一种集成电路晶圆针印图像缺陷检测方法技术

本发明专利技术公开了一种集成电路晶圆针印图像缺陷检测方法，包括：采集待检测的晶圆针印图像；将采集到的晶圆针印图像处理后输入到主干网络中，通过主干网络对图像进行特征提取得到特征图；通过主干网络的CA‑SPPFCSPC模块对特征图进行小目标特征提取改善；将CA‑SPPFCSPC模块的输出输入到Neck网络，采用BiFPN网络将深层特征和浅层特征进行融合；将融合后的特征输入Head网络进行检测，对针印缺陷进行定位识别。本发明专利技术设计了CA‑SPPFCSPC模块、BiFPN网络结构、回归损失函数WiseIoU v3，解决了晶圆针印图像缺陷检测效率低、准确率低的问题，提升了检测效果。

【技术实现步骤摘要】

本专利技术属于集成电路测试晶圆图像处理领域，具体涉及一种集成电路晶圆针印图像缺陷检测方法。

技术介绍

1、晶圆针印检测是半导体行业中一项重要的质量控制任务。随着半导体工艺的不断进步和晶圆制造技术的发展，晶圆上的针印成为制造过程中需要关注的重要指标之一。在半导体制造过程中，晶圆的针印质量直接影响产品的成本和生产效率。针印检测不仅可以帮助发现现有的缺陷，还可以为制造过程的优化提供数据支持。通过分析针印检测结果，制造商可以了解生产线上的瓶颈和问题，进行相应的调整和改进，提高制造过程的稳定性和效率。随着半导体工艺的不断进步，晶圆上的器件密度和集成度不断增加，对针印检测的要求也越来越高。因此，不断研发和改进晶圆针印检测技术，提高检测的精度和效率，已成为半导体行业的技术发展需求之一。

2、在现有的生产过程中，晶圆针印的检测主要依赖于人工目测和传统的图像处理技术，但这种方法存在效率低、准确性不高等问题。随着深度学习技术的快速发展，尤其是卷积神经网络的广泛应用，深度学习在晶圆针印缺陷检测领域展现出了巨大的潜力和优势。yolov5s作为主流的深度学习检测算法，在本文档来自技高网...

【技术保护点】

1.一种集成电路晶圆针印图像缺陷检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种集成电路晶圆针印图像缺陷检测方法，其特征在于，所述步骤S2中主干网络包括两个Conv模块、C3模块和CA-SPPFCSPC(特征金字塔)模块，Conv模块由卷积层Conv2d、BN层和激活函数SiLU组成，C3模块由3个卷积模块、1个Bottleneck模块和1个Concat模块构成。

3.根据权利要求2所述的一种集成电路晶圆针印图像缺陷检测方法，其特征在于，所述步骤S2中对图像进行特征提取得到特征图的具体过程为：

4.根据权利要求3所述的一种集成电路晶圆...

【技术特征摘要】

1.一种集成电路晶圆针印图像缺陷检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种集成电路晶圆针印图像缺陷检测方法，其特征在于，所述步骤s2中主干网络包括两个conv模块、c3模块和ca-sppfcspc(特征金字塔)模块，conv模块由卷积层conv2d、bn层和激活函数silu组成，c3模块由3个卷积模块、1个bottleneck模块和1个concat模块构成。

3.根据权利要求2所述的一种集成电路晶圆针印图像缺陷检测方法，其特征在于，所述步骤s2中对图像进行特征提取得到特征图的具体过程为：

4.根据权利要求3所述的一种集成电路晶圆针印图像缺陷检测方法，其特征在于，所述步骤a2中经过conv2d+bn+激活函数silu的具体过程为：将缩放后图像输入到conv模块中，设置conv模块的参数arg[ch_out,kernel,stride,padding]，由特征图公式feature2＝(feature1-kernel+2×padding)/stride+1可得到输出的feature map尺寸，将卷积后的每个feature map进行bn操作，bn操作是对每个通道上的特征计算均值和方差，并对各通道特征进行标准化处理，然后输出到silu激活函数中，公式为

5.根据权利要求3所述的一种集成电路晶圆针印图像缺陷检测方法，其特征在于，所述步骤a4中c3模块的处理方法为：特征图在c3模块内部分为左右两路进行操作，右路分支经过1个卷积层conv后等待concat操作，左路分支经过1个卷积层conv和bottleneck后与右路分支进行concat通道拼接后再进入卷积输出特征图。其中，bottleneck由1个1×1卷积层和1个3×3的卷积层组成，使用1x1卷积...

【专利技术属性】
技术研发人员：仲重光，马国军，程理泽，张龙，刘清洋，刘元贤，朱勤华，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：