随着半导体制造技术不断向更小的节点发展，晶圆表面缺陷检测在集成电路制造过程中变得越来越重要。明场晶圆缺陷检测系统[[1], [2], [3], [4], [5]]是最广泛采用的在线检测方案之一，它们不仅依赖于显微镜物镜的分辨率，还极大地依赖于焦点定位的准确性。为了满足先进工艺节点在检测灵敏度和成像质量方面的严格要求，现代显微镜物镜[[6], [7], [8], [9], [10]]正不断朝着更高的数值孔径（NA）和更短的工作波长发展。
然而，使用高NA物镜和短波长不可避免地会导致焦深显著减小和工作距离缩短，这使得精确的焦点定位成为限制整体检测性能的关键因素。因此，开发可靠且准确的自动对焦技术已成为高分辨率晶圆检测系统中的一个重要挑战。
现有的自动对焦策略通常可以根据是否引入外部光源分为被动方法和主动方法。被动自动对焦方法通常依赖于从自然图像中获得的图像清晰度评估指标[[12], [13], [14], [15]]，通过获取一系列图像并迭代优化来定位最佳焦点位置。近年来，基于神经网络的方法[[16], [17], [18]]显著提高了自动对焦的精度。然而，这些方法需要大量的训练数据，并且往往具有有限的泛化能力，难以适应工业显微镜中常见的不同物镜、波长和成像条件[[19,20]]。
相比之下，主动自动对焦方法使用额外的光学组件（如激光三角测量、结构光扫描、相移干涉测量和Shack–Hartmann波前传感）来测量焦点位置。尽管这些技术具有优势，但在晶圆检测应用中也面临明显的局限性[[21]]。激光三角测量方法[[22]]使用斜入射激光束，其反射光斑位置随物体高度变化。虽然这种方法速度快且精度高，但高NA明场显微镜物镜的短物侧工作距离和有限的入射孔径限制了其适用性。此外，反射的激光光可能会在成像路径中引入杂散光和鬼像[[23]]，从而降低检测性能。
基于Shack–Hartmann波前传感器的自动对焦方法[[24]]通过微透镜阵列测量局部波前斜率，并使用Zernike多项式[[25], [26], [27]]拟合相位来重建离焦项。虽然这些方法可以从单帧图像中获取离焦信息，但其复杂的光学配置阻碍了它们在紧凑型晶圆检测系统中的集成[[28,29]]。干涉测量自动对焦技术[[30], [31], [32]]利用通过显微镜物镜传播后产生的波前曲率。为了补偿曲率不匹配，Linnik型白光干涉仪[[33,34]]在参考臂中使用第二个相同的物镜。然而，白光的短相干长度限制了有效的干涉区域，使得条纹采集变得困难。此外，用于晶圆检测的大NA物镜的高成本进一步限制了这类系统的实际应用[[24]]。
总体而言，基于图像的自动对焦方法对表面图案和噪声非常敏感，而主动自动对焦方法往往系统复杂且稳健性有限。此外，大多数现有技术主要针对中等NA值和可见光波长设计，对于在紫外（UV）光谱区域工作的大或超高NA系统关注较少。在先进的晶圆检测中，UV照明特别有价值且稀缺，需要自动对焦照明以避免与成像波长带发生干涉。此外，许多现有方法未能建立离焦距离和波前特性之间的直接和严格的定量关系。
为了解决这些挑战，开发一种适用于大NA和超高NA无限校正显微镜系统、具有高精度和稳健性且易于集成到工业检测平台中的自动对焦方法是非常理想的。
在这项工作中，我们提出了一种基于波前曲率测量的高精度自动对焦方法。通过严格的理论分析，推导出了无限校正显微镜物镜中离焦距离与波前曲率之间的定量关系。通过结合高NA光学系统的实际能量分布特性，进一步改进了干涉强度模型。在实验实现中，使用激光干涉测量技术将离焦波前曲率可视化为同心圆环干涉条纹。通过使用粗略到精细的搜索策略将径向干涉强度与理论模型进行拟合，可以获取绝对离焦距离，而相对离焦方向则通过连续帧确定。由于波前曲率直接由光路差异而非表面纹理控制，所提出的方法对复杂的晶圆图案表现出很强的稳健性。
