集成电路科学与工程学院迟荣华教授团队李红旭副教授在晶圆缺陷轻量化检测领域取得重要进展，研究成果《DPFEE-Net: Enhancing Wafer Defect Classification Through Dual-Path Neural Architecture》于2025年8月23日发表于国际知名学术期刊IEEE Transactions on Semiconductor Manufacturing（2025,Vol. 38,No. 3）。原文链接：DOI: 10.1109/TSM.2025.3564051。

该研究提出了一种创新的双路径神经网络架构DPFEE-Net，通过集成PeleeNet的密集连接结构与CNN的深度特征提取能力，实现了晶圆表面缺陷的浅层纹理特征与深层语义特征的协同捕获。特别地，引入的SE注意力机制能动态聚焦缺陷敏感区域，显著提升了模型对关键缺陷模式的识别能力。在WM-811K数据集上的实验表明，该方法以仅3.173M参数量实现了96.8%的平均分类准确率，较传统VGG16（92.8%）、MobileNetV2（95.8%）等模型具有显著优势。消融实验进一步验证了双路径结构与注意力机制的有效性，单独移除任一组件会导致性能下降3-5个百分点。与当前最优方法WDD-SCA（96.5%）相比，DPFEE-Net在边缘定位（Edge-Loc）和近全片（Near-full）等复杂缺陷类别的识别准确率分别提升6.3%和3.3%，同时计算复杂度降低47%，为半导体制造环境中的实时缺陷检测提供了高效解决方案。

（图文：李红旭，审核：李松斌）