晶圆缺陷识别方法、装置、存储介质和终端设备制造方法及图纸

本发明专利技术提出一种晶圆缺陷识别方法、装置和终端设备，其中，所述方法包括：接收待识别的测试晶圆图片；将所述测试晶圆图片输入晶圆缺陷识别模型，以识别所述测试晶圆图片的晶圆缺陷；其中，所述晶圆缺陷识别模型是根据训练数据对卷积神经网络训练生成或更新的；所述训练数据包括已标识晶圆缺陷的晶圆图片；以及在所述测试晶圆图片中添加识别到的晶圆缺陷标识。采用本发明专利技术，能够快速准确地识别晶圆缺陷。

【技术实现步骤摘要】
晶圆缺陷识别方法、装置、存储介质和终端设备
本专利技术涉及计算机
，尤其涉及一种晶圆缺陷识别方法、装置、存储介质和终端设备。
技术介绍
在半导体器件生产制造过程中，生成的每一片晶圆都需要经过一系列的测试，从而判断该晶圆是否合格或者是否存在缺陷。通常，晶圆所存在的缺陷往往对应一种缺陷类别，如图1至图4所示，图中的每个晶圆均具有缺陷，图1-1至图1-8分别列举了其中的一种晶圆缺陷类别，图2至图4分别列举了其中一种晶圆缺陷类别的多种表现形式。每一种晶圆缺陷类别或每一晶圆缺陷类别的每一表现形式都可以反应出在设计或生产过程中是何种原因导致这种晶圆缺陷的出现。在分析晶圆的测试结果的时候，测试工程师往往需要依据晶圆的晶圆缺陷类别对晶圆进行分类识别，以便找出导致晶圆缺陷出现的原因，从而纠正错误，提高下一批次的生产合格率。常规的检测方式一般如下：1、采用人工分类的方式。通过人的主观意识对晶圆进行分类识别其所属的晶圆缺陷类别。这种方式，费时费力，效率相当低下。2、特征提取并分类识别的方式。首先对晶圆图片进行特征提取，然后将提取本文档来自技高网...

【技术保护点】
1.一种晶圆缺陷识别方法，其特征在于，包括：/n接收待识别的测试晶圆图片；/n将所述测试晶圆图片输入晶圆缺陷识别模型，以识别所述测试晶圆图片的晶圆缺陷；其中，所述晶圆缺陷识别模型是根据训练数据对卷积神经网络训练生成或更新的；所述训练数据包括已标识晶圆缺陷的晶圆图片；以及/n在所述测试晶圆图片中添加识别到的晶圆缺陷标识。/n

【技术特征摘要】
1.一种晶圆缺陷识别方法，其特征在于，包括：
接收待识别的测试晶圆图片；
将所述测试晶圆图片输入晶圆缺陷识别模型，以识别所述测试晶圆图片的晶圆缺陷；其中，所述晶圆缺陷识别模型是根据训练数据对卷积神经网络训练生成或更新的；所述训练数据包括已标识晶圆缺陷的晶圆图片；以及
在所述测试晶圆图片中添加识别到的晶圆缺陷标识。


2.如权利要求1所述的晶圆缺陷识别方法，其特征在于，所述方法还包括：
将包括晶圆缺陷标识的测试晶圆图片输入工程数据分析系统中；其中，所述工程数据分析系统用于存储包括晶圆缺陷标识的测试晶圆图片，以及用于根据所述测试晶圆图片生成统计信息和统计图表，以调整所述测试晶圆图片对应的晶圆的设计。


3.如权利要求1所述的晶圆缺陷识别方法，其特征在于，所述方法还包括：
根据包括晶圆缺陷标识的测试晶圆图片和所述晶圆缺陷识别模型已识别的所有测试晶圆图片，计算识别晶圆缺陷的精确度；
判断所述精确度是否低于精确度阈值；以及
当所述精确度低于所述精确度阈值时，根据新增的训练数据，对所述晶圆缺陷识别模型进行训练更新；其中，所述新增的训练数据包括由所述晶圆缺陷识别模型识别后包括晶圆缺陷标识的测试晶圆图片。


4.如权利要求3所述的晶圆缺陷识别方法，其特征在于，在计算识别晶圆缺陷的精确度的步骤中，包括：
将包括晶圆缺陷标识的测试晶圆图片，转换成待比较灰度直方图；
将所述待比较灰度直方图与所述晶圆缺陷对应的标准灰度直方图进行比较，以判断晶圆缺陷的识别是否正确；
当晶圆缺陷的识别正确时，增加预测正确计数值；以及
根据所述预测正确计数值和所述晶圆缺陷识别模型已识别的所有测试晶圆图片的总数，计算所述晶圆识别模型识别晶圆缺陷的精确度。


5.如权利要求1所述的晶圆缺陷识别方法，其特征在于，所述晶圆缺陷识别模型包括：
卷积层，包括N个卷积核，所述卷积核用于对所述测试晶圆图片进行平移点乘以提取所述测试晶圆图片的特征，并输出所述测试晶圆图片的特征矩阵；
池化层，包括M个池化函数，所述池化函数用于对接收到的特征矩阵中的子矩阵进行特征压缩，并输出压缩特征矩阵；以及
全连接层，包括K个神经元，每个神经元包括权重值和比较阈值，所述神经元用于根据接收到的压缩特征矩阵，对特征进行分类映射。


6.如权利要求5所述的晶圆缺陷识别方法，其特征在于，所述卷积核包括三行三列的卷积矩阵。


7.如权利要...

【专利技术属性】
技术研发人员：潘晓东，
申请(专利权)人：长鑫存储技术有限公司，
类型：发明
国别省市：安徽;34