-
公开(公告)号：CN116542945B
公开(公告)日：2024-01-05
申请号：CN202310528600.4
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。(56)对比文件Takeshi Nakazawa and Deepak V.Kulkarni.Anomaly Detection andSegmentation for Wafer Defect PatternsUsing Deep Convolutional Encoder–DecoderNeural Network Architectures inSemiconductor Manufacturing.IEEETRANSACTIONS ON SEMICONDUCTORMANUFACTURING.2019,第32卷(第2期),全文.杨静，尚夏，荣海军，杜少毅.采用仿射迭代最近点的晶圆分割方法.西 安 交 通 大 学 学 报.2017,第51卷(第12期),全文.刘娜;岳琪琪;陈加宏;孙健.搜索区域和目标尺度自适应的无人艇海面目标跟踪.光学精密工程.2020,(03),全文.
-
公开(公告)号：CN116542945A
公开(公告)日：2023-08-04
申请号：CN202310528600.4
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。
-
公开(公告)号：CN116500042A
公开(公告)日：2023-07-28
申请号：CN202310516332.4
申请日：2023-05-09
Applicant: 哈尔滨工业大学重庆研究院
IPC: G01N21/88
Abstract: 本申请提供一种缺陷检测方法、装置、系统及存储介质，涉及缺陷检测技术领域。缺陷检测系统包括条纹光源和相机。方法包括：获取相机拍摄条纹光源照射下的待检物得到的相机图像；对相机图像进行预处理，以得到待检图像；将待检图像输入经过训练的、基于PatchCore算法构建得到的预设缺陷检测模型，以得到待检图像中的缺陷特征与预设缺陷检测模型中的特征库对比后生成的异常得分热力图。如此，可以改善常规检测算法在进行微弱凹凸缺陷检测时，缺陷的召回率低、漏检率大、准确性不足的问题。
-
公开(公告)号：CN115063385A
公开(公告)日：2022-09-16
申请号：CN202210762670.1
申请日：2022-06-29
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及晶圆检测技术领域，公开了一种用于晶圆检测的机器视觉方法，包括以下步骤：步骤1：采用ImageNet1000数据集预训练MAE模型，并采用公共工业数据集对MAE模型进行初次微调；步骤2：确认待检测晶圆数据；并对MAE模型进行二次微调，得到改进MAE模型；步骤3：筛选标准训练样本；所述标准训练样本内仅包含有合格晶圆样本；步骤4：改进MAE模型基于标准训练样本进行特征提取并构建记忆库；步骤5：由改进MAE模型对待检测晶圆数据进行特征提取；步骤6：按照比对策略比对标准Patch Embedding和待检测晶圆数据的Patch Embedding，并判定得到待检测晶圆数据的合格Patch；步骤7：根据合格Patch确定并分割待检测晶圆数据的异常区域。本发明能够精准检测晶圆，识别精准度较高。
-
公开(公告)号：CN114648515A
公开(公告)日：2022-06-21
申请号：CN202210327618.3
申请日：2022-03-30
Applicant: 哈尔滨工业大学重庆研究院
Abstract: 本发明公开的印刷缺陷检测模型及印刷缺陷检测方法，涉及人工智能领域，利用2个结构相同的多尺度骨架网络，同时提取参考图像Iref及待检测图像Idet的语义特征图，根据参考图像Iref的多个语义特征图与待检测图像Idet的多个语义特征图，计算参考图像Iref与待检测图像Idet之间的相似度，根据该相似度，判断待检测图像Idet是否存在印刷缺陷，可以有效地检测印刷品中存在的缺陷，提高了检测性能，训练印刷缺陷检测模型时不需要人工标注，极大地降低了训练成本，使用时不需要专业人员进行调试，提高了易用性。
-
Patent Agency Ranking
公开(公告)号：CN115063385B
公开(公告)日：2025-04-25
申请号：CN202210762670.1
申请日：2022-06-29
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
