集成电路光刻胶缺陷AI识别检测方法探索.docxVIP

集成电路光刻胶缺陷AI识别检测方法探索

摘要：集成电路制造工艺中，光刻胶缺陷是导致芯片良率损失的核心因素之一。传统的人工光学检测与规则算法在应对纳米级复杂缺陷时面临漏检率高、效率低及标准不一等瓶颈。本文聚焦基于人工智能的光刻胶缺陷自动识别与分类方法，系统分析缺陷的显微图像特征、数据增强策略及深度学习检测模型架构。文章深入探讨卷积神经网络特征提取机制、小样本缺陷数据生成技术、实时检测系统集成及模型可解释性分析方法，旨在为提升芯片制造良率、降低检测成本提供理论参考与技术路径。

关键词：集成电路；光刻胶缺陷；AI识别；深度学习；良率提升

第一章光刻胶缺陷类型与检测挑战

光刻工艺是集成电路制造中将电路图形从掩膜版转移到晶圆表面的核心步骤，而光刻胶作为光敏介质，其涂覆质量直接决定了图形转移的保真度。在实际生产中，光刻胶层可能产生多种类型的微观缺陷，包括由颗粒污染引起的针孔缺陷、由涂胶不均或离心甩胶异常引起的厚度不均条纹、由曝光能量偏差或显影液浓度异常引起的图形边缘粗糙度缺陷，以及由环境振动或掩膜版损伤引起的局部图形缺失。这些缺陷的尺寸通常在纳米至微米级别，且形态各异、对比度低，在复杂的晶圆背景下极难被精确捕捉。传统检测手段主要依赖扫描电子显微镜人工目检或基于固定阈值的自动光学检测设备，前者效率极低且标准受人为经验影响，后者则因无法适应缺陷形态的多样性而导致漏检率与误报率居高不下。随着芯片制