基于深度学习的晶圆表面缺陷检测方法、系统及存储介质

摘要文本

本发明公开了一种基于深度学习的晶圆表面缺陷检测方法、系统及存储介质，缺陷检测方法包括：获取晶圆图像；使用训练好的神经网络检测模型对晶圆图像进行检测，输出缺陷检测结果；所述神经网络检测模型包括多层编码器?解码器结构，其中上层编码器?解码器加入改进的注意力结构，所述改进的注意力结构使用多层融合数据生成键矩阵、值矩阵，所述多层融合数据包含本层网络生成的数据和本层之前的网络输出的数据。提出了新的深度学习算法结构，并通过数据增强、改进神经网络结构、应用新的损失函数等方法，提高对小目标的检测识别精度，从而提高对晶圆表面各类缺陷的检测准确率，达到精确检验芯片晶圆缺陷的目的。