掩码自编码器分类框架

一种基于掩码自编码器的自监督学习框架，专为具有混合仓特征和多重严重缺陷区域的复杂晶圆仓图设计，通过预训练编码器与多标签分类器，实现少样本高精度分类。

Yi, Wang · 倪东 · Zhenyu, Huang · Puyang, Chen

Expert Systems with Applications 2024

参数信息

分类准确率

>90 %

技术优势

标注需求大降

通过自监督预训练，只需少量标注样本微调即可达到高精度分类，减少对资深工程师标注的依赖。

复杂图也能分

专门针对混合仓特征和多个严重缺陷区域的复杂晶圆仓图，通过patchMC编码器增强表示能力，提升分类准确性。

准确率超90%

在Intel真实复杂晶圆仓图数据集上，分类准确率超过90%，满足工业应用要求。

应用场景

• 半导体缺陷检测：自动识别晶圆上多种缺陷模式，替代人工目检，减少漏检和误判。
• 晶圆制造质量控制：在生产线上快速分类晶圆仓图，及时发现工艺异常，提升良率管理水平。
• 光刻工艺监控：通过对晶圆仓图的分类分析，间接监测光刻工艺质量，辅助工艺参数调整。
• 智能制造数据分析：融入智能数据分析流程，利用未标注数据预训练，降低数据标注成本，提升分析效率。