CN119445046A 半导体晶圆缺陷检测光源配置方法、装置及设备 （深圳市金鼎胜光电股份有限公司）

道浪心社区洲石路49号凯欣达科技园半导体晶圆缺陷检测光源配置方法、装置及设结合图像质量评分数据对光源角度参数进行识2将所述增强缺陷特征图输入双路深度神经网络进行反获取多个光源的光源输入电流和光强传感器数据，并结合所述图像基于所述反射光强数据和所述光源初始参数，对光源角度和光源强度进行非线性控计算所述多个光源的通道权重，并对所述光源控制参数进行对半导体晶圆图像进行灰度化和归一化预处理，得到预处理晶圆图对所述动态特征图进行核点卷积处理，通过高斯核函数计算中心点与将所述初始缺陷特征图输入空间注意力子模块，所述空间注意力子模块包含3个卷积对所述空间增强特征图进行通道注意力处理，通过全局平均池化和将所述空间增强特征图和所述通道增强特征图进行特征融合，采用残差连接结构和1将所述增强缺陷特征图分别输入图像增强子网络和质量评价子网络通过图像增强子网络的编码器对所述增强缺陷特征图进行特征提取将所述多尺度编码特征输入图像增强子网络的解码器，所述解码器包含4个上采样单元，每个上采样单元包含一层反卷积层和两层33对所述增强缺陷特征图通过质量评价子网络的3个并行卷积分支进行特征提取，每个将所述多尺度感受野特征输入全局上下文注意力模块，通过计获取多个光源的光源输入电流和光强传感器数据，并将所通过径向基核函数对所述特征向量矩阵进行非线性映射，得到高维特基于所述支持向量集计算回归函数的权重向量和偏置项，对输入的对所述补偿后的光源角度数据进行交叉验证，得到光源角度置信度，将所述反射光强数据进行数据预处理，对光强信号进行带通对所述观测系统状态矩阵进行李雅普诺夫稳定性分析，通过求解李雅普诺夫将所述增益约束条件输入极点配置模块，采用阿克曼公式计算闭根据所述反馈增益数据对所述状态空间方程进行解耦变换，将耦合对所述解耦状态方程进行非线性补偿，通过构建反馈线性化控制器消除系统非线性将所述补偿控制数据输入滑模控制器进行控制量分配，4将所述分配控制数据与所述反馈增益数据进行组合优化，得到光源控将所述光源控制参数按通道分组，对每个光源通道的角度和强度参数进行标准化处将所述通道关联数据输入注意力计算模块，通过softmax函数计算通道间的注意力分对所述初始通道权重进行归一化处理，并结合光源通道的历史权重将所述优化权重数据输入协同控制模块，通过构建分布式一致对所述协同控制数据进行约束处理，根据光源的功率限制和角度范围进行参数截断，到协同光源配置参数，所述协同光源配置参数包含每个光源通道的最优角度和强度配置将所述协同控制数据进行约束分解，对第一光源组的角度参数和对所述分组约束优化方程进行分层二次规划求解，对第一光源组设置角度范围为[_基于所述层次化截断参数构建具有正交性的多目标优化模型，将所述正交优化数据输入遗传算法求解器，设置动态自对所述双层优化参数序列进行分组约束验证，构建第一约束函数针将所述分级可行参数集与所述优化权重数据进行正交组合，通过构建5对所述正交组合参数数据进行分区域稳定性分析，对第一光源组采用获取模块，用于获取半导体晶圆图像并进行动态图卷积处理和评分模块，用于将所述增强缺陷特征图输入双路深度神经网络进行反射计算模块，用于获取多个光源的光源输入电流和光强传控制模块，用于基于所述反射光强数据和所述光源初始参数，对处理模块，用于计算所述多个光源的通道权重，并对所述光源控制参行时使得所述处理器执行如权利要求1至7中任一项所述的半导体晶圆缺陷检测光源配置6[0001]本发明涉及光源配置技术领域，尤其涉及一种半导体晶圆缺陷检测光源配置方将所述增强缺陷特征图输入双路深度神经网络进行反射光强计算和图像质量评78接结构和1×1卷积层对融合特征进行降维处理。残差连接的引入有效避免梯度消失问题，强缺陷区域的反射光强信息。图像增强子网络的编码器对增强缺陷特征图进行特征提取，9元，每个单元由一层反卷积层和两层3x3卷积层组成上下文增强特征进行自适应特征聚合，通过1x1卷积层对不同分支的特征进行通道重组，函数对参数进行融合。相位差的考虑是为了确保不同光源之间的相位关系能够有效协调，得到满足所有约束条件的协同光源配置参数，包含每个光源通道的最优角度和强度配置将空间增强特征图和通道增强特征图进行特征融合，采用残;;;其中，X=(x1,x2,…,x)和y=(y1,y2,…,yn)分别表示两个像素的坐标或特理图结构数据的神经网络，动态卷积的作用是对图像中不同像素点的特征进行局部更新。;;;;;;其中，pooling(x)表示对输入特征图进行全局池化操作，得到一个通道描;通过图像增强子网络的编码器对增强缺陷特征图进行特征提取，编码器包含4个个上采样单元包含一层反卷积层和两层3x3卷积层，通对增强缺陷特征图通过质量评价子网络的3个并行卷积分支进行特征提取，每个像增强子网络对增强缺陷特征图进行深度特征提取和图像增强。该网络的编码器部分由4个下采样单元构成，每个下采样单元包含两层3x;;;图。反卷积操作通过插值或其他方法恢复特征图的空间大其中，表示跳跃连接中的编码器输出特征，xrusion是融合后的特征图。同;;;;;;项。通过对支持向量集进行回归预测，得到光源角度的初始值。假设回归预测结果为;角度范围和功率限制作为约束条件被纳入优化问题中。假设光源角度的物理约束为和功率约束。通过求解优化对解耦状态方程进行非线性补偿，通过构建反馈线性化控制器消除系统非线性;;;;;;f(x)和g(x)，则通过选择合适的控制律u(t)=-kx+v(x)，将;;其中，uo和分别为角度和强度的控制量，usat和Isar为经过饱和处理后的控制将光源控制参数按通道分组，对每个光源通道的角度和强度参数进行标准化处将通道关联数据输入注意力计算模块，通过softmax函数计算通道间的注意力分对协同控制数据进行约束处理，根据光源的功率限制和角度范围进行参数截断，;其中，p(x1,x2)是通道x1和之间的相关系数，和分别是通道x1和的均;将光源的物理位置与其操作性能之间的关系引入优化过程中。基于初步的注意力计算结;合考虑多个光源通道之间的协同工作效果。将优化后的权重数据输入到协同控制模块中，;;道的最优角度和强度配置值的过程可以具体包对分组约束优化方程进行分层二次规划求解，对第一光源组设置角度范围为[_;这些约束确保光源的角度和强度符合实际工作要求。通过构建分组约束优化方f⃞(x)sf1(x),f(x)sf2(x)且不可同时被改进；;;衡和系统动力学稳定性两个方面分析光源配置的稳定性。如果在分析中发现不稳定的配[0035]通过上述各个组成部分的协同合作，通过引入动态图卷具有自学习能力的光源参数识别和控制系统；通过设计分层优化策略和正交帕累托准则，实现了多光源的协同配置和动态调节。该方法不仅显著提升了缺陷检测的准确性和可靠通过计算机程序来