随着半导体行业的蓬勃发展,对半导体晶圆材料的质量要求也越来越高。而晶圆表面的缺陷很容易导致晶圆良率下降,影响晶圆的导电性,更为严重的会造成半导体的报废进而影响整个系统的正常运转和仪器损坏。并且在传统的模板匹配中存在晶圆模板获取困难,检测效率低,从而导致晶圆的测试时间偏长,这会降低整个生产线的生产效率和增加企业的运营成本。针对这些问题,提出了基于区域卷积神经网络的晶圆表面多尺度缺陷检测技术研究及应用,并将其应用于晶圆图像检测系统中,验证了所提方法的有效性。第一章介绍了半导体行业与晶圆材料的发展历程,详细分析了图像特征提取与降维技术和常用的晶圆缺陷检测技术国内外研究现状,阐述了本文的研究内容与组织框架。第二章详细阐述晶圆制造的工艺以及产生的缺陷种类和原因。并针对晶圆图像不同尺度缺陷,详细阐述其中的难点和解决方式。对于宏观尺度下晶圆图像进行滤波和对微观尺度下晶圆的图像集数据增强等步骤都是晶圆检测的预处理过程。第三章着重介绍在宏观尺度下的晶圆缺陷的检测算法。首先降低晶圆中晶圆图像由于反光造成的影响,再结合晶圆表面图案大都都是周期性的图案,创新性地提出采用纹理检测的方式检测宏观尺度下的晶圆表面缺陷。采用Gabor小波变换来获取晶圆表面纹理特征,对产生的高维特征进行随机投影降维,最后采用二值化算法能够快速地并很精准地检测出缺陷位置。第四章介绍微观尺度下晶圆图像缺陷检测使用区域卷积神经网络的方法。通过选择深度网络提取特征图,设计了针对于微观晶圆数据集的神经网络算法结构,并在此基础上对激活函数和正则化方法做了改进。对模型训练过程进行了详细的阐述,最后通过比对其他神经网络算法进行实验结果验证,证明其效果。第五章结合上述算法理论实现的晶圆多尺度缺陷软件检测系统。介绍软件系统的平台架构和软件开发工具,并结合晶圆检测的实际特点对软件功能进行模块化设计,接着详细阐述每个模块的功能与设计方案。并结合具体实例,详述本文算法的优越性。第六章对论文的成果进行总结,并且指出方案不足之处,并期待晶圆的技术在未来能够有很大的发展。