买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜坎泰克有限公司申请的专利基于深度学习使用晶圆缺陷图像对晶圆内的缺陷进行分类的方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113627457B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202010831725.0，技术领域涉及：G06V10/764；该发明授权基于深度学习使用晶圆缺陷图像对晶圆内的缺陷进行分类的方法和系统是由艾萨克·丹尼尔·布扎格洛设计研发完成，并于2020-08-18向国家知识产权局提交的专利申请。

本基于深度学习使用晶圆缺陷图像对晶圆内的缺陷进行分类的方法和系统在说明书摘要公布了：本发明提供了基于深度学习网络的用于使用晶圆缺陷图像对晶圆中的缺陷进行分类的方法和系统100。本文的实施方案使用晶圆缺陷图像的多个模式之间的协同来进行分类决策。此外，通过添加模式的混合，可以从不同来源获得信息，例如彩色图像、ICI、黑白图像等，来对缺陷图像进行分类。除了混合模式，参考图像可用于每个模式。每个模式图像的参考图像被提供给深度学习模型，以集中于缺陷本身，而不是缺陷图像的相关底层光刻。此外，可将参考图像提供给深度学习模型的训练过程，其可显著减少标记图像的数量和深度学习模型收敛所述的训练时间。

本发明授权基于深度学习使用晶圆缺陷图像对晶圆内的缺陷进行分类的方法和系统在权利要求书中公布了：1.一种对半导体晶圆中的缺陷进行分类的方法，所述方法包括：提供被配置为捕获图像的不同成像模式的一个或多个成像单元；提供计算单元；提供来自多个机器学习模型的两个或更多个机器学习模型，所述两个或更多个机器学习模型至少与所述计算单元的计算机处理器、数据库和存储器相关联，其中所述两个或更多个机器学习模型被训练以对一个或多个半导体晶圆中的一个或多个晶片上的一个或多个缺陷进行分类，其中所述两个或更多个机器学习模型的所述训练包括：向所述两个或更多个机器学习模型提供存储在所述数据库中的所述一个或多个半导体晶圆的多个标记图像，以及配置来自所述两个或更多个机器学习模型的每个机器学习模型，以将所述多个标记图像分类为至少一个缺陷类别；在有向无环图架构中连接经训练的两个或更多个机器学习模型，其中所述有向无环图架构包括非叶子节点和终端节点，其中所述有向无环图架构中的至少一些非叶子节点代表各自的机器学习模型，其中所述终端节点代表后处理过程，其中所述非叶子节点包括一个或多个根节点，其中所述一个或多个根节点中的每个不具有任何到达其的传入边，其中所述有向无环图架构包括至少第一路径和第二路径，所述第一路径开始于根节点而结束于所述终端节点，所述第一路径包括第一数量的非叶子节点，其中所述第二路径开始于所述根节点而结束于所述终端节点，所述第二路径包括第二数量的非叶子节点，所述第一数量大于所述第二数量，其中所述有向无环图架构包括代表各自的机器学习模型的节点，其中所述有向无环图架构包括：第一边和第二边，其中所述第一边与第一缺陷类别的第一预测标签相关联，所述第一边从所述节点发出而进入另一个非叶子节点，其中所述第二边与第二缺陷类别的第二预测标签相关联，所述第二边从所述节点发出而进入所述终端节点；和通过以下检测位于半导体晶圆上包含的晶片上的一个缺陷：接收来自所述一个或多个成像单元的至少一个图像，所述至少一个图像代表从所述半导体晶圆中的所述晶片拍摄的所述一个缺陷，基于所述有向无环图架构中的在前机器学习模型的输出，确定所述有向无环图架构中的至少一个机器学习模型是否被跳过，其中如果所述至少一个机器学习模型被跳过，则所述至少一个图像不被输入给经确定跳过的所述至少一个机器学习模型，根据所述有向无环图架构，通过未跳过的机器学习模型，对所述一个缺陷进行分类，其中所述未跳过的机器学习模型排除所述至少一个跳过的机器学习模型，由此获得所述未跳过的机器学习模型的分类决定，通过执行与所述终端节点相关联的后处理，生成所述一个缺陷的分类决定，所述后处理是基于所述未跳过的机器学习模型的所述分类决定执行的，以及输出生成的分类决定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人坎泰克有限公司，其通讯地址为：以色列米格达尔哈梅克；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。