恭喜坎泰克有限公司艾薩克·丹尼爾·布扎格洛獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!
龍圖騰網恭喜坎泰克有限公司申請的專利基于深度學習使用晶圓缺陷圖像對晶圓內的缺陷進行分類的方法和系統(tǒng)獲國家發(fā)明授權專利權,本發(fā)明授權專利權由國家知識產權局授予,授權公告號為:CN113627457B 。
龍圖騰網通過國家知識產權局官網在2025-05-27發(fā)布的發(fā)明授權授權公告中獲悉:該發(fā)明授權的專利申請?zhí)?專利號為:202010831725.0,技術領域涉及:G06V10/764;該發(fā)明授權基于深度學習使用晶圓缺陷圖像對晶圓內的缺陷進行分類的方法和系統(tǒng)是由艾薩克·丹尼爾·布扎格洛設計研發(fā)完成,并于2020-08-18向國家知識產權局提交的專利申請。
本基于深度學習使用晶圓缺陷圖像對晶圓內的缺陷進行分類的方法和系統(tǒng)在說明書摘要公布了:本發(fā)明提供了基于深度學習網絡的用于使用晶圓缺陷圖像對晶圓中的缺陷進行分類的方法和系統(tǒng)100。本文的實施方案使用晶圓缺陷圖像的多個模式之間的協(xié)同來進行分類決策。此外,通過添加模式的混合,可以從不同來源獲得信息,例如彩色圖像、ICI、黑白圖像等,來對缺陷圖像進行分類。除了混合模式,參考圖像可用于每個模式。每個模式圖像的參考圖像被提供給深度學習模型,以集中于缺陷本身,而不是缺陷圖像的相關底層光刻。此外,可將參考圖像提供給深度學習模型的訓練過程,其可顯著減少標記圖像的數(shù)量和深度學習模型收斂所述的訓練時間。
本發(fā)明授權基于深度學習使用晶圓缺陷圖像對晶圓內的缺陷進行分類的方法和系統(tǒng)在權利要求書中公布了:1.一種對半導體晶圓中的缺陷進行分類的方法,所述方法包括:提供被配置為捕獲圖像的不同成像模式的一個或多個成像單元;提供計算單元;提供來自多個機器學習模型的兩個或更多個機器學習模型,所述兩個或更多個機器學習模型至少與所述計算單元的計算機處理器、數(shù)據庫和存儲器相關聯(lián),其中所述兩個或更多個機器學習模型被訓練以對一個或多個半導體晶圓中的一個或多個晶片上的一個或多個缺陷進行分類,其中所述兩個或更多個機器學習模型的所述訓練包括:向所述兩個或更多個機器學習模型提供存儲在所述數(shù)據庫中的所述一個或多個半導體晶圓的多個標記圖像,以及配置來自所述兩個或更多個機器學習模型的每個機器學習模型,以將所述多個標記圖像分類為至少一個缺陷類別;在有向無環(huán)圖架構中連接經訓練的兩個或更多個機器學習模型,其中所述有向無環(huán)圖架構包括非葉子節(jié)點和終端節(jié)點,其中所述有向無環(huán)圖架構中的至少一些非葉子節(jié)點代表各自的機器學習模型,其中所述終端節(jié)點代表后處理過程,其中所述非葉子節(jié)點包括一個或多個根節(jié)點,其中所述一個或多個根節(jié)點中的每個不具有任何到達其的傳入邊,其中所述有向無環(huán)圖架構包括至少第一路徑和第二路徑,所述第一路徑開始于根節(jié)點而結束于所述終端節(jié)點,所述第一路徑包括第一數(shù)量的非葉子節(jié)點,其中所述第二路徑開始于所述根節(jié)點而結束于所述終端節(jié)點,所述第二路徑包括第二數(shù)量的非葉子節(jié)點,所述第一數(shù)量大于所述第二數(shù)量,其中所述有向無環(huán)圖架構包括代表各自的機器學習模型的節(jié)點,其中所述有向無環(huán)圖架構包括:第一邊和第二邊,其中所述第一邊與第一缺陷類別的第一預測標簽相關聯(lián),所述第一邊從所述節(jié)點發(fā)出而進入另一個非葉子節(jié)點,其中所述第二邊與第二缺陷類別的第二預測標簽相關聯(lián),所述第二邊從所述節(jié)點發(fā)出而進入所述終端節(jié)點;和通過以下檢測位于半導體晶圓上包含的晶片上的一個缺陷:接收來自所述一個或多個成像單元的至少一個圖像,所述至少一個圖像代表從所述半導體晶圓中的所述晶片拍攝的所述一個缺陷,基于所述有向無環(huán)圖架構中的在前機器學習模型的輸出,確定所述有向無環(huán)圖架構中的至少一個機器學習模型是否被跳過,其中如果所述至少一個機器學習模型被跳過,則所述至少一個圖像不被輸入給經確定跳過的所述至少一個機器學習模型,根據所述有向無環(huán)圖架構,通過未跳過的機器學習模型,對所述一個缺陷進行分類,其中所述未跳過的機器學習模型排除所述至少一個跳過的機器學習模型,由此獲得所述未跳過的機器學習模型的分類決定,通過執(zhí)行與所述終端節(jié)點相關聯(lián)的后處理,生成所述一個缺陷的分類決定,所述后處理是基于所述未跳過的機器學習模型的所述分類決定執(zhí)行的,以及輸出生成的分類決定。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯(lián)系本專利的申請人或專利權人坎泰克有限公司,其通訊地址為:以色列米格達爾哈梅克;或者聯(lián)系龍圖騰網官方客服,聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數(shù)據和信息,力求客觀、公正,但并不保證數(shù)據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。