在半导体制造过程中，晶圆作为芯片的载体，其质量直接决定了最终芯片的性能与良率。随着制程工艺不断逼近物理极限，晶圆表面的微小缺陷也可能导致整个芯片失效。因此，高效、精准的晶圆缺陷检测方法，成为了保障芯片生产生命线的关键。本文将带你快速了解主流的晶圆缺陷检测技术。

一、光学检测：速度与精度的经典结合

光学检测是目前应用最广泛、技术最成熟的方法。其核心原理是利用光源照射晶圆表面，通过分析反射光或散射光的信号变化来识别缺陷。

随着技术发展，明场检测与暗场检测成为主流分支。明场检测通过收集垂直反射光，对晶圆表面的凹凸缺陷和图案变形高度敏感，常用于逻辑芯片等复杂图形区域的检测。而暗场检测则主要收集散射光，对颗粒、划痕等污染物有极高的探测灵敏度，常用于监控生产环境的洁净度。现代光学检测系统结合高分辨率相机与深度学习算法，能够有效区分真实缺陷与噪声干扰，实现了检测速度与精度的平衡。

二、电子束检测：纳米级的“微观侦探”

当制程进入纳米尺度，部分物理性缺陷已超出光学显微镜的分辨极限。此时，扫描电子显微镜（SEM）成为了不可或缺的工具。

电子束检测通过聚焦高能电子束在晶圆表面扫描，激发二次电子信号并成像。其分辨率可达亚纳米级别，能够清晰呈现极细微的电路断路、短路或残留物。但电子束检测的缺点是速度较慢，且可能对晶圆造成一定影响，因此通常不用于全片扫描，而是作为光学检测后的“复判”工具，对可疑点位进行高精度复核，为工艺改进提供关键依据。

三、机器学习赋能：从“看见”到“认知”

传统的检测方法往往依赖于工程师手动设定阈值来判定缺陷，不仅工作量大，而且容易漏检。近年来，基于深度学习的计算机视觉技术正深刻改变着缺陷检测的逻辑。

通过训练卷积神经网络模型，系统能够自动学习正常晶圆与缺陷晶圆的特征差异。这种方法的优势在于强大的抗干扰能力和泛化能力，能够从海量数据中识别出人眼难以察觉的微弱缺陷模式，并根据灰度、纹理、形状等特征对缺陷进行自动分类（如划痕、颗粒、凹陷等），为良率分析提供了精准的数据支持。

综上所述，从高效的光学筛查到高精度的电子束复核，再到智能化的数据分析，一套组合拳式的检测体系，正守护着每一片晶圆的品质。