一种基于特征金字塔卷积神经网络的半导体缺陷识别方法技术

本发明专利技术公开一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，属于图像分类技术领域，其主要针对对于半导体检测行业当中，缺陷在图片中的占比较小，致使现有算法处理图片时，缺陷容易被大尺寸正常特征或背景掩盖的问题，调整各尺寸的权重，加大小尺寸特征的权重占比，以更适应主要为微小缺陷的半导体检测系统。

【技术实现步骤摘要】
一种基于特征金字塔卷积神经网络的半导体缺陷识别方法
本专利技术涉及图像分类
，尤其涉及一种基于特征金字塔卷积神经网络的半导体缺陷识别方法。
技术介绍
现有半导体缺陷检测分类识别方法主要基于模板匹配，将设计图纸与生产结果逐像素对比，如果差异超过差异阈值则认为产品有生产缺陷，反之，则认为产品合格。现有算法主要是采用VGG-16网络结构逐层提取网络特征分类半导体缺陷。使用该方法提取特征时尺寸较小的特征会因周边强势特征的影响而弱化，现有算法难以准确识别微弱变化引起的半导体缺陷，容易出现大量的假缺陷(即过检)的情况。对于半导体生产线检测的效率造成了一定影响。
技术实现思路
综上所述，本专利技术所解决的技术问题是：提供一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其可以有效提高对于半导体缺陷的识别精度。而本专利技术为解决上述技术问题所采用的技术方案为：一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，包括以下方法:S1、采集半导体缺陷图片作为样本图片；S2、标注样本图片的缺陷类型得到训练样本本文档来自技高网...

【技术保护点】
1.一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其特征在于，包括以下方法:/nS1、采集半导体缺陷图片作为样本图片；/nS2、标注样本图片的缺陷类型得到训练样本集；/nS3、将训练样本集划分为训练集和测试集；/nS4、基于卷积神经网络与特征金字塔相融合的算法构建缺陷分类模型；/nS5、利用所述训练集和测试集训练和测试缺陷分类模型；/nS6、利用训练后的缺陷分类模型分类待分类半导体缺陷图片。/n

【技术特征摘要】
1.一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其特征在于，包括以下方法:
S1、采集半导体缺陷图片作为样本图片；
S2、标注样本图片的缺陷类型得到训练样本集；
S3、将训练样本集划分为训练集和测试集；
S4、基于卷积神经网络与特征金字塔相融合的算法构建缺陷分类模型；
S5、利用所述训练集和测试集训练和测试缺陷分类模型；
S6、利用训练后的缺陷分类模型分类待分类半导体缺陷图片。


2.根据权利要求1所述的一种基于特征金字塔卷积神经网络的半导体缺陷识别方法，其特征在于，所述基于卷积神经网络与特征金字塔相融合的算法构建缺陷分类模型具体包括以下步骤：
L1、提取卷积神经网络中的特征图，所提取的各个特征图具有不同的分辨率；
L2、分别提取...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51