基于深度学习的半导体晶圆缺陷自动检测方法技术

本发明专利技术提供了基于深度学习的半导体晶圆缺陷自动检测方法，涉及半导体检测技术领域，通过交互目标晶圆产线的质量监测单元，提取多个晶圆缺陷检测数据，对多个晶圆缺陷检测数据进行缺陷特征识别，获得K个缺陷特征簇，将K个缺陷特征边缘区间与目标晶圆质量特征宽容区间进行比对，基于K个缺陷因子配置自动检测轮盘，获得自动检测方案，根据自动检测方案进行目标晶圆产线的产品缺陷自动检测，获得缺陷检测结果。解决了现有技术中存在半导体缺陷检测效率低下、易漏检和误检，导致晶圆检测准确性不高，且实时性不足的技术问题。达到了对晶圆缺陷进行自动实时动态检测，提升晶圆缺陷检测效率、准确性和可靠性的技术效果。

【技术实现步骤摘要】

本专利技术涉及半导体检测，具体涉及基于深度学习的半导体晶圆缺陷自动检测方法。

技术介绍

1、在半导体制造业中，晶圆的质量控制是确保最终产品质量的关键环节。随着集成电路技术的不断进步和晶圆尺寸的不断增大，晶圆上的缺陷检测变得越来越复杂。传统的晶圆缺陷检测方法往往依赖于人工视觉检查或制造完成后通过光学、电子束等方法进行检查，这些方法虽然简单易行，但存在效率低下、可靠性差、易漏检和误检等问题。

2、现有技术中存在半导体缺陷检测效率低下、易漏检和误检，导致晶圆检测准确性不高，且实时性不足的技术问题。

技术实现思路

1、本申请提供了基于深度学习的半导体晶圆缺陷自动检测方法，用于解决现有技术中存在半导体缺陷检测效率低下、易漏检和误检，导致晶圆检测准确性不高，且实时性不足的技术问题。

2、鉴于上述问题，本申请提供了基于深度学习的半导体晶圆缺陷自动检测方法，所述方法包括：交互目标晶圆产线的质量监测单元，提取预设检测窗口内的多个晶圆缺陷检测数据，其中，每个晶圆缺陷检测数据包括生产时间标识；对所述多个晶圆本文档来自技高网...

【技术保护点】

1.基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，遍历所述K个缺陷特征簇进行缺陷特征值边缘识别，生成K个缺陷特征边缘区间，包括：

3.如权利要求2所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，根据所述M个阶段跃迁粒子对所述M个跃迁粒子进行迭代更新，获得M个更新跃迁粒子，包括：

4.如权利要求3所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，包括：

5.如权利要求3所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征...

【技术特征摘要】

1.基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，遍历所述k个缺陷特征簇进行缺陷特征值边缘识别，生成k个缺陷特征边缘区间，包括：

3.如权利要求2所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，根据所述m个阶段跃迁粒子对所述m个跃迁粒子进行迭代更新，获得m个更新跃迁粒子，包括：

4.如权利要求3所述的基于深度学习的半导体晶圆缺陷自动检测方法，其特征在于，包括：

5.如...

【专利技术属性】
技术研发人员：梅力，胡朗，胡冬云，
申请(专利权)人：江苏盟星智能科技有限公司，
类型：发明
国别省市：