[发明专利]一种晶圆表面缺陷检测方法、系统、电子设备及介质

权利要求书

1.一种晶圆表面缺陷检测方法，其特征在于，包括：

采集不同类型芯片的晶圆图片构成任务集；所述不同类型芯片包括压力传感器芯片、LED芯片、红外传感器芯片；所述任务集包括支持集和查询集；

基于多个深度学习模型构建MAML框架，并对多个深度学习模型的参数进行随机初始化，得到MAML内层循环的初始化参数；

基于所述MAML框架执行MAML内层循环，利用部分任务集中的支持集训练所述MAML内层循环的初始化参数，得到MAML内层循环更新后的参数向量；

基于所述MAML框架执行MAML外层循环，利用部分任务集中的查询集训练所述MAML内层循环更新后的参数向量，得到MAML外层循环更新后的参数向量；

在执行MAML外层循环过程中，将每个深度学习模型的损失函数相加作为外层循环的总损失函数，并判断所述总损失函数是否收敛；

若所述总损失函数未收敛，将所述MAML外层循环更新后的参数向量作为所述MAML内层循环的初始化参数，返回所述“基于所述MAML框架执行MAML内层循环，利用部分任务集中的支持集训练所述MAML内层循环的初始化参数，得到MAML内层循环更新后的参数向量”的步骤；

若所述总损失函数收敛，将所述MAML外层循环更新后的参数向量赋给所述多个深度学习模型，得到不同类型芯片晶圆的表面缺陷检测模型；

利用所述表面缺陷检测模型对待检测晶圆图片进行表面缺陷检测。

2.根据权利要求1所述的晶圆表面缺陷检测方法，其特征在于，所述采集不同类型芯片的晶圆图片构成任务集，具体包括：

针对T种类型芯片中每种类型芯片的晶圆，分别采集k张有缺陷晶圆图片和k张无缺陷晶圆图片，构成k对晶圆图片；

将所述k对晶圆图片中的q对晶圆图片划分为支持集，剩余k-q对晶圆图片作为查询集，共同构成T个任务集。

3.根据权利要求2所述的晶圆表面缺陷检测方法，其特征在于，所述基于所述MAML框架执行MAML内层循环，利用部分任务集中的支持集训练所述MAML内层循环的初始化参数，得到MAML内层循环更新后的参数向量，具体包括：

从所述T个任务集中随机采样t个任务集作为部分任务集；

取所述部分任务集中的支持集对所述多个深度学习模型进行训练，训练中的学习率采用ADAM算法的更新步长进行更新，使用梯度下降法更新所述MAML内层循环的初始化参数，直到遍历完支持集的所有晶圆图片，得到MAML内层循环更新后的参数向量。

4.根据权利要求3所述的晶圆表面缺陷检测方法，其特征在于，所述基于所述MAML框架执行MAML外层循环，利用部分任务集中的查询集训练所述MAML内层循环更新后的参数向量，得到MAML外层循环更新后的参数向量，具体包括：

使用所述MAML内层循环更新后的参数向量对MAML外层循环的多个深度学习模型参数进行初始化，并利用所述部分任务集中的查询集继续训练所述多个深度学习模型，使用梯度下降法对多个深度学习模型参数进行更新，直到遍历完查询集的所有晶圆图片，得到MAML外层循环更新后的参数向量。

5.根据权利要求4所述的晶圆表面缺陷检测方法，其特征在于，利用所述表面缺陷检测模型对待检测晶圆图片进行表面缺陷检测，具体包括：

确定所述待检测晶圆图片对应的芯片类型作为目标类型；

采集所述目标类型芯片的有缺陷和无缺陷晶圆图片构成训练集；

提取所述目标类型芯片对应的表面缺陷检测模型，并使用所述训练集进行参数训练，直至遍历完训练集的所有晶圆图片，得到专门针对所述目标类型芯片的表面缺陷检测模型；

利用所述专门针对所述目标类型芯片的表面缺陷检测模型对待检测晶圆图片进行表面缺陷检测。