基于小批量数据集与深度学习算法的晶圆缺陷检测方法技术

本发明专利技术公开了一种基于小批量数据集与深度学习的晶圆缺陷检测方法，首先根据获取的彩色晶圆图像作数据预处理，训练样本集尺寸归一化到固定大小300*250，然后对归一化的图像进行彩色增强，增强因子定义为5‑8；随后采用深度学习中的SSD算法模型，并引入迁移学习策略，在此基础上优化调整模型的参数，可以得到一个能自动进行特征提取和缺陷分类的算法；基于训练的好的分类器即可对未知种类的缺陷进行检测并分类。本发明专利技术实现了自动晶圆缺陷检测，效率较人工构造特征大大提高，晶圆缺陷的检测精度也比传统图像处理方法有了较大提升。

Wafer defect detection method based on small batch data set and deep learning algorithm

【技术实现步骤摘要】
基于小批量数据集与深度学习算法的晶圆缺陷检测方法
本专利技术涉及半导体缺陷检测与图像处理
，尤其涉及一种基于深度学习的晶圆缺陷检测方法。
技术介绍
在半导体相关产品中，晶片是一种半成品，其进行深加工即可得到可用于实际生产的芯片。研究数据显示，近几年半导体产品总销量将会继续增加，在未来将会有更多的资金投向半导体行业。尤其在中国半导体市场巨大，中国政府计划在未来十年约投资1000亿美元用于半导体相关行业产品的研发。稳压与镇流芯片在集成电路中有重要且广泛的应用，晶圆是组成芯片的基础材料，在工业领域晶圆的年产量约为数百十亿片。现今，用于晶片表面缺陷检测的方法主要包含了三大类方法即基于机器学习、基于图像处理、人类视觉检测。这三大类方法都有着共同特点即要以晶圆的轮廓边缘或是角点的特征信息为重要检测依据。机器学习的方法又包含了监督式与非监督式以及强化学习等。机器学习算法中，有学者提出了一种自组织神经网络算法(SONNs)对晶圆的缺陷进行检测，该算法在检测时体现出了缺陷种类的自适应性，但是算法的稳定性不高。机器学习算的通病在于，需要大量的训练样本，训练样本的分类要尽可能的完整多样。在晶圆产品中本文档来自技高网...

【技术保护点】
1.一种基于小批量数据集与深度学习算法的晶圆缺陷检测方法，包括如下步骤：通过微距定焦镜头全局扫描得到矩形晶圆原始彩色图像；将所述彩色图像进行数据增强得到足够数量级的数据集；将所述晶圆图像添加高斯噪声，椒盐噪音，进行图像裁剪、翻转等操作扩增数据，降低深度学习需要大量原始数据的劣势；将SSD原始算法与迁移学习相结合，除了在在VGG‑16的原来网络层上提取特征之外，在conv8‑2,conv9‑2,conv19‑2和pool‑11层上提取，利用小尺度的卷积减少计算量，使用非对称卷积和并行化结构来优化Pooling操作。

【技术特征摘要】
1.一种基于小批量数据集与深度学习算法的晶圆缺陷检测方法，包括如下步骤：通过微距定焦镜头全局扫描得到矩形晶圆原始彩色图像；将所述彩色图像进行数据增强得到足够数量级的数据集；将所述晶圆图像添加高斯噪声，椒盐噪音，进行图像裁剪、翻转等操作扩增数据，降低深度学习需要大量原始数据的劣势；将SSD原始算法与迁移学习相结合，除了在在VGG-16的原来网络层上提取特征之外，在conv8-2,conv9-2,conv19-2和poo...

【专利技术属性】
技术研发人员：王进，祖佳跃，喻志勇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33