基于Gabor與區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的晶圓表面多尺度缺陷檢測技術(shù)研究.pdf

1、隨著半導(dǎo)體行業(yè)的蓬勃發(fā)展，對半導(dǎo)體晶圓材料的質(zhì)量要求也越來越高。而晶圓表面的缺陷很容易導(dǎo)致晶圓良率下降，影響晶圓的導(dǎo)電性，更為嚴(yán)重的會造成半導(dǎo)體的報廢進而影響整個系統(tǒng)的正常運轉(zhuǎn)和儀器損壞。并且在傳統(tǒng)的模板匹配中存在晶圓模板獲取困難，檢測效率低，從而導(dǎo)致晶圓的測試時間偏長，這會降低整個生產(chǎn)線的生產(chǎn)效率和增加企業(yè)的運營成本。針對這些問題，提出了基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的晶圓表面多尺度缺陷檢測技術(shù)研究及應(yīng)用，并將其應(yīng)用于晶圓圖像檢測系統(tǒng)中，驗證了

2、所提方法的有效性。
　　第一章介紹了半導(dǎo)體行業(yè)與晶圓材料的發(fā)展歷程，詳細(xì)分析了圖像特征提取與降維技術(shù)和常用的晶圓缺陷檢測技術(shù)國內(nèi)外研究現(xiàn)狀，闡述了本文的研究內(nèi)容與組織框架。
　　第二章詳細(xì)闡述晶圓制造的工藝以及產(chǎn)生的缺陷種類和原因。并針對晶圓圖像不同尺度缺陷，詳細(xì)闡述其中的難點和解決方式。對于宏觀尺度下晶圓圖像進行濾波和對微觀尺度下晶圓的圖像集數(shù)據(jù)增強等步驟都是晶圓檢測的預(yù)處理過程。
　　第三章著重介紹在宏觀尺度下的晶

3、圓缺陷的檢測算法。首先降低晶圓中晶圓圖像由于反光造成的影響，再結(jié)合晶圓表面圖案大都都是周期性的圖案，創(chuàng)新性地提出采用紋理檢測的方式檢測宏觀尺度下的晶圓表面缺陷。采用Gabor小波變換來獲取晶圓表面紋理特征，對產(chǎn)生的高維特征進行隨機投影降維，最后采用二值化算法能夠快速地并很精準(zhǔn)地檢測出缺陷位置。
　　第四章介紹微觀尺度下晶圓圖像缺陷檢測使用區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的方法。通過選擇深度網(wǎng)絡(luò)提取特征圖，設(shè)計了針對于微觀晶圓數(shù)據(jù)集的神經(jīng)網(wǎng)絡(luò)算法結(jié)

4、構(gòu)，并在此基礎(chǔ)上對激活函數(shù)和正則化方法做了改進。對模型訓(xùn)練過程進行了詳細(xì)的闡述，最后通過比對其他神經(jīng)網(wǎng)絡(luò)算法進行實驗結(jié)果驗證，證明其效果。
　　第五章結(jié)合上述算法理論實現(xiàn)的晶圓多尺度缺陷軟件檢測系統(tǒng)。介紹軟件系統(tǒng)的平臺架構(gòu)和軟件開發(fā)工具，并結(jié)合晶圓檢測的實際特點對軟件功能進行模塊化設(shè)計，接著詳細(xì)闡述每個模塊的功能與設(shè)計方案。并結(jié)合具體實例，詳述本文算法的優(yōu)越性。
　　第六章對論文的成果進行總結(jié)，并且指出方案不足之處，并期待晶