Программное обеспечение для устройства контроля чистоты и шероховатости оптических подложек

Оценка чистоты поверхности подложки является важной технологической операцией в микро- и наноэлектронике, при изготовлении микрорельефа дифракционных оптических элементов (ДОЭ), микро- и наноструктур [1 –3]. Чистота поверхности оказывает сильное влияние на адгезию фоторезиста и защитных покрытий при плазмохимическом [4–6] и ионнохимическом травлении [7–8] подложек из различных материалов [9– 11], послойном наращивании фоторезиста [12– 14] и в других технологиях формирования оптического микрорельефа [15– 17]. Высокое качество оптических элементов определяется низким уровнем шероховатости поверхности [18–20].

Существующие методы измерения чистоты и шероховатости поверхности подложек можно разделить на два класса: аналитические методы [2–3, 21] и методы экспресс-измерений [22 – 28]. Аналитические методы позволяют получить достоверную и полностью соответствующую измеряемым величинам информацию о чистоте небольшого (с длиной стороны несколько микрон) участка поверхности. Методы экспресс-контроля обеспечивают более быстрое проведение измерений по сравнению с аналитическими и предъявляют менее строгие требования к чистоте помещения, в котором проводятся измерения, однако требуют, чтобы время проведения измерений было минимальным, поскольку чистота поверхности подложки нарушается загрязнениями, присутствующими в атмосфере помещения, в котором проводится контроль.

Известно несколько методов экспресс-контроля, основанных на физическом взаимодействии исследуемой поверхности с элементами контролирующего прибора [23, 26]. У метода, основанного на трибометрическом взаимодействии диэлектрических подложек [23], есть недостаток: в процессе измерений возможно нарушение гладкости исследуемой подложки. В отличие от него, рассматриваемый в настоящей работе метод является неразрушающим и учитывает динамические изменения границы жидкости в процессе растекания капли по поверхности подложки [26]. В [26] описаны способ работы и кон- струкция устройства контроля чистоты и шероховатости оптических подложек, основанного на этом методе, но за рамками обсуждения осталось описание программного обеспечения, разработанного для автоматизированной системы оценки чистоты и шероховатости диэлектрических подложек, в состав которой входит это устройство. В настоящей работе рассматривается программная часть указанной системы.

Краткое описание принципов работы устройства

Для контроля чистоты и шероховатости производится съёмка процесса растекания капли жидкости по поверхности подложки скоростной видеокамерой с последующим исследованием изменения геометрических характеристик капли в процессе растекания.

Используемый в работе устройства метод контроля чистоты и шероховатости поверхности подложек основан на сравнении параметров растекающейся по поверхности исследуемой и эталонных подложек капли. Под эталонными подразумеваются такие подложки, чистота и шероховатость которых были подтверждены с использованием аналитических [2–3, 21] методов (например, на профилографе или методами электронной микроскопии). Присутствие загрязнений и шероховатость поверхности приводят к отклонению формы и размеров капли [26].

Рассматриваемое устройство состоит из видеокамеры VS-FAST C/G/6, дозатора жидкости, системы освещения подложки и персонального компьютера. Внешний вид и схема устройства представлены на рис. 1 и 2.

Рис. 1. Внешний вид устройства

Рис. 2. Структурная схема устройства

Устройство работает следующим образом. Горизонтально расположенная поверхность исследуемой подложки (6) освещается источником света (1). С помощью дозатора (4) на исследуемый участок поверхности подложки наносится капля жидкости (5) фиксированного объёма. С помощью скоростной видеокамеры (2) ведётся съёмка процесса растекания, и поступающие с камеры кадры подвергаются специализированной обработке с целью получения параметров капли.

Программное обеспечение

При исследованиях чистоты и шероховатости с использованием описываемого устройства проводятся различные действия, часть которых можно реализовать как функции автоматизированной системы проведения научных экспериментов:

• 1.    Проведение контроля чистоты и шероховатости подложек:

  • 1.1.    Задание параметров съёмки.

  • 1.2.    Съёмка процесса растекания капли.

  • 1.3.    Обработка изображений с использованием алгоритмов компьютерной графики и компьютерного зрения.

  • 1.4.    Оценка чистоты и шероховатости поверхности исследуемой подложки по результатам анализа видеоданных.

• 2.    Сохранение информации о проведённых измерениях совместно с отснятыми видеоданными.

• 3.    Предоставление доступа к сохранённым в системе данным, выборка по нескольким параметрам.

В состав такой автоматизированной системы должна входить подсистема технического зрения. Похожие разработки, описанные в [29–30], успешно применяются на практике.

До недавнего времени при проведении исследований использовалось демонстрационное программное обеспечение (ПО) WinVsFastShell v. 1.11.1, поставляемое в комплекте с камерой. Оно позволяет задавать параметры съёмки и сохранять отснятые кадры в файле формата AVI [31].

К недостаткам этого ПО можно отнести следующие:

• -    Сложности, связанные с выбором момента начала съёмки: желательно, чтобы съёмка начиналась в момент касания капли. Это позволит избежать

обработки неинформативных кадров (до начала растекания капли).

