本发明专利技术公开了一种基于视觉图像交互的半导体晶圆检测方法及系统，包括，获取晶圆的晶圆图像，对预处理后晶圆图像进行视觉增益，获取全局特征并分割感兴趣区域；将感兴趣区域进行超分辨率重建，构建特征提取网络提取不同尺度超分辨率特征，并进行自适应特征融合；基于图卷积网络结合特征提取网络构建晶圆检测网络，利用缺陷数据集进行训练，获取融合特征在不同标签中的权重信息，根据权重信息与特征图结合获取标签表示；将标签表示导入图卷积网络获取标签节点向量，导入二分类器中输出最终缺陷类别。本发明专利技术通过提取超分辨率特征提高了细小缺陷的检测精度，实现晶圆中自动化检测，筛选出缺陷晶圆，提高半导体生产的良品率。
【技术实现步骤摘要】
本专利技术涉及半导体检测，更具体的，涉及一种基于视觉图像交互的半导体晶圆检测方法及系统。
技术介绍
1、随着半导体行业的蓬勃发展,对半导体晶圆材料的质量要求也越来越高。在半导体集成电路的生产过程中，晶圆经过生产步骤中不同的机台。当机台的机械手出现问题时，可能会造成晶圆表面与机械手非正常接触，产生机械手刮伤，而晶圆表面的缺陷很容易导致晶圆良率下降,影响晶圆的导电性,更为严重的会造成半导体的报废进而影响整个系统的正常运转和仪器损坏。因此，可视化及识别缺陷模式对于防止缺陷产生至关重要。
2、晶圆表面的缺陷产生一般是十分复杂的过程，都是在制造过程中产生的，需要对晶圆的制造工艺进行分析，并对于不同尺度下的缺陷进行分类以及阐述造成缺陷的原因，宏观尺度易产生环形，刮伤，球状和线形等缺陷，微观角度下易产生机械损伤和灰尘颗粒等缺陷。在传统的模板匹配中存在晶圆模板获取困难，模板选取不当以及检测效率低等问题,从而导致晶圆的测试时间偏长,这会降低整个生产线的生产效率和增加企业的运营成本。因此，如何利用图像特征提取降维分割出晶圆表面的缺陷是需要解决的问题。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种基于视觉图像交互的半导体晶圆检测方法及系统。
2、本专利技术第一方面提供了一种基于视觉图像交互的半导体晶圆检测方法，包括：
3、通过机器视觉设备获取晶圆的晶圆图像，将所述晶圆图像进行预处理，对预处理后晶圆图像进行视觉增益，获取全局特征并分割感兴趣区域；
4、将所述感兴趣区域进行超分辨率重建，获取感兴趣区域的超分辨率图像，构建特征提取网络，在感兴趣区域的超分辨率图像中进行特征提取不同尺度超分辨率特征，将不同尺度的超分辨率特征进行自适应特征融合；
5、基于图卷积网络结合特征提取网络构建晶圆检测网络，并利用缺陷数据集进行训练，获取融合特征在不同标签中的权重信息，根据所述权重信息与特征图结合获取标签表示；
6、在晶圆检测网络中将所述标签表示导入图卷积网络获取标签节点向量，并将标签节点向量导入二分类器中输出最终缺陷类别。
7、本方案中，对预处理后晶圆图像进行视觉增益，获取全局特征并分割感兴趣区域，具体为：
8、根据机器视觉设备获取感知的晶圆图像序列，在所述晶圆图像序列中剔除不完整的晶圆图像，将筛选后的晶圆图像序列进行中值滤波，滤除冗余噪声；
9、通过vgg16网络获取预处理后的晶圆图像的特征图，引入视觉注意力对晶圆图像进行视觉增强，利用视觉注意力为所述特征图生成权重信息，并根据所述权重信息生成上下文向量；
10、利用多层感知机以前次迭代的隐藏状态为基础，通过所述上下文向量获取每次迭代期间关注的特征图，迭代结束后输出局部特征区域；
11、获取晶圆图像中需要关注的局部特征区域作为感兴趣区域，并将晶圆图像的不同尺度特征图进行反卷积及池化操作，映射到相同的分辨率，并进行特征拼接；
12、将拼接后的特征利用卷积生成同一特征图，并通过平均池化获取全局特征。
13、本方案中，将所述感兴趣区域进行超分辨率重建，获取感兴趣区域的超分辨率图像，具体为：
14、提取无缺陷晶圆的高清参考图像信息，将所述高清参考图像信息进行下采样降低分辨率，并将尺寸信息调整到与晶圆图像一致，利用相似度计算降低分辨率的参考图像信息与晶圆图像感兴趣区域的相似度；
15、基于所述相似度获取两图像区域中的相似特征，在降低分辨率的参考图像信息中将所述相似特征进行标记，并在高清参考图像信息的对应位置上提取图像特征；
16、根据所述图像特征利用特征迁移进行感兴趣区域的超分辨率重建，通过所述相似度对特征迁移的特征进行加权，将加权后的特征与晶圆图像感兴趣区域的特征进行融合获取特征迁移后的特征；
17、将所述特征迁移后的特征进行上采样获取感兴趣区域的超分辨率图像。
18、本方案中，构建特征提取网络，在感兴趣区域的超分辨率图像中进行特征提取不同尺度超分辨率特征，将不同尺度的超分辨率特征进行自适应特征融合，具体为：
19、调用vgg16网络为主网络，结合特征金字塔构建特征提取网络，将感兴趣区域的超分辨率图像导入所述特征提取网络，利用特征金字塔获取不同尺度的超分辨率特征图；
20、将所述不同尺度的超分辨率特征图进行特征缩放，将特征缩放后的超分辨率特征图进行卷积降维，对降维后的超分辨率特征图进行拼接处理；
21、获取各超分辨率特征图对应特征层的初始权重信息，将各超分辨率特征图与对应的权重信息结合，根据各超分辨率特征图中像素值的激活获取最终权重信息，根据所述最终权重信息进行自适应特征融合，获取融合特征。
22、本方案中，基于图卷积网络结合特征提取网络构建晶圆检测网络，并利用缺陷数据集进行训练，具体为：
23、基于图卷积网络结合特征提取网络构建晶圆检测网络，利用所述特征提取网络获取感兴趣区域的融合特征，将所述融合特征导入图卷积网络获取缺陷检测分类结果；
