基于深度学习的半导体晶圆缺陷检测  

作　　者：赵家贝 胡悦[1] 

机构地区：[1]上海行健职业学院信息技术与智能制造学院,上海200072

出　　处：《科技与创新》2025年第2期138-140,共3页Science and Technology & Innovation

基　　金：2023年度上海行健职业学院校级课题(编号:X-K2023-14)。

摘　　要：半导体晶圆的制造工艺复杂,需要先进的产品检测设备和技术。基于残差网络,对半导体晶圆缺陷检测问题进行模型的构建和训练。通过深度学习可以有效地识别晶圆上的各种缺陷类别,提高检测效率,降低人力成本。通过构建深度残差网络,利用mini-batch SGD算法进行模型训练,并调整模型的超参数,以达到最佳性能。利用MIR-WM811K数据集进行的实验结果表明,残差网络在晶圆缺陷检测任务上取得了较高的精确率和F1分数,表明其在特定任务上表现良好。

关 键 词：深度学习 残差网络 缺陷检测 半导体晶圆 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]