典型文献
基于深度学习的高精度晶圆缺陷检测方法研究
文献摘要：
为了解决半导体制造领域缺陷检测中出现的检测效率低、错误率高、结果不稳定、成像精度低下导致无法精确地检测出不同种类的缺陷等问题,本文利用定制的CCD工业相机搭配高倍率的光学显微镜采集晶圆表面的扫描图像,结合改进的YOLOv4算法,实现了基于深度学习的高精度晶圆缺陷检测方法.实验表明,对于碳化硅晶圆缺陷,提出的方法模型可以识别各种复杂条件下的不同种类缺陷,具有良好的鲁棒性.对缺陷的平均识别精度达到99.24％,相较于YOLOv4-Tiny和原YOLOv4分别提升10.08％和1.92％.对缺陷的平均每图识别时间达到0.028 3 s,相较于基于Halcon软件方法和OpenCV模板匹配方法分别提升93.42％和90.52％,优于其他常规的晶圆缺陷检测方法,已实现在自主设计的验证系统和应用平台上稳定运行.
文献关键词：
深度学习;晶圆缺陷检测;碳化硅晶圆;YOLOv4
中图分类号：
作者姓名：
史浩琛;金致远;唐文婧;王静;蒋楷;夏伟
作者机构：
济南大学物理科学与技术学院 济南 250022
文献出处：
引用格式：
[1]史浩琛;金致远;唐文婧;王静;蒋楷;夏伟-.基于深度学习的高精度晶圆缺陷检测方法研究)[J].电子测量与仪器学报,2022(11):79-90
A类：
晶圆缺陷检测
B类：
缺陷检测方法,半导体制造,制造领域,检测效率,错误率,成像精度,CCD,工业相机,高倍率,光学显微镜,扫描图像,YOLOv4,碳化硅晶圆,方法模型,复杂条件,识别精度,Tiny,Halcon,OpenCV,模板匹配,匹配方法,自主设计,验证系统,应用平台
AB值：
0.259311
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
