📚 课程目录第2章 KLA缺陷检测数据基础

2. KLA缺陷检测数据基础

在KLA缺陷复判与自动分类工程中，所有后续的ADC（Automatic Defect Classification）模型训练、复判规则配置、良率归因分析，都建立在同一件事上：缺陷数据是否被完整、准确、可追溯地采集下来。如果数据基础不牢，即使分类算法再先进，也会因为坐标错位、图像缺失或元数据不全而无法落地。本节从工程视角梳理KLA检测数据的来源、格式、存储结构与传输链路，帮助读者建立"数据从哪来、长什么样、怎么存、怎么用"的完整认知。

一、缺陷数据从哪里来：检测机台的信号链

KLA缺陷检测的核心原理是"比较"：将待测晶圆（Test Wafer）的扫描图像与参考图像（Reference，可来自相邻Die、相邻Cell或设计版图）逐像素比对，差异超过阈值的位置被标记为缺陷候选（Defect Candidate）。因此，缺陷数据的原始来源并不是"一张缺陷图"，而是整条检测信号链的输出。

以KLA 29xx宽频带等离子体检测机台为例，其数据来源可拆为四层：

光学采集层：深紫外（DUV）激光或宽谱光源照射晶圆表面，多个PMT/CCD探测器收集散射光或反射光信号，输出原始灰度图像与信号强度。
图像处理层：图像对齐（Alignment）、去噪、Die-to-Die或Die-to-Database比对，生成差异图（Difference Image）。
缺陷判定层：基于阈值、面积、对比度等参数判定缺陷，并分配缺陷ID、坐标、尺寸、类别初判（如颗粒、划伤、图形缺陷）。
数据输出层：将缺陷清单、缺陷图像、低倍上下文图（Patch/Review Image）、元数据打包输出，供复判系统（Review Station）与ADC使用。

需要特别注意的是，检测机台输出的"缺陷类别"只是初判，通常称为"检测分类"或"机台分类"，其准确率有限，真正的类别判定要在复判环节完成。因此复判系统必须能拿到原始信号与上下文，而不能只依赖机台给出的类别标签。

二、检测输出格式：KLARF与图像包

KLA检测机台最通用的缺陷清单输出格式是KLARF（KLA Results File），它是一种文本格式的结果文件，包含文件头（File Version、Device ID、Lot/Wafer ID、检测时间、机台型号、Recipe名称）与缺陷记录区。每条缺陷记录通常包含：

DefectID  X(µm)  Y(µm)  Xrel  Yrel  Size(µm)  Class  ClusterID  ImageCount
   1024   35210.5  18422.0   3   7   0.85   Particle   12   2
   1025   35211.2  18425.6   3   7   1.20   Scratch    12   2

其中X/Y为晶圆坐标系下的绝对坐标，Xrel/Yrel为缺陷在Die内的相对坐标，Class为机台初判类别，ImageCount表示该缺陷关联的图像数量。KLARF本身不包含图像，图像以独立文件形式存放，常见格式包括：

Patch Image：缺陷局部高倍图，通常为灰度TIFF或PNG，尺寸约64×64至256×256像素。
Review Image / Context Image：低倍上下文图，用于定位缺陷在Die中的位置，常为彩色或灰度JPEG。
SEM Image：若经SEM复判，则输出SEM图像，格式多为TIFF，附带放大倍率、加速电压等参数。

KLARF与图像文件之间通过DefectID + WaferID + LotID建立关联。工程上必须保证三者在传输、存储、加载过程中不发生错位，否则会出现"图不对缺陷"的严重问题。

三、缺陷坐标与图像存储：坐标系与目录结构

坐标是缺陷数据的骨架。KLA体系中最常用的是晶圆坐标系（Wafer Coordinate System）：以晶圆中心或Notch/Flat为原点，X向右、Y向上，单位为微米（µm）。同时还有Die坐标系（以Die左下角为原点）和像素坐标系（以图像左上角为原点，单位为像素）。三者之间的换算关系为：

X_die = X_wafer - DieOriginX
Y_die = Y_wafer - DieOriginY
X_pixel = (X_die - PatchOriginX) / PixelSize
Y_pixel = (Y_die - PatchOriginY) / PixelSize

其中PixelSize为图像像素对应的实际尺寸（如0.1 µm/pixel）。复判系统在加载图像时，必须依据KLARF中的坐标与图像元数据中的PixelSize、PatchOrigin进行反算，才能把缺陷框准确叠加到图像上。

