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。