• -    Отсутствие возможности выбора границ области съёмки приводит к тому, что значительная площадь кадра (без капли) является неинформативной. Это увеличивает длительность обработки видеоданных в частности и измерений в целом.

• -    При сохранении видеоданных применяются методы сжатия с потерями. Это приводит к появлению искажений, что затрудняет обработку кадров специализированными алгоритмами и уменьшает точность оценки шероховатости.

• -    Задача по обеспечению целостности и сохранности видеоданных и результатов обработки целиком и полностью ложится на экспериментатора, поскольку они хранятся отдельно от информации об эксперименте, и, следовательно, существует риск изменения или удаления данных в обход системы.

• -    Отсутствие возможности обработки отснятых кадров «на лету», без предварительного сохранения на жёстком диске. Данный недостаток представляется существенным, поскольку описываемый метод контроля относится к классу экспресс-методов, к которым предъявляются повышенные требования ко времени проведения измерений.

Ввиду указанных недостатков поставляемого программного обеспечения было принято решение о разработке автоматизированной системы, которая удовлетворяет вышеперечисленным требованиям.

Для получения данных с камеры был разработан модуль, основанный на библиотеке VS-LIB 3 SDK v. 3.0.39, поставляемой компанией Видеоскан в комплекте с камерой. Этот модуль предоставляет управление большим количеством настроек съёмки по сравнению с ПО WinVsFastShell, что позволяет получать изображения более высокого качества.

Организация хранения данных

Ключевым моментом при разработке базы данных системы является способ организации хранения получаемой с видеокамеры последовательности кадров. Существует два противоположных подхода к решению данной проблемы.

Идея первого подхода заключается в том, чтобы хранить изображения в виде файлов на жёстком диске, а в базе данных хранить путь к файлу. Достоинством такого подхода является высокая скорость доступа к изображениям. Существенным недостатком же является невозможность обеспечения целостности данных средствами системы, поскольку доступ к изображениям возможен извне.

Второй подход предполагает хранение изображения непосредственно в базе данных, благодаря чему обеспечивается целостность данных системы, но возможен проигрыш в скорости доступа.

Оба подхода не раз рассматривались разработчиками программного обеспечения. Авторами [32] было проведено исследование скоростей записи и чте- ния для случая хранения двоичных данных (BLOB) в базе данных (использовалась СУБД MS SQL Server 2005) и в файловой системе (NTFS). Согласно полученным результатам, с точки зрения скорости доступа объекты, чей размер не превышает 256 килобайт, лучше хранить в базе данных, а объекты большего размера – в файловой системе.

Похожего мнения придерживается Том Кайт (Thomas Kyte), старший архитектор отдела серверных технологий компании Oracle, известный специалист по разработке приложений для СУБД Oracle. Он рекомендует хранить бинарные данные (например, изображения) в базе данных и лишь в случае, если это данные внушительных размеров и происходит их частое обновление или удаление, советует хранить их в файловой системе [33].

В описываемой системе было решено хранить изображения в формате PNG [34] в 256 градациях серого. Применение формата PNG для хранения изображений позволяет производить сжатие изображе- ний без потерь качества. Это важно, поскольку на поздних стадиях растекания капли её границы меняются незначительно, что требует повышенной точности представления данных при хранении. В результате получаемые изображения размера 700×700 пикселей занимают порядка 260–270 килобайт.

Ввиду указанных особенностей изображений (малый размер, редкое изменение), с которыми работает система, было принято решение хранить изображения в самой базе данных. Это позволило при приемлемой скорости доступа обеспечить целостность данных.

Таким образом, для хранения информации о проводимых экспериментах была разработана модель базы данных системы согласно нотации IDEF1X [35], представленная на рис. 3. Для обеспечения эффективного хранения и доступа к данным была проведена нормализация схем отношений. Описание взаимодействия с базой данных приведено в следующих пунктах.

Сотрудник
РК	Код сотрудника
	Логин Пароль Имя Фамилия Отчество Должность Права доступа

Эксперимент
РК	Код эксперимента
FK1 FK2	Код параметров съёмки Код сотрудника Дата Описание Флаг эталонности Нижняя граница шероховатости Верхняя граница шероховатости

Материал
РК	Код .материала
	Название

Кадр съёмки
РК РК, FK1	Номер кадра Код эксперимента
	Изображение

Результат обработки кадра
РК, FK2 РК, FK2 РК, FK1	Номер кадра Код эксперимента Код параметров обработки
	Размер капли по горизонтали Размер капли по вертикали Дополнительная информация

Параметры съёмки
РК	Код параметров съёмки
FK1	Код материала Размер кадра Размер иглы Количество кадров Скорость съёмки Увеличение

Параметры алгоритма
РК, FK1 РК	Код алгоритма Номер параметра
	Тип параметра Значение параметра

Алгоритм
РК	Код алгоритма
	Название модуля

Рис. 3. Логическая модель базы данных

Параметры обработки
.РК	Код параметров обработки
FK1 FK2	Код параметров съёмки Вес алгоритма Код алгоритма

