[发明专利]晶圆表面缺陷检测方法和设备

权利要求书

1.一种晶圆表面缺陷检测方法，包括：

接收针对第一工艺处理的晶圆表面的图像；和

将所述图像输入针对所述第一工艺处理的第一晶圆表面缺陷检测模型，并输出分类结果，所述分类结果标识所述晶圆表面的缺陷，其中，所述第一晶圆表面缺陷检测模型是通过如下处理来训练得到的：

基于针对各个工艺处理采集的晶圆表面的多幅第一样本图像以及针对每幅第一样本图像标记的缺陷来对基于深度学习的模型进行训练以获得预训练模型；和

基于针对所述第一工艺处理采集的晶圆表面的多幅第二样本图像以及针对每幅第二样本图像标记的缺陷调整所述预训练模型的至少部分模型参数。

2.根据权利要求1所述的晶圆表面缺陷检测方法，其中，

所述多幅第二样本图像是基于标记其中缺陷的技术人员的信息而从所述多幅第一样本图像中选择的。

3.根据权利要求1所述的晶圆表面缺陷检测方法，还包括：

接收针对第二工艺处理的晶圆表面的图像；和

将针对所述第二工艺处理的所述图像输入针对所述第二工艺处理的第二晶圆表面缺陷检测模型并输出相应的分类结果，所述相应的分类结果标识针对所述第二工艺处理的所述晶圆表面的缺陷，其中，所述第二晶圆表面缺陷检测模型是通过基于针对所述第二工艺处理采集的晶圆表面的多幅第二样本图像以及针对相应的每幅第二样本图像标记的缺陷调整所述预训练模型的至少部分模型参数来训练得到的。

4.根据权利要求1-3中任一项所述的晶圆表面缺陷检测方法，其中，

通过固定所述预训练模型的第一网络层的参数并且调整第二网络层的参数来调整所述预训练模型的至少部分模型参数，其中，所述第一网络层低于所述第二网络层。

5.根据权利要求1所述的晶圆表面缺陷检测方法，其中，

所述基于深度学习的模型是基于混合注意力机制构建的模型。

6.根据权利要求1或5所述的晶圆表面缺陷检测方法，其中，

采用迭代学习算法对所述基于深度学习的模型进行训练以获得所述预训练模型。

7.根据权利要求6所述的晶圆表面缺陷检测方法，其中，

采用迭代学习算法调整所述预训练模型的所述至少部分模型参数。

8.一种晶圆表面缺陷检测设备，包括：

存储器，其存储针对第一工艺处理的第一晶圆表面缺陷检测模型；和

处理器，其被配置为将针对所述第一工艺处理的晶圆表面的图像输入所述第一晶圆表面缺陷检测模型，并输出分类结果，所述分类结果标识所述晶圆表面的缺陷，其中，所述第一晶圆表面缺陷检测模型是通过如下处理来训练得到的：

基于针对各个工艺处理采集的晶圆表面的多幅第一样本图像以及针对每幅第一样本图像标记的缺陷来对基于深度学习的模型进行训练以获得预训练模型；和

基于针对所述第一工艺处理采集的晶圆表面的多幅第二样本图像以及针对每幅第二样本图像标记的缺陷调整所述预训练模型的至少部分模型参数。

9.根据权利要求8所述的晶圆表面缺陷检测设备，其中，

所述多幅第二样本图像是基于标记其中缺陷的技术人员的信息而从所述多幅第一样本图像中选择的。

10.根据权利要求8所述的晶圆表面缺陷检测设备，其中，

所述存储器还存储针对第二工艺处理的第二晶圆表面缺陷检测模型；并且

所述处理器还被配置为将针对所述第二工艺处理的晶圆表面的图像输入所述第二晶圆表面缺陷检测模型，并输出相应的分类结果，所述相应的分类结果标识针对所述第二工艺处理的所述晶圆表面的缺陷，其中，所述第二晶圆表面缺陷检测模型是通过基于针对所述第二工艺处理采集的晶圆表面的多幅第二样本图像以及针对相应的每幅第二样本图像标记的缺陷调整所述预训练模型的至少部分模型参数来训练得到的。