(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680738.3 (22)申请日 2021.12.3 0 (71)申请人 上海精测半导体技 术有限公司 地址 201700 上海市青浦区徐泾镇双浜路 269、 299号1幢1、 3层 (72)发明人 周全　李宜清　简晓敏　肖博翰　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 代理人 万畅 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/70(2017.01) (54)发明名称 一种深度学习模型的构建方法及非线性坐 标转换方法 (57)摘要 本发明涉及一种深度学习模型的构建方法 及非线性坐标转换方法， 构建方法包括： 获取训 练样本集， 训练样本集中的训练样 本包括第一坐 标和第二坐标， 所述第一坐标和第二坐标分别为 标准片任意一点分别在前序检测设备和复查检 测设备的晶圆坐标系中的坐标； 用第一坐标作为 输入， 第二坐标作为输出， 训练得到深度学习模 型； 本发明实施例提供的一种深度学习模型的构 建方法， 基于深度学习模型实现非线性坐标之间 的转换， 不需要进行多次假设尝试寻找合适的系 数， 转换过程简单且可以自动化实现， 转换结果 精确。 权利要求书2页 说明书8页 附图5页 CN 114387240 A 2022.04.22 CN 114387240 A 1.一种深度学习模型的构建方法， 其特 征在于， 所述构建方法包括： 步骤1， 获取训练样本集， 所述训练样本集中的训练样本包括第一坐标和第二坐标， 所 述第一坐标和第二坐标分别为标准片的任意一点分别在前序检测设备和复查检测设备的 晶圆坐标系中的坐标； 步骤2， 基于深度 学习算法， 用所述第一坐标作为输入， 所述第 二坐标作为输出， 训练得 到深度学习模型。 2.根据权利要求1所述的构建方法， 其特征在于， 所述步骤1中获取所述训练样本的过 程包括： 制作包含多个标志点的标准片； 将所述标准片放入前序检测设备中， 获取所述标志点在晶圆坐标系中的坐标为所述第 一坐标； 将所述标准片放入 复查检测设备中， 获取所述标志点在晶圆坐标系中的坐标为所述第 二坐标。 3.根据权利要求2所述的构建方法， 其特征在于， 所述获取所述标志点在晶圆坐标系中 的坐标为所述第二 坐标包括： 获取晶圆圆心和晶圆缺口在所述复查检测设备的台子坐标系中的坐标， 以及晶圆圆心 和晶圆缺口在所述复查检测设备的晶圆坐标系中的坐标， 计算得到台子坐标系与晶圆坐标 系之间的转换矩阵； 检测出所述标准片上的标志点在所述复查检测设备的台子坐标系中的坐标， 根据 所述 转换矩阵得到所述标志点在所述复查检测设备的 晶圆坐标系中的坐标为所述第二 坐标。 4.根据权利要求1所述的构建方法， 其特征在于， 所述深度学习模型包括输入层、 隐藏 层和输出层， 隐藏层为m层结构， m为大于1的整数； 从输入层到所述隐藏层的各层， 各隐藏层的神经 元的个数 逐渐增大。 5.根据权利要求4所述的构建方法， 其特征在于， 所述隐藏层中第1至m－1层均分别与 第m层连接； 各层之间用全连接的方式进行 连接， 各层之间进行非线性 转换。 6.根据权利要求1所述的构建方法， 其特征在于， 所述深度 学习模型的训练通过梯度 下 降的方式来进行优化， 优化公式为： 其中， ∈为学习率， 是确定优化步长大小 的正标量， v为横坐标和 纵坐标组成的张量， f (v)为损失函数， 代表求v方向的偏导。 7.根据权利要求1所述的构建方法， 其特征在于， 所述步骤2还包括： 从所述训练样本集 中选出测试集； 利用所述测试集， 通过评价函数对所述深度学习模型进行评价； 所述评价函数为均方 误差函数、 均方根 误差函数、 平均绝对误差函数或R方函数。 8.一种非线性坐标转换方法， 基于权利要求1－7任一项所述的构建方法构建的所述深 度学习模型， 其特 征在于， 所述非线性 坐标转换 方法包括： 将待转换坐标输入所述深度学习模型， 所述深度学习模型输出转换后坐标。 9.一种晶圆缺陷的检测方法， 基于权利要求1－7任一项所述的构建方法构建的所述深权　利　要　求　书 1/2 页 2 CN 114387240 A 2度学习模型， 其特 征在于， 所述检测方法包括： 从前序检测设备的检测结果文件中取出缺陷的坐标， 输入训练得到的所述深度 学习模 型， 输出转换后坐标； 根据所述复查检测设备的台子坐标系与晶圆坐标系之间的转换矩阵， 将所述深度 学习 模型输出的所述 转换后坐标转换为在所述复查检测设备中的台子坐标系中的坐标； 根据所述缺陷在所述台子坐标系中的坐标， 在所述复查检测设备中对所述缺陷进行检 测。 10.根据权利要求9所述的检测方法， 其特征在于， 周期性的从所述前序检测设备和复 查检测设备中获取所述训练样本， 对所述深度学习模型进行训练后更新所述深度学习模 型。权　利　要　求　书 2/2 页 3 CN 114387240 A 3