典型文献
基于机器学习的过焦扫描显微测量方法研究
文献摘要：
微电子机械系统(Micro-Electro-Mechanical System,MEMS)具有小型化、高集成度的特点,随着MEMS结构深宽比的不断增大,对MEMS结构尺寸的测量提出更高的要求.过焦扫描光学显微技术(Through-focus Scanning Optical Mi-croscopy,TSOM)是一种高精度无损的光学测量方法,通过采集一组离焦图并沿扫描方向截取TSOM图像,利用库匹配的方法从中提取待测结构的尺寸信息.该方法对于纳米级结构测量有着极高的灵敏度,然而对于微米级特征尺寸存在建库困难且易受环境干扰的问题.本文针对微米级MEMS沟槽结构,在传统的光学显微镜基础上进行改造,建立了TSOM光学系统采集离焦图像,利用图像特征提取方法生成TSOM特征向量集,结合机器学习的方法建立不同槽宽尺寸的回归预测模型,对微米级MEMS槽宽尺寸实现纳米级测量精度,单点重复性测量2μm槽宽的相对标准差(Relative Standard Deviation,RSD)在1％左右,10 μm和30 μm槽宽RSD分别低于0.2％和0.35％,结果表明该方法对于微米级MEMS沟槽测量具有极高的应用前景.
文献关键词：
MEMS;机器学习;过焦扫描光学显微法;微纳测量
中图分类号：
作者姓名：
李冠楠;石俊凯;陈晓梅;高超;姜行健;崔成君;朱强;霍树春;周维虎
作者机构：
中国科学院微电子研究所,光电技术研发中心,北京100094;中国科学院大学,北京100049;中钞印刷技术研究院有限公司,北京100070
文献出处：
引用格式：
[1]李冠楠;石俊凯;陈晓梅;高超;姜行健;崔成君;朱强;霍树春;周维虎-.基于机器学习的过焦扫描显微测量方法研究)[J].中国光学,2022(04):703-711
A类：
TSOM,过焦扫描光学显微法
B类：
基于机器学习,显微测量,微电子机械系统,Micro,Electro,Mechanical,System,MEMS,小型化,高集成度,深宽比,结构尺寸,光学显微技术,Through,focus,Scanning,Optical,croscopy,光学测量,离焦,截取,纳米级,微米级,特征尺寸,建库,环境干扰,沟槽结构,光学显微镜,光学系统,图像特征提取,特征向量,回归预测模型,测量精度,单点,重复性测量,相对标准差,Relative,Standard,Deviation,RSD,微纳测量
AB值：
0.394413
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。
