SEMI-PointRend: دستیابی به افزایش دقت و جزئیات در تجزیه و تحلیل نقص نیمه هادی از تصاویر SEM

گره منبع: 2011071

تجزیه و تحلیل عیب نیمه هادی بخش مهمی از فرآیند تولید مدارهای مجتمع است. نقص ها می توانند باعث مشکلات مختلفی شوند، از کاهش عملکرد تا خرابی کامل دستگاه. برای اطمینان از تولید با کیفیت ترین محصولات، داشتن روشی مطمئن و دقیق برای تشخیص و آنالیز عیوب ضروری است. SEMI-PointRend یک فناوری جدید است که باعث افزایش دقت و جزئیات در تجزیه و تحلیل نقص نیمه هادی از تصاویر میکروسکوپ الکترونی روبشی (SEM) می شود.

SEMI-PointRend یک سیستم پردازش تصویر مبتنی بر یادگیری ماشینی است که از الگوریتم های یادگیری عمیق برای شناسایی و تجزیه و تحلیل عیوب در دستگاه های نیمه هادی استفاده می کند. این برای استفاده با تصاویر SEM طراحی شده است که وضوح بالاتری نسبت به میکروسکوپ نوری سنتی ارائه می دهد. با استفاده از الگوریتم های یادگیری عمیق، SEMI-PointRend قادر است عیوب را با دقت و جزئیات بیشتری نسبت به روش های سنتی شناسایی و طبقه بندی کند.

این سیستم ابتدا با استخراج ویژگی ها از تصویر SEM کار می کند. سپس از این ویژگی ها برای آموزش یک مدل یادگیری عمیق استفاده می شود که سپس برای شناسایی و طبقه بندی عیوب در تصویر استفاده می شود. این مدل با استفاده از مجموعه داده بزرگی از تصاویر SEM با نقص های شناخته شده آموزش داده شده است، که به آن اجازه می دهد تا به طور دقیق عیوب را حتی در تصاویر با کنتراست کم یا نسبت سیگنال به نویز کم شناسایی و طبقه بندی کند.

SEMI-PointRend بر روی انواع دستگاه های نیمه هادی مختلف از جمله تراشه ها، ویفرها و بسته ها آزمایش شده است. در تمام موارد توانست عیوب را با دقت بیشتری نسبت به روش های سنتی شناسایی و طبقه بندی کند. علاوه بر این، این سیستم قادر به تشخیص عیوبی بود که با چشم انسان قابل مشاهده نبودند و امکان تجزیه و تحلیل دقیق تری را فراهم می کرد.

به طور کلی، SEMI-PointRend یک ابزار موثر برای افزایش دقت و جزئیات در تجزیه و تحلیل نقص نیمه هادی از تصاویر SEM است. با استفاده از الگوریتم‌های یادگیری عمیق، می‌تواند عیوب را با دقت بیشتری نسبت به روش‌های سنتی شناسایی و طبقه‌بندی کند و امکان تجزیه و تحلیل دقیق‌تر نقص را فراهم کند. این فناوری می تواند به تولید محصولات با بالاترین کیفیت کمک کند و منجر به بهبود عملکرد و قابلیت اطمینان دستگاه های نیمه هادی شود.

تمبر زمان:

بیشتر از نیمه هادی / Web3