[發明專利]晶片缺陷模式分類方法及裝置、存儲介質、電子設備有效
| 申請號： | 201811109704.7 | 申請日： | 2018-09-21 |
| 公開（公告）號： | CN109242033B | 公開（公告）日： | 2021-08-20 |
| 發明（設計）人： | 潘曉東 | 申請（專利權）人： | 長鑫存儲技術有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06K9/00 |
| 代理公司： | 北京律智知識產權代理有限公司 11438 | 代理人： | 袁禮君;闞梓瑄 |
| 地址： | 230000 安徽省合肥市*** | 國省代碼： | 安徽;34 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 晶片 缺陷 模式 分類 方法 裝置 存儲 介質 電子設備 | ||
1.一種晶片缺陷模式分類方法，其特征在于，包括：
從工程數據分析系統中獲取標記出缺陷位置的晶片圖像；
利用卷積神經網絡提取所述晶片圖像的特征，以得到所述晶片圖像的特征數據，所述卷積神經網絡包括多個卷積層，且每兩個所述卷積層后設置一池化層；
通過自動編碼器對所述晶片圖像的特征數據進行編碼生成所述晶片圖像的特征編碼；
對多個所述晶片圖像的特征編碼進行聚類，并基于聚類結果對各所述晶片圖像的缺陷模式進行分類；
所述對多個所述晶片圖像的特征編碼進行聚類包括：
利用近鄰傳播算法對多個所述晶片圖像的特征編碼進行聚類；
其中，在所述獲取標記出缺陷位置的晶片圖像之前還包括：
獲取多個標記出缺陷位置的晶片圖像樣本；
利用所述卷積神經網絡分別提取各所述晶片圖像樣本的特征，以得到各所述晶片圖像樣本的特征數據；
通過所述自動編碼器對各所述晶片圖像樣本的特征數據進行編碼，以得到各所述晶片圖像樣本的特征編碼；
通過所述自動編碼器分別對各所述晶片圖像樣本的特征編碼進行解碼，以得到各所述晶片圖像樣本的解碼數據；
通過分別計算各所述晶片圖像樣本與其解碼數據的差異對所述卷積神經網絡的參數和所述自動編碼器的參數進行調整；
所述分別計算各所述晶片圖像樣本與其解碼數據的差異包括：
根據各所述晶片圖像樣本中的各個像素值以及各所述晶片圖像樣本的解碼數據中相應的維度值，計算各所述晶片圖像樣本與其解碼數據的差異。
2.根據權利要求1所述的晶片缺陷模式分類方法，其特征在于，所述利用卷積神經網絡提取所述晶片圖像的特征，以得到所述晶片圖像的特征數據包括：
通過至少一個第一卷積核提取所述晶片圖像的特征，以得到第一特征數據；
通過至少一個第二卷積核提取所述第一特征數據的特征，以得到第二特征數據；
對所述第二特征數據進行第一次池化處理，以得到第三特征數據；
通過至少一個第三卷積核提取所述第三特征數據的特征，以得到第四特征數據；
通過至少一個第四卷積核提取所述第四特征數據的特征，以得到第五特征數據；
對所述第五特征數據進行第二次池化處理，以得到所述晶片圖像的特征數據。
3.根據權利要求1所述的晶片缺陷模式分類方法，其特征在于，所述對多個所述晶片圖像的特征編碼進行聚類，并基于聚類結果對各所述晶片圖像的缺陷模式進行分類包括：
對多個所述晶片圖像的特征編碼進行聚類，以得到至少一個特征類；
根據所述至少一個特征類對各所述晶片圖像的缺陷模式進行分類，其中，一個所述特征類對應一個所述缺陷模式。
4.根據權利要求1～3中任一項所述的晶片缺陷模式分類方法，其特征在于，所述缺陷模式包括邊緣拱形缺陷模式、環狀缺陷模式、條狀缺陷模式中的一種或多種。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于長鑫存儲技術有限公司，未經長鑫存儲技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811109704.7/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：按鍵開關裝置
- 下一篇：分級多孔復合碳纖維低溫二氧化硫吸附催化劑及其制備方法
