本发明涉及半导体生产加工，特别涉及一种基于多维度特征的晶圆缺陷全量计算方法及相关设备。
背景技术：
1、在半导体芯片加工过程中，会产生很多不同类型的晶圆缺陷(wafer defect)，常需要检测晶圆表面的缺陷及缺陷分布，缺陷的类别判断对分析缺陷产生的归因很重要，同时，分析统计不同类别缺陷的数量也是归因的重要因素之一。
2、normalization(标准化)是一种基于抽样数据进行缺陷类别全量推断的方法。由于实际情况的限制，分析工程师只会抽样少量缺陷进行拍照并判断类别，即用抽样的缺陷分类后的占比推断在整体中(包含未被抽样的缺陷)各自类别的数量。现有技术利用normalization方法进行计算时，对于缺陷在抽样数据中的类别占比所考虑的维度较为单一，导致其推断的准确度较低。
技术实现思路
1、针对现有技术存在的不足，本发明提供一种基于多维度特征的晶圆缺陷全量计算方法及相关设备，旨在对于某一缺陷类别，通过构造多维度的缺陷特征计算标准化值，使得从少量抽样数据中的占比数量推断该缺陷类别在全量缺陷数据中的数量更加准确，更符合大数定律。
2、为了实现上述目的和其他优点，本发明采用以下技术方案实现：
3、第一方面，本发明提供一种基于多维度特征的晶圆缺陷全量计算方法，包括：
4、确定各个缺陷数据点的类型，所述缺陷数据点用于表征缺陷的位置和形状；
5、对属于不同类型的缺陷数据点，按照缺陷的位置和/或形状进行特征划分，以构造所述缺陷数据点的至少两个缺陷特征；
6、对于不同的缺陷类别，基于每个所述缺陷特征下所述缺陷数据点在抽样缺陷数据中的占比计算在全量缺陷数据中的标准化值，以得到在多维度的所述缺陷特征下所述缺陷类别在所述全量缺陷数据中的推断数量。
7、根据本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法，所述缺陷数据点的类型包括：光刻位置重复缺陷、离群点缺陷和簇类别缺陷中的至少一种。
8、根据本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法，所述缺陷数据点的类型属于光刻位置重复缺陷；
9、所述按照缺陷的位置和/或形状进行特征划分，以构造所述缺陷数据点的至少两个缺陷特征的步骤，包括：
10、基于在晶圆图像上设置至少两个选定区域，对每个所述缺陷数据点所处的选定区域进行特征划分，构造出包含多个缺陷特征的第一缺陷特征组。
11、根据本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法，所述缺陷数据点的类型属于簇类别缺陷；
12、所述按照缺陷的位置和/或形状进行特征划分，以构造所述缺陷数据点的至少两个缺陷特征的步骤，包括：
13、根据每个所述缺陷数据点所属的簇类别标签进行划分，得到多个缺陷簇；
14、确定每个所述缺陷簇的第一最小外接矩形，并计算所述第一最小外接矩形与所述缺陷簇的实际面积之间的第一比例；
15、判断所述第一比例是否小于等于预设的第一比例阈值；
16、对于所述第一比例小于等于所述第一比例阈值的所述缺陷簇，按照第一形状缺陷特征进行划分；
17、对于所述第一比例大于所述第一比例阈值的所述缺陷簇，则从所述缺陷簇中多次随机抽取两组所述缺陷数据点并计算两组所述缺陷数据点之间的夹角；
18、对于所述夹角在设定的夹角范围之内的所述缺陷簇，按照第二形状缺陷特征进行划分，对于所述夹角在所述夹角范围之外的所述缺陷簇，按照第三形状缺陷特征进行划分；
19、对每个所述缺陷数据点所属的所述第一形状缺陷特征、所述第二形状缺陷特征或所述第三形状缺陷特征，通过在晶圆图像上设置至少两个选定区域进行特征划分，构造出包含多个缺陷特征的第二缺陷特征组。
20、根据本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法，所述缺陷数据点的类型属于离群点缺陷；
21、所述按照缺陷的位置和/或形状进行特征划分，以构造所述缺陷数据点的至少两个缺陷特征的步骤，包括：
22、确定每个所述缺陷数据点的第二最小外接矩形；
23、计算所述第二最小外接矩形与所述缺陷数据点的实际面积之间的第二比例，以及所述第二最小外接矩形的长宽比例；
24、将所述第二比例与预设的第二比例阈值、所述长宽比例与预设的第三比例阈值进行判断；
25、将所述第二比例小于所述第二比例阈值且所述长宽比例小于等于所述第三比例阈值的所述缺陷数据点，按照第四形状缺陷特征进行划分；
26、将所述第二比例大于等于所述第二比例阈值且所述长宽比例小于等于所述第三比例阈值的所述缺陷数据点，按照第五形状缺陷特征进行划分；
27、将所述第二比例小于所述第二比例阈值且所述长宽比例大于所述第三比例阈值的所述缺陷数据点，按照第六形状缺陷特征进行划分；
