基于机器学习的晶圆缺陷在线检测与分类算法优化研究

摘要

针对晶圆制造过程中表面缺陷检测精度低、实时性差以及多类别缺陷分类准确率不足等问题，本文提出了一种基于机器学习的晶圆缺陷在线检测与分类算法优化方案。该方案通过优化数据预处理流程、改进特征提取算法、引入多尺度特征融合机制以及提升分类模型性能，构建了高效的晶圆缺陷检测与分类体系。实验结果表明：所提优化算法在检测精度、分类准确率以及实时性能方面均得到显著提升，平均检测精度mAP@0.5达88.67%,相较于基线模型提升6.93个百分点，为半导体制造质量管控提供了可靠的技术保障。

关键词

晶圆缺陷检测 / 机器学习 / 算法优化 / 在线检测 / 缺陷分类