[發明專利]基于機器學習的樣本缺陷檢測

在審

• 申請號: 202010953251.7
• 申請日: 2020-09-11
• 公開（公告）號: CN113066044A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: R·巴達內斯;R·施萊恩;B·科恩;I·皮萊格;D·蘇哈諾夫;O·什塔利德
• 申請（專利權）人: 應用材料以色列公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08;G06N3/00;G06N3/12
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 汪駿飛;侯穎媖

1.一種用于在樣本上進行缺陷檢測的計算機化方法，所述方法通過處理器和存儲器電路(PMC)執行，所述方法包括：

獲得表示所述樣本的至少一部分的運行時圖像；

使用受監督模型部件處理所述運行時圖像以獲得指示在所述運行時圖像上第一缺陷的估計存在的第一輸出，其中使用第一訓練集訓練所述受監督模型部件，所述第一訓練集包括至少多個第一圖像和指示在所述第一圖像上的第一缺陷分布的對應標簽數據，每個第一圖像表示所述樣本的至少一部分；

使用無監督模型部件處理所述運行時圖像以獲得指示在所述運行時圖像上第二缺陷的估計存在的第二輸出，其中使用第二訓練集訓練所述無監督模型，所述第二訓練集包括多個第二圖像，每個第二圖像表示所述樣本的至少一部分，每個第二圖像是第一圖像的參考圖像；以及

使用一個或多個優化參數組合所述第一輸出和所述第二輸出以獲得所述樣本的缺陷檢測結果。

2.根據權利要求1所述的計算機化方法，其特征在于，在使用第三訓練集訓練期間獲得所述一個或多個優化參數。

3.根據權利要求2所述的計算機化方法，其特征在于，所述第一輸出是表示在所述運行時圖像上所述第一缺陷的估計概率的第一等級圖，并且所述第二輸出是表示在所述運行時圖像上所述第二缺陷的估計概率的第二等級圖；并且

其中使用可操作地連接到所述受監督模型部件和所述無監督模型部件的分割模型部件執行所述組合，以獲得指示在所述樣本上所述第一缺陷和所述第二缺陷的估計概率的復合等級圖，并且其中基于所述受監督模型和所述無監督模型的輸出來使用所述第三訓練集訓練所述分割模型部件。

4.根據權利要求2所述的計算機化方法，其特征在于，所述第一輸出是表示在所述運行時圖像上所述第一缺陷的估計概率的第一等級圖，并且所述第二輸出是表示在所述運行時圖像上所述第二缺陷的估計概率的第二等級圖；并且

其中所述組合包括將所述第一等級圖和所述第二等級圖與各自的全局權重組合以生成指示在所述樣本上所述第一缺陷和所述第二缺陷的估計概率的復合等級圖，其中在使用所述第三訓練集訓練期間優化所述各自的全局權重。

5.根據權利要求2所述的計算機化方法，其特征在于，使用受監督模型部件處理所述運行時圖像包括：生成表示在所述運行時圖像上所述第一缺陷的估計概率的第一等級圖；以及將第一閾值應用于所述第一等級圖以獲得第一缺陷圖；

其中使用無監督模型部件處理所述運行時圖像包括：生成表示在所述運行時圖像上所述第二缺陷的估計概率的第二等級圖；以及將第二閾值應用于所述第二等級圖以獲得第二缺陷圖，在使用所述第三訓練集訓練期間優化所述第一閾值和第二閾值，并且

其中所述組合包括組合所述第一缺陷圖和所述第二缺陷圖以生成復合缺陷圖。

6.根據權利要求4所述的計算機化方法，其特征在于，在使用所述第三訓練集訓練期間使用非梯度優化函數獲得所述全局權重。

7.根據權利要求1所述的計算機化方法，其特征在于，通過以下方式訓練所述受監督模型部件：處理每個第一圖像以生成表示在所述第一圖像上所述第一缺陷的估計概率的對應第一等級圖；以及基于與所述第一圖像相對應的所述標簽數據來優化所述受監督模型部件。

8.根據權利要求1所述的計算機化方法，其特征在于，通過以下方式訓練所述無監督模型部件：處理每個第二圖像以生成表示在所述第二圖像上所述第二缺陷的估計概率的對應第二等級圖；以及關于所述第二圖像基于所述第二等級圖來優化無監督網絡。

9.根據權利要求1所述的計算機化方法，其特征在于，對于每個第一圖像，所述第一訓練集進一步包括對應設計數據和/或至少一個參考圖像，并且所述獲得進一步包括獲得所述運行時圖像的設計數據和/或至少一個參考圖像。

10.根據權利要求1所述的計算機化方法，其特征在于，對于每個第二圖像，所述第二訓練集進一步包括對應設計數據，并且所述獲得進一步包括獲得所述運行時圖像的設計數據。