一种基于深度学习的电路器件特征尺寸检测方法和装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的电路器件特征尺寸检测方法和装置。其中，该方法包括：制作电路器件数据集；搭建用于电路器件特征尺寸提取的待训练深度学习模型；使用所述电路器件数据集训练所述待训练深度学习模型，得到训练好的深度学习模型；使用所述训练好的深度学习模型对芯片的电路器件进行图像检测，得到图像检测结果；对所述图像检测结果进行分析，以得到电路器件的特征尺寸信息。本发明专利技术通过利用深度学习模型实现了电路器件特征尺寸的自动检测，提高了电路器件特征尺寸检测的效率和准确度。确度。确度。

【技术实现步骤摘要】
一种基于深度学习的电路器件特征尺寸检测方法和装置


[0001]本专利技术实施例涉及电路器件尺寸检测
，尤其涉及一种基于深度学习的电路器件特征尺寸检测方法和装置。

技术介绍

[0002]随着集成电路（IC）设计和制造技术的迅猛发展，集成电路的集成度越来越高，模拟电路和数字电路的规模也越来越大。在科技的飞速发展和技术的不断突破下，高端芯片工艺制程从28nm、14nm演进到7nm以及要即将量产的5nm，集成电路集成能力以几何级爆发式增长，对于超大规模集成电路，能集成十万、百万个以上的元器件。
[0003]在电路分析领域，工程师需要对工艺芯片进行去层、局部剖析、电路提取和分析。现有技术中，电路分析工程师在提取集成电路的基本器件（参见图1a
‑
b和图2）时，通常是通过人工提取器件特征尺寸，再提取基本器件。但集成电路中基本器件种类繁多，尺寸不一，数量庞大，多则达到百万数量级别。对于工程师团队，提取完全部的器件至少需数月，电路提取速率低，不能满足工期要求。另外，重复性的繁琐工作，没有技术含量，也导致了大量的人力资源浪费。而通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电路器件特征尺寸检测方法，其特征在于，包括：S1、制作电路器件数据集；S2、搭建用于电路器件特征尺寸提取的待训练深度学习模型；S3、使用所述电路器件数据集训练所述待训练深度学习模型，得到训练好的深度学习模型；S4、使用所述训练好的深度学习模型对芯片的电路器件进行图像检测，得到图像检测结果；S5、对所述图像检测结果进行分析，以得到电路器件的特征尺寸信息。2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：在各工艺层对选取的电路器件进行标注，并导出包含标注信息的电子器件图像；根据所述待训练深度学习模型的输入标准对电子器件图像进行处理，以得到电路器件数据集。3.根据权利要求1所述的方法，其特征在于，所述S2中的待训练深度学习模型包括多分辨率并行卷积单元和多分辨率融合单元。4.根据权利要求1所述的方法，其特征在于，所述S3具体包括：将所述电路器件数据集分批次送入所述待训练深度学习模型；根据所述电路器件数据集的分类情况，设置待训练深度学习模型的损失函数、训练批次、学习率以及优化器对所述待训练深度学习模型进行训练，以得到训练好的深度学习模型。5.根据权利要求1所述的方法，其特征在于，所述S4具体包括：使用训练好的深度学习模型对芯片的模拟区器件图像和数字区器件图像进行特征提取，根据特征提取结果确定芯片的电路器件轮廓。6.根据权利要求5所述的方法，其特征在于，所述S5具体包括：对所述...

【专利技术属性】
技术研发人员：白雪，赵军明，于海旺，
申请(专利权)人：苏州芯联成软件有限公司，
类型：发明
国别省市：