公开(公告)号：CN116740530A

公开(公告)日：2023-09-12

申请号：CN202310675979.1

申请日：2023-06-08

申请人： 华东师范大学

发明人： 娄鹏杰 ,  赵舶彤 ,  吕岳 ,  吕淑静

IPC分类号： G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06V10/762 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/088

摘要： 本发明涉及一种基于无监督学习的光刻工艺窗口的确定方法，包括：训练阶段：S1：获取大量无标签的光刻图像矩阵进行无监督学习；S2：通过无监督对比学习神经网络自动提取图像特征并进行相似度评估，从而获得相似度评价指标。应用阶段：S3：输入待分析的光刻图像矩阵，计算相似度矩阵；S4：根据相似度矩阵构建图结构，其中每张图像作为图节点，相似度用于构建图之间的边；S5：采用图聚类算法对光刻图像矩阵进行分类判定，聚类得分最高的簇群被确定为光刻工艺窗口。本发明克服了依赖人工标签和主观评估的缺陷，实现了光刻工艺窗口的自动判断。借助大样本的无监督学习，该方法在特征提取方面具有优越性能，为光刻工艺质量评估带来更高的准确性和鲁棒性。

公开(公告)号：CN116188453A

公开(公告)日：2023-05-30

申请号：CN202310277592.0

申请日：2023-03-21

申请人： 华东师范大学

发明人： 赵舶彤 ,  娄鹏杰 ,  吕岳 ,  吕淑静

IPC分类号： G06T7/00 ,  G06N3/08 ,  G06N3/0464

摘要： 本发明提供了一种基于序列卷积神经网络模型的光刻工艺窗口的筛选方法，包括：在序列神经网络模型中输入一组光刻图像，以及图像在一组图像中的相对位置信息。在训练阶段，网络模型在分别提取每一张图像特征的同时，融合剩余图像的特征以及当前图像参数在这一组图像中的相对坐标。并最终判定当前图像是否满足生产需求。而在训练完成后，为了充分利用大量多样的无标签数据和对网络结果抽检修正后的数据。采用半监督学习利用更多无标签的数据进行学习。最后通过蒸馏学习对人为修正后的神经网络的结果进行学习，并更新参数。实现在使用过程中依旧不断学习的功能。保证算法的泛化能力不断提升，并满足实际应用过程中对光刻工艺窗口筛选的需求。

公开(公告)号：CN115213104A

公开(公告)日：2022-10-21

申请号：CN202210712464.X

申请日：2022-06-22

申请人： 华东师范大学

发明人： 吕岳 ,  吕淑静 ,  娄鹏杰 ,  运子葳 ,  陆虎

IPC分类号： B07C1/04 ,  B07C1/06 ,  G06T7/00 ,  G06T7/62 ,  G06V10/82

摘要： 本发明公开一种基于边缘计算的单件分离方法及装置，分拣方法及系统，其中单件分离方法包括步骤：S1:获取当前传输线上的RGB图像和深度图像；S2:对RGB图像和深度图像进行对齐；S3:分别对RGB图像和深度图像进行目标检测，得到RGB图像检测结果和深度图像检测结果；S4:将RGB图像检测结果和深度图像检测结果进行融合，得到传输线上物件的布局和形态；S5:根据物件的布局形态与阵列皮带的位置关系，调整阵列皮带的分离顺序及速度。本发明采集RGB图像和深度图像，并进行对齐和融合，得到物件的布局和形态及与阵列皮带的关系，能够大幅度提高分离的准确率，并部署在分离现场，能够大大提高分拣的速度和效率。