晶圆缺陷AI检测：跨机台迁移的验证方法

在晶圆缺陷检测系统定制中，我们近期把重点放在一个容易被低估的问题上：模型在同一台设备上表现良好，换到另一台同型号机台后，检出率往往出现明显回落。原因通常不是算法本身，而是成像条件、光源衰减、载台平整度带来的灰度分布漂移。

我们的实验思路是把「迁移验证」前置到方案设计阶段，而不是交付后再补。具体做法包括：用同一批标准片在两台机台上同步采集，建立跨机台的基准对照集；在特征侧引入与绝对灰度弱相关的描述量（局部对比度、梯度方向直方图、形态学结构），降低对单机成像参数的依赖；再以小样本微调作为兜底，每台机台只需数十片标注即可完成校准。

要点：
1）进展：在 6 台同型号检测机上完成对照验证，跨机台迁移后缺陷检出率差异从最初的约 11 个百分点收窄到 3 个百分点以内，误报率保持稳定。
2）下一步：把跨机台一致性纳入上线验收指标，与检出率、误报率并列，并尝试用无标注晶圆做漂移监测，提前提示光源或光路需要标定。