图像存储通常采用按Lot/Wafer/DefectID分层的目录结构，例如：

/LotA/W01/Defect_1024/patch.tif
/LotA/W01/Defect_1024/context.jpg
/LotA/W01/Defect_1025/patch.tif
/LotA/W01/Defect_1025/context.jpg

这种结构便于按缺陷ID快速检索，也便于批量打包传输。对于缺陷数量极大的情况（单晶圆可达数十万条），常采用数据库索引（如SQLite或专用缺陷数据库）替代纯文件目录，以提升查询效率。

四、复判所需元数据：不只是坐标和图像

复判与ADC要做出正确判断，仅靠一张缺陷图往往不够。工程上必须随缺陷一起采集并传递以下元数据：

检测Recipe信息：检测阈值、像素尺寸、光源模式、比对模式（Die-to-Die / Die-to-Database），决定缺陷的"检测语境"。
晶圆与批次信息：LotID、WaferID、Slot、产品型号、工艺层（Layer），用于良率归因与跨批次对比。
缺陷几何参数：面积、长宽比、周长、灰度对比度、极性（亮/暗缺陷），是ADC的重要特征输入。
上下文信息：缺陷所在Die的坐标、邻近缺陷ID、ClusterID，用于判断是否为重复性缺陷或系统性缺陷。
复判历史：若该缺陷已被人工复判过，需记录复判人、复判时间、复判类别、备注，避免重复劳动并支持模型迭代。

元数据缺失是ADC项目最常见的"隐性故障"。例如缺少PixelSize，缺陷框在图像上会整体偏移；缺少Recipe阈值，模型无法区分"高灵敏度检测出的弱缺陷"与"低灵敏度检测出的强缺陷"，导致分类边界混乱。

五、数据采集与传输流程

从检测机台到复判/ADC服务器，数据通常经过以下链路：

机台本地采集：检测完成后，机台生成KLARF与图像包，暂存于本地磁盘。
数据打包：按Lot/Wafer打包为压缩包（如.zip或.tar），附带校验文件（MD5/SHA256）。
传输：通过厂内网络（SECS/GEM或文件共享）传输至缺陷数据服务器（Defect Data Server）。
入库与索引：服务器解析KLARF，将缺陷记录写入数据库，图像按目录或对象存储归档，建立索引。
复判系统加载：复判工作站按Lot/Wafer/DefectID查询，加载KLARF记录与对应图像，进行人工复判或ADC推理。
结果回写：复判类别、ADC置信度、复判人信息回写数据库，供后续分析与模型训练使用。

整条链路中，校验与幂等是关键工程要求：传输需校验MD5防止图像损坏；入库需按DefectID去重防止重复记录；回写需带时间戳与版本号，防止旧结果覆盖新结果。

六、工程实践中的常见问题与判断依据

在实际项目中，数据基础环节最容易出问题的不是"没有数据"，而是"数据对不上"。以下是几个典型现象与判断方法：

缺陷框整体偏移：优先检查KLARF中的坐标单位是否为µm、PixelSize是否与图像元数据一致、PatchOrigin是否被正确读取。可用一个已知缺陷（如明显划伤）做人工核对。
图像缺失或错位：检查DefectID与目录名是否严格一致，传输过程中是否发生文件名截断或大小写变化。建议入库时做一次全量DefectID与图像文件名的交叉校验。
元数据不全导致ADC置信度异常：若模型输入缺少Recipe阈值或Layer信息，同一类缺陷在不同检测条件下会被判为不同类别。应建立元数据完整性检查清单，在入库阶段拦截缺失记录。
重复记录：同一DefectID因断点续传被写入两次，导致复判重复。应在数据库层对(LotID, WaferID, DefectID)建立唯一约束。

坐标参照系必须在全文与图示中保持一致。本节统一采用"晶圆坐标系：X向右、Y向上，原点在晶圆中心或Notch/Flat，单位µm"。若切换到Die坐标系或像素坐标系，必须显式说明换算关系，否则复判框会系统性偏移。

总结来说，KLA缺陷检测数据基础可以概括为一条主线：机台信号链产出KLARF与图像 → 打包校验后传输 → 服务器解析入库并建立索引 → 复判/ADC按DefectID加载坐标、图像与元数据 → 结果回写形成闭环。理解这条主线，才能在后续的复判规则配置、ADC模型训练与良率分析中，快速定位数据层面的问题，而不是把一切异常都归咎于算法。