用于使用基于物理的图像扰动确定缺陷的系统及方法技术方案

本发明专利技术公开一种用于特性化试样的系统。在一个实施例中，所述系统包含经配置以获取试样的一或多个图像的特性化子系统及通信地耦合到所述特性化子系统的控制器。所述控制器可经配置以：从所述特性化子系统接收训练试样的一或多个缺陷的一或多个训练图像；产生所述训练试样的所述一或多个缺陷的一或多个增强图像；基于所述训练试样的所述一或多个缺陷的所述一或多个增强图像产生机器学习分类器；从所述特性化子系统接收目标试样的一或多个目标特征的一或多个目标图像；及使用所述机器学习分类器确定所述一或多个目标特征的一或多个缺陷。陷。陷。

【技术实现步骤摘要】
【国外来华专利技术】用于使用基于物理的图像扰动确定缺陷的系统及方法
[0001]相关申请案的交叉参考
[0002]本申请案主张2019年7月26日申请的标题为使用基于物理的图像扰动的训练集增强(TRAINING SET AUGMENTATION USING PHYSICS
‑
BASED IMAGE PERTURBATIONS)的指定马丁
·
普利哈尔(Martin Plihal)、萨拉瓦南
·
帕拉马西瓦姆(Saravanan Paramasivam)、雅各布
·
乔治(Jacob George)、尼维迪莎
·
拉克什米
·
纳拉西姆汉(Niveditha Lakshmi Narasimhan)、赛拉姆
·
拉武(Sairam Ravu)、萨默什
·
查拉帕利(Somesh Challapalli)及帕桑蒂
·
乌帕鲁里(Prasanti Uppaluri)为专利技术者的以引用的方式完整并入本文中的第201941030213号印度临时专利申请案及本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，其包括：控制器，其具有经配置以执行存储于存储器中的一组程序指令的一或多个处理器，所述组程序指令经配置以致使所述一或多个处理器：接收训练试样的一或多个缺陷的一或多个训练图像；产生所述训练试样的所述一或多个缺陷的一或多个增强图像；基于所述训练试样的所述一或多个缺陷的所述一或多个增强图像产生机器学习分类器；接收目标试样的一或多个目标特征的一或多个目标图像；及使用所述机器学习分类器确定所述一或多个目标特征的一或多个缺陷。2.根据权利要求1所述的系统，其中产生所述训练试样的所述一或多个缺陷的一或多个增强图像包括致使所述一或多个处理器：通过将一或多个物理扰动引入到所述一或多个训练图像而产生一或多个经扰动图像；基于所述一或多个经扰动图像确定指示所述一或多个缺陷的所述训练试样的一或多个特征；及提取指示所述试样的一或多个缺陷的所述一或多个特征以产生所述一或多个缺陷的一或多个复制品。3.根据权利要求2所述的系统，其中所述一或多个物理扰动包括噪声产生。4.根据权利要求1所述的系统，其中使用所述机器学习分类器确定所述一或多个目标特征的一或多个缺陷包括致使所述一或多个处理器：接收缺陷类型选择，其中所述缺陷类型选择指示所述机器学习分类器确定对应于所述缺陷类型选择的一或多个缺陷。5.根据权利要求4所述的系统，其中所述缺陷类型选择由用户经由用户接口提供。6.根据权利要求4所述的系统，其中所述缺陷类型选择由所述一或多个处理器基于一或多个缺陷类型优先级方案确定。7.根据权利要求4所述的系统，其中所述缺陷类型选择由所述机器学习分类器基于一或多个缺陷频率提供。8.根据权利要求1所述的系统，其中所述机器学习分类器包括深度学习分类器、卷积神经网络(CNN)、集成学习分类器、随机森林分类器或人工神经网络中的至少一者。9.根据权利要求1所述的系统，其中所述组程序指令进一步经配置以致使所述一或多个处理器：将一或多个控制信号提供到一或多个工艺工具。10.一种系统，其包括：特性化子系统，其经配置以获取试样的一或多个图像；及控制器，其包含经配置以执行存储于存储器中的一组程序指令的一或多个处理器，所述组程序指令经配置以致使所述一或多个处理器：从所述特性化子系统接收训练试样的一或多个缺陷的一或多个训练图像；产生所述训练试样的所述一或多个缺陷的一或多个增强图像；基于所述训练试样的所述一或多个缺陷的所述一或多个增强图像产生机器学习分类器；
从所述特性化子系统接收目标试样的一或多个目标特征的一或多个目标图像；及使用所述机器学习分类器确定所述一或多个目标特征的一或多个缺陷。11.根据权利要求10所述的系统，其中基于所述训练试样的所述一或多个缺陷产生一或多个增强图像包括：通过将一或多...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：科磊股份有限公司，
类型：发明
国别省市：