24、利用大数据方法获取晶圆缺陷数据，在所述晶圆缺陷数据中筛选含有类别标签的晶圆缺陷数据，获取不同缺陷类别的缺陷特征，利用所述缺陷特征将不含类别标签的晶圆缺陷数据进行聚类；
25、通过聚类结果结合正常晶圆图像数据构建缺陷数据集，利用所述缺陷数据集对晶圆检测网络进行训练，利用svm分类器基于所述融合特征获取不同标签的权重信息；
26、将所述权重信息与感兴趣区域的超分辨率特征图进行卷积，获取包含自身特征的标签表示。
27、本方案中，在晶圆检测网络中将所述标签表示及全局特征进行融合，并获取各个标签的预测分数，输出最终缺陷类别，具体为：
28、根据缺陷数据集获取不同缺陷类别在同一晶圆中的频率信息，基于所述频率信息获取不同标签节点的邻居节点，根据所述邻居节点构建邻接矩阵；
29、在晶圆检测网络中将所述标签表示导入图卷积网络，利用所述邻接矩阵对标签节点进行学习表示确定对应图结构，根据所述图结构标签节点特征表示；
30、将所述标签节点特征表示与全局特征进行拼接，更新标签节点特征表示，通过图卷积更新邻接矩阵，通过更新后的邻接矩阵利用邻居聚合机制再次更新标签节点特征表示，获取最终的标签节点向量；
31、将所有的标签节点向量进行聚合获取标签节点向量序列，导入二分类器中输出最终缺陷类别。
32、本专利技术第二方面还提供了一种基于视觉图像交互的半导体晶圆检测系统，该系统包括：存储器、处理器，所述存储器中包括基于视觉图像交互的半导体晶圆检测方法程序，所述基于视觉图像交互的半导体晶圆检测方法程序被所述处理器执行时实现如下步骤：
33、通过机器视觉设备获取晶圆的晶圆图像，将所述晶圆图像进行预处理，对预处理后晶圆图像进行视觉增益，获取全局特征并分割感兴趣区域；
34、将所述感兴趣区域进行超分辨率重建，获本文档来自技高网
...
【技术保护点】
1.一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，对预处理后晶圆图像进行视觉增益，获取全局特征并分割感兴趣区域，具体为：
3.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，将所述感兴趣区域进行超分辨率重建，获取感兴趣区域的超分辨率图像，具体为：
4.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，构建特征提取网络，在感兴趣区域的超分辨率图像中进行特征提取不同尺度超分辨率特征，将不同尺度的超分辨率特征进行自适应特征融合，具体为：
5.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，基于图卷积网络结合特征提取网络构建晶圆检测网络，并利用缺陷数据集进行训练，具体为：
6.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，在晶圆检测网络中将所述标签表示及全局特征进行融合，并获取各个标签的预测分数，输出最终缺陷类别，具体为：p>
7.一种基于视觉图像交互的半导体晶圆检测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于视觉图像交互的半导体晶圆检测方法程序，所述基于视觉图像交互的半导体晶圆检测方法程序被所述处理器执行时实现如下步骤：
8.根据权利要求7所述的一种基于视觉图像交互的半导体晶圆检测系统，其特征在于，构建特征提取网络，在感兴趣区域的超分辨率图像中进行特征提取不同尺度超分辨率特征，将不同尺度的超分辨率特征进行自适应特征融合，具体为：
9.根据权利要求7所述的一种基于视觉图像交互的半导体晶圆检测系统，其特征在于，基于图卷积网络结合特征提取网络构建晶圆检测网络，并利用缺陷数据集进行训练，具体为：
10.根据权利要求7所述的一种基于视觉图像交互的半导体晶圆检测系统，其特征在于，在晶圆检测网络中将所述标签表示及全局特征进行融合，并获取各个标签的预测分数，输出最终缺陷类别，具体为：
...
【技术特征摘要】
1.一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，对预处理后晶圆图像进行视觉增益，获取全局特征并分割感兴趣区域，具体为：
3.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，将所述感兴趣区域进行超分辨率重建，获取感兴趣区域的超分辨率图像，具体为：
4.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，构建特征提取网络，在感兴趣区域的超分辨率图像中进行特征提取不同尺度超分辨率特征，将不同尺度的超分辨率特征进行自适应特征融合，具体为：
5.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，基于图卷积网络结合特征提取网络构建晶圆检测网络，并利用缺陷数据集进行训练，具体为：
6.根据权利要求1所述的一种基于视觉图像交互的半导体晶圆检测方法，其特征在于，在晶圆检测网络中将所述...
【专利技术属性】
技术研发人员：罗建华，庞飞龙，陈强，王乐园，古奕康，李志才，
申请(专利权)人：深圳市华拓半导体技术有限公司，
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。