【技术实现步骤摘要】
本专利技术涉及晶圆缺陷检测的，特别是涉及一种针对小样本缺陷晶圆图像的目标检测方法及电子设备。
技术介绍
1、晶圆是制造集成电路(ics)的主要材料，在电子产品中起着不可或缺的作用，因此晶圆质量监控是半导体行业生产中十分重要的环节，晶圆缺陷检测也是工业生产中亟待解决的难题。早期晶圆缺陷检测主要通过人工方法，效率低且易受主观影响。
2、随着技术的不断发展，以自动光学检测和深度学习检测为主的方法逐渐兴起，检测精度和效率大幅提升。但基于深度学习的检测方法需要大量数据支撑，而在实际的工业生产中很难获取到足够的缺陷晶圆数据，并且缺陷类型也不完整，导致样本量不足，进而导致现有晶圆缺陷检测的方法，主要针对图像处理和网络结构问题，却未对样本数量过少的问题进行研究，而基于深度学习的检测方法对数据体量依赖十分严重，亟需提供一种方法来解决晶圆检测中数据量较小的问题。
技术实现思路
1、为了解决晶圆检测中数据量较小的问题，本申请提供一种针对小样本缺陷晶圆图像的目标检测方法。
2、本专利技术所提供的针对小样本缺陷晶圆图像的目标检测方法，采用如下的技术方案：
3、一种针对小样本缺陷晶圆图像的目标检测方法，所述方法包括如下步骤：
4、s1、拍摄缺陷晶圆图片，用真实标注框对所述缺陷晶圆图片中的缺陷目标进行标注，生成图像数据；
5、s2、搭建检测模型，所述检测模型包括基础分支和强化分支；其中，
6、所述强化分支包括样本增强结构、注意力结构和主体网
7、s3、将所述图像数据输入所述基础分支，所述基础分支对所述图像数据的特征进行提取和融合，生成第一结果；
8、s4、将所述图像数据输入所述强化分支，生成第二结果；其中，
9、步骤s4包括，
10、s401、通过所述样本增强结构对所述图像数据进行处理，扩充所述图像数据的正样本规模，得到正样本集；
11、s402、将所述正样本集输入所述注意力结构，得到所述正样本集中的所述缺陷晶圆图片对应的含有注意力权重的特征层；
12、s403、将所述含有注意力权重的特征层输入所述主体网络，生成所述第二结果；
13、s5、基于所述第一结果和所述第二结果计算损失函数；
14、s6、循环步骤s3-s5，对所述检测模型进行训练，并且基于所述第一结果和所述第二结果得出网络权重；
15、s7、将所述网络权重载入所述检测模型，并将所述待检测图片输入所述检测模型进行检测，得出检测结果，并且将所述检测结果显示在所述待检测图片上。
16、可选的，步骤s1中，用真实标注框对所述缺陷晶圆图片中的缺陷目标进行标注前，对所述缺陷晶圆图片进行预处理，提升所述缺陷晶圆图片的图像质量。
17、可选的，所述预处理包括：将所述缺陷晶圆图片灰度化，使其仅有黑白两种颜色；获取灰度化后的所述缺陷晶圆图片的平均灰度值；基于所述平均灰度值，对灰度化后的所述缺陷晶圆图片进行双边滤波。
18、可选的，步骤s401包括：
19、s4011、读取所述缺陷晶圆图像中的所述真实标注框，并且设定切割距离；
20、s4012、将所述真实标注框扩大所述切割距离，形成扩大标注框；
21、s4013、将所述缺陷晶圆图像位于所述扩大标注框之外的部分的像素值设为零；
22、s4014、对步骤s4013处理后的所述缺陷晶圆图像进行多次尺寸变换，得到缺陷晶圆图像组；
23、s4015、对所述缺陷晶圆图像组中的每一张所述缺陷晶圆图像进行裁剪，使其恢复原始大小，得到所述正样本集。
24、可选的，步骤s4015中，每一张所述缺陷晶圆图像的裁剪次数随机，且至少为一次。
25、可选的，步骤s402包括：
26、s4021、将所述正样本集中的所述缺陷晶圆图像在高度方向和宽度方向上进行全局平均池化，得到所述缺陷晶圆图像对应的特征图；
27、s4022、通过sigmoid激活函数对所述特征图进行处理，得到所述缺陷晶圆图像在高度方向和宽度方向上的注意力权重；
28、s4023、将所述注意力权重添加至所述特征图中，得到所述含有注意力权重的特征层。
29、可选的，所述基础分支和所述主体网络均采用yolov3算法。
30、可选的，步骤s7中，仅运用所述检测模型中的所述基础分支对所述待检测图片进行检测。
31、基于上述构想，本专利技术还提供一种电子设备，包括：存储器和处理；所述存储器用于存储程序指令；所述处理器用于调用所述存储器中的所述程序指令，执行上述针对小样本缺陷晶圆图像的目标检测方法。
32、基于上述构想，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括用于执行上述针对小样本缺陷晶圆图像的目标检测方法的指令。
33、如上所述，本专利技术的，至少具有以下有益效果：
34、1、本专利技术的小样本缺陷晶圆图像的目标检测方法，在将缺陷晶圆图像输入检测模型前，对缺陷晶圆图形进行了预处理，提升了缺陷晶圆图像的图像质量，且能够有效分离背景和真实标注框内的目标。
35、2、本专利技术的小样本缺陷晶圆图像的目标检测方法通过强化分支扩增正样本规模，平衡正负样本比例，缓解检测网络在训练过程中因样本量不足而产生的欠拟合问题。
本文档来自技高网...【技术保护点】
1.一种针对小样本缺陷晶圆图像的目标检测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤S1中，用真实标注框对所述缺陷晶圆图片中的缺陷目标进行标注前，对所述缺陷晶圆图片进行预处理，提升所述缺陷晶圆图片的图像质量。
3.根据权利要求3所述的方法，其特征在于，所述预处理包括：
4.根据权利要求1所述的方法，其特征在于，步骤S401包括：
5.根据权利要求4所述的方法，其特征在于：步骤S4015中，每一张所述缺陷晶圆图像的裁剪次数随机，且至少为一次。
6.根据权利要求1所述的方法，其特征在于，步骤S402包括：
7.根据权利要求1所述的方法，其特征在于，所述基础分支和所述主体网络均采用YOLOv3算法。
8.根据权利要求1所述的方法，其特征在于，步骤S7中，仅运用所述检测模型中的所述基础分支对所述待检测图片进行检测。
9.一种电子设备，其特征在于，包括：存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有
...【技术特征摘要】
1.一种针对小样本缺陷晶圆图像的目标检测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤s1中，用真实标注框对所述缺陷晶圆图片中的缺陷目标进行标注前，对所述缺陷晶圆图片进行预处理，提升所述缺陷晶圆图片的图像质量。
3.根据权利要求3所述的方法，其特征在于，所述预处理包括：
4.根据权利要求1所述的方法，其特征在于，步骤s401包括：
5.根据权利要求4所述的方法，其特征在于：步骤s4015中，每一张所述缺陷晶圆图像的裁剪次数随机，且至少为一次。...
【专利技术属性】
技术研发人员：杜文斌，何春来，祝鲁宁，王兆广，王卫军，
申请(专利权)人：上海微电机研究所中国电子科技集团公司第二十一研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。