基于神经网络的晶圆缺陷分类系统.pdfVIP

第八届工业仪表与自动化学术会议 基于神经网络的晶圆缺陷分类系统 The Wafer Defects Classification System Based on ANN 曾 臻 戴曙光 穆平安 （上海理工大学光电学院，上海 200093 ） 摘 要：基于神经网络的晶圆缺陷分类系统是为了实现晶圆宏观缺陷的检测和分类而进行的一项研究课题。在前 阶段完成了晶圆缺陷的检测和特征提取的基础上，本文分别从算法理论和实际应用的角度，重点设计了 BP 神经 网络对缺陷的分类, 并根据类别数目和特征向量长度对隐含层节点数目进行了设计，在试验分析的基础上，选取 了恰当的权值、阈值及网络学习速率。实验证明，设计的检测系统专业性强，具有一定的应用价值。 关键词：神经网络 缺陷检测 缺陷分类 特征向量 权值 Abstract ：The wafer defects detecting and classifying system system based on ANN aims at inspecting macro wafer defects. On the basis of finishing the defects detecting and defects feature extraction in the previous stage, through ANN theory and actural application, we design BP ANN to classify the defects, of which the connotative layer and the number of nodes were designed on basis of the number of classes and feature vector length. Proper weight, threshold and learning rate were selected based upon experiment. The experiment results prove that the proposed system features a strong background of specialty and can be applied into practice. Keywords ：ANN Defect Detection Defects Classification Feature Vector Weight 0 引言 国外在超大规模集成电路晶圆检测、封装等方面的研究相对比较成熟，但目前国内对该领域 的研究还仅停留在理论上，实际设备的研究还处于起步阶段。目前普遍采用的手工操作、人工观 察判断方法，或者简单地结合光学设备进行检测的方式，无法适应高效生产的要求。要改变这一 情况，半导体工艺研究及质量控制是一重要环节，其中晶圆缺陷检测和工艺控制又是一个比较具 体而现实的问题。 本课题基于我国半导体产业背景，研究开发基于机器视觉的晶圆缺陷检测与分类系统，课题 来源于美国 LWA-Tech 公司。在前阶段完成晶圆缺陷检测和特征提取的基础上，将缺陷图像中有 意义的特征向量送入 BP 神经网络的输入层，为其提供训练，并完成最终的缺陷分类。 1 基于BP 神经网络的缺陷分类系统 根据缺陷检测和分类的要求，缺陷分类系统不但要准确快速地实现缺陷分类，而且还要考虑 到新工艺、新缺陷的出现，要求分类系统不但要具备比较强的分类能力，还要具备较强的自学习 能力。本文基于 BP 神经网络构建晶圆缺陷分类系统。 在目前人工神经网络的实际应用中，绝大部分的神经网络模型是采用 BP 网络和它的变化形 式，它是前向网络的核心部分，并体现了人工神经网络最精华的部分[1] 。 1.1 BP 神经网络理论基础 1.1.1 BP 网络结构 1 第八届工业仪表与自动化学术会议 ① 多层网