晶圆表面缺陷检测的难点不在模型本身，而在缺陷型态长尾、标注成本高、产线节拍紧三者的冲突。本实验室《半导体晶圆AI缺陷检测系统定制》近期把工作拆成两条线：一条做已知缺陷的快速分类，一条做未知缺陷的兜底发现。
阶段进展：
- 已知缺陷线：采用迁移学习加缺陷区域裁剪，在内部测试集（约2万张明场与暗场图像、12类常见缺陷）上，分类准确率由规则基线的87%提升至94%，单张推理控制在30ms以内，可对齐现有产线节拍。
- 未知缺陷线：以重构误差做异常定位，能在无标注条件下圈出新型态缺陷，但误报率仍偏高，目前按产线复判结果回流做按月增量训练。
下一步计划：引入多模态成像（明场/暗场/偏振）做特征互补，并尝试把检测结果与MES、SPC打通，让缺陷密度与分布漂移进入工艺端趋势监控，而不是止于单站判定。
评论