图案化晶圆表面缺陷检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种图案化晶圆表面缺陷检测方法、装置、设备及存储介质，该方法通过采集并处理图案化晶圆图像数据，获得待测晶圆中待测晶粒的缺陷样本数据集和正常样本数据集，构建Defect‑GAN网络，利用数据集，通过Defect‑GAN网络生成缺陷图像，将缺陷图像加入缺陷样本数据集中，避免过拟合现象；对数据集进行预处理，得到输入图像，构建孪生晶圆缺陷检测网络模型，将输入图像输入孪生晶圆缺陷检测网络模型，对输入图像进行随机翻转和位置交换实现数据增强，对模型中的参数进行优化训练，使用Poly策略对模型进行训练，将输入图像输入训练好的孪生晶圆缺陷检测网络模型，得到图案化晶圆表面缺陷精细分割图，提高缺陷检测的效率和准确率。

【技术实现步骤摘要】

本专利技术人工智能，尤其涉及一种图案化晶圆表面缺陷检测方法、装置、设备及存储介质。

技术介绍

1、随着半导体行业进入亚10nm技术节点时代，制程技术正面临着向更小的特征尺寸与更高集成度发展的挑战，这一进步对于晶圆的高精度检测提出了空前的要求。半导体制造过程包含数百个步骤，每一个步骤都有可能产生缺陷。若是忽略了含有缺陷的晶圆，那么后续流程可能完全失效。因此，进行高效的缺陷检测对于保证半导体晶圆产品质量至关重要。

2、自动光学检测(aoi)系统在近年来由于其成本效益高且具备统一的控制标准，而日益受到广泛关注。在aoi系统中，所采用的检测算法主要分为两大类：一类是基于传统数字图像处理的方法，另一类则是基于深度学习的新兴技术。传统的数字图像处理技术涵盖了图像滤波、模板匹配、图像差分、频域分析等多种操作，这些技术能够实现缺陷区域的分割。然而，面对图案复杂化时，现有的传统方法在区分缺陷与图案化背景的过程中具有一定的局限性，导致检测效果不尽人意。

3、基于深度学习的方法在工业领域中引起了极大的关注，并已被证明是有效的。许多研究人员尝试将经典的深度本文档来自技高网...

【技术保护点】

1.一种图案化晶圆表面缺陷检测方法，其特征在于，所述图案化晶圆表面缺陷检测方法包括：

2.如权利要求1所述的图案化晶圆表面缺陷检测方法，其特征在于，所述Defect-GAN网络包括判别器、第一生成器和第二生成器；

3.如权利要求2所述的图案化晶圆表面缺陷检测方法，其特征在于，所述第一生成器和所述第二生成器中的网络架构由编码器、瓶颈、解码器和三个残差连接组成；

4.如权利要求2所述的图案化晶圆表面缺陷检测方法，其特征在于，训练所述第一生成器、训练所述第二生成器，以及训练所述判别器时，构造并利用混合损失函数与AdamW算法更新所述第一生成器、所述第二生成器...

【技术特征摘要】

1.一种图案化晶圆表面缺陷检测方法，其特征在于，所述图案化晶圆表面缺陷检测方法包括：

2.如权利要求1所述的图案化晶圆表面缺陷检测方法，其特征在于，所述defect-gan网络包括判别器、第一生成器和第二生成器；

3.如权利要求2所述的图案化晶圆表面缺陷检测方法，其特征在于，所述第一生成器和所述第二生成器中的网络架构由编码器、瓶颈、解码器和三个残差连接组成；

4.如权利要求2所述的图案化晶圆表面缺陷检测方法，其特征在于，训练所述第一生成器、训练所述第二生成器，以及训练所述判别器时，构造并利用混合损失函数与adamw算法更新所述第一生成器、所述第二生成器和所述判别器的网络参数，直至所述第一生成器、所述第二生成器和所述判别器的损失收敛。

5.如权利要求1所述的图案化晶圆表面缺陷检测方法，其特征在于，所述对所述新的缺陷样本数据集和所述正常样本数据集进行预处理，得到输入图像，包括：

6.如权利要求1～5中任一项所述的图案化晶圆表面缺陷检测方法，其特征在于，所述孪...

【专利技术属性】
技术研发人员：梅爽，刁兆磊，程江涛，向娟，文国军，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：