基于联合局部与非局部线性判别分析的晶圆图缺陷检测与识别

在半导体制造过程中，晶圆图中的缺陷检测与识别受到了半导体行业越来越多的关注。晶圆图中的各种缺陷模式为协助工程师识别制造问题的根本原因并最终解决这些问题提供了关键信息。本文开发了一种基于流形学习的晶圆图缺陷检测与识别系统。在该系统中，提出了一种联合局部与非局部线性判别分析（JLNDA），以发现提供缺陷模式判别特征的内在流形信息。进一步开发了JLNDA的无监督版本（称为局部和非局部保持投影），以提供用于晶圆图缺陷检测的监控图。进一步提出了一种基于JLNDA的Fisher判别式，用于在线缺陷识别，而无需识别器的建模过程。与其他常规方法、主成分分析、局部保持投影、线性判别分析（LDA）和局部LDA的比较，证明了JLNDA在晶圆图缺陷识别中的优越性。所提系统的有效性已通过真实世界晶圆图数据集（WM-811K）的实验结果得到验证。