【技术实现步骤摘要】
采用深度学习的晶圆规则性失效邻近管芯标记方法及相关装置
[0001]本专利技术涉及半导体领域，尤其是涉及采用深度学习的晶圆规则性失效邻近管芯标记方法及相关装置。
技术介绍
[0002]随着半导体技术的发展，晶圆的尺寸越来越大同时特征尺寸不断减小，对半导体制造工艺的要求不断提高。半导体芯片的生产过程中，晶圆加工的工艺流程多，工艺过程复杂。如何在复杂漫长的工艺流程中严控质量，是提升最后芯片的成品性能，降低成本的关键。
[0003]在半导体芯片的加工过程中，光刻、抛光、刻蚀、切割等工艺难免会导致晶圆表面出现各种类型的缺陷和划痕。为保证质量，几乎加工过程中的每一步工序质量都需要进行检测，并基于检测结果搜寻、标注、筛选和淘汰缺陷管芯，以保证最后管芯的质量。
[0004]在诸多的检测需求中，根据缺陷标注缺陷附近的管芯是一个重要的内容，将缺陷管芯附近的部分管芯标记为缺陷管芯或者质量等级较低的管芯，对于提升最后成品的品质具有重要意义；
[0005]目前，晶圆缺陷检测相关的快速自动检测设备几乎全被国外企业高价垄断，国内...
【技术保护点】
【技术特征摘要】
1.采用深度学习的晶圆规则性失效邻近管芯标记方法，其特征在于，包括：采集待检测的晶圆数据，建立深度学习训练用的晶圆数据集；构建预先训练好的管芯自动标记深度学习模型；将待检测的晶圆数据输入到预先训练好的管芯自动标记深度学习模型中，进行标注，将被标注的管芯在晶圆的二维图像阵列中突出显示；根据管芯在晶圆的二维图像阵列中突出显示，判断标注结果是否准确，如果不准确，输出提示修改标注的信息，以及将此修改后的标注结果更新模型的信息。2.根据权利要求1所述的采用深度学习的晶圆规则性失效邻近管芯标记方法，其特征在于，待检测的晶圆数据是带有每个管芯位置编号和管芯各个测试项是否通过的晶圆数据。3.根据权利要求1所述的采用深度学习的晶圆规则性失效邻近管芯标记方法，其特征在于，所述将被标注的管芯在晶圆的二维图像阵列中突出显示，具体为：将待标记的晶圆数据显示为二维图像阵列，其中图像点的位置是管芯在晶圆上的相对位置的坐标数据，其中检测通过和不通过的管芯分别采用不同的颜色显示。4.根据权利要求1所述的采用深度学习的晶圆规则性失效邻近管芯标记方法，其特征在于，判断标注结果是否准确具体为：将有管芯被标注的提示信息，增加了被标注管芯信息的晶圆的二维图像阵列，待确认标注结果是否准确的信息进行显示，如果确认标注结果准确，将晶圆数据和检测结果存入数据存储模块；如果确认标注结果不准确，输出提示修改标注的信息，以及是否将此修改后的标注结果更新模型的信息。5.根据权利要求1所述的采用深度学习的晶圆规则性失效邻近管芯标记方法，其特征在于，管芯自动标记深度学习模型采用以下步骤建立：步骤1，建立深度学习模型训练用的晶圆数据集；对标记前后的晶圆数据进行预处理，对数据按照管芯在晶圆上的相对位置排序，将每个测试项目是否通过与否分别置1和0的逻辑值，人工标记的数据置测试不通过对应的逻辑值；步骤2，将晶圆数据处理成3
×
n的数据矩阵其中x
n
，y
n
是晶圆上每个测试点的相对位置的坐标数据，i
n
是该点所有测试项目是否通过的逻辑值的“与”值，是1或者0；步骤3，使用深度学习框架训练深度学习模型；将步骤2处理好的未标记数据矩阵作为输入，将...
【专利技术属性】
技术研发人员：张林，苏占峰，
申请(专利权)人：晶栅科技苏州有限公司，
类型：发明
国别省市：
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。