一种基于RefineDet模型的晶圆缺陷检测方法技术

本申请实施例涉及晶圆缺陷检测方法，特别涉及一种基于RefineDet模型的晶圆缺陷检测方法，包括以下步骤：首先，采集晶圆图像；然后，对晶圆图像进行滤波处理；接下来，对滤波处理后的晶圆图像依次进行去均值化和归一化处理，得到处理后的图像；然后，对处理后的图像进行数据增广，得到图像数据集；接下来，将图像数据集划分为训练集、验证集与测试集，对训练集、验证集的缺陷进行标注，得到标注后的数据集，并采用标注后的数据集训练RefineDet网络模型；最后，将测试集输入至训练后的RefineDet网络模型中，检测晶圆图像的缺陷种类和位置。本申请提供的晶圆缺陷检测方法，基于RefineDet网络模型，能够有效识别晶圆缺陷，适用于小目标的检测。检测。检测。

【技术实现步骤摘要】
一种基于RefineDet模型的晶圆缺陷检测方法


[0001]本申请实施例涉及晶圆缺陷检测方法，具体涉及一种基于RefineDet模型的晶圆缺陷检测方法。

技术介绍

[0002]半导体晶圆制造工艺涉及到各个产业的发展，如通讯、工业制造、航空航天等领域。在晶体生长、化学气相沉积等过程都可能使晶圆表面产生缺陷。晶体缺陷的产生会导致最后的器件性能受到很大的影响，抑制缺陷的产生成为晶体生长过程中最重要的工作，如何快速识别并区分不同种类的碳化硅晶圆缺陷就成为了非常关键的环节。此外，由于晶圆的光学特性相对复杂，很难通过建模直接分析晶圆缺陷形成机理的原因。主要方法是对晶圆缺陷进行分类，然后利用物理和数学模型进行建模。
[0003]目前晶圆缺陷检测技术主要通过人工检测或基于机器视觉检测的两种方式进行。人工检测存在工作效率低下，检测精度得不到保障等问题。基于机器视觉的检测利用轮廓提取、裁剪和形态学变换的方法处理后，通过模板匹配进行检测，效率和精度大大提高。
[0004]常用的目标检测深度学习网络有R
‑
CNN、Fast R
‑
CNN、Faster R
‑
CNN、SSD及R
‑
FCN等。其中卷积神经网络是由可学习的权重和偏向常量的神经元组成的具有层级结构的网络，在缺陷检测方面取得了不错的成果，但是这些模型更适用于大尺寸的缺陷，在晶圆缺陷检测中，其缺陷类型有的十分微小，并且存在空间位置变化大等问题。当前主流的一些目标检测网络对于小目标的检测效果并不十分理想。

技术实现思路

[0005]本申请实施例提供一种基于RefineDet模型的晶圆缺陷检测方法，能够检测出空间位置变化较大以及微小缺陷，提升晶圆缺陷检测的精度。
[0006]为解决上述技术问题，本申请实施例提供一种基于RefineDet模型的晶圆缺陷检测方法，包括以下步骤：首先，采集晶圆图像；然后，对晶圆图像进行滤波处理；接下来，对滤波处理后的晶圆图像依次进行去均值化和归一化处理，得到处理后的图像；然后，对处理后的图像进行数据增广，得到图像数据集；将图像数据集划分为训练集、验证集与测试集，对训练集、验证集的缺陷进行标注，得到标注后的数据集，并采用标注后的数据集训练RefineDet网络模型；最后，将测试集输入至训练后的RefineDet网络模型中，检测晶圆图像的缺陷种类和位置。
[0007]在一些示例性实施例中，将图像数据集中的图像数据输入至训练后的RefineDet网络模型之中，使用VGG
‑
16作为RefinedDet的骨干网络，检测晶圆图像的缺陷种类和位置；RefineDet网络模型包括依次连接的细化模块、传输连接模块以及目标检测模块；细化模块用于将图像数据集中的图像数据中负置信度分数大于阈值的正样本过滤，并提取剩余正样本的位置和大小，得到调整后的正样本；目标检测模块用于将所述调整后的正样本作为输入，通过回归处理对缺陷的位置、尺寸、类别标签进行预测；传输连接模块用于连接所述细
化模块和所述目标检测模块。
[0008]在一些示例性实施例中，采用工业相机采集晶圆图像，包括：采用分辨率为3384
×
2710的面阵CCD工业相机对晶圆表面进行扫描，得到晶圆图像。
[0009]在一些示例性实施例中，对晶圆图像进行滤波处理，包括：基于像素值，对待滤波的邻域进行、分类；根据待滤波的邻域所属的类别，对待滤波邻域进行加权求和，得出去噪后的图像；利用直方图对去噪后的图像进行图像增强。
[0010]在一些示例性实施例中，用r表示去噪后的图像的灰度值，在L个不同灰度级的数字图像中，设r的取值区间为[0,L
‑
1]，用h(r
k
)＝n
k
表示第k级的像素灰度r
k
的像素数的总数为n
k
的离散函数；将一幅图像全部像素数表示为Nall，经过归一化的灰度级概率值用p(r
k
)表示，则一幅图像中灰度级rk出现的概率表示为：
[0011][0012]对图像的均衡化的直方图离散形式表示为：
[0013][0014]其中，H(r)为相对应变换函数，P
r
(r)为图像灰度级的概率函数。
[0015]在一些示例性实施例中，对滤波处理后的晶圆图像进行去均值化处理，包括：将各维度均减去对应维度的均值，使得输入数据各个维度均以0为中心。
[0016]在一些示例性实施例中，对滤波处理后的晶圆图像进行归一化处理，包括：输入一组批量数据、缩放变量和偏移变量；分别计算均值和方差；对批量数据中的每个特征做均值为0方差为1的标准化处理，其中，标准化处理的转化函数为：
[0017][0018]使用缩放变量和偏移变量对标准化处理后的特征进行后处理。
[0019]在一些示例性实施例中，对处理后的图像进行数据增广，包括：将旋转角定义为90
°
、180
°
、270
°
，以处理后的图像为原始图像，将原始图像分别旋转三次；将原始图像按照垂直或水平方向进行翻转，以形成原始图像关于水平或垂直中线的镜像图像数据。
[0020]在一些示例性实施例中，对图像数据集的缺陷进行标注，得到标注后的数据集，并采用标注后的数据集训练RefineDet网络模型，包括：将图像数据集划分为训练集、验证集与测试集，其中，训练集与验证集用于训练RefineDet网络模型，测试集用于对训练后的RefineDet网络模型进行测试；对训练集与验证集的缺陷位置、种类进行标注，得到标注后的数据集，并采用标注后的数据集训练RefineDet网络模型。
[0021]在一些示例性实施例中，采用7:2:1的比例将所述图像数据集划分为训练集、验证集与测试集。
[0022]本申请实施例提供的技术方案至少具有以下优点：
[0023]本申请实施例提供一种基于RefineDet模型的晶圆缺陷检测方法，该方法包括以下步骤：首先，采集晶圆图像；然后，对晶圆图像进行滤波处理；接下来，对滤波处理后的晶
圆图像依次进行去均值化和归一化处理，得到处理后的图像；然后，对处理后的图像进行数据增广，得到图像数据集；将图像数据集划分为训练集、验证集与测试集，对训练集、验证集的缺陷进行标注，得到标注后的数据集，并采用标注后的数据集训练RefineDet网络模型；最后，将测试集输入至训练后的RefineDet网络模型中，检测晶圆图像的缺陷种类和位置。
[0024]本申请公开了一种晶圆缺陷检测方法，利用晶圆检测模型对目标晶圆图片进行缺陷检测，得到晶圆缺陷检测结果。晶圆缺陷检测模型是根据卷积神经网络建立的，晶圆缺陷检测结果包括所述晶圆图片是否存在缺陷以及缺陷类别和位置信息。本申请通过由粗到细的定位方法，同时检测网络引入了特征融合，在速度上保持了单框架的优势并且在检测精度上得到了明显提高，能够有效提高对小目标的检测效果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RefineDet模型的晶圆缺陷检测方法，其特征在于，包括以下步骤：采集晶圆图像；对所述晶圆图像进行滤波处理；；对滤波处理后的晶圆图像依次进行去均值化和归一化处理，得到处理后的图像；对所述处理后的图像进行数据增广，得到图像数据集；将所述图像数据集划分为训练集、验证集与测试集，对所述训练集、所述验证集的缺陷进行标注，得到标注后的数据集，并采用所述标注后的数据集训练RefineDet网络模型；将所述测试集输入至训练后的RefineDet网络模型中，检测晶圆图像的缺陷种类和位置。2.根据权利要求1所述的基于RefineDet模型的晶圆缺陷检测方法，其特征在于，将所述图像数据集中的图像数据输入至训练后的RefineDet网络模型之中，使用VGG
‑
16作为RefinedDet的骨干网络，检测晶圆图像的缺陷种类和位置；所述RefineDet网络模型包括依次连接的细化模块、传输连接模块以及目标检测模块；所述细化模块用于将所述图像数据集中的图像数据中负置信度分数大于阈值的正样本过滤，并提取剩余正样本的位置和大小，得到调整后的正样本；所述目标检测模块用于将所述调整后的正样本作为输入，通过回归处理对缺陷的位置、尺寸、类别标签进行预测；所述传输连接模块用于连接所述细化模块和所述目标检测模块。3.根据权利要求1所述的基于RefineDet模型的晶圆缺陷检测方法，其特征在于，采用工业相机采集晶圆图像，包括：采用分辨率为3384
×
2710的面阵CCD工业相机对晶圆表面进行扫描，得到晶圆图像。4.根据权利要求1所述的基于RefineDet模型的晶圆缺陷检测方法，其特征在于，对所述晶圆图像进行滤波处理，包括：基于像素值，对待滤波的邻域进行、分类；根据待滤波的邻域所属的类别，对待滤波邻域进行加权求和，得出去噪后的图像；利用直方图对所述去噪后的图像进行图像增强。5.根据权利要求4所述的基于RefineDet模型的晶圆缺陷检测方法，其特征在于，用r表示所述去噪后的图像的灰度值，在L个不同灰度级的数字图像中，设r的取值区间为[0,L
‑
1]，用h(r
k
)＝n
k
表示第k级的像素灰度r
k
...

【专利技术属性】
技术研发人员：杨长春，孟天霜，张力维，王彭，
申请(专利权)人：常州大学，
类型：发明
国别省市：