基于深度学习的晶圆生产工艺缺陷分类的分析方法及设备

本发明的一种基于深度学习的晶圆生产工艺缺陷分类的分析方法及设备，包括采集源图像，并对图像进行预处理，建立基准数据集；构建深度神经网络模型，并将预处理后的图像输入深度神经网络模型，并通过带L2正则项的交叉熵计算损失值，通过分类器进行图像分类；将待分类的图片输入深度神经网络模型，输出推理结果。采用深度神经网络通过将不同Bottleneck模块的输出和原始特征图拼接在一起，聚合多尺度信息；同时C2f模块中的卷积操作可以有效地压缩特征图，减少计算量，大大提高了模型训练和推理速度，达到实时性检测的要求；基于深度学习的晶圆生产工艺缺陷方法，采用多种数据增强方法，可以有效提高模型的准确率和鲁棒性。