[发明专利]基于小批量数据集与深度学习算法的晶圆缺陷检测方法在审
| 申请号： | 201910465949.1 | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110197259A | 公开（公告）日： | 2019-09-03 |
| 发明（设计）人： | 王进;祖佳跃;喻志勇 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06T7/00;G01N21/88;G06K9/62 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 吴秉中 |
| 地址： | 315400 浙江省宁波市余*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于小批量数据集与深度学习的晶圆缺陷检测方法，首先根据获取的彩色晶圆图像作数据预处理，训练样本集尺寸归一化到固定大小300*250，然后对归一化的图像进行彩色增强，增强因子定义为5‑8；随后采用深度学习中的SSD算法模型，并引入迁移学习策略，在此基础上优化调整模型的参数，可以得到一个能自动进行特征提取和缺陷分类的算法；基于训练的好的分类器即可对未知种类的缺陷进行检测并分类。本发明实现了自动晶圆缺陷检测，效率较人工构造特征大大提高，晶圆缺陷的检测精度也比传统图像处理方法有了较大提升。 | ||
| 搜索关键词： | 晶圆缺陷检测 数据集 小批量 尺寸归一化 数据预处理 训练样本集 彩色增强 传统图像 晶圆缺陷 晶圆图像 缺陷分类 人工构造 特征提取 学习策略 学习算法 因子定义 优化调整 分类器 归一化 检测 算法 迁移 图像 学习 分类 引入 | ||
【主权项】：
1.一种基于小批量数据集与深度学习算法的晶圆缺陷检测方法，包括如下步骤：通过微距定焦镜头全局扫描得到矩形晶圆原始彩色图像；将所述彩色图像进行数据增强得到足够数量级的数据集；将所述晶圆图像添加高斯噪声，椒盐噪音，进行图像裁剪、翻转等操作扩增数据，降低深度学习需要大量原始数据的劣势；将SSD原始算法与迁移学习相结合，除了在在VGG‑16的原来网络层上提取特征之外，在conv8‑2,conv9‑2,conv19‑2和pool‑11层上提取，利用小尺度的卷积减少计算量，使用非对称卷积和并行化结构来优化Pooling操作。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910465949.1/，转载请声明来源钻瓜专利网。
