[发明专利]一种去噪模型生成方法、系统、设备及介质

权利要求书

1.一种去噪模型的生成方法，其特征在于，包括：

获取晶圆光刻后的SEM图像集合；

将所述SEM图像集合中相同坐标的SEM图像像素值叠加取平均值，得到目标图像集合；

利用卷积神经网络模型对所述SEM图像集合中的SEM图像进行特征提取，得到SEM图像特征信息；

获取所述目标图像集合的目标图像特征信息；

利用所述SEM图像特征信息和所述目标图像特征信息对卷积神经网络模型进行训练，得到去噪模型。

2.根据权利要求1所述的方法，其特征在于，所述SEM图像集合包括N个相同坐标下的所述SEM图像，N大于等于2。

3.根据权利要求1或2所述的方法，其特征在于，利用卷积神经网络模型对所述SEM图像集合中的SEM图像进行特征提取，得到SEM图像特征信息，包括：

向所述卷积神经网络模型中输入所述SEM图像，得到所述SEM图像特征信息；

利用所述SEM图像特征信息和所述目标图像特征信息对卷积神经网络模型进行训练，得到去噪模型，包括：

利用损失函数计算所述SEM图像特征信息和所述目标图像特征信息之间的损失值；

根据所述损失值调整所述卷积神经网络模型的参数，得到所述去噪模型。

4.一种建立OPC模型的方法，其特征在于，基于权利要求1至3任一项所述的去噪模型，该方法包括：

获取晶圆光刻后的SEM图像；

将所述SEM图像输入至所述去噪模型中，得到去噪图像；

根据所述去噪图像优化OPC模型。

5.一种去噪模型的生成系统，其特征在于，包括：

获取模块，用于获取晶圆光刻后的SEM图像集合；

处理模块，与所述获取模块连接，用于将所述SEM图像集合中相同坐标的SEM图像像素值叠加取平均值，得到目标图像集合；

所述处理模块，还用于利用卷积神经网络模型对所述SEM图像集合中的SEM图像进行特征提取，得到SEM图像特征信息；

所述获取模块，还用于获取所述目标图像集合的目标图像特征信息；

训练模块，与所述处理模块连接，利用所述SEM图像特征信息和所述目标图像特征信息对卷积神经网络模型进行训练，得到去噪模型。

6.根据权利要求5所述的系统，其特征在于，所述SEM图像集合包括N个相同坐标下的所述SEM图像，N大于等于6。

7.根据权利要求5或6所述的系统，其特征在于，利用卷积神经网络模型对所述SEM图像集合中的SEM图像进行特征提取，得到SEM图像特征信息，包括：

向所述卷积神经网络模型中输入所述SEM图像，得到所述SEM图像特征信息；

所述训练模块利用所述SEM图像特征信息和所述目标图像特征信息对卷积神经网络模型进行训练，得到去噪模型，包括：

利用损失函数计算所述SEM图像特征信息和所述目标图像特征信息之间的损失值；

根据所述损失值调整所述卷积神经网络模型的参数，得到所述去噪模型。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的运行程序，其特征在于，所述处理器执行所述运行程序时实现如权利要求1至3中任一项、或权利要求4所述的方法。

9.一种可读存储介质，其上存储有运行程序，其特征在于，所述运行程序被处理器执行时实现如权利要求1至3中任一项、或权利要求4所述的方法。