Функционирование программного обеспечения в рамках проведения эксперимента

Результат измерений представляется в виде диапазона величин, в котором находится шероховатость поверхности исследуемой подложки. Поскольку описываемый в настоящей работе метод является сравнительным, то границами этого диапазона являются величины шероховатости эталонных подложек, данные о которых находятся в системе. Такие подложки измеряются на описываемом в настоящей работе устройстве экспресс-контроля чистоты и шероховатости, все данные об измерении сохраняются в базе данных, а соответствующие записи в таблице «Эксперимент» помечаются флагом эталонности. В дальнейшем собранная информация об эталонах используется на последней стадии оценки шероховатости и чистоты поверхности подложки. Чем больше эталонных подложек с различной степенью шероховатости было исследовано и внесено в базу данных, тем более узким будет диапазон, в котором находится шероховатость измеряемой подложки, и тем более точным будет результат измерения. Использование эталонных подложек с различной шероховатостью и чистотой поверхности позволяет выявлять вклад каждого из факторов – загрязнений и шероховатости. Поэтому оказывается возможным получать оценку чистоты и шероховатости в комплексе.

Вопросы о том, каким образом следует формировать набор эталонных подложек, находятся за рамками рассматриваемых в настоящей работе. Предполагается, что перед началом измерений в базе данных содержится исчерпывающее количество информации об эталонных подложках, с которыми будет сравниваться исследуемая.

Проведение измерений происходит следующим образом. Перед началом работы пользователь авторизуется в системе, используя уникальные имя и пароль, запись о которых содержится в таблице «Сотрудник» базы данных. Далее он указывает материал исследуемой подложки, выбирая его из представленных в таблице «Материал». После этого программа загружает из базы данных и устанавливает подходящие для выбранного материала подложки параметры съёмки (освещение, частота смены кадров, размеры и расположение области съёмки относительно границ кадра), которые хранятся в таблице «Параметры съёмки», и даёт пользователю рекомендации по настройке освещения. Далее с помощью подключенного к компьютеру автоматического дозатора на поверхность подложки наносится капля дистиллированной воды определенного объёма, после чего начинается съёмка процесса растекания.

Получаемые с видеокамеры кадры сохраняются в таблице «Кадр съёмки», и параллельно с этим процессом проводится их анализ с использованием реализованных в системе алгоритмов обработки изображений и компьютерного зрения: сглаживающих фильтров (медианный, фильтр Гаусса), детекторов границ Собела и Канни, алгоритмов поиска контуров и объектов на изображении (RANSAC и другие) и т.п.

Перед началом обработки кадров на основе данных из таблицы «Параметры обработки» и материала подложки формируется список алгоритмов, наиболее подходящих для обработки изображений капли, растекающейся по поверхности исследуемой подложки. Для каждого типа подложки было разработано несколько комбинаций алгоритмов обработки, позволяющих наиболее точно определять параметры капли на поверхности подложек, изготовленных из данного материала. Они реализованы в виде отдельных модулей – динамически подключаемых библиотек (DLL). Название каждого такого модуля хранится в таблице «Алгоритм», а параметры – в таблице «Параметры алгоритма» базы данных. Такая организация хранения данных обеспечивает расширяемость системы по эталонам (с различными характеристиками чистоты и шероховатости поверхности) и материалам (за счёт возможности добавлять новые алгоритмы обработки изображения капли). Это позволяет по мере накопления информации об эталонах получать более точные оценки для чистоты и шероховатости подложек, в том числе и уже исследованных – в этом случае происходит уточнение результатов измерений.

В ходе анализа изображений для каждого кадра определяются геометрические параметры растекающейся капли, которые затем заносятся в таблицу «Результат обработки кадра». На основе этих данных строятся графики, которые сверяются с имеющимися в системе графиками, соответствующими эталонным подложкам.

В результате определяется верхняя и нижняя границы диапазона, в котором находится шероховатость исследуемой подложки. Эти границы заносятся в поля «Нижняя граница шероховатости» и «Верхняя граница шероховатости» таблицы «Эксперимент» и затем формируется отчёт, предъявляемый пользователю.

Заключение

Описываемая в настоящей работе автоматизированная система обеспечивает доступ к информации о проведённых экспериментах, предоставляет широкие функциональные возможности по управлению настройками видеокамеры, позволяет проводить обработку отснятых кадров параллельно с получением изображений с камеры, что уменьшает общее время проведения измерений. Последнее немаловажно, так как описанная методика относится к методам экспресс-контроля, к которым предъявляются повышенные требования по продолжительности измерений.

Система находится в процессе усовершенствования, происходит расширение её возможностей в области обработки изображений за счёт реализации новых алгоритмов. Также рассматривается задача интеграции автоматизированной системы в распределённую информационно-вычислительную среду [3], предназначенную для систематизации результатов проводимых исследований.

Работа выполнена при поддержке гранта Президента РФ поддержки ведущих научных школ НШ-4128.2012.9, грантов РФФИ 10-07-00109, 10-0700553, 11-07-13164, 11-07-12051 и государственного контракта 02.740.11.0805.