[发明专利]一种基于半监督学习的晶圆图批量分析方法

摘要

本发明公开了一种基于半监督学习的晶圆图批量分析方法，该方法包括以下步骤：对晶圆图进行预处理；对预处理后的晶圆图进行筛选；使用有标签及无标签晶圆图训练半监督模型；筛选无标签晶圆图优化半监督模型；进行晶圆图分析。本发明能够利用少量有标签晶圆图建立稳定高效的半监督模型，能在实际生产中准确地完成晶圆图分析。

主权项

1.一种基于半监督学习的晶圆图批量分析方法，其特征在于，所述方法包括下列步骤：S1、对所有方形晶圆图进行预处理；S2、对预处理后的晶圆图进行筛选，筛选出图中具有连通的缺陷芯片块，且连通区域面积分数大于阈值K的晶圆图。连通区域面积分数为连通区域面积占晶圆图总面积的百分数；S3、使用有标签及无标签晶圆图训练半监督模型；S301、从步骤S2筛选出的晶圆图中，挑选若干晶圆图中作为训练样本，并根据连通区域的形状类别，对部分训练样本进行标记作为有标签样本，其余的训练样本为无标签样本；利用训练样本进行半监督模型训练。S302、利用已训练完的Ladder网络对训练样本中无标签晶圆图进行预测，获得对应于不同标签的概率向量；S303、计算各晶圆图预测结果的信息熵，公式如下：其中，H(x)表示晶圆图x的对应信息熵；pi表示晶圆图x被分到形状类别i的概率；S304、按照信息熵从大到小排序，筛选出前N％个晶圆图进行人工标记，标记后作为有标签样本，按照步骤S301用于半监督模型训练优化；或筛选出倒数M％个晶圆图，使用其预测标签标记后，作为有标签样本，按照步骤S301用于半监督模型训练优化；S305、重复步骤S304，直到半监督模型的损失函数的数值小于预设值T。S4、利用步骤S305优化后半监督模型对剩余的晶圆图进行分析。