规格以3-6英寸为主，国内部分厂家可以提供8英寸晶圆。第三代半导体材料包括了以碳化硅（SiC）、氮化镓（GaN）为代表的宽禁带化合物半导体。相比于第一代及第二代半导体材料，第三代半导体材料在耐高温、耐高压、高频工作，以及承受大电流等多个方面具备明显的优势，因而更适合于制作高温、高频、抗辐射及大功率器件，在电力电子器件、微波射频等领域的应用优势更为明显。产品规格以2-6英寸为主。图1不同半导体材料禁带宽度及应用[1]在半导体材料制备和应用过程中，对于晶体缺陷的要求与控制是十分重要的。因为晶体缺陷的类型、大小和多少直接决定了半导体器件性能的优劣和使用稳定性等性能指标。所以，无论是在晶体长晶环节还是晶片加工及晶圆外延等环节，都要进行晶体/晶圆缺陷检查，确保使用在器件上芯片是满足设计要求的。晶圆中常见的缺陷主要有如下几类，参见图2[2]。点缺陷：在三维空间各方向上尺寸都很小的缺陷。空位、间隙原子、替位原子等；线缺陷：在两个方向上尺寸很小，而另一个方向上尺寸较大的缺陷。如位错，刃型位错和螺型位错；面缺陷：在一个方向上尺寸很小，在另外两个方向上尺寸较大的缺陷。如晶界、相界、表面等。体缺陷：杂质沉积、孔洞及析出相等。图2 半导体材料中常见晶体缺陷对于上述提到的四类半导体材料缺陷中，第一类缺陷属于原子层面的缺陷，通常是从掺杂及长晶工艺优化等角度去进行改进。通常不作为生产过程控制的主要参数，一般选择用其他方法进行测量，如采用FTIR方法可以测量Si晶体中代位C原子和间隙氧原子的浓度。第二到四类缺陷，则需要在加工环节进行100%直接或间接检测，确保所生产晶圆/芯片缺陷指标满足订单要求。对于这类缺陷传统方法就是采用腐蚀性化学药液（如熔融的KOH）对晶、体/圆进行腐蚀。在腐蚀过程中由于晶体有缺陷的区域会优先腐蚀，无缺陷区域则腐蚀速度相对较慢，所以在规定腐蚀时间后在晶圆表面会有腐蚀坑（Etch Pit）出现，这是一种破坏性的检测方法。腐蚀好的晶圆在显微镜下对这些腐蚀坑识别和计数，就可以得到该晶体的缺陷信息, 图3 为SiC 晶圆通过KOH腐蚀得到缺陷照片，缺陷主要有刃型位错、螺型位错和微管等[2]。图3 SiC 晶片腐蚀后缺陷形貌[3]对于半导体晶圆，上述传统缺陷表征方法最大的问题就是破坏性的，检测后的晶圆无法继续使用只能做报废处理。对于像第二代和第三代半导体材料而言，晶体生长技术要求水平较高，成品和晶圆数量受晶棒长度及其他加工方式限制而良率相对不高。像国内部分企业SiC 晶棒成品长度一般在20mm左右。如果按照单片晶圆成品厚度约在0.5mm，除去切割和研磨、抛光损耗，基本上0.8mm才能出一片合格晶圆。如果在晶棒头、尾各取一片晶圆去做缺陷检测，则有约8%的成本损耗。所以很多半导体厂家都希望有一种可以用于半导体晶体材料缺陷的表征的无损检测技术。日本理学株式会社（www.rigaku.com）作为全球著名的X-Ray 仪器制造商，自1923年以来，理学公司一直专注于X射线仪器领域的研发和生产。该公司生产制造的XRT (X-ray Topography)检测系统则是利用X射线的布拉格衍射原理和晶格畸变（缺陷）造成特征峰宽化和强度变化等特性，再结合理学公司开发的X射线形貌技术，可以对晶体内缺陷进行成像。这种XRT检测技术最大的优点就是无损检测，在不破坏晶圆的情况下实现2-12英寸半导体晶体中线缺陷、面缺陷和体缺陷的检测和表征。图4 XRT设备实物图图5 XRT 缺陷表征原理示意图[3]工作模式：XRT主要有反射成像和透射成像两种模式，反射模式是Cu靶，透射模式则是Mo靶，参见图6。透射模式成像后可以进行3D重构和成像，参见图7 SiC晶圆缺陷图片。图6 XRT 反射模式和透射模式[3]图7 SiC 晶圆缺陷表征[3]系统软件介绍：该仪器标配的图像分析软件可以对检测样品内的缺陷进行统计，给出缺陷数量和分布信息，参见图8。图 8 XRT 标配软件数据结果界面[3]后续我们会针对XRT在不同半导体材料检测和应用案例刊发几期相关介绍，敬请期待。附：[1] 第三代半导体-氮化镓(GaN) 技术洞察报告,P3 [2] 理学XRT 内部资料；[3] 理学XRT公开彩页.

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