[發明專利]一種基于輕量級網絡的劃痕缺陷檢測方法、裝置以及設備

在審

• 申請號: 202310081860.1
• 申請日: 2023-02-06
• 公開（公告）號: CN116228686A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 陳嘉劼;林志陽
• 申請（專利權）人: 廈門特儀科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/26;G06V10/82;G06V20/70;G06N3/0455
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 陳蓓蓓

1.一種基于輕量級網絡的劃痕缺陷檢測方法，其特征在于，所述方法包括：

獲取晶圓襯底圖像并進行預處理，以構建訓練樣本數據集；

將所述訓練樣本數據集輸入所構建的劃痕缺陷檢測模型進行訓練，并通過預設損失函數計算權重參數后輸入所述劃痕缺陷檢測模型進行優化，其中，所述劃痕缺陷檢測模型基于DeeplabV3?plus模型并采用Mobilenetv3作為主干網絡進行構建；

輸入待檢測圖像至所述劃痕缺陷檢測模型，得到檢測結果。

2.根據權利要求1所述的一種基于輕量級網絡的劃痕缺陷檢測方法，其特征在于，所述獲取晶圓襯底圖像并進行預處理，以構建訓練樣本數據集，包括：

采用opencv對所述晶圓襯底圖像進行直方圖均衡化以及閾值分割處理，得到第一圖像；

對所述第一圖像進行縮放處理后，得到第二圖像，基于預設分辨率大小對所述第二圖像進行分割，得到第一數據集；

選取所述第一數據集中具有劃痕缺陷的圖像并輸入Glow生成模型中進行擴增，得到第二數據集；

對所述第二數據集中的圖像進行標注以及增強操作，得到所述訓練樣本數據集。

3.根據權利要求2所述的一種基于輕量級網絡的劃痕缺陷檢測方法，其特征在于，所述對所述第一圖像進行縮放處理后，得到第二圖像，包括：

設所述第一圖像的分辨率為ih×iw、縮放后的目標圖像的分辨率為h×w，根據公式scale＝INT{min{w/iw,h/ih}}計算縮放因子scale；

將所述第一圖像的高和寬分別與所述縮放因子相乘，得到中間圖像的高nh和寬nw；

利用雙線性插值法將所述第一圖像進行縮放至分辨率為nh×nw；

將所述第一圖像縮放后的高nh和寬nw與所述目標圖像的高h和寬w進行比較，若nh≠h或nw≠w，則對|h-nh|或者|w-nw|進行部分增加灰條，得到所述第二圖像。

4.根據權利要求1所述的一種基于輕量級網絡的劃痕缺陷檢測方法，其特征在于，所述預設損失函數包括：

第一預設損失函數

其中，M為類別數量，y_ic是符號函數(0或1)，p_ic是觀測樣本i屬于類別c的預測概率；

第二預設損失函數

其中，|X∩Y|表示X和Y之間交集元素的個數，|X|和|Y|分別表示X、Y中元素的個數，X表示真實分割圖像的像素標簽，Y表示模型預測分割圖像的像素類別，Dice的取值范圍為[0，1]。

5.根據權利要求1所述的一種基于輕量級網絡的劃痕缺陷檢測方法，其特征在于，在所述劃痕缺陷檢測模型進行優化之后，還包括：

輸入具有劃痕缺陷的圖像至優化后的所述劃痕缺陷檢測模型進行預測，得到含有分割結果的測試目標圖像；利用評價指標MIOU對所述測試目標圖像進行評價，以確定所述目標圖像達到目標值。

6.一種基于輕量級網絡的劃痕缺陷檢測裝置，其特征在于，所述裝置包括：

樣本處理單元，用于獲取晶圓襯底圖像并進行預處理，以構建訓練樣本數據集；

模型構建單元，用于將所述訓練樣本數據集輸入所構建的劃痕缺陷檢測模型進行訓練，并通過預設損失函數計算權重參數后輸入所述劃痕缺陷檢測模型進行優化，其中，所述劃痕缺陷檢測模型基于DeeplabV3?plus模型并采用Mobilenetv3作為主干網絡進行構建；

劃痕檢測單元，用于輸入待檢測圖像至所述劃痕缺陷檢測模型，得到檢測結果。