科创中国

电子信息技术,软件

本发明公开了一种基于小批量数据集与深度学习的晶圆缺陷检测方法，首先根据获取的彩色晶圆图像作数据预处理，训练样本集尺寸归一化到固定大小300*250，然后对归一化的图像进行彩色增强，增强因子定义为5-8；随后采用深度学习中的SSD算法模型，并引入迁移学习策略，在此基础上优化调整模型的参数，可以得到一个能自动进行特征提取和缺陷分类的算法；基于训练的好的分类器即可对未知种类的缺陷进行检测并分类。本发明实现了自动晶圆缺陷检测，效率较人工构造特征大大提高，晶圆缺陷的检测精度也比传统图像处理方法有了较大提升。

将所述晶圆图像添加高斯噪声，椒盐噪音，进行图像裁剪、翻转等操作扩增数据，降低深度学习需要大量原始数据的劣势； 将SSD原始算法与迁移学习相结合，除了在在VGG-16的原来网络层上提取特征之外，在conv8-2,conv9-2,conv19-2和pool-11层上提取，利用小尺度的卷积减少计算量，使用非对称卷积和并行化结构来优化Pooling操作。 进一步的，所述添加高斯噪声（Guassian noise）指在图像上添加按照概率密度函数符合高斯分布的噪声。 进一步的，所述图像裁剪采用随机裁剪，之后将图片回复原来的尺寸。

浙江大学机器人研究院（以下简称“研究院）是为了贯彻落实浙江省委省政府关于推进工业转型升级的战略部署，在余姚市的大力推动下，于2017年由浙江大学和余姚市合作共建的新型研发机构。 研究院面向科技前沿、面向经济发展主战场，将机器人、智能装备研发及产业化作为主要突破方向；立足余姚、服务浙江、面向全国。以“合作、创新、智能、引领”为理念，以体制机制创新为抓手，以科技研发、成果转化和人才培育为核心，着力构建技术-人才-产业深度融合的创新创业生态；努力建成为国内一流的机器人领域政、产、学、研、用深度融通的新高地。