【技术实现步骤摘要】
本专利技术属于集成电路制造，具体涉及一种基于微分流形的集成电路表面缺陷分类方法。
技术介绍
1、随着全球智能经济时代的快速到来，新一轮科技创新变革和产业转型升级正快速推演。五大新兴制造业之一的半导体产业，身处上游端口的位置决定了其优先发展的产业地位，各国之间的产业竞争日益激烈。集成电路作为现代电子技术的核心组成部分，在各个领域的应用中发挥着重要作用。其高度集成、小型化和高性能特点，使得其在信息技术、通信、医疗和工业控制领域具有广泛的应用前景。
技术实现思路
1、本专利技术的目的在于提供一种基于微分流形的集成电路表面缺陷分类方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于微分流形的集成电路表面缺陷分类方法，具体包括以下步骤：
3、步骤(1)通过显微成像采集集成电路表面各部分的数字图像；
4、步骤(2)将采集完成后的图像进行预处理操作；
5、步骤(3)对预处理后的集成电路表面图像进行特征提取及分类，以便后续判断缺陷类型。
6、进一步地，所述步骤(1)的采集过程需要借助高倍显微镜。通常，一块完整的集成电路需分成上百个区域进行图像采集，各区域图像间总存在微小重叠部分，因此，这一过程往往难以获取标准模板。
7、进一步地，所述步骤(2)中，由于采用高倍显微镜在线采集工业图像，环境的复杂性往往易导致采集到的图像效果不佳，比如：复杂工业环境背景下引入多种未知噪声、图像对比度偏低、
8、步骤(2.1)分析集成电路在线采集的表面图像质量受何种因素影响；
9、步骤(2.2)对在线采集的集成电路图像进行降噪处理；
10、步骤(2.3)对降噪后的集成电路表面图像提高整体亮度并进行对比度增强处理。
11、步骤(2.4)完成集成电路图像的预处理操作。
12、进一步地，所述步骤(2.2)中，工业环境在线采集过程中引入的噪声种类较多，比如：椒盐噪声、高斯噪声、混合噪声。本专利对多种未知噪声进行降噪处理，具体包括：
13、步骤(2.2.1)利用拓扑学相关理论对集成电路表面缺陷图像进行分析；
14、步骤(2.2.2)选择适合于集成电路表面缺陷图像的同伦映射，构造新的拓扑空间；
15、步骤(2.2.3)结合高斯-拉普拉斯变换，设计适用于多种未知噪声的滤波模板；
16、步骤(2.2.4)实现多种未知噪声的降噪处理。
17、进一步地，所述步骤(2.3)中先对集成电路表面图像进行对比度增强处理，再实施过零处理操作，以保证提取到缺陷的本征特征，提高缺陷分类的精准。
18、进一步地，所述步骤(3)具体包括：
19、步骤(3.1)对预处理后的集成电路图像选择合适的映射方式，将图像映射至黎曼流形空间。
20、步骤(3.2)构建图像的特征描述符，获取特征向量l；
21、步骤(3.3)通过特征向量构建协方差矩阵j；
22、步骤(3.4)修正协方差矩阵j为李群流形的正定对称矩阵x；
23、步骤(3.5)计算正定对称矩阵之间的距离d；
24、步骤(3.6)将正定对称矩阵图像描述子映射至低维李群空间，设计李群核函数；
25、步骤(3.7)实现集成电路表面缺陷图像的精准分类，形成系统的“缺陷类型库”。
26、进一步地，所述步骤(3.1)中，由于欧式空间的度量难以用于非线性数据，所以将预处理后的集成电路图像映射至黎曼流形空间，以便更显著地表示图像的各种不同特征，包括颜色、边缘、纹理。
27、进一步地，所述步骤(3.2)中，由于集成电路表面缺陷存在多样性，单一特征描述符无法有效表示多样性缺陷特征，所以本专利的特征描述符由曲率、函数梯度、向量域的散度、位置频谱、谱值、谱梯度、弧线长度及角度特征构成。对于图像任一位置(x,y)可定义一个特征向量l(x,y)。其中曲面的曲率有很多种，包括法曲率、gauss曲率、截面曲率、平均曲率、测地曲率。本专利常用曲率和截面曲率公式如下：
28、设(m,g)为黎曼流形，▽为黎曼联络，则曲率张量r为：
29、r(x,y,z,w)＝<x,z><y,w>-<y,z><x,w>， (1)
30、设π为切空间tpm的二维子空间，取它的一组基为x,y，定义π的截面曲率为：
31、
32、其中，|x∧y|2＝<x,x><y,y>-<x,y>2，截面曲率的定义与π的基的选取无关。
33、工艺制造过程中的集成电路产生的缺陷面积相比于背景区域往往占比较小，因此，本专利先对图像进行分块处理，将含有缺陷的区域构建特征描述符，其余不含缺陷部分视为无效区域。既可减少时间消耗，也可有效表示各种类型的缺陷特性。
34、进一步地，所述步骤(3.3)中，通过多个特征描述符构造特征向量l(x,y)，再计算每个特征向量与其他特征向量之间的协方差，即可构造协方差矩阵，设计为：
35、
36、其中，协方差矩阵j反应了图像的统计特性和空间结构特性，而且在构造协方差矩阵时并未确定特征描述符的顺序，所以对图像的旋转、缩放具有较好的鲁棒性。最后对构造的协方差矩阵j进行归一化操作。
37、进一步地，所述步骤(3.4)中，由于集成电路缺陷图像的样本量少；另一方面，在线采集的图像虽然已进行降噪处理，但可能还存有少量噪声，这些将导致协方差矩阵可能存在不正定的情况，从而导致学习算法存在不稳定的预测结果，所以协方差矩阵的不正定问题非常重要。即构建协方差矩阵后需先判断协方差矩阵是否存在不正定情形，若存在则分析其原因，再采用相对应的增加微小的正值、正则化、主成分分析(pca)方法有效的修正协方差矩阵为正定对称矩阵。