IPC: G06T7/00 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及晶圆检测技术领域，公开了一种用于晶圆检测的机器视觉方法，包括以下步骤：步骤1：采用ImageNet1000数据集预训练MAE模型，并采用公共工业数据集对MAE模型进行初次微调；步骤2：确认待检测晶圆数据；并对MAE模型进行二次微调，得到改进MAE模型；步骤3：筛选标准训练样本；所述标准训练样本内仅包含有合格晶圆样本；步骤4：改进MAE模型基于标准训练样本进行特征提取并构建记忆库；步骤5：由改进MAE模型对待检测晶圆数据进行特征提取；步骤6：按照比对策略比对标准Patch Embedding和待检测晶圆数据的Patch Embedding，并判定得到待检测晶圆数据的合格Patch；步骤7：根据合格Patch确定并分割待检测晶圆数据的异常区域。本发明能够精准检测晶圆，识别精准度较高。
-
公开(公告)号：CN114998670B
公开(公告)日：2024-05-28
申请号：CN202210391286.5
申请日：2022-04-14
Applicant: 哈尔滨工业大学重庆研究院
IPC: G06V10/774 , G06F18/214 , G06V10/46 , G06V10/80 , G06V10/82 , G06F40/253 , G06F40/289 , G06F40/30 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供的多模态信息预训练方法及系统，涉及人工智能技术领域，通过构建第一多模态信息，基于MOCO对比学习模型，随机选择第一图像集合中的一个或多个图像进行几何变换，得到第二图像集合，基于MOCO对比学习模型，随机选择第一文本集合中的一个或多个文本进行语法结构变换，得到第二文本集合，分别对第二图像集合中的各个图像进行编码，生成对应的第一高维隐向量集合，根据目标损失值，对第一多模态信息进行预训练，在有限负样本下，使得网络模型能够接触更多的负样本，增大类间距离，有利于细粒度地检索图文，极大地节省了时间，能够达到更好的预训练效果。
-
公开(公告)号：CN117746102A
公开(公告)日：2024-03-22
申请号：CN202311624219.4
申请日：2023-11-30
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/82 , G06V10/74 , G06V10/77 , G06T7/00
Abstract: 本发明属于半导体晶圆检测技术领域，具体涉及一种用于晶圆缺陷分类的机器视觉方法、设备及存储介质。其中一种用于晶圆缺陷分类的机器视觉方法包括：S1：拟合正样本数据，建立正样本模型；S2：将样品晶圆数据输入所述正样本模型，通过特征信息比对，筛选出负样本数据；S3：对所述负样本数据进行聚类分析，获得缺陷种类；S4：输入生产线上采集到的晶圆数据进行比对，当判断所检测的晶圆为具有缺陷的晶圆时，与所述缺陷种类进行比对，获得有缺陷的晶圆的缺陷分类结果。其目的是：解决传统的晶圆检测过程中只能识别出晶圆是否为缺陷产品，无法对具有缺陷的晶圆的缺陷进行分类的问题。
-
公开(公告)号：CN117593604A
公开(公告)日：2024-02-23
申请号：CN202311608733.9
申请日：2023-11-28
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
Abstract: 本发明涉及半导体检测技术领域，公开了一种自适应晶圆正样本筛选方法，包括：阶段1，采用缺陷模拟策略，生成模拟缺陷样本；阶段2，设置训练集和测试集；所述训练集中包括由整片晶圆分割而成的多个Die；所述测试集中包括模拟缺陷样本和正样本；采用预设迭代算法，基于测试集对训练集中的样本进行数据清洗，并筛选得到训练集中的正样本。本发明无需人工干预即可实现对晶圆样本的正样本筛选，能够为后续基于正样本的无监督异常检测模型提供大规模的正样本训练集，有助于降低样本采集成本，提高采集效率和精准度。
-
公开(公告)号：CN116485779B
公开(公告)日：2024-01-30
申请号：CN202310527789.5
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
IPC: G06T7/00 , G06T3/04 , G06T3/4007 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/088
Abstract: 本申请提供一种自适应晶圆缺陷检测方法、装置、电子设备及存储介质，涉及缺陷检测技术领域。方法包括：获取通过相机拍摄晶圆得到的相机图像；对相机图像进行预处理，以得到待检图像；将待检图像输入经过训练的预设缺陷检测模型，以得到表征晶圆是否存在缺陷的检测结果，其中，预设缺陷检测模型是基于无监督算法PaDim构建得到的；当检测结果为晶圆存在缺陷时，通过预设图像分割策略，从相机图像中分割出表征缺陷区域的图像，以作为图像分割结果。如此，可以改善当下基于机器视觉检测晶圆缺陷的方式，存在缺陷样本难采集、人力成本高昂、复杂环境下的缺陷检测鲁棒性不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.033 seconds)
