[发明专利]使用统一神经网络进行缺陷检测及分类的方法及系统

权利要求书

1.一种经配置以检测样品上的缺陷且对所述缺陷进行分类的系统，其包括：

一或多个计算机子系统；及

一或多个组件，其由所述一或多个计算机子系统执行，其中所述一或多个组件包括：

神经网络，其经配置以检测样品上的缺陷且对在所述样品上检测到的所述缺陷进行分类，其中所述神经网络包括：

第一部分，其经配置以确定由成像子系统产生的所述样品的图像的特征；及

第二部分，其经配置以基于所述图像的经确定特征检测所述样品上的缺陷，且基于所述图像的所述经确定特征对在所述样品上检测到的所述缺陷进行分类，其中所述第二部分包括提议网络，所述提议网络经配置以基于针对所述图像确定的所述特征检测所述样品上的缺陷，并且其中所述提议网络在不对所述缺陷进行分类的情况下检测所述缺陷；且

其中所述一或多个计算机子系统经配置以产生所述检测及分类的结果。

2.根据权利要求1所述的系统，其中所述神经网络进一步配置为深度学习网络。

3.根据权利要求1所述的系统，其中所述神经网络进一步配置为AlexNet。

4.根据权利要求1所述的系统，其中所述神经网络进一步配置为GoogleNet。

5.根据权利要求1所述的系统，其中所述神经网络进一步配置为VGG网络。

6.根据权利要求1所述的系统，其中所述神经网络进一步配置为深度残差网络。

7.根据权利要求1所述的系统，其中所述第一部分包括一或多个卷积层。

8.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以通过将由用户指派给训练缺陷图像的类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。

9.根据权利要求8所述的系统，其中所述一或多个计算机子系统进一步经配置以通过与一或多个训练参考图像、针对其产生所述训练缺陷图像的样品的设计，或所述一或多个训练参考图像及所述设计一起将所述类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。

10.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以使用预训练权重微调所述神经网络。

11.根据权利要求10所述的系统，其中所述预训练权重是通过训练图像分类网络而获得。

12.根据权利要求10所述的系统，其中所述预训练权重是通过训练经配置以对在所述样品上检测到的所述缺陷进行分类的所述第二部分而获得。

13.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以从头开始训练所述神经网络。

14.根据权利要求1所述的系统，其中所述第二部分进一步包括经配置以选择所述经确定特征中的一或多者且基于所述一或多个选定特征对所述缺陷进行分类的一或多个完全连接层。

15.根据权利要求1所述的系统，其中所述一或多个计算机子系统进一步经配置以通过将由用户指派给训练缺陷图像中的定界框的类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。

16.根据权利要求15所述的系统，其中所述一或多个计算机子系统进一步经配置以通过与一或多个训练参考图像、针对其产生所述训练缺陷图像的样品的设计，或所述一或多个训练参考图像及所述设计一起将所述类别标签及所述训练缺陷图像输入到所述神经网络而训练所述神经网络。