Método de generación de imágenes de defectos de obleas basado en la red Styleganv3 mejorada

Área de la Ciencia:

• Fabricación de semiconductores
• Inteligencia artificial
• Visión por computadora

Sus antecedentes:

• La generación de imágenes de defectos de oblea de alta fidelidad es crucial pero desafiante debido a los datos limitados del mundo real.
• Los métodos existentes a menudo carecen de autenticidad física y luchan con pequeños conjuntos de datos.

Objetivo del estudio:

• Desarrollar un modelo generativo mejorado para la síntesis de imágenes de defectos de obleas de alta fidelidad.
• Mejorar la capacidad de reconstrucción de conjuntos de datos de obleas utilizando datos limitados.
• Abordar los desafíos de la escasez de datos y la autenticidad física en los modelos generativos.

Principales métodos:

• Un marco StyleGANv3 mejorado que incorpora una unidad de fusión de núcleo heterogéneo (HKFU) para el refinamiento de características a múltiples escalas.
• Integración de un módulo de atención adaptativa dinámica (DAAM) para mejorar la sensibilidad del discriminador.
• Formación y evaluación sobre los conjuntos de datos Mixtype-WM38 y MIR-WM811K.

Principales resultados:

• El rendimiento de última generación obtenido en los conjuntos de datos de referencia.
• Las puntuaciones FID de 25,20 y 28,70 y los valores SDS de 36,00 y 35,45 demuestran una generación de alta fidelidad.
• Generación exitosa de imágenes realistas de defectos de oblea a partir de datos limitados.

Conclusiones:

• El método propuesto alivia efectivamente el problema de los conjuntos de datos limitados en el modelado generativo.
• El marco StyleGANv3 mejorado contribuye significativamente a la preparación de datos para la clasificación y detección de defectos de las obleas.
• Este trabajo avanza en el campo de la generación de datos sintéticos para el control de calidad de semiconductores.