[发明专利]一种半导体检测方法、装置以及计算机可读存储介质

说明书

本发明公开了一种半导体检测方法、装置及计算机可读存储介质，基于训练集样本的各类性能表征参数、不同检验图像和标记等级，对与各类性能表征方式对应的多层神经网络模型、与不同检验图像对应的卷积神经网络模型进行单训练，并在各神经网络模型的误识别率不大于预值后，对所有神经网络模型进行组合训练，进一步降低了各神经网络模型的误识别率；根据半导体产品类型设置各神经网络模型的权重，融合各模型输出结果。本发明所提供的方法、装置及计算机可读存储介质，根据半导体制作工艺中的不同检测设备检测得到的表征参数和检验图像的不同，建立异构神经网络对衬底或外延片的等级进行检测，减少了测试人员的人为参与工作量，提高了检测效率和精度。

技术领域

本发明涉及半导体技术领域，特别是涉及一种半导体检测方法、装置以及计算机可读存储介质。

背景技术

半导体器件生产中，从半导体单晶片到制成最终成品，须经历数十甚至上百道工序。为了确保产品性能合格、稳定可靠，并有高的成品率，根据各种产品的生产情况，对所有工艺步骤都要有严格的具体要求。因此，在半导体制备生产过程中必须建立相应的检测系统和精确的监控措施。

现有技术中，主要以人工的形式在半导体工艺中进行缺陷检测，例如纯人工检测、人工与图像结合检测、模板匹配等方法。测试人员采用不同的检测设备，检测出衬底或外延片的多种表征参数后，参考标准表征参数判断外延片是否符合要求。以人工为主的检测方法存在以下问题：1、人为参与工作量大、效率低；2、无法兼顾所有的表征参数，随着半导体加工精度的提高，原有的方法精度有待提高；3、不同的表征参数之间存在相关性，得到的结果存在相互干扰。

此外，某些表征数据（如晶体学表征）是需要通过检测设备输出的成像结果，再由专业的检测工程师对图像进行处理，得到相关的表征数据。其人工处理的过程存在较强的主观性、对测试人员的专业性具有较高要求、检测效率低等问题。

综上所述，如何提高半导体的检测精度及效率以匹配第三代半导体更高的检测需求是目前有待解决的问题。

发明内容

本发明的目的是提供一种半导体检测方法、装置以及计算机可读存储介质，以解决现有技术中半导体衬底或外延片检测方法受人为主观影响较大，检测精度及效率较低的问题。

为解决上述技术问题，本发明提供一种半导体检测方法，包括：

对训练集样本的各类性能表征参数对应等级、不同检验图像对应等级进行标记；

将所述训练集样本的各类性能表征参数作为与各类性能表征方式对应的多层神经网络模型的输入，将所述训练集样本的各类性能表征参数对应等级作为输出；

将所述训练集样本的不同检验图像作为与不同图像检测设备对应的卷积神经网络模型的输入，将所述训练集样本的不同检验图像对应等级作为输出；

基于所述训练集样本的各类性能表征参数、不同检验图像和标记等级，对各个神经网络模型进行训练，直至所有神经网络模型的误识别率不大于预设误识别率，完成单模型训练；

基于半导体产品类型，设置各个神经网络模型的权重；

利用完成单模型训练的各个神经网络模型分别对待测样本的多类性能表征及多幅检验图像进行检测，并根据所述各个神经网络模型的权重，对所有神经网络模型的输出进行融合，得到所述待测样本的最终等级。

优选地，所述利用完成单模型训练的各个神经网络模型对待测样本进行检测前包括：

基于标记等级对所述训练集样本进行等级归类，筛选训练集中各类性能表征参数对应等级、不同检验图像对应等级均相同的样本，生成每个样本等级均相同的目标训练集；

设置组合训练次数阈值，基于所述目标训练集对完成单模型训练的各个神经网络模型进行组合训练；