基于残差网路的晶圆缺陷模式识别方法技术

公开了基于残差网路的晶圆缺陷模式识别方法，方法中采集晶圆图像，用卷积自编码器对晶圆图像做增强处理，其中，卷积自编码器包括编码器和解码器，编码器将输入的原始的晶圆图像加入随机噪声后进行编码，特征映射到隐层空间，然后解码器对隐层空间的特征进行解码获得输入的重建样本，重建样本分为训练集和测试集；构建残差网络模型，其包括开始的一个卷积层、4个残差块和最后的一个全连接层，每个残差块包含2个基础块；训练集输入残差网络模型训练以及采用测试集进行测试残差网络模型得到训练后的残差网络模型，对生产中得到的晶圆图像执行步骤一以得到重建样本，之后采用训练好的残差网络模型识别其是否有缺陷以及缺陷的种类。种类。种类。

【技术实现步骤摘要】
基于残差网路的晶圆缺陷模式识别方法


[0001]本专利技术涉及半导体测试
，尤其涉及一种基于残差网路的晶圆缺陷模式识别方法。

技术介绍

[0002]随着芯片设计与制造行业的飞速发展，半导体制造的规模越来越大，而工艺尺寸越来越小，即使现在的晶圆生产技术与设备越来越先进，但是晶圆出现异常的情况仍然在所难免。计算机技术的高速发展为分析晶圆测试数据，识别晶圆缺陷模式、指导生产提供了技术支持。
[0003]不同的晶圆缺陷表现为不同的特征，一些传统手段中，对晶圆图进行人工特征提取送入分类器，但是这种方法费时费力且泛化性不强；还有一种手段是使用卷积神经网络代替人工提取特征，通过全连接层的softmax输出分类结果；但是模型的性能并没有随着卷积神经网络深度的增加而变得更好，另外，考虑到现实世界中不同种类缺陷数据不均衡，模型的分类准确率和鲁棒性有待提高。
[0004]在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。

技术实现思路

[0005]本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于残差网路的晶圆缺陷模式识别方法，其特征在于，其包括以下步骤：步骤一，对WM
‑
811K公开数据集中的晶圆图，用卷积自编码器对晶圆图像做增强处理，其中，卷积自编码器包括编码器和解码器，将输入的原始晶圆图像加入随机噪声后作为编码器的输入，编码器采用两层3*3卷积层和一层最大池化层，使用Relu激活函数，输出为32*10*10的特征，之后连接解码器，包含上采样层和两个逆卷积层，其输出为重建后的晶圆图像，损失函数采用最小均方差，利用重建图像与原始图像的误差训练卷积自编码器，得到重建样本，所述重建样本分为训练集和测试集；步骤二，构建残差网络模型，其包括开始的一个卷积层、4个残差块和最后的一个全连接层，每个残差块包含2个基础块，每个基础块包含两个卷积层；步骤三，训练集输入所述残差网络模型训练以及采用所述测试集进行测试所述残差网络模型得到训练后的残差网络模型，对生产中得到的晶圆图像执行步骤一以得到重建样本，之后输入训练好的残差网络模型，根据softmax层的输出值识别其是否有缺陷以及缺陷的种类，输出值从0到8分别代表无缺陷、中心、环状、边缘块状、边缘环状、块状、随机、划痕、全满缺陷。2.根据权利要求1所述的一种基于残差网路的晶圆缺陷模式识别方法，其特征在于，优选的，WM
‑
811K数据集中包含原始晶圆图像矩阵和标签，图像矩阵中0、1、2分别代表背景像素、合格晶粒、不合格晶粒；0
‑
8...

【专利技术属性】
技术研发人员：赵英伟，杨柳，卢旭坤，袁俊，郑朝生，董尚平，皇晓莉，辜诗涛，
申请(专利权)人：广东利扬芯片测试股份有限公司，
类型：发明
国别省市：