基于堆叠混合卷积神经网络的半导体制造视觉故障检测与分类新系统

半导体行业的自动视觉检测旨在利用现代图像处理技术检测和分类制造缺陷。尽管尽早检测缺陷图案可实现质量控制和制造链自动化，制造商也受益于良率提升与制造成本降低。由于经典图像处理系统检测新颖缺陷图案的能力有限，且机器学习方法常涉及巨大计算量，本文提出了一种基于深度神经网络的新混合方法。与经典深度神经网络不同，多阶段系统可在高分辨率图像中检测并分类像素尺度的最精细结构。所实现的系统由堆叠混合卷积神经网络（SH-CNN）组成并受当前视觉注意力方法启发，将关注点从结构细节层面转移到更具任务相关性的感兴趣区域。我们的测试环境结果表明，SH-CNN优于当前基于学习的自动视觉检测方法，而依据细节层面的区分能够在制造过程更早阶段消除缺陷图案。