[发明专利]晶圆图形提取方法及其提取系统

权利要求书

1.一种晶圆图形提取方法，基于神经网络组合单一图形分类器将晶圆图像训练分类，其特征在于，包括以下步骤：

S1，将晶圆图形调整为预设尺寸，并提取图像纹理特征；

S2，利用神经网络对图像纹理特征进行高阶特征提取,，训练后形成不同晶圆图形的单一图形分类器；

S3，按单一图形分类器组合规则将S2中的单一图形分类器组合形成判断分类器；

S4，将晶圆图像输入到判断分类器，判断分类器根据判断规则输出该晶圆图像存在哪几类图形。

2.如权利要求1所述晶圆图形提取方法，其特征在于：步骤S1中，所述预设尺寸为M*M像素，M＞1。

3.如权利要求1所述晶圆图形提取方法，其特征在于：实施步骤S1时,采用局部二值模式提取图像纹理特征。

4.如权利要求3所述晶圆图形提取方法，其特征在于：实施步骤S1时,局部二值模式采用3*3像素邻域，邻域中包含8个像素值。

5.如权利要求1所述晶圆图形提取方法，其特征在于：实施步骤S2时,采用深度置信网络对图像纹理特征进行高阶特征提取，形成不同晶圆图形的单一图形分类器。

6.如权利要求5所述晶圆图形提取方法，其特征在于：实施步骤S2时,深度置信网络设置为7层，输出层维度2，隐藏层分别是500、500、200、100和50；除最后一层其他层之间的基础结构是受限玻尔兹曼机，最后一层基础结构是逻辑回归层，该模型通过单独训练前面的6层到最优化后，再通过最后一层执行调整操作。

7.如权利要求6所述晶圆图形提取方法，其特征在于：所述调整操作采用自适应矩估计优化器(Adam)和梯度下降。

8.如权利要求1所述晶圆图形提取方法，其特征在于：实施步骤S3时,采用直接并联单一图形分类器或多阈值筛选单一图形分类器的方式形成判断分类器。

9.如权利要求8所述晶圆图形提取方法，其特征在于：直接并联单一图形分类器形成判断分类器时采用以下判断规则，判断输出该晶圆图像存在哪几类图形；

对每个单一图形分类器设定相同的阈值，同时将一张晶圆图像输入到多个单一图形分类器中，输出每个单一图形分类器的判断结果，判断为‘真’则认为存在该分类器负责识别的晶圆图形，最终输出晶圆图像存在哪几类图形。

10.如权利要求8所述晶圆图形提取方法，其特征在于：多阈值筛选单一图形分类器形成判断分类器时采用以下判断规则，判断输出该晶圆图像存在哪几类图形；

S4.1，将多个单一图形分类器的阈值设定为设计最高值，将待测晶圆图像输入所述多个单一图形分类器，选出单一图形分类器输出为‘真’的图形；

S4.2，将步骤S4.1中输出为’非真’的分类器阈值降低，再次让晶圆图像通过这些所述多个单一图形分类器，选出单一图形分类器输出为‘真’的图形；

重复上述步骤，直到阈值降为设计最低阈值，所有选出图形为该晶圆图像所出现的图形。

11.一种晶圆缺陷图形提取系统，基于神经网络组合单一图形分类器将晶圆图像训练分类，其特征在于，该提取系统包括：

特征提取模块，其适用于将晶圆图形调整为预设尺寸，并提取图像纹理特征；

特征优化模块，其适用于利用神经网络对图像纹理特征进行高阶特征提取,，训练后形成不同晶圆图形的单一图形分类器；

单一图形分类器组合模块，其适用于按单一图形分类器组合规则将单一图形分类器组合形成判断分类器；

判断输出模块，其适用于将晶圆图像输入到判断分类器，判断分类器根据判断规则输出该晶圆图像存在哪几类图形。

12.如权利要求11所述晶圆缺陷图形提取系统，其特征在于：所述预设尺寸为M*M像素，M＞1。