基于改进自编码器与深度特征提取器的晶圆表面缺陷检测

为有效解决半导体缺陷检测面临的缺陷样本不足、缺陷样本多样化的问题,采用DFR模型作为基础框架,提出了一种基于改进自编码器和深度特征提取器的晶圆表面缺陷检测模型。该模型利用预训练的VGG19模型作为特征提取器能更好地提取特征;利用改进自编码器重构图像、学习图像正常特征。通过实验比较输入和生成图像的全局差异以获得异常分数进行缺陷检测,在自制晶圆数据集中,所提方法相较于基准模型的平均AUC提升0.8%,缺陷检测的精度达到0.997;在MVTec AD数据集中,所提方法相较于基准模型平均AUC提升2.5%,缺陷检测精度达到0.963。

基于改进生成对抗网络的晶圆表面缺陷检测

对于晶圆表面缺陷检测来说,缺陷样本存在着样本数量不足,缺陷表现形式多样的问题。为解决此类问题,提出了一种基于改进生成对抗网络的晶圆表面缺陷检测模型。该模型首先在GANomaly模型的基础上引入了跳层连接,并引入CBAM注意力机制,用以更好地关注图像重要区域,其次引入记忆模块以约束潜在空间的表示,最后在原模型架构上新增一个自编码器架构判别器,以确保训练更稳定,更容易收敛到最佳平衡点。实验结果表明,该模型能够准确分辨具有缺陷的晶圆样本,检测精度达到了0.985,相较于GANomaly算法提升了6.7%。对于Mvtec AD数据集,检测精度达到了0.79,相较于GANomaly算法提升了3%。

基于Archard理论的热冲压模具磨损分析及优化

基于Archard理论,运用有限元软件对热冲压过程进行了数值模拟分析,计算了模具表面的磨损。通过改变热冲压工艺参数,获取模具磨损量随冲压速度及板料初始成形温度变化的规律。通过对热冲压过程的热力耦合模拟,获得了模具在冲压过程中的温度及应力分布规律。结果表明,模具磨损分布与温度场及应力场存在密切关系。基于响应面法对冲压工艺参数进行了优化设计,有效地减小了模具表面磨损量。

基于sobol法的热成形工艺参数全局灵敏度分析及优化设计

基于Archard理论,运用有限元软件对热冲压过程进行数值模拟分析,计算冲压过程中模具表面磨损。提出一种计算热成形工艺参数灵敏度的方法,该方法基于蒙特卡洛法和响应面法,建立主要工艺参数的磨损量响应面近似模型,进而采用sobol全局灵敏度分析法和蒙特卡洛法对工艺参数的全局灵敏度进行分析。结果表明,冲压速度、板料温度和模具温度对磨损的影响最大。在此基础上对冲压速度及板料温度进行优化设计,以使磨损量达到最小。