一种IC缺陷轮廓建模的新方法

现用于集成电路（ＩＣ）成品率预报及故障分析的缺陷模型均是用圆或正方形来代替真实缺陷的复杂轮廓进行近似建模的，从而在模型中引入了很大的误差．本文利用分段线性插值的思想直接对真实缺陷的方向尺寸进行逼近，从而提出了一种新的缺陷轮廓表征模型．实验结果表明：与传统的最大圆模型、最小圆模型及椭圆模型相比，新模型的建模精度有了较大的提高．

附加约束条件的亏秩线性回归模型的解法

本文提出了一种解算附加约束条件的亏秩线性回归模型的简化算法．

基于AR模型的机织物线状疵点研究

针对机织物线状疵点检测效果不佳的问题,采用AR模型的谱估计方法对此问题进行研究。首先将获取织物的图像按照一定的子窗口大小分割,并将子窗口内图像的灰度值按照纵向、横向2个方向分别使用方差的方式投影,得到方差序列;然后选择合适的AR模型阶数,依据Burg算法估计得到谱数据;最后通过求得带有疵点图像的谱估计与正常纹理图像得到的谱估计之间的相关系数检测出疵点及其位置。实验验证表明这种方法对机织物线状疵点的检测是有效的。

一种改进的考虑划痕的关键面积计算模型和方法

关键面积计算对于集成电路成品率的准确预测有着重要的意义。为了得到精确的结果,关键面积计算需要根据缺陷形状的不同选择适当的缺陷模型。针对化学机械研磨引入的划痕,提出了一种线性缺陷模型来计算其关键面积。在此基础上进一步考虑了线端效应的影响,对考虑划痕的关键面积计算模型提出了改进。实验结果表明改进后模型的计算结果更为准确。

太阳能光伏电池缺陷检测

太阳能是一种极具吸引力的替代电力能源,太阳能光伏电池是太阳能发电系统的基础。太阳能光伏电池中的各类缺陷严重影响光伏电池的光电转化效率和使用寿命。为有效地检测出这些缺陷,提出了一种基于块数据删除模型的缺陷检测方法。首先,对太阳能光伏电池图像进行傅里叶变换去除母线并调节亮度和对比度,然后将图像分块,通过块数据删除模型找出去除母线后的图像中所有的异常块,并将这些异常块全部剔除,利用余下的图像块通过非线性回归模型重建图像的背景。最后,用待检图像与得到的背景图像作差以突出缺陷区域,达到缺陷检测的目的。实验结果表明,所提出的方法能够有效地检测出太阳能光伏电池中多种类型的缺陷,如隐裂、断栅和碎片等。用该方法对313幅太阳能光伏电池图像进行实验,其中158幅无缺陷图像均未检测出缺陷,而另外155幅含有隐裂、断栅等缺陷的图像,仅有5幅出现误检,缺陷检测率达96.77%。

主结构提取和多尺度线性滤波的织物疵点检测方法

为提高复杂背景下织物疵点检测的准确率,提出了一种融合主结构提取和多尺度线性滤波的疵点检测方法。该方法对输入图像进行中值滤波和对数增强预处理以增加疵点和背景的对比度,并利用相对总变差模型提取织物图像的主结构信息——疵点,达到抑制背景纹理的效果;然后利用多尺度线性滤波器实现精确定位达到增强疵点区域的目的;最后利用预处理与疵点增强结果进行点乘的形态学处理得到完整疵点区域。实验结果表明:此方法可以检测污渍、破洞、带纱、霉斑、结团等多种疵点类型,与RPCA等3种检测方法相比,检测准确率提高了9%以上。

基于广义线性模型的晶圆缺陷数据建模及仿真

晶圆缺陷数据是具有相邻空间关系的二维空间离散数据,通常会表现出一定的空间相关性。为了研究这类数据的空间分布和空间结构对空间信息的影响,以具体晶圆缺陷数据为例,基于泊松分布建立广义线性混合模型,并对空间相关项的协方差进行3种不同的空间建模,利用蒙特卡洛牛顿拉弗森算法进行估参,其中引用Metropolis-Hastings算法对空间相关项进行抽样。借助AIC指标,说明广义线性混合模型能够很好地模拟晶圆缺陷数据的分布特征,而且针对晶圆缺陷数据分布的稀疏程度,可调整模型从而得到更好的拟合效果。

基于两种统计模型的软件缺陷预测

采集软件研发过程中可能与缺陷有关的过程数据或产品数据,对软件缺陷数量进行预测,达到对软件质量的把控。采用LASSO进行特征值选择确定最佳影响因子集合,采用线性模型和贝叶斯网络模型分别对样本数据进行预测,说明两种模型的因子分析过程和模型构建过程,采用R语言进行编码实现。通过预测结果的对比验证了当数据经过二次主观加工后,采用线性模型的预测结果比贝叶斯网络预测结果更准确。