【技术实现步骤摘要】
【国外来华专利技术】异常晶片图像分类
[0001]交叉引用
[0002]本申请要求2020年4月22日提交的名称为
″
Defect Image Classifier
″
的美国临时申请号63/013737的优先权,该申请以引用方式整体并入本文。
[0003]本申请涉及半导体制造工艺,并且更具体地,涉及用于使用图像分析对半导体晶片难题/问题进行分类的系统和方法。
技术介绍
[0004]一般来讲,例如通过诸如Google、Facebook等基于网络的努力,图像分类已得到高度发展,它们按其性质可访问数百万张图片,这些图片可用作基于机器的图像分类方案的训练集。然而,典型的半导体公司具有小得多的数据集,可能只有几百张图像用于训练集。因此,期望调整和开发使用这些较小数据集对半导体晶片进行基于机器的分析和分类的技术。
附图说明
[0005]图1是示出使用图像处理技术对晶片难题进行分类的过程的流程图。
[0006]图2A至图2D示出四种不同类型或类别的原始晶片图像,包括正常、瑕疵、未指明缺陷和条纹。
[0007]图3A至图3D分别是各自通过高斯模糊函数修改的图2A至图2D的四个不同晶片图像。
[0008]图4是用于实现图3A至图3D所示的高斯模糊函数的示例7x7内核。
[0009]图5A至图5D分别是通过边缘检测函数修改的图2A至图2D的四个不同晶片图像。
[0010]图6A至图6C是用于实现边缘检测函数的示例3x3内核,其中图6C的边缘检测函数实 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,其包括:获得形成在半导体基板上的半导体晶片的第一多个样本图像,所述第一多个样本图像包括多个不同的图像类型;将至少第一卷积函数应用于所述第一多个图像中的每一者,以生成多个经修改图像,所述多个经修改图像各自对应于所述多个样本图像中的相应一者;将池化函数应用于所述经修改图像中的每一者以形成多个对应向量,所述多个对应向量各自定义每个相应经修改图像的多个特征;对每个对应向量执行变量选择,以便从所述多个特征中选择在确定所述向量的图像类型时更重要的较小的特征集;在多个基于机器学习的成对分类器模型中处理每个对应向量,所述成对分类器模型中的每一者被配置为确定所述向量更像所述多个不同的图像类型的唯一多个对中的一对的对应概率;将来自处理步骤的所确定概率输入到最终的基于机器学习的分类器模型中,所述分类器模型被配置为基于来自所述处理步骤的所确定概率将所述多个图像类型中的一者分配给每个对应向量;以及运行所述最终的基于机器学习的分类器模型。2.如权利要求1所述的方法,应用至少第一卷积函数的步骤还包括:识别具有值矩阵的内核;以及将所述第一多个图像乘以所述内核以生成所述多个经修改图像。3.如权利要求2所述的方法,进一步地其中所述值矩阵具有与和所述多个不同的图像类型中的一者相关联的特征大小成比例的大小。4.如权利要求2所述的方法,其还包括:通过尝试各自具有不同的值矩阵的多个不同内核来识别所述内核。5.如权利要求1所述的方法,其还包括:在生成所述多个经修改图像之前多次执行所述第一卷积函数。6.如权利要求1所述的方法,应用至少第一卷积函数的所述步骤还包括:将多个不同的卷积函数应用于所述第一多个图像中的每一者以生成多组经修改图像,每组与所述多个不同的卷积函数中的一者相关联,每个经修改图像对应于所述多个样本图像中的相应一者;以及确定所述多个卷积函数中的至少一者在示出与所述多个图像类型中的至少一者相关联的特征方面是有效的。7.如权利要求6所述的方法,其还包括:将所述多个不同的卷积函数的组合应用于所述第一多个图像中的每一者,以生成所述多组经修改图像。8.如权利要求1所述的方法,应用池化函数的步骤还包括:将统计量度应用于所述第一多个图像中的每一者中的多个点以生成所述多个对应向量中的每一者。9.如权利要求8所述的方法,其还包括:针对跨所述第一多个图像中的每一者的第一方向上的第一多个点获取第一统计量度,
以形成第一多个对应向量;以及针对跨所述第一多个图像中的每一者的第二方向上的第二多个点获取第二统计量度,以形成第二多个对应向量。10.如权利要求1所述的方法,执行变量选择的步骤还包括:构建多个预测模型,所述多个预测模型各自对应于所述多个成对分类器模型中的一者;对于每个预测模型:按等级对与对应向量相关联的所述多个特征进行排序;多次运行所述预测模型以进行前向变量选择,每次按等级顺序将所述多个特征中的一者添加到所述预测模型中,并且当所添加的一个特征提高所述预测模型的准确度时将所添加的一个特征并入到所述预测模型中;以及多次运行所述预测模型以进行后向变量选择,每次按反向等级顺序去除所述多个特征中的一者,并且当所述预测模型的准确度因所去除的一个特征的去除而降低时将所去除的一个特征重新并入到所述预测模型中。11.一种方法,其包括:获得形成在半导体基板上的半导体晶片的第一多个样本图像,所述第一多个样本图像包括出现在所述样本图像上的多个不同类别的缺陷;将多个数学运算符单独或以各种组合应用于所述第一多个图像中的每一者,从而生成多个经修改图像,每个经修改图像对应于所述多个样本图像中的相应一者;将所述多个...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。