一种基于图像检索的半导体缺陷根因分析系统

本发明涉及芯片制造，特别涉及一种基于图像检索的半导体芯片缺陷根因分析系统。

背景技术：

1、在芯片制造领域，确保产品质量是至关重要的任务。半导体缺陷根因分析作为质量控制的核心环节，旨在识别和解决半导体制造过程中出现的缺陷。然而，由于半导体结构的复杂性和制造过程的多样性，传统的缺陷分析方法面临着极大的挑战。识别不同类型的缺陷并准确推断其根本原因是一项复杂的任务，尤其是在大规模、高密度芯片制造中。

2、近年来，人工智能(ai)技术的迅猛发展为半导体缺陷分析带来了新的可能性。特别是在图像处理领域，深度学习技术的应用使得半导体缺陷的分类和检测取得了显著的进展。利用卷积神经网络(cnn)等先进算法，可以对大量半导体图像进行高效而准确的分类，但这些方法往往仅限于检测缺陷的存在，而对于根本原因的解析能力还有待提高。

3、尽管人工智能在缺陷分类方面取得了一些成功，但在根因分析方面，现有方法仍然主要依赖于人工操作和专业知识。传统的根因分析通常需要经验丰富的工程师进行手动检查和判断，这限制了分析的效率和准确性。因此，寻求一种能够自动化且精准推断半导体缺陷根因的方法，成为当前半导体制造领域急需解决的问题。

技术实现思路

1、针对现有技术存在的问题及技术要求，本发明的目的是提供了一种基于图像检索的半导体芯片缺陷根因分析系统，采用表征学习方法和度量学习方法，对扫描电子显微镜缺陷图像进行训练处理，提供了高效而准确的半导体芯片缺陷根因分析系统。

2、为了达到上述目的，本发明采用以下技术方案实现：

3、一种基于图像检索的半导体芯片缺陷根因分析系统，包括以下步骤：

4、步骤s1：收集半导体芯片缺陷图像数据；

5、步骤s2：对历史根因进行标注和分类；

6、步骤s3：结合表征学习方法和度量学习方法训练带有历史根因标注的缺陷图像数据，获得历史根因图像；

7、步骤s4：建立历史根因图像数据库；

8、步骤s5：输入新的缺陷图像特征提取；

9、步骤s6：相似度计算，输出最相似10张的历史根因图像；

10、步骤s7：输出相似的历史根因图像和推荐的解决方案；

11、步骤s8：模型修正和更新。

12、所述的步骤s1：收集半导体芯片缺陷图像数据，包括以下步骤：

13、步骤s11：根据半导体芯片制造步骤，对半导体芯片缺陷图像数据进行明确的划分，捕捉和记录各个制造阶段的缺陷信息；

14、步骤s12：根据半导体芯片的缺陷类型进一步划分。

15、所述的步骤s2：对历史根因进行标注和分类，包括以下步骤：

16、步骤s21：采用resnet50/resnet18作为深度学习主干网络，处理扫描电子显微镜(sem)缺陷图像；

17、步骤s22：将分析的根本原因作为扫描电子显微镜缺陷图像的训练标签，并将具有相同根本原因的扫描电子显微镜缺陷图像聚集在邻近的特征空间。

18、所述的步骤s3：结合表征学习和度量学习方法训练带有历史根因标注的缺陷图像数据，获得历史根因图像，包括以下步骤：

19、步骤s31：利用表征学习方法对带有历史根因标注的缺陷图像数据进行训练，提取和学习图像的特征表示，再利用最小化交叉熵损失函数，使得相似的缺陷在特征空间中更为接近；

20、步骤s32：通过度量学习方法，利用难样本挖掘策略，最小化三元损失函数l＝max(d(a,p)-d(a,n)+margin，0)，将相同根本原因的扫描电子显微镜缺陷图像视为正样本对，不同根本原因的扫描电子显微镜缺陷图像视为负样本对，在特征空间拉近正样本对之间的距离，退远负样本对之间的距离。

21、所述的步骤s32中难样本挖掘策略，包括以下步骤：

22、步骤s321：将在度量学习中表现较差的扫描电子显微镜缺陷图像与实际根因的对比，标定为难样本；

23、步骤s322：对被识别为难样本的数据进行加权处理。

24、与现有技术相比，本发明的有益效果是：

25、本发明一种基于图像检索的半导体芯片缺陷根因分析系统，首先，通过引入表征学习方法和图像检索技术，成功地提升了半导体缺陷根因分析的效率，实现了对不同类型缺陷的快速而准确识别。这有助于缩短生产周期，提高制造效率。其次，采用度量学习方法和难样本挖掘策略，系统在处理复杂和难以分类的缺陷时表现更为精准，提高了根因检索的准确性，降低了误判率。而最为创新之处在于，通过学习工程师的历史经验，将其融入数据库中，本方法实现了对工程师经验的充分利用，为根因分析提供了更为实用和可靠的结果。这不仅降低了对个体工程师的依赖，同时构建了一个全面而智能的数据库，为未来的学习和优化提供了坚实的基础。本发明在半导体缺陷根因分析领域带来了显著的技术进步，为提高生产效率、产品质量和技术创新提供了有力支持。

26、上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段，从而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下列举本发明的具体实施方法。

27、根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述及其他目的、特征和优点，但不作为对本发明的限定。

技术特征：

1.一种基于图像检索的半导体芯片缺陷根因分析系统，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于图像检索的半导体芯片缺陷根因分析系统，其特征在于，所述的步骤s1：收集半导体芯片缺陷图像数据，包括以下步骤：

3.根据权利要求1所述的一种基于图像检索的半导体芯片缺陷根因分析系统，其特征在于，所述的步骤s2：对历史根因进行标注和分类，包括以下步骤：

4.根据权利要求3所述的一种基于图像检索的半导体芯片缺陷根因分析系统，其特征在于，所述的步骤s3：结合表征学习方法和度量学习方法训练带有历史根因标注的缺陷图像数据，获得历史根因图像，包括以下步骤：

5.根据权利要求4所述的一种基于图像检索的半导体芯片缺陷根因分析系统，其特征在于，所述的步骤s32中难样本挖掘策略，包括以下步骤：

技术总结
一种基于图像检索的半导体芯片缺陷根因分析系统，采用收集半导体芯片缺陷图像数据，对历史根因进行标注和分类，结合表征学习方法和度量学习方法训练带有历史根因标注的缺陷图像数据，获得历史根因图像，建立历史根因图像数据库，输入新的缺陷图像特征提取，相似度计算，输出最相似10张的历史根因图像，输出相似的历史根因图像和推荐的解决方案，模型修正和更新。通过表征学习方法和度量学习方法，对扫描电子显微镜缺陷图像进行训练处理，提供了高效而准确的半导体芯片缺陷根因分析系统。

技术研发人员：陈一宁,曾立超,梅周洲舟,石中玉,高大为
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/3/24