SEMI-PointRend: verbeterde nauwkeurigheid en detaillering van halfgeleiderdefectanalyse van SEM-afbeeldingen

Analyse van halfgeleiderdefecten van scanning-elektronenmicroscoopbeelden (SEM) is een cruciaal onderdeel van het productieproces van halfgeleiders. Het vermogen om defecten nauwkeurig te detecteren en te identificeren is essentieel voor het garanderen van de kwaliteit en betrouwbaarheid van het eindproduct. Recente ontwikkelingen op het gebied van machinaal leren en computervisie hebben de ontwikkeling mogelijk gemaakt van krachtige algoritmen die automatisch defecten in SEM-beelden kunnen detecteren en classificeren.

Eén zo’n algoritme heet SEMI-PointRend, ontwikkeld door onderzoekers van de University of California, Berkeley. Dit algoritme maakt gebruik van een combinatie van deep learning en puntenwolkverwerking om defecten in SEM-beelden nauwkeurig te detecteren en te classificeren. Het algoritme kan defecten met hoge nauwkeurigheid en detail detecteren en classificeren, zelfs in afbeeldingen met laag contrast of lage resolutie.

Het algoritme werkt door het SEM-beeld eerst om te zetten in een puntenwolk, een 3D-weergave van het beeld. De puntenwolk wordt vervolgens verwerkt met behulp van een deep learning-model om de defecten te detecteren en te classificeren. Het model is getraind op een grote dataset van SEM-beelden met bekende defecten, waardoor het zelfs kleine of subtiele defecten nauwkeurig kan detecteren en classificeren.

Het algoritme is getest op verschillende SEM-beelden en er is aangetoond dat het een nauwkeurigheid tot 99% bereikt. Dit is aanzienlijk hoger dan traditionele methoden voor defectdetectie, die doorgaans een nauwkeurigheid van ongeveer 80% hebben. Bovendien kan het algoritme defecten met hoge details detecteren en classificeren, waardoor een nauwkeurigere analyse van de defecten mogelijk is.

Over het geheel genomen is SEMI-PointRend een krachtig hulpmiddel voor het nauwkeurig detecteren en classificeren van defecten in SEM-afbeeldingen. Er is aangetoond dat het een hoge nauwkeurigheid en detail bereikt, waardoor het een hulpmiddel van onschatbare waarde is voor halfgeleiderfabrikanten. Met zijn vermogen om snel en nauwkeurig defecten te detecteren en te classificeren, kan het de kwaliteit en betrouwbaarheid van halfgeleiderproducten helpen garanderen.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. Toegang hier.
• Bron: Plato Data Intelligence: PlatoAiStream