基于机器学习的过焦扫描显微测量方法研究

微电子机械系统(Micro-Electro-Mechanical System,MEMS)具有小型化、高集成度的特点,随着MEMS结构深宽比的不断增大,对MEMS结构尺寸的测量提出更高的要求。过焦扫描光学显微技术(Through-focus Scanning Optical Microscopy,TSOM)是一种高精度无损的光学测量方法,通过采集一组离焦图并沿扫描方向截取TSOM图像,利用库匹配的方法从中提取待测结构的尺寸信息。该方法对于纳米级结构测量有着极高的灵敏度,然而对于微米级特征尺寸存在建库困难且易受环境干扰的问题。本文针对微米级MEMS沟槽结构,在传统的光学显微镜基础上进行改造,建立了TSOM光学系统采集离焦图像,利用图像特征提取方法生成TSOM特征向量集,结合机器学习的方法建立不同槽宽尺寸的回归预测模型,对微米级MEMS槽宽尺寸实现纳米级测量精度,单点重复性测量2μm槽宽的相对标准差(Relative Standard Deviation,RSD)在1%左右,10μm和30μm槽宽RSD分别低于0.2%和0.35%,结果表明该方法对于微米级MEMS沟槽测量具有极高的应用前景。