28、将所述第二比例大于等于所述第二比例阈值且所述长宽比例大于所述第三比例阈值的所述缺陷数据点，按照第七形状缺陷特征进行划分；
29、对每个所述缺陷数据点所属的所述第四形状缺陷特征、所述第五形状缺陷特征、所述第六形状缺陷特征或所述第七形状缺陷特征，通过在晶圆图像上设置至少两个选定区域进行特征划分，构造出包含多个缺陷特征的第三缺陷特征组。
30、根据本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法，在晶圆图像上设置至少两个选定区域的步骤，包括：
31、基于预设的若干个区域系数，分别计算所述区域系数对应的半径范围；
32、基于若干个半径范围设置对应的选定区域，若干个所述选定区域分为一个圆形区域和多个大小不同的环形区域，所述圆形区域与多个所述环形区域同心并且组合成一个完整的圆形。
33、根据本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法，所述对于不同的缺陷类别，基于每个所述缺陷特征下所述缺陷数据点在所述抽样缺陷数据中的占比计算在全量缺陷数据中的标准化值，以得到在多维度的所述缺陷特征下所述缺陷类别在所述全量缺陷数据中的推断数量的步骤，包括：
34、对于每个缺陷类别，根据所构造的多维度的所述缺陷特征，计算每个所述缺陷特征下的所述缺陷数据点在所述抽样缺陷数据中的占比；
35、根据所述占比，计算所述缺陷特征下的所述缺陷数据点在所述全量缺陷数据中的标准化值；
36、将所述标准化值进行加总计算，以得到在多维度的所述缺陷特征下所述缺陷类别在所述全量缺陷数据中的推断数量。
37、第二方面，本发明提供一种电子设备，所述电子设备包括：
38、一个或多个处理器；以及存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上述任一种所述的基于多维度特征的晶圆缺陷全量计算方法的步骤。
39、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序/指令，所述计算机程序/指令被处理器执行时实现如上述任一种所述的基于多维度特征的晶圆缺陷全量计算方法的步骤。
40、第四方面，本发明提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述任一种所述的基于多维度特征的晶圆缺陷全量计算方法的步骤。
41、本发明提供的一种基于多维度特征的晶圆缺陷全量计算方法及相关设备，通过确定全量缺陷数据中各个缺陷数据点的类型，缺陷数据点用于表征缺陷的位置和形状；对属于不同类型的缺陷数据点，按照缺陷的位置和/或形状进行特征划分，以构造缺陷数据点的至少两个缺陷特征；对于不同的缺陷类别，基于每个缺陷特征下缺陷数据点在抽样缺陷数据中的占比计算在全量缺陷数据中的标准化值，以得到在多维度的缺陷特征下缺陷类别在全量缺陷数据中的推断数量。本发明通过结合缺陷数据点的类型、缺陷的位置和/或形状构造了多维度的缺陷特征，使得对缺陷特征的考虑更加丰富，在少量样本的抽样数据的基础上对缺陷类别使用多维度特征进行计算，使得该缺陷类别在全量缺陷数据中得到的推断数量变得更加准确，更符合大数定律。
1.一种基于多维度特征的晶圆缺陷全量计算方法，其特征在于，包括：
2.根据权利要求1所述的基于多维度特征的晶圆缺陷全量计算方法，其特征在于，所述缺陷数据点的类型包括：光刻位置重复缺陷、离群点缺陷和簇类别缺陷中的至少一种。
3.根据权利要求2所述的基于多维度特征的晶圆缺陷全量计算方法，其特征在于，所述缺陷数据点的类型属于光刻位置重复缺陷；
4.根据权利要求2所述的基于多维度特征的晶圆缺陷全量计算方法，其特征在于，所述缺陷数据点的类型属于簇类别缺陷；
5.根据权利要求2所述的基于多维度特征的晶圆缺陷全量计算方法，其特征在于，所述缺陷数据点的类型属于离群点缺陷；
6.根据权利要求3-5任一项所述的基于多维度特征的晶圆缺陷全量计算方法，其特征在于，在晶圆图像上设置至少两个选定区域的步骤，包括：
7.根据权利要求1所述的基于多维度特征的晶圆缺陷全量计算方法，其特征在于，所述对于不同的缺陷类别，基于每个所述缺陷特征下所述缺陷数据点在所述抽样缺陷数据中的占比计算在所述全量缺陷数据中的标准化值，以得到在多维度的所述缺陷特征下所述缺陷类别在所述全量缺陷数据中的推断数量的步骤，包括：
8.一种电子设备，其特征在于，所述电子设备包括：
9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现如权利要求1-7任一项所述的基于多维度特征的晶圆缺陷全量计算方法的步骤。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1-7任一项所述的基于多维度特征的晶圆缺陷全量计算方法的步骤。