38、进一步地，所述步骤(3.5)中，两图像ii和ij之间的权重距离为：
39、
40、其中k代表图像区域的总数目，d(xi,k,xj,k)是图像ii和ij对应的第k个区域的距离，代表第k个区域的权重。
41、进一步地，所述步骤(3.6)中，在低维李群空间，基于测地线距离，可将两图像之间的李群核函数设计为：
42、k(ii,ij)＝exp(-α(d(ii,ij))) ， (5)
43、其中，参数α是直接空间的缩放尺度。
44、优选的，所述步骤(3.7)中，可将李群核用于分类的方法有k-最近邻算法、支持向量机。
45、与现有技术相比，本专利技术的技术效果和优点：该基于微分流形的集成电路表面缺陷分类方法，
46、1、本发本文档来自技高网...
【技术保护点】
1.一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(1)的采集过程需要借助高倍显微镜，对一块完整的集成电路需分成上百个区域进行图像采集，各区域图像间总存在微小重叠部分。
3.根据权利要求1所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(2)的预处理过程主要解决步骤(1)中在线采集过程引入的多种未知噪声、图像对比度偏低，有助于提高缺陷分类的准确率，具体步骤包括：
4.根据权利要求3所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(2.2)中，工业环境在线采集过程中引入的噪声种类，具体步骤包括：
5.根据权利要求3所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(2.3)中先对集成电路表面图像进行对比度增强处理再实施过零处理操作，提取到缺陷的本征特征。
6.根据权利要求1所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(
7.根据权利要求6所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(3.1)中将预处理后的集成电路图像映射至黎曼流形空间，所述步骤(3.2)的特征描述符由曲率、函数梯度、向量域的散度、位置频谱、谱值、谱梯度、弧线长度及角度特征构成，所述步骤(3.2)中，先对图像进行分块处理，将含有缺陷的区域构建特征描述符，其余不含缺陷部分视为无效区域，表示各种类型的缺陷特性。
8.根据权利要求6所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(3.3)通过多个特征描述符构造特征向量，再计算每个特征向量与其他特征向量之间的协方差，即构造成协方差矩阵，所述步骤(3.4)中若存在协方差矩阵不正定情形则先分析导致协方差矩阵存在不正定的原因，再采用相对应的增加微小的正值、正则化、主成分分析(PCA)的方法修正协方差矩阵为李群流形的正定对称矩阵。
9.根据权利要求6所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(3.5)中两图像之间的权重距离采用黎曼度量，所述步骤(3.6)在低维李群空间，基于测地线距离，设计两图像之间的李群核函数，所述步骤(3.7)将李群核用于分类的方法有k-最近邻算法、支持向量机。
...【技术特征摘要】
1.一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：具体包括以下步骤：
2.根据权利要求1所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(1)的采集过程需要借助高倍显微镜，对一块完整的集成电路需分成上百个区域进行图像采集，各区域图像间总存在微小重叠部分。
3.根据权利要求1所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(2)的预处理过程主要解决步骤(1)中在线采集过程引入的多种未知噪声、图像对比度偏低，有助于提高缺陷分类的准确率，具体步骤包括：
4.根据权利要求3所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(2.2)中，工业环境在线采集过程中引入的噪声种类，具体步骤包括：
5.根据权利要求3所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(2.3)中先对集成电路表面图像进行对比度增强处理再实施过零处理操作，提取到缺陷的本征特征。
6.根据权利要求1所述的一种基于微分流形的集成电路表面缺陷分类方法，其特征在于：所述步骤(3)的具体步骤包括：
7.根据权利要求6所述的一...
【专利技术属性】
技术研发人员：钟智彦，王鸿鑫，胡俊敏，康慧，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。