基于深度学习的晶圆表面检测方法、装置、设备和介质

专利主权项内容

1.一种基于深度学习的晶圆表面检测方法，其特征在于，包括：获取与待检测晶圆对应的灰度图像；将所述灰度图像输入到预设粗检模型中，通过所述预设粗检模型对所述灰度图像进行初步检测，得到初步检测结果；当所述初步检测结果表征所述待检测晶圆需进行精检时，通过预设精检模型对所述灰度图像进行位置检测，得到位置精检结果；根据所述位置精检结果以及预设分类模型对所述灰度图像进行缺陷分类，得到与所述待检测晶圆对应的缺陷分类结果；所述根据所述位置精检结果以及预设分类模型对所述灰度图像进行缺陷分类，得到与所述待检测晶圆对应的缺陷分类结果之后，包括：获取预设缺陷表，并基于所述预设缺陷表对所述缺陷分类结果进行原因识别，得到与各所述缺陷分类结果对应的缺陷产生位置；将所述缺陷产生位置发送至预设处理方，并接收所述预设处理方反馈的缺陷处理结果；所述初步检测结果包括用于表征所述待检测晶圆需进行精检的第一检测结果，以及用于表征所述待检测晶圆不需要进行精检的第二检测结果；所述将所述灰度图像输入到预设粗检模型中，通过所述预设粗检模型对所述灰度图像进行初步检测，得到初步检测结果，包括：对所述灰度图像进行滤波处理，得到去噪后的图像；遍历所述去噪后的图像中的所有像素，确定与各所述像素对应的灰度值；通过所有所述灰度值对所述灰度图像进行背景去除，得到晶圆图像；对所述晶圆图像进行二值化处理，得到晶圆二值图，并将所述晶圆二值图输入到预设粗检模型中；通过所述预设粗检模型对所述晶圆二值图进行缺陷识别，得到缺陷分布图；通过贝叶斯算法对所述缺陷分布图进行计算，得到缺陷得分；获取预设缺陷阈值，对所述缺陷得分和所述预设缺陷阈值进行比较；在所述缺陷得分大于或等于所述预设缺陷阈值时，得到第一检测结果；在所述缺陷得分小于所述预设缺陷阈值时，得到第二检测结果；所述通过所述预设粗检模型对所述晶圆二值图进行缺陷识别，得到缺陷分布图，包括：获取预设粗检模型中正样本图像对应的样本二值图；将所述样本二值图和所述晶圆二值图进行比较，得到比较结果；当所述比较结果表征所有所述像素的灰度值均相同时，确定所述待检测晶圆不需要进行精检；当所述比较结果表征存在灰度值不同的所述像素时，对所述晶圆二值图中的所有缺陷位置进行标记，得到缺陷分布图；所述将所述灰度图像输入到预设粗检模型中之前，包括：获取样本数据集，所述样本数据集包括至少一张正样本图像和缺陷样本图像；通过所述正样本图像对第一训练模型进行训练，并将所有所述缺陷样本图像输入到训练后的第一训练模型中，输出与各所述缺陷样本图像对应的样本缺陷位置；通过与各所述缺陷样本图像对应的样本缺陷位置对第二训练模型进行训练，以使得第二训练模型具备检测图像中的缺陷位置的能力；通过第三训练模型对所述缺陷位置进行缺陷分类，得到与各所述缺陷位置对应的缺陷类别；在所述第一训练模型、所述第二训练模型和所述第三训练模型均达到预设收敛条件时，将收敛之后的训练模型确定为与所述第一训练模型对应的预设粗检模型、与所述第二训练模型对应的预设精检模型以及与所述第三训练模型对应的预设分类模型。