【技术实现步骤摘要】
多任务学习的半导体晶圆检测方法、装置、设备及介质
[0001]本专利技术涉及人工智能
,尤其涉及一种多任务学习的半导体晶圆检测方法、装置、设备及介质。
技术介绍
[0002]半导体行业是现代
的重要组成部分,为从消费电子产品到工业自动化等广泛应用提供了支持。在半导体晶圆生产过程中,由于材料、工艺等因素的影响,可能会产生各种缺陷,如点缺陷、线缺陷、面缺陷等。如果这些缺陷没有被及时发现和处理,就会降低晶圆的性能和可靠性,导致晶圆产品质量下降。因此,半导体晶圆缺陷检测是半导体晶圆制造中至关重要的一环。近年来,随着计算机视觉技术的发展,基于卷积神经网络的半导体晶圆缺陷检测方法已经得到了广泛的应用。
[0003]现有技术中,一般通过卷积神经网络提取半导体晶圆表面图像的特征信息进行缺陷检测,但对于半导体晶圆这种微、纳米级别图像,单一特征信息很难将其有效分析,从而导致缺陷检测精度较低,因此,在使用计算机视觉技术对半导体晶圆进行缺陷检测时,如何提高半导体晶圆缺陷检测精度成为亟需解决的问题。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种多任务学习的半导体晶圆检测方法、装置、设备及介质,以解决对半导体晶圆进行缺陷检测过程中,检测精度较低的问题。
[0005]本申请实施例的第一方面提供了一种多任务学习的半导体晶圆检测方法 ,所述的半导体晶圆检测方法包括:获取待检测物体的表征光强特征的第一图像与表征偏振特征的第二图像;对所述第一图像与所述第二图像分别进行特征提取,得到对应所述 ...
【技术保护点】
【技术特征摘要】
1.一种多任务学习的半导体晶圆检测方法,其特征在于,所述半导体晶圆检测方法包括:获取待检测物体的表征光强特征的第一图像与表征偏振特征的第二图像;对所述第一图像与所述第二图像分别进行特征提取,得到对应所述第一图像的第一特征图与对应所述第二图像的第二特征图;对所述第一特征图与所述第二特征图分别进行在空间维度上的全局平均池化操作与全局最大值池化操作,得到对应所述第一特征图的第一平均池化特征图和第一最大值池化特征图,以及对应所述第二特征图的第二平均池化特征图和第二最大值池化特征图;根据所述第一特征图的第一平均池化特征图和第一最大值池化特征图,计算所述第一特征图在通道维度上的权重值,得到第一权重值,根据所述第二特征图的第二平均池化特征图和第二最大值池化特征图,计算所述第二特征图在通道维度上的权重值,得到第二权重值;根据所述第一权重值与所述第一特征图,计算得到第一通道增强特征图,根据所述第二权重值和第二特征图,计算得到第二通道增强特征图;对第一通道增强特征图与所述第二通道增强特征图分别进行空间维度的增强,得到对应第一通道增强特征图的第一增强特征图与对应第二通道增强特征图的第二增强特征图;将迭代次数增加一次,若所述迭代次数小于预设阈值,则对所述第一增强特征图和所述第二增强特征图分别进行细节重建,得到对应第一增强特征图的第一重建特征图与对应第二增强特征图的第二重建特征图;将所述第一重建特征图作为所述第一图像,将所述第二重建特征图作为所述第二图像,返回执行对所述第一图像与所述第二图像分别进行特征提取的步骤,直至所述迭代次数等于所述预设阈值,得到每次迭代对应的第一增强特征图和第二增强特征图;针对一次迭代,将对应的第一增强特征图和第二增强特征图进行融合,得到对应融合特征图,将所有融合特征图进行融合,得到最终的融合特征图;根据所述最终的融合特征进行缺陷检测,得到缺陷检测结果。2.如权利要求1所述的半导体晶圆检测方法,其特征在于,所述对第一通道增强特征图与所述第二通道增强特征图分别进行空间维度的增强,得到对应第一通道增强特征图的第一增强特征图与对应第二通道增强特征图的第二增强特征图,包括:对所述第一通道增强特征图与所述第二通道增强特征图分别进行在通道维度上的全局平均池化操作与全局最大值池化操作,得到对应所述第一通道增强特征图的第三平均池化特征图和第三最大值池化特征图,以及对应所述第二通道增强特征图的第四平均池化特征图和第四最大值池化特征图;根据所述第一通道增强特征图的第三平均池化特征图和第三最大值池化特征图,计算所述第一通道增强特征图在空间维度上的权重值,得到第三权重值,根据第二通道增强特征图的第四平均池化特征图和第四最大值池化特征图,计算所述第二增强特征图在空间维度上的权重值,得到第四权重值;根据所述第三权重值与所述第一通道增强特征图,计算得到第一增强特征图,根据所述第四权重值与所述第二通道增强特征图,计算得到第二增强特征图。3.如权利要求1所述半导体晶圆检测方法,其特征在于,所述对所述第一增强特征图和
所述第二增强特征图分别进行细节重建,得到对应第一增强特征图的第一重建特征图与对应第二增强特征图的第二重建特征图,包括:获取预设步长的第一卷积核、第二卷积核、第三卷积核与第四卷积核;使用所述第一卷积核对所述第一增强特征图和所述第二增强特征图进行卷积操作,得到所述第一增强特征图对应的第一卷积光强特征图与所述第二增强特征图对应的第一卷积偏振特征图;使用所述第二卷积核对所述第一增强特征图和所述第二增强特征图进行卷积操作,得到所述第一增强特征图对应的第二卷积光强特征图与所述第二增强特征图对应的第二卷积偏振特征图;使用所述第三卷积核对所述第一增强特征图和所述第二增强特征图进行卷积操作,得到所述第一增强特征图对应的第三卷积光强特征图与所述第二增强特征图对应的第三卷积偏振特征图;使用所述第四卷积核对所述第一增强特征图和所述第二增强特征图进行卷积操作,得到所述第一增强特征图对应的第四卷积光强特征图与所述第二增强特征图对应的第四卷积偏振特征图;对所述第一卷积光强特征图、所述第二卷积光强特征图、所述第三卷积光强特征图与所述第四卷积光强特征图进行亚像素卷积操作...
【专利技术属性】
技术研发人员:何良雨,崔健,刘彤,张文刚,王戬鑫,
申请(专利权)人:锋睿领创珠海科技有限公司,
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。