[發(fā)明專利]一種基于無監(jiān)督學(xué)習(xí)的半導(dǎo)體激光器芯片缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202310186922.5
• 申請日: 2023-03-01
• 公開（公告）號: CN116433592A
• 公開（公告）日: 2023-07-14
• 發(fā)明（設(shè)計）人: 趙菊敏;李燈熬;胡瑋
• 申請（專利權(quán)）人: 太原理工大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/155;G06T5/00;G06V10/774;G06V10/82;G06N3/0464;G06N3/088
• 代理公司: 北京一品慧誠知識產(chǎn)權(quán)代理有限公司 11762
• 代理人: 林濤

本發(fā)明公開了一種基于無監(jiān)督學(xué)習(xí)的半導(dǎo)體激光器芯片缺陷檢測方法，該方法以深度學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)為基礎(chǔ)，采用的是基于卷積變分自編碼器改進(jìn)而來的，采用卷積變分自編碼器的模型與Transfromer的多頭注意力機(jī)制相結(jié)合。一部分圖像由卷積變分自編碼器經(jīng)編碼器、解碼器處理后輸出，另一部分圖像由卷積變分自編碼器中的編碼器處理后交由多頭注意力機(jī)制處理后輸出，兩組圖像進(jìn)行重構(gòu)得到重構(gòu)圖像。該方法采取差分機(jī)制，完成差分計算，通過閾值判斷與特定值比較，來判斷芯片有源區(qū)是否存在缺陷缺陷。本發(fā)明提供的方法可以克服目前半導(dǎo)體激光器芯片缺陷樣本不足的問題，并減少了對人工標(biāo)注數(shù)據(jù)樣本的依賴，消除無關(guān)區(qū)域的影響，提高檢測的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種半導(dǎo)體激光器芯片領(lǐng)域，具體涉及一種基于無監(jiān)督學(xué)習(xí)的半導(dǎo)體激光器芯片缺陷檢測方法。

背景技術(shù)

自20世紀(jì)60年代后，半導(dǎo)體激光器作為一種基礎(chǔ)的光電子器件，在光電子技術(shù)中被廣泛應(yīng)用。由于半導(dǎo)體激光器具備輸出波長范圍廣、結(jié)構(gòu)簡單、易于集成等優(yōu)勢，廣泛用于材料加工、光學(xué)通訊、醫(yī)學(xué)、激光傳感、軍事和航天等領(lǐng)。隨著各領(lǐng)域?qū)Π雽?dǎo)體激光器需求不斷增大，要求輸出功率不斷提高，可靠性已成為以半導(dǎo)體激光器為核心器件的開發(fā)和應(yīng)用領(lǐng)域的關(guān)鍵問題，并逐漸被研究人員和產(chǎn)業(yè)界關(guān)注。而通過研究半導(dǎo)體的缺陷從而進(jìn)一步對激光器的失效機(jī)理進(jìn)行探索、對失效進(jìn)行檢測并提出改善措施是提高半導(dǎo)體激光器可靠性的必經(jīng)之路。半導(dǎo)體激光器的缺陷包括很多種，主要包括芯片封裝表面缺陷和有源區(qū)的缺陷，芯片表面缺陷對芯片的正常工作產(chǎn)生的影響很小，而有源區(qū)的小塊損失會對整個工作狀態(tài)產(chǎn)生深遠(yuǎn)的影響。

目前的芯片缺陷檢測方法有：1、傳統(tǒng)的人工檢測方法，需要專業(yè)人士對芯片進(jìn)行觀察分析，消耗大量的人力物力，檢測精度低。2、基于傳統(tǒng)機(jī)器學(xué)習(xí)的目標(biāo)檢測方法：通過人工提取特征模型建立，常用的特征包括：HOG、SIFT、Haar等，特征提取模型之后進(jìn)行支持向量機(jī)等分類任務(wù)，進(jìn)而得到我們所關(guān)注的目標(biāo)結(jié)果，這種目標(biāo)檢測方法提取的特征模型有局限性，檢測精度和人工相比有一定提升但是達(dá)不到檢測要求。3、基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法：卷積神經(jīng)網(wǎng)絡(luò)能夠很好的提取部分和整體的特征，最新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)有Fast-RCNN、U-net、Efficientdetd等，達(dá)到了很高的準(zhǔn)確率，但是對于有源區(qū)芯片缺陷來說，有著樣本數(shù)據(jù)不平衡，數(shù)據(jù)集不夠大，要求處理速度不達(dá)標(biāo)等缺點(diǎn)。

自從深度學(xué)習(xí)廣泛應(yīng)用計算機(jī)視覺以來，在圖像識別和目標(biāo)檢測等領(lǐng)域表現(xiàn)出了強(qiáng)大的性能，深度學(xué)習(xí)能夠提取圖像的深層特征，克服了傳統(tǒng)方法在目標(biāo)特征提取不足的問題，因此，為芯片表面缺陷檢測提供了新的機(jī)遇。而深度學(xué)習(xí)領(lǐng)域，根據(jù)訓(xùn)練樣本是否需要標(biāo)記，可以將深度學(xué)習(xí)分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。前者需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練并需要對數(shù)據(jù)進(jìn)行標(biāo)注，在半導(dǎo)體激光器芯片有源區(qū)缺陷檢測領(lǐng)域需要進(jìn)行像素級別的標(biāo)注，需要消耗大量人力物力，而且缺陷樣本數(shù)據(jù)不平衡，總體樣本數(shù)據(jù)量達(dá)不到監(jiān)督學(xué)習(xí)的要求，而基于無監(jiān)督學(xué)習(xí)的半導(dǎo)體激光器芯片缺陷檢測能很好的達(dá)到目的，提高檢測準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的目的在于面向半導(dǎo)體激光器新芯片缺陷檢測問題，圍繞目前檢測技術(shù)中缺陷數(shù)據(jù)難標(biāo)注，消耗大量人力物力，樣本數(shù)據(jù)不平衡，數(shù)據(jù)集不夠大以及檢測精度低解決的問題，本發(fā)明以深度學(xué)習(xí)中無監(jiān)督學(xué)習(xí)為基礎(chǔ)，提供一種利用無監(jiān)督學(xué)習(xí)檢測芯片的有源區(qū)缺陷的檢測方法。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：

本發(fā)明設(shè)計一種基于無監(jiān)督學(xué)習(xí)的半導(dǎo)體激光器芯片缺陷檢測方法，該方法是基于卷積的變分自編碼器改進(jìn)而來，采用卷積變分自編碼器的模型結(jié)合Transfromer的多頭注意力機(jī)制對圖像進(jìn)行處理，輸出重構(gòu)圖像，完成差分計算，從而判斷芯片有源區(qū)是否存在缺陷，具體方法包括以下步驟：

步驟1:對半導(dǎo)體激光器芯片有源區(qū)進(jìn)行圖像的采集；

步驟2：對半導(dǎo)體激光器芯片有源區(qū)進(jìn)行圖像的預(yù)處理；