[发明专利]晶圆的检测方法、设备及存储介质

权利要求书

1.一种晶圆的检测方法，其特征在于，所述方法包括：

获取晶圆的第一图像，所述第一图像包含表示所述晶圆的缺陷信息的整体特征；

基于所述第一图像确定所述晶圆的第二图像，所述第二图像包含表示所述晶圆的缺陷信息的细节特征；

将所述整体特征与所述细节特征进行串联融合，以生成融合后的特征；以及

通过晶圆缺陷分类模型对所述融合后的特征进行检测。

2.根据权利要求1所述的方法，其特征在于，基于所述第一图像确定所述晶圆的第二图像的步骤包括：

对所述第一图像中的缺陷特征区域进行定位；以及

对所定位出的缺陷特征的区域进行截取，以获得目标图像作为所述第二图像。

3.根据权利要求2所述的方法，其特征在于，基于所述第一图像确定所述晶圆的第二图像的步骤，包括：

对所述目标图像中的缺陷特征的细节区域进行定位；以及

对所定位出的细节区域进行截取，以获得细节图像作为所述第二图像。

4.根据权利要求2所述的方法，其特征在于，对定位出的所述缺陷特征区域进行截取，以获得目标图像作为所述第二图像的步骤，包括：

基于深度卷积神经网络提取所述晶圆的第一图像的深度特征图谱；

确定所述深度特征图谱上每个位置通道的特征的平均值和所述深度特征图谱的整体位置通道的特征的平均值；

确认所述深度特征图谱中位置通道的特征的平均值大于整体位置通道的特征的平均值的区域作为目标缺陷区域；以及

截取所述目标缺陷区域的图像作为所述目标图像。

5.根据权利要求4所述的方法，其特征在于，在确认所述深度特征图谱中位置通道的特征的平均值大于整体位置通道的特征的平均值的区域作为目标缺陷区域之后，包括：

确定所述目标缺陷区域的最小外包矩形并确认其坐标；

通过反卷积确定所述目标缺陷区域在所述晶圆的第一图像中的位置坐标；以及

根据所述位置坐标截取所述晶圆的第一图像，以作为所述目标图像。

6.根据权利要求3所述的方法，其特征在于，对定位出的所述细节区域进行截取以获得细节图像作为所述第二图像的步骤，包括：

基于深度卷积神经网络提取所述目标图像的深度特征图谱；

确定所述目标图像的深度特征图谱上每个位置通道的特征的平均值；

选取滑动窗口对所述目标图像进行卷积，并根据所述滑动窗口确认至少一个激活窗口，所述激活窗口的深度特征图谱中整体位置通道的特征的平均值大于所述深度特征图谱上每个位置通道的特征的平均值；以及

截取所述至少一个激活窗口对应的所述目标图像作为所述细节图像。

7.根据权利要求6所述的方法，其特征在于，选取滑动窗口对所述目标图像进行卷积，并根据所述滑动窗口确认激活窗口之后，对定位出的所述细节区域进行截取以获得细节图像的步骤还包括：

采用非极大值抑制的方式选择所述至少一个激活窗口的区域作为晶圆缺陷图像的细节缺陷区域；

通过反卷积确定所述细节缺陷区域在所述晶圆的目标图像中的位置坐标；以及

截取所述细节缺陷区域的图像作为所述细节图像。

8.根据权利要求1所述的方法，其特征在于，通过晶圆缺陷分类模型对所述融合后的所述特征进行检测，包括：

对所述晶圆的缺陷进行分类，以确定所述晶圆的缺陷类型。

9.根据权利要求1所述的方法，其特征在于，通过晶圆缺陷分类模型对所述融合后的所述特征进行检测之后，包括：

输出检测结果，所述检测结果包括所述晶圆的缺陷类型，与所述晶圆的缺陷类型对应的置信度。

10.根据权利要求1所述的方法，其特征在于，所述晶圆缺陷分类模型包括第一分类模型和第二分类模型，所述第一分类模型和所述第二分类模型进行训练的样本不同。