公开(公告)号：CN117523363A

公开(公告)日：2024-02-06

申请号：CN202311580607.7

申请日：2023-11-24

Applicant: 桂林电子科技大学

Inventor： 陈寿宏 ,  陆颖 ,  覃冠翔 ,  侯杏娜 ,  刘美旗

IPC: G06V10/86 ,  G06V10/44 ,  G06T3/4007 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种基于特征金字塔融合的晶圆图缺陷模式识别方法，包括：以残差块搭建一个27层的残差网络作为特征提取主干网络；将晶圆图数据集以8:2比例划分为训练集和测试集，对所述残差网络进行学习训练；构建特征金字塔网络，使用双线性插值算法对深层特征做上采样后与浅层特征相加融合，使浅层特征包含深层特征的高级语义信息；对所述融合后的金字塔特征进一步做多尺度特征融合得到最终特征，经过全连接层和Softmax函数做分类；本发明通过构建特征金字塔并对浅层特征进行融合，使浅层的特征也包含了深层的高级语义特征信息，再通过融合不同层的多尺度特征，极大丰富了特征信息，增强了特征表达能力，弥补了常规卷积神经网络对最深层特征进行预测分类而忽略了一些重要的浅层特征的不足。提高了晶圆图缺陷模式识别分类准确率，尤其是Scratch类型较小目标晶圆图的识别分类准确率。

公开(公告)号：CN116645334A

公开(公告)日：2023-08-25

申请号：CN202310520048.4

申请日：2023-05-10

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 陈寿宏 ,  黄振涛 ,  侯杏娜 ,  汪韬 ,  马峻 ,  郭玲 ,  陆颖 ,  覃冠翔

IPC: G06T7/00 ,  G06T3/40 ,  G06T5/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出一种新颖的特征增强残差网络，用于混合类型晶圆图缺陷识别分类。该方法包括，获取晶圆图缺陷数据集，并将晶圆图数据集设置为统一尺寸；然后将晶圆图数据集进行滤波，去除晶圆图上的噪声缺陷点；将晶圆图数据集划分为训练集和测试集；采用提出的特征增强残差网络作为主干网络构建识别模型，并用训练集对模型进行训练，使用测试集验证模型性能。经实验结果表明，本方法能够有效地识别晶圆图缺陷，提高了混合类型晶圆图缺陷识别的准确率和鲁棒性。