[发明专利]基于小批量数据集与深度学习算法的晶圆缺陷检测方法在审
| 申请号： | 201910465949.1 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110197259A | 公开（公告）日： | 2019-09-03 |
| 发明（设计）人： | 王进;祖佳跃;喻志勇 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06T7/00;G01N21/88;G06K9/62 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 吴秉中 |
| 地址： | 315400 浙江省宁波市余*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 晶圆缺陷检测 数据集 小批量 尺寸归一化 数据预处理 训练样本集 彩色增强 传统图像 晶圆缺陷 晶圆图像 缺陷分类 人工构造 特征提取 学习策略 学习算法 因子定义 优化调整 分类器 归一化 检测 算法 迁移 图像 学习 分类 引入 | ||
【权利要求书】：
1.一种基于小批量数据集与深度学习算法的晶圆缺陷检测方法，包括如下步骤：
通过微距定焦镜头全局扫描得到矩形晶圆原始彩色图像；
将所述彩色图像进行数据增强得到足够数量级的数据集；
将所述晶圆图像添加高斯噪声，椒盐噪音，进行图像裁剪、翻转等操作扩增数据，降低深度学习需要大量原始数据的劣势；
将SSD原始算法与迁移学习相结合，除了在在VGG-16的原来网络层上提取特征之外，在conv8-2,conv9-2,conv19-2和pool-11层上提取，利用小尺度的卷积减少计算量，使用非对称卷积和并行化结构来优化Pooling操作。
2.如权利要求1所述的一种基于小批量数据集与深度学习算法的晶圆缺陷检测方法，其特征在于，所述添加高斯噪声（Guassian noise）指在图像上添加按照概率密度函数符合高斯分布的噪声。
3.如权利要求1所述的一种基于小批量数据集与深度学习算法的晶圆缺陷检测方法，其特征在于，所述图像裁剪采用随机裁剪，之后将图片回复原来的尺寸。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910465949.1/1.html，转载请声明来源钻瓜专利网。
