基于改进YOLOv5算法的晶圆表面缺陷检测方法

为了兼顾实时性和准确率,提出了一种基于改进YOLOv5算法的晶圆表面缺陷检测方法。该方法采用了轻量级网络GhostNet作为主干提取网络,以降低模型复杂度并提升检测速度。同时为了提高模型的特征提取能力和检测精度,引入了高效通道注意力机制。此外采用FReLU激活函数取代了原有的SiLU函数,以增强模型对空间的敏感性,提高检测准确性。使用真实的晶圆缺陷数据集对改进模型进行验证。实验结果表明,相比于原始模型,改进YOLOv5网络模型实现了30.02%的参数压缩,同时目标精度达到78.6%,相较于YOLOv5s提升了4.4%,mAP值提高5.5%,检测速度提高1.3 ms。

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%。

晶圆表面缺陷在线检测研究

针对准确与实时检测晶圆表面缺陷的需求,提出了一种基于主成分分析(Principal Component Analysis,PCA)和贝叶斯概率模型(Bayesian Probability Model,BPM)的在线检测算法;首先,改进双边滤波方法以消除晶圆表面图像中的噪声和突出晶圆缺陷的模式特征;然后,提取晶圆表面缺陷的Hu不变矩、方向梯度直方图(Histogram of Oriented Gradients,HOG)和尺度不变特征变换特征(Scale Invariant Feature Transform,SIFT);接着,采用PCA方法对特征进行降维;最后,在离线建模阶段构建正常晶圆表面模式和各种缺陷模式的BPMs;在在线检测阶段采用胜者全取(Winner-take-all,WTA)法判断缺陷的模式和构建新缺陷模式的BPMs;提出算法在WM-811K晶圆数据库中得到了87.2%的检测准确率;单副图像的平均检测时间为40.5ms;实验结果表明,提出算法具有较高的检测准确性与实时性,可以实际应用到集成电路制造产线的晶圆表面缺陷在线检测中。

基于堆叠降噪自编码器的神经–符号模型及在晶圆表面缺陷识别

深度神经网络是具有复杂结构和多个非线性处理单元的模型,通过模块化的方式分层从数据提取代表性特征,已经在晶圆缺陷识别领域得到了较为广泛的应用.但是,深度神经网络在应用过程中本身存在“黑箱”和过度依赖数据的问题,显著地影响深度神经网络在晶圆缺陷识别的工业可应用性.提出一种基于堆叠降噪自编码器的神经–符号模型.首先,根据堆叠降噪自编码器的网络特点采用了一套符号规则系统,规则形式和组成结构使其可与深度神经网络有效融合.其次,根据网络和符号规则之间的关联性提出完整的知识抽取与插入算法,实现了深度网络和规则之间的知识转换.在实际工业晶圆表面图像数据集WM-811K上的试验结果表明,基于堆叠降噪自编码器的神经–符号模型不仅取得了较好的缺陷探测与识别性能,而且可有效提取规则并通过规则有效描述深度神经网络内部计算逻辑,综合性能优于目前经典的深度神经网络.

基于神经网络的硅晶圆表面形貌快速量测方法研究

硅晶圆平坦化抛光后的表面形貌量测可以定量化晶圆平坦度,是品控的关键一环。然而,高平坦度硅晶圆表面检测设备原理复杂,检测位点过万,时间长达1分钟,同时设备体积大,难以集成在抛光机台中对硅片进行原位检测,这限制了生产效率。机器学习技术数据分析和预测能力优异,应用工业生产领域,能够提高生产效率和精度。本研究针对300mm硅片基于集成电路材料基因组平台开发了一种基于神经网络的晶圆形貌预测模型,该模型极大地减少表征晶圆形貌所需要的输入信息,通过14个关键点的厚度信息,便可得到绝对平均误差为4.07nm的预测值,从而仅需10s左右的时间对晶圆形貌进行高精度的预测,降低了量测设备的硬件要求,为晶圆平坦化工艺中的快速量测提供思路。

PTPC在化学机械平坦化中的应用

化学机械平坦化(CMP)在铜工艺中需要对晶圆形貌进行精准控制。精确调整过程控制系统(PTPC)利用传感器实时检测晶圆表面铜膜厚度,采用闭环控制实时调整研磨头分区压力。实现了比开环控制更加均匀的薄膜研磨过程,达到了均匀控制晶圆表面薄膜形貌的目的。介绍了PTPC系统的检测原理和控制流程。

RCA清洗机工艺探讨

随着半导体技术进步,半导体芯片工艺线宽在不断缩小,因此芯片制造过程中的颗粒控制越来越严格。在制造过程中,如受到颗粒的污染,会造成芯片电路短路,导致芯片失效,因此严格控制污染物的引入和半导体晶圆的清洁是半导体工艺过程的重中之重。

全自动RCA清洗机工艺探讨

介绍了半导体圆片存在的各种污染杂质的类型和去除方法,并概要总结了半导体圆片的清洗技术及RCA清洗技术的进步和优化,对半导体圆片的湿法清洗工艺步骤优化进行了分析.

化学机械抛光后板刷擦洗清洗(英文)

板刷擦洗是一种在化学机械抛光后清洗中常用的方法。它可以非常有效地把研磨剂颗粒从已抛光的晶圆表面去除掉。在氧化硅化学机械抛光的清洗工艺中,去离子水(或者稀释的氢氧化氨)是刷洗过程中常用的化学品起到的作用及刷洗的机械力对去除氧化硅研磨剂颗粒时所起的作用。