申请/专利权人：深圳龙芯半导体科技有限公司

申请日：2024-02-18

公开（公告）日：2024-03-19

公开（公告）号：CN117726627A

主分类号：G06T7/00

分类号：G06T7/00;G06T7/73;G06V10/764;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本申请实施例提供的芯片表面缺陷检测方法及设备，通过自动化的方式，大幅减少了人工检测的时间和成本，极大地提高了生产效率。与传统的手动或半自动化检测相比，该技术方案利用深度学习模型进行缺陷检测，能够更准确地识别和定位微电子芯片表面的缺陷，从而提高产品质量。通过反馈修正机制，可以不断优化和调整模型参数，使得模型在面对新的、未知的缺陷类型时也能有良好的适应性和鲁棒性。

主权项：1.一种芯片表面缺陷检测方法，其特征在于，应用于AI检测服务设备，所述方法包括：获取微电子芯片显微扫描图像训练样例和所述微电子芯片显微扫描图像训练样例的先验表面缺陷认证知识，所述先验表面缺陷认证知识用于反映所述微电子芯片显微扫描图像训练样例的目标表面缺陷；通过表面缺陷检测网络中的图像描述表达挖掘分支对所述微电子芯片显微扫描图像训练样例进行图像描述表达挖掘处理，得到所述微电子芯片显微扫描图像训练样例的图像描述表达序列，所述图像描述表达序列中的图像描述表达与所述微电子芯片显微扫描图像训练样例的图像细节的视觉输出变量具有一对一匹配关系；通过所述表面缺陷检测网络中的缺陷检测分支对所述图像描述表达序列进行表面缺陷检测处理，得到表面缺陷检测训练结果，所述缺陷检测分支用于捕捉所述微电子芯片显微扫描图像训练样例中的各个所述表面缺陷检测训练结果的第一缺陷区域和第二缺陷区域，所述表面缺陷检测训练结果存在最少两个，所述表面缺陷检测训练结果是依据所述表面缺陷检测网络的单次处理所得的；依据所述先验表面缺陷认证知识与所述表面缺陷检测训练结果之间的区别，对所述表面缺陷检测网络进行调校。

全文数据：

权利要求：

百度查询： 深圳龙芯半导体科技有限公司 芯片表面缺陷检测方法及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD