版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著半導(dǎo)體行業(yè)的高速發(fā)展,芯片上晶體管不斷縮小的關(guān)鍵尺寸給制造帶來(lái)巨大的困難。為了應(yīng)對(duì)晶圓表面越來(lái)越多的各類缺陷,研究更加準(zhǔn)確、快速的晶圓缺陷檢測(cè)和分類算法十分必要。
基于掃描電子顯微鏡(Scanning Electron Microscope,SEM)對(duì)晶圓表面的高分辨率成像,晶圓缺陷分類問(wèn)題成為SEM圖像分類問(wèn)題,而晶圓缺陷檢測(cè)問(wèn)題成為對(duì)象檢測(cè)問(wèn)題。本論文介紹了卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Net
2、works,CNN)的基本結(jié)構(gòu)和原理,ZFNet圖像分類算法,以及對(duì)象檢測(cè)算法從Region-CNN到Fast-RCNN,再到Faster-RCNN的改進(jìn)和發(fā)展。
針對(duì)晶圓SEM圖像的缺陷分類問(wèn)題,本論文采用了一種名為“ZFNet”的卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)SEM圖像缺陷區(qū)域進(jìn)行分類。SEM圖像數(shù)據(jù)包含9種缺陷類型以及非缺陷類型,總共10種類型,測(cè)試的F-score達(dá)到了97%。本論文提出的ZFNet缺陷分類算法準(zhǔn)確、具有較強(qiáng)數(shù)據(jù)適應(yīng)
3、能力。
針對(duì)晶圓SEM圖像的缺陷檢測(cè)問(wèn)題,本論文基于ZFNet缺陷分類器實(shí)現(xiàn)了一種“patch-based CNN”缺陷檢測(cè)算法,該算法能夠從SEM圖像中檢測(cè)出缺陷的位置和類型。為了提高缺陷檢測(cè)算法的準(zhǔn)確率和速度,本論文針對(duì)缺陷檢測(cè)問(wèn)題的特殊性,通過(guò)改動(dòng)“FasterRCNN”中的RPN網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)了另一種缺陷檢測(cè)算法。SEM圖像包含9種缺陷類型,對(duì)其進(jìn)行檢測(cè)測(cè)試的F-score為92%,并且其耗時(shí)僅為patch-based檢
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于CNN的遙感圖像分類與檢測(cè)方法的研究.pdf
- 晶圓干式刻蝕制程缺陷檢測(cè)的研究.pdf
- IC晶圓表面缺陷檢測(cè)技術(shù)研究.pdf
- 基于SEM顯微圖像的木材材種分類研究.pdf
- 基于CNN的工件缺陷檢測(cè)方法研究及系統(tǒng)設(shè)計(jì).pdf
- 鋼板表面缺陷圖像檢測(cè)與分類技術(shù)研究.pdf
- 濕法刻蝕與清洗中晶圓缺陷問(wèn)題的研究.pdf
- 基于紅外熱圖像的缺陷檢測(cè)研究.pdf
- 基于Gabor與區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的晶圓表面多尺度缺陷檢測(cè)技術(shù)研究.pdf
- 基于CNN的顯微圖像序列下的細(xì)胞檢測(cè)與狀態(tài)識(shí)別.pdf
- 基于圖像的螺紋表面缺陷檢測(cè).pdf
- 暗場(chǎng)散射技術(shù)在晶圓表面缺陷檢測(cè)中的新應(yīng)用研究.pdf
- 基于紅外圖像的膠囊缺陷檢測(cè)研究.pdf
- 基于圖像的道路裂縫檢測(cè)與分類算法研究.pdf
- 半導(dǎo)體光刻中晶圓缺陷問(wèn)題的研究.pdf
- 基于圖像處理的坯布缺陷檢測(cè)方法研究.pdf
- 半導(dǎo)體光刻中晶圓缺陷問(wèn)題的研究
- 基于SVM分類的圖像邊緣檢測(cè)研究.pdf
- 基于圖像處理的工件表面缺陷檢測(cè)理論與方法研究.pdf
- 基于雙流CNN的異常行為分類算法研究.pdf
評(píng)論
0/150
提交評(píng)論