[发明专利]一种晶圆缺陷样本生成方法及系统

权利要求书

1.一种晶圆缺陷样本生成方法，其特征在于，包括：

获取标记后的晶圆缺陷图片样本集；所述晶圆缺陷图片样本集中包括多张晶圆缺陷图片；每张所述晶圆缺陷图片中存在缺陷的像素点被标记为1，不存在缺陷的像素点被标记为0；

将所述晶圆缺陷图片样本集划分为训练集和测试集；

建立径向基神经网络；所述径向基神经网络的输入为晶圆缺陷图片像素点，所述径向基神经网络的输出为缺陷概率；

通过所述训练集对所述径向基神经网络进行模型训练，生成训练后的径向基神经网络；

利用所述训练后的径向基神经网络对所述测试集进行计算，获得缺陷生成训练集；

将所述缺陷概率作为网络输入，将晶圆缺陷图片像素点缺陷作为网络输出，重新构建径向基神经网络；

使用所述缺陷生成训练集对所述重新构建的径向基神经网络进行训练，生成训练好的径向基神经网络；

采用所述训练好的径向基神经网络自动生成晶圆缺陷样本。

2.根据权利要求1所述的方法，其特征在于，所述将所述晶圆缺陷图片样本集划分为训练集和测试集，具体包括：

从所述晶圆缺陷图片样本集中随机选取50％的晶圆缺陷图片作为训练集，其余50％的晶圆缺陷图片作为测试集。

3.根据权利要求1所述的方法，其特征在于，所述通过所述训练集对所述径向基神经网络进行模型训练，生成训练后的径向基神经网络，具体包括：

将所述训练集作为所述径向基神经网络的训练数据，使用梯度下降法对所述径向基神经网络进行训练，更新网络参数，生成所述训练后的径向基神经网络。

4.根据权利要求1所述的方法，其特征在于，所述利用所述训练后的径向基神经网络对所述测试集进行计算，获得缺陷生成训练集，具体包括：

利用所述训练后的径向基神经网络计算所述测试集中每个样本的缺陷概率；

将所述缺陷概率大于50％的样本划入所述缺陷生成训练集。

5.根据权利要求1所述的方法，其特征在于，所述采用所述训练好的径向基神经网络自动生成晶圆缺陷样本，具体包括：

将不同概率输入至所述训练好的径向基神经网络进行计算以生成对应的像素点缺陷；

将所述像素点缺陷加入到正常晶圆图片中生成所述晶圆缺陷样本。

6.一种晶圆缺陷样本生成系统，其特征在于，包括：

晶圆缺陷图片获取模块，用于获取标记后的晶圆缺陷图片样本集；所述晶圆缺陷图片样本集中包括多张晶圆缺陷图片；每张所述晶圆缺陷图片中存在缺陷的像素点被标记为1，不存在缺陷的像素点被标记为0；

晶圆缺陷图片分类模块，用于将所述晶圆缺陷图片样本集划分为训练集和测试集；

径向基神经网络建立模块，用于建立径向基神经网络；所述径向基神经网络的输入为晶圆缺陷图片像素点，所述径向基神经网络的输出为缺陷概率；

径向基神经网络训练模块，用于通过所述训练集对所述径向基神经网络进行模型训练，生成训练后的径向基神经网络；

缺陷生成训练集获取模块，用于利用所述训练后的径向基神经网络对所述测试集进行计算，获得缺陷生成训练集；

径向基神经网络重建模块，用于将所述缺陷概率作为网络输入，将晶圆缺陷图片像素点缺陷作为网络输出，重新构建径向基神经网络；

重建径向基神经网络训练模块，用于使用所述缺陷生成训练集对所述重新构建的径向基神经网络进行训练，生成训练好的径向基神经网络；

晶圆缺陷样本自动生成模块，用于采用所述训练好的径向基神经网络自动生成晶圆缺陷样本。

7.根据权利要求6所述的系统，其特征在于，所述晶圆缺陷图片分类模块具体包括：

晶圆缺陷图片分类单元，用于从所述晶圆缺陷图片样本集中随机选取50％的晶圆缺陷图片作为训练集，其余50％的晶圆缺陷图片作为测试集。