基于卷积神经网络的晶圆缺陷检测与分类算法-中国学术期刊网络出版总库

中国学术期刊网络出版总库

关闭

基于卷积神经网络的晶圆缺陷检测与分类算法

推荐 CAJ下载

PDF下载

【英文篇名】	Wafer Defect Detection and Classification Algorithms Based on Convolutional Neural Network
【下载频次】	★★★★★
【作者】	邡鑫; 史峥;
【英文作者】	FANG Xin; SHI Zheng; Institute of VLSI Design; Zhejiang University;
【作者单位】	浙江大学超大规模集成电路设计研究所;
【文献出处】	计算机工程 , Computer Engineering, 编辑部邮箱 2018年 08期期刊荣誉：中文核心期刊要目总览 ASPT来源刊 CJFD收录刊
【中文关键词】	晶圆检验; 缺陷检测; 缺陷分类; 卷积神经网络; patch-based CNN分类器; Faster RCNN分类器;
【英文关键词】	wafer inspection; defect detection; defect classification; Convolutional Neural Network(CNN); patch-based CNN classifier; Faster RCNN classifier;
【摘要】	针对晶圆检验时扫描电镜图像的缺陷检测和缺陷分类问题,利用ZFNet卷积神经网络对晶圆缺陷进行分类,并在此基础上,设计基于块的卷积神经网络缺陷检测算法。为提高准确率和加快速度,通过改进Faster RCNN分类器,提出另一种检测算法。实验结果表明,2种检测算法都能通过学习已标记位置和类型的缺陷数据,从扫描电镜图像中准确检测并分类多种类型缺陷。
【英文摘要】	For defect detection and defect classification problems of Scanning Electron Microscope( SEM) images during wafer inspection,this paper applies a Convolutional Neural Network( CNN) called ZFNet to classify wafer defects. On this basis,a patch-based CNN defect detection algorithm is proposed. For better accuracy and higher speed,another detection algorithm is proposed by modifying Faster RCNN classifier. Experimental results show that,by learning from the defects data marked with locations and types,the two ...
【基金】	国家自然科学基金(61474098,61674129)
【更新日期】	2018-08-22
【分类号】	TP391.41
【正文快照】	[2]0概述进行对比,取差异较大的区域作为缺陷,其关键在现代半导体制造过程中大量使用扫描电镜于如何得到准确的参考图像。传统的缺陷分类算法(Scanning Electron Microscope,SEM)对晶圆进行扫是基于缺陷区域提取特定特征,再由此设计分类器描从而成像,然后通过查找并分析扫描图?

xxx

【相似文献】

中国期刊全文数据库

中国优秀硕士学位论文全文数据库

中国博士学位论文全文数据库

中国重要会议论文全文数据库

中国重要报纸全文数据库

中国学术期刊网络出版总库

点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。

【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　

自动化技术、计算机技术
　　

计算技术、计算机技术
　　　

计算机的应用
　　　　

信息处理(信息加工)
　　　　　

模式识别与装置
　　　　　　

图像识别及其装置


	CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）京ICP证040431号互联网出版许可证新出网证（京）字008号

相似文献

文献分类导航