基于改进生成对抗网络的无监督晶圆缺陷检测

作者：李阳; 蒋三新^*

来源：电子测量技术, 2023, 46(06): 91-99.

DOI：10.19651/j.cnki.emt.2210828

• 生成对抗网络
• 无监督学习
• 缺陷检测
• 晶圆
• 记忆模块

为实现晶圆表面缺陷的无监督检测，提出了一种改进生成对抗网络的无监督晶圆表面缺陷检测模型，该模型通过目标图像与重构图像之间的差异来检测缺陷。该方法使用带有两层跳跃连接和记忆模块的编码器-解码器卷积神经网络来搭建生成器，跳跃连接用以捕获多尺度的输入图像特征，记忆模块对潜在特征实施约束，扩大真实缺陷样本与重构样本间的距离。该方法还通过改进判别器网络结构，使模型轻量化。实验结果表明，该模型能够准确分辨具有缺陷的晶圆样本，ROC曲线下的面积值达到0.934,与已有的无监督学习检测方法相比性能更优，同时判别器网络的参数量和计算量分别降低到1 M和60 M以下。

• 单位
  上海电力大学