一种基于多模态深度学习的MOCVD薄膜厚度检测方法及系统

本发明适用于半导体制造技术领域，提供了一种基于多模态深度学习的MOCVD薄膜厚度检测方法及系统，方法包括：通过高分辨率工业相机与可调谐同轴光源采集薄膜图像，划分网格化区域提取局部RGB值，并利用偏振滤光片抑制金属反光；基于3D LUT技术动态校准RGB‑厚度的非线性映射关系，消除光源老化及环境光干扰；采用多任务深度学习模型同步执行厚度回归与缺陷分类：改进型U‑Net+CBAM模型实现像素级厚度预测，ResNet‑50+LSTM模型分析厚度时序波动，检测工艺异常；计算晶圆厚度分布标准差，若σ>0.3nm，则通过PID控制器动态调节III族与V族前驱体流速比例，实现闭环优化。本发明具有亚纳米级检测精度、强工业适应性及高效实时性，单图处理≤100ms，可显著提升MOCVD工艺良率，降低批量报废风险。