结合无监督与 supervised 学习于显微成像以实现全尺寸 4H-SiC 晶圆的缺陷分析
计算机视觉与模式识别
2024-02-22 v1 材料科学
机器学习
摘要
检测和分析半导体材料中的各类缺陷是理解其 underlying 机制以及定制生产工艺的重要前提。对揭示缺陷的显微图像进行分析通常需要图像分割和目标检测等图像分析任务。随着实验产生的数据量持续增加，手动处理这些任务变得越来越不可能。在本工作中，我们结合了多种图像分析和数据挖掘技术，构建了一个稳健且准确的自动化图像分析流程。这使得我们能够从由约 40,000 张独立图像拼接而成的 KOH 腐蚀 4H-SiC 晶圆的显微图像中，提取所有缺陷的类型和位置。
引用
@article{arxiv.2402.13353,
title = {Combining unsupervised and supervised learning in microscopy enables defect analysis of a full 4H-SiC wafer},
author = {Binh Duong Nguyen and Johannes Steiner and Peter Wellmann and Stefan Sandfeld},
journal= {arXiv preprint arXiv:2402.13353},
year = {2024}
}