数据驱动的晶圆图缺陷模式识别方法

• 作者: 张洁 杨振良 汪俊亮 蒋小康
• 来源期刊: 中国机械工程
• 关键词: 半导体制造 晶圆缺陷 模式识别 数据驱动 对抗生成网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 质量优化
• 页码范围: 230-236
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2019.02.015

摘要

针对晶圆生产过程中晶圆图数据角度与维度多样性和数量不平衡的特点,提出了基于对抗生成网络的晶圆图缺陷模式识别方法.设计了Radon变换,实现了数据多角度的统一;采用重采样机制实现数据多维度的缩放,得到了标准晶圆缺陷数据.提出了基于对抗生成网络的晶圆缺陷分类方法,利用生成机制平衡各缺陷模式的样本数量,以提升缺陷模式识别精度.试验结果表明,该方法可大幅提升少类样本的识别精度,且在整体识别率上远优于支持向量机和Adaboost算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张洁	东华大学机械工程学院	24	67	5.0	7.0
2	汪俊亮	东华大学机械工程学院	6	23	3.0	4.0
3	杨振良	东华大学机械工程学院	1	3	1.0	1.0
4	蒋小康	东华大学机械工程学院	1	3	1.0	1.0