[發明專利]一種基于對抗生成網絡的晶圓圖缺陷模式識別方法

有效

• 申請號: 201811276338.4
• 申請日: 2018-10-30
• 公開（公告）號: CN109543720B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 張潔;楊振良;汪俊亮;蔣小康;張啟華
• 申請（專利權）人: 東華大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0475;G06N3/094
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

1.一種基于對抗生成網絡的晶圓圖缺陷模式識別方法，其特征在于，包括以下步驟：

步驟1、確定需要進行識別的缺陷晶圓圖，該缺陷晶圓圖的圖像數據具有數據維度多樣性和角度多樣性；

步驟2、構建包含已知缺陷模式晶圓與未知缺陷模式晶圓的晶圓數據集，其數據集具有不平衡性，并將晶圓數據集中的全部已知缺陷模式晶圓的晶圓圖和部分未知缺陷模式晶圓的晶圓圖劃分為訓練集，將剩余未知缺陷模式晶圓的晶圓圖劃為測試集；

步驟3、將訓練集與測試集的晶圓圖均進行兩階段的圖像預處理，以解決晶圓圖的數據維度多樣性和角度多樣性的問題；

步驟4、設計面向晶圓數據缺陷模式識別的分類對抗生成網絡結構，所述分類對抗生成網絡結構由兩個全連接層的神經網絡構成，即包括鑒別器和生成器，其中：生成器共有三層，輸入層到隱含層之間采用softplus激活函數，隱含層到輸出層之間不使用激活函數；鑒別器共有五層，除了最后一層用softmax激活函數外，其余層之間均用tanh激活函數；

步驟5、設計鑒別器損失函數，其有三個目標：第一個目標)確定未知缺陷模式的真實晶圓樣本的缺陷模式；第二個目標)模糊來自生成器生成的仿真晶圓樣本的缺陷模式；第三個目標)使鑒別器學習已知缺陷模式的真實晶圓樣本的數據分布規律，具備對晶圓缺陷模式的識別能力；

步驟6、設計生成器損失函數，其有兩個目標：第一個目標)確定生成器生成的仿真晶圓樣本的缺陷模式；第二個目標)使生成的各類缺陷模式的仿真晶圓樣本的數量大致相等；

步驟7、利用訓練集與測試集中的晶圓樣本，采用自適應衰減學習率，以上述生成器和鑒別器中的不同目標分別對生成器和鑒別器進行訓練，并在訓練過程中使用批量隨機梯度下降方法，以最小化模型預測概率輸出和實際缺陷模式之間的誤差，其訓練方式為訓練五次鑒別器后訓練一次生成器，進而獲得最優晶圓識別模型，并利用測試集中的晶圓數據對模型識別性能進行評價。

2.根據權利要求1所述的基于對抗生成網絡的晶圓圖缺陷模式識別方法，其特征在于，步驟1中所述維度多樣性和角度多樣性定義為：在晶圓的實際生產過程中，不同晶圓片中的晶粒大小和布局方式存在差異，使得不同晶圓片所含晶粒的數量會不一樣，因此二維晶圓圖像數組會因晶粒的數量不一樣導致其數據維度不同；由于晶圓生產中的有些工藝需要通過旋轉晶圓片來完成，因而在最終形成的晶圓圖內，缺陷數據會呈現出多角度的特點。

3.根據權利要求1所述的基于對抗生成網絡的晶圓圖缺陷模式識別方法，其特征在于，步驟2中，所述不平衡性定義為：在晶圓實際生產過程中，某些晶圓圖的缺陷模式會因為背后對應的工藝或機器出現異常的次數有極大差異，導致其樣本數量也會存在極大差異，因而晶圓圖數據集中的各個缺陷模式數量呈現不平衡性的特點。

4.根據權利要求1所述的基于對抗生成網絡的晶圓圖缺陷模式識別方法，其特征在于：步驟3中，所述圖像預處理的兩階段包括：

首先對晶圓圖進行Radon變換處理，得到晶圓圖的Radon變換圖像，解決晶圓圖的角度多樣性；然后提取Radon變換圖像的行均值與行方差，對行均值與行方差進行三次插值重采樣處理，采樣的樣本數為20，解決晶圓圖的數據維度多樣性。