基于多模态深度学习的晶圆混合型缺陷检测方法和系统

本发明提供一种基于多模态深度学习的晶圆混合型缺陷检测方法和系统，方法包括：获取晶圆的多模态图像；其中，多模态图像包括明场图像、暗场图像和微分干涉对比图像；将多模态图像进行归一化处理；将归一化处理后的多模态图像进行通道拼接，得到多通道输入图像；基于双分支深度学习网络，检测多通道输入图像的缺陷类型、缺陷数量、缺陷边界框坐标、缺陷类型的第一概率分布和缺陷数量的第二概率分布；将第一概率分布和第二概率分布进行加权融合，得到缺陷检测结果，能够有效提升缺陷的检测精度，显著降低漏检率，同时解决了传统单模态检测方法在复杂背景下识别能力不足的问题。