晶圆是半导体工艺中制造集成电路的基本材料,在其背面减薄的磨削加工过程中,表面质量的控制十分重要。表面质量不好的晶圆会存在应力集中、裂缝等隐患,在分割晶圆片时,会导致晶圆崩裂的巨大损失。表面粗糙度是衡量表面质量的重要参数,它是对加工表面所有微小间距和峰谷不平度的微观几何尺寸特征的综合评价,能够反映表面应力分布情况,以此判断表面质量的好坏。晶圆的表面粗糙度参数Ra(轮廓算术平均偏差)一般要求在0.01μm至0.8μm之间。本文在归纳和总结现有表面粗糙度理论及其测量方法的基础上,提出了一种基于光散射原理在线测量晶圆表面质量的方法,构建了一种简单有效的机器视觉系统测量装置。通过分析光散射强度分布图像,提取出一些参数来表征Ra,达到检测晶圆表面质量的目的。文中给出了初步的实验结果,通过标准样块实验确定了特征参数与表面粗糙度之间的关系,说明此方案是可行的。本文又进一步引入基于统计学习理论的支持向量机方法,解决单一参数评价表面粗糙度方法的局限性,提出基于支持向量机测量晶圆表面粗糙度的一般方法,对本文今后的研究具有一定的指导意义。