-
公开(公告)号:CN120070407A
公开(公告)日:2025-05-30
申请号:CN202510238255.X
申请日:2025-03-03
Applicant: 南京大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种晶圆缺陷区域图像质量评估方法、装置、设备及存储介质。方法包括获取目标晶圆图像;对目标晶圆图像进行切分处理,得到多个待识别图像后输入当前特征提取模型中进行特征提取,以得到多个具有目标标记的目标特征图,将多个目标特征图输入当前预测模型中进行评估,以得到多个预测质量指标;基于多个预测质量指标,确定目标晶圆图像的整体质量指标;获取图像质量评估参数;基于整体质量指标以及图像质量评估参数,确定目标晶圆图像的质量评估结果。本方案可以将缺陷定位至切分后的图像块,对每个图像块单独做图像质量评估,相比于整体质量评估,可以比较好的捕捉到细微的变化和缺陷特征,提高了晶圆缺陷区域图像质量评估准确性。
-
公开(公告)号:CN119992544A
公开(公告)日:2025-05-13
申请号:CN202510055195.8
申请日:2025-01-14
Applicant: 南京大学
IPC: G06V20/69 , G06V10/774 , G06V10/764 , G06T7/13 , G06T5/70
Abstract: 本发明公开了一种基于图像特征的材料生长分析方法,包括:获取显微镜下纳米薄膜材料的生长情况并选取后期帧进行像素标注;使用树模型根据标注对关键帧进行像素分类并聚合,获取校正点、晶畴、液态生长中心的简化位置、形状信息;通过分析校正点的中心点坐标获取视频抖动校正矩阵并应用到晶畴边缘、液态生长核;对各个液态生长中心的坐标进行匹配获取不同路径的生长轨迹后进行滤波缓解部分异常、错误值干扰并绘制绘制液态生长中心轨迹以及晶畴掩膜图。本发明方法能够实时捕捉纳米薄膜材料液态生长过程中生长情况,为后续分析提供遍历。
-
公开(公告)号:CN119337794B
公开(公告)日:2025-03-14
申请号:CN202411855892.3
申请日:2024-12-17
Applicant: 南京大学
IPC: G06F30/36 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种芯片版图图案拓扑表示及热点检测方法,步骤包括:将版图数据转换为二值图像数据保存;将版图数据中多边形转换为几何序列数据保存;将版图数据中多边形拓扑关系数据保存;构建基于对比学习的热点检测模型,根据保存的数据构建版图训练集和验证集,输入热点检测模型并进行模型训练;分别计算测试版图的热点几何序列表示和非热点几何序列表示,输入训练好的热点检测模型进行测试,得到热点几何序列和非热点几何序列的概率值,判断当前测试版图是否为热点。本发明方法通过序列化表示引入版图全局的拓扑表示信息,并结合对比学习,解决了传统监督学习在不平衡数据集上构建单一决策边界的问题。
-
公开(公告)号:CN119399170A
公开(公告)日:2025-02-07
申请号:CN202411537453.8
申请日:2024-10-31
Applicant: 南京大学
IPC: G06T7/00 , G06T7/13 , G06T5/80 , G06T11/20 , G06T7/11 , G06T7/136 , G06T7/62 , G06N3/0455 , G06V10/44 , G06V10/766
Abstract: 本发明公开了一种基于深度学习的纳米薄膜材料原位显微图像表征方法,包括:实时获取原位显微平台下纳米薄膜材料的生长视频数据并同步进行画面校正处理;使用swin‑TRANSEM神经网络加载预训练权重,对校正后的生长视频图像进行识别,生成识别框;根据识别框的大小确定晶畴早期生长帧位并获取晶畴生长的中心位置信息;使用改进的图像分割算法提取单个晶畴离散化的边缘信息;结合晶畴生长的中心位置信息和晶畴离散化的边缘信息,计算各个边缘代表点在坐标轴方向上的梯度并取模得到以每个方向上的生长速度信息;绘制生长热图,建立生长模型。本发明能够显著提升纳米薄膜材料生长分析的效率和精确度。
-
公开(公告)号:CN119337794A
公开(公告)日:2025-01-21
申请号:CN202411855892.3
申请日:2024-12-17
Applicant: 南京大学
IPC: G06F30/36 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/776 , G06V10/80
Abstract: 本发明公开了一种芯片版图图案拓扑表示及热点检测方法,步骤包括:将版图数据转换为二值图像数据保存;将版图数据中多边形转换为几何序列数据保存;将版图数据中多边形拓扑关系数据保存;构建基于对比学习的热点检测模型,根据保存的数据构建版图训练集和验证集,输入热点检测模型并进行模型训练;分别计算测试版图的热点几何序列表示和非热点几何序列表示,输入训练好的热点检测模型进行测试,得到热点几何序列和非热点几何序列的概率值,判断当前测试版图是否为热点。本发明方法通过序列化表示引入版图全局的拓扑表示信息,并结合对比学习,解决了传统监督学习在不平衡数据集上构建单一决策边界的问题。
-
-
-
-