基于深度学习的晶圆表面检测方法、装置、设备和介质制造方法及图纸

本发明专利技术涉及晶圆检测技术领域，公开了一种基于深度学习的晶圆表面检测方法、装置、设备和介质，该方法包括：获取与待检测晶圆对应的灰度图像；通过预设粗检模型对灰度图像进行初步检测，得到初步检测结果；当初步检测结果表征待检测晶圆需进行精检时，通过预设精检模型对灰度图像进行位置检测，得到位置精检结果；根据位置精检结果以及预设分类模型对灰度图像进行缺陷分类，得到缺陷分类结果。本发明专利技术通过预设粗检模型、预设精检模型和预设分类模型依次对灰度图像进行检测，实现了对晶圆中缺陷的快速识别，实现了对缺陷位置的准确定位，以及实现了对晶圆中缺陷分类结果的精准识别，提高了晶圆的检测效率和精准度。

【技术实现步骤摘要】

本专利技术涉及晶圆检测，尤其涉及一种基于深度学习的晶圆表面检测方法、装置、设备和介质。

技术介绍

1、半导体芯片是电子产品的核心部件，其制造过程由晶圆切割、深加工、封装测试等环节组成。晶圆是指由单晶硅切割成的薄片，是半导体芯片制造的基础。晶圆缺陷检测是半导体制造过程中的重要环节之一。

2、目前，国内晶圆缺陷检测主要采用人工检测方法。人工检测和人工辅助图像检测由于多种因素的影响，容易出现错检、漏检等问题。同时，人工检测效率较低，不能满足生产需求。模板匹配方法是基于已知缺陷图像的模板进行检测，该方法的缺点是对于微小缺陷的检测效果不佳。计算周长与面积是模板匹配方法之外的另一种常用方法，该方法的原理是将晶圆的轮廓线与设定的阈值进行比较，缺点是对于微小崩边情况的检测效果不佳。

技术实现思路

1、本专利技术实施例提供一种基于深度学习的晶圆表面检测方法、装置、设备和介质，以解决现有技术中通过人工检测晶圆缺陷，导致的检测精度较低且效率低的问题。

2、一种基于深度学习的晶圆表面检测方法，包括：

<本文档来自技高网...

【技术保护点】

1.一种基于深度学习的晶圆表面检测方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的晶圆表面检测方法，其特征在于，所述根据所述位置精检结果以及预设分类模型对所述灰度图像进行缺陷分类，得到与所述待检测晶圆对应的缺陷分类结果之后，包括：

3.如权利要求2所述的基于深度学习的晶圆表面检测方法，其特征在于，所述初步检测结果包括用于表征所述待检测晶圆需进行精检的第一检测结果，以及用于表征所述待检测晶圆不需要进行精检的第二检测结果；

4.如权利要求3所述的基于深度学习的晶圆表面检测方法，其特征在于，所述通过所述预设粗检模型对所述晶圆二值图进行缺陷识别，...

【技术特征摘要】

1.一种基于深度学习的晶圆表面检测方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的晶圆表面检测方法，其特征在于，所述根据所述位置精检结果以及预设分类模型对所述灰度图像进行缺陷分类，得到与所述待检测晶圆对应的缺陷分类结果之后，包括：

3.如权利要求2所述的基于深度学习的晶圆表面检测方法，其特征在于，所述初步检测结果包括用于表征所述待检测晶圆需进行精检的第一检测结果，以及用于表征所述待检测晶圆不需要进行精检的第二检测结果；

4.如权利要求3所述的基于深度学习的晶圆表面检测方法，其特征在于，所述通过所述预设粗检模型对所述晶圆二值图进行缺陷识别，得到缺陷分布图，包括：

5.如权利要求3所述的基于深度学习的晶圆表面检测方法，其特征在于，所述通过预设精检模型对所述灰度图像进行位置检测，得到位置精检结果，包括：

6.如...

【专利技术属性】
技术研发人员：刘畅宇，刘冰，高锦龙，
申请(专利权)人：深圳市壹倍科技有限公司，
类型：发明
国别省市：