[发明专利]基于DCNN的晶圆图故障模式识别方法及系统

说明书

本发明公开了一种基于DCNN的晶圆图故障模式识别方法及系统，对晶圆图进行转换处理，将彩色图转换为64×64的灰度图，并建立数据库，使用中值滤波方法对图像进行去噪并保护图像中的细节，增强所述灰度图的特征，然后随机提取所述数据库中的80％的数据以生成训练数据集，剩余的20％的数据作为测试数据集，将所述训练数据集通过输入层导入晶圆图故障模式识别系统中的DCNN模型，训练DCNN模型，使用训练的DCNN模型对所述测试数据集进行分类，使用混淆矩阵来显示结果，提高对晶圆图故障模式识别分类的准确度。

技术领域

本发明涉及半导体制造技术领域，尤其涉及一种基于DCNN的晶圆图故障模式识别方法及 系统。

背景技术

晶圆是用于制造半导体元件的基本硅晶片，是集成电路(IC)中重要的基本元件。越来 越复杂的芯片设计使半导体制造工艺极其复杂和昂贵，晶圆缺陷不可避免，晶圆缺陷会导致 芯片产量降低。因此，后期分析成为提高晶圆产量的必要手段。在一些半导体制造行业中， 工程师依靠他们的领域知识根据缺陷的位置、大小和形状等信息来诊断晶圆，识别晶圆缺陷， 并将其与制造过程中的处理步骤相关联以确定原因。然而，这种人工方法复杂，耗时且主观 性强，在目前的许多已经提出了用于检测和分类晶片缺陷的各种方法中，晶片图中的特征信 息被特定地分离或提取在晶片图上，会丢失或混入一些新的特征信息，降低对晶圆图故障模 式识别分类的准确度。

发明内容

本发明的目的在于提供一种基于DCNN的晶圆图故障模式识别方法及系统，提高对晶圆 图故障模式识别分类的准确度。

为实现上述目的，第一方面，本发明提供了一种基于DCNN的晶圆图故障模式识别方法， 包括：

对晶圆图进行转换处理，得到64×64的灰度图，建立数据库；

使用中值滤波法去除灰度图中孤立像素点；

将去除孤立像素点后的数据库进行划分，并导入DCNN模型；

训练所述DCNN模型，用训练的DCNN模型网络结构对测试数据集进行分类；

用混淆矩阵显示评估结果。

其中，所述对晶圆图进行转换处理的过程中，将彩色图转换成64×64的灰度图。

其中，使用中值滤波法去除灰度图中孤立像素点，包括：

使用二维滑动模板结构的窗口，根据窗口中的像素的像素值的大小排序，以生成单调上 升或下降的二维数据序列，使用中值代替原始像素值，去除所述灰度图中的孤立像素点。

其中，将去除孤立像素点后的数据库进行划分，并导入DCNN模型，包括：

随机提取去除孤立像素点后的数据库中的80％的数据以生成训练数据集，剩余的20％的 数据作为测试数据集，并将训练数据集导入DCNN模型。

其中，训练所述DCNN模型，用训练的DCNN模型网络结构对测试数据集进行分类，包括：

将所述训练数据集通过输入层导入晶圆图故障模式识别系统中的DCNN模型中的四个特 征提取层进行有效特征提取，以训练所述DCNN模型，将所述测试数据集导入训练后的DCNN 模型，保存训练的DCNN模型网络结构对所述测试数据集进行分类。

第二方面，本发明提供一种晶圆图故障模式识别系统，所述晶圆图故障模式识别系统包 括转换处理模块、去噪模块、划分数据库模块和DCNN模型，所述预处理模块、所述去噪模块、 所述划分数据库模块和所述DCNN模型依次连接，

所述转换处理模块，用于将彩色的晶圆图转换为64×64的灰度图；

所述去噪模块，用于去除所述灰度图中孤立的像素点；