【技术实现步骤摘要】
本申请涉及半导体工业生产，特别是涉及一种坩埚缺陷检测方法、装置和计算机设备。
技术介绍
1、石英坩埚作为一种稳定以及高纯度的实验用品，在半导体工业生产过程中产生了具有不可或缺的作用。
2、传统技术中，需要在生产过程中，对石英坩埚的质量进行检测，而这种检测往往是人工使用测量尺测量坩埚尺寸是否满足要求，以及用肉眼或手触摸的方式判断坩埚是否存在缺陷。而人工质检的方式往往受限于质检员的专业水平，并且准确率不高。
3、因此，目前的坩埚缺陷检测仍然存在人力成本高、准确率低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够降低人力成本和提高准确率的坩埚缺陷检测方法、装置和计算机设备。
2、第一个方面，本申请提供了一种坩埚缺陷检测方法，所述坩埚缺陷检测方法包括：
3、对待检测坩埚图像进行缺陷识别，得到多个缺陷检测区域；每个缺陷检测区域分别对应有一缺陷类型；
4、将所述多个缺陷检测区域中缺陷类型相同、且区域间距小于预设阈值的缺陷检测区域进行合并处理；
5、基于合并处理后的所述多个缺陷检测区域，确定缺陷检测结果。
6、在其中一个实施例中，所述对待检测坩埚图像进行缺陷识别，得到多个缺陷检测区域包括：
7、对待检测坩埚图像进行灰度阈值分割，得到目标检测区域；所述目标检测区域包括坩埚直壁；
8、基于目标检测区域进行缺陷识别，得到多个缺陷检测区域。
9、在其中一个实施例
10、对待检测坩埚图像或目标检测区域按照预设倍率进行放大，得到放大图像；
11、将所述待检测坩埚图像或目标检测区域输入至预先训练的第一检测模型，将所述放大图像输入至预先训练的第二检测模型，得到多个缺陷检测区域。
12、在其中一个实施例中，所述将所述待检测坩埚图像或目标检测区域输入至预先训练的第一检测模型，将所述放大图像输入至预先训练的第二检测模型，得到多个缺陷检测区域之前包括：
13、获取多个历史坩埚图像以及每个所述历史坩埚图像的缺陷标注；
14、基于多个所述历史坩埚图像和所述缺陷标注，得到全局图像训练集；
15、基于所述全局图像训练集，对第一深度学习网络进行训练，得到第一检测模型。
16、在其中一个实施例中，所述获取多个历史坩埚图像以及每个所述历史坩埚图像的缺陷标注之后还包括：
17、基于所述预设倍率对多个所述历史坩埚图像进行裁剪，得到多个历史坩埚子图像以及每个所述历史坩埚子图像对应的缺陷标注；
18、基于多个所述历史坩埚子图像和所述缺陷标注，得到局部图像训练集；
19、基于所述局部图像训练集，对第二深度学习网络进行训练，得到第二检测模型。
20、在其中一个实施例中，所述将所述多个缺陷检测区域中缺陷类型相同、且区域间距小于预设阈值的缺陷检测区域进行合并处理包括：
21、依次计算每两个缺陷类型相同的缺陷检测区域的区域间距；
22、若所述区域间距小于预设阈值，则基于能够覆盖当前两个缺陷检测区域的最小区域，对当前两个缺陷检测区域进行合并处理。
23、在其中一个实施例中，所述依次计算每两个缺陷类型相同的缺陷检测区域的区域间距包括：
24、基于两个缺陷检测区域的相对位置，分别确定两个缺陷检测区域的边沿基准点；
25、基于所述两个缺陷检测区域的边沿基准点，计算两个缺陷检测区域的区域间距。
26、在其中一个实施例中，所述基于多个所述缺陷检测区域，确定缺陷检测结果还包括：
27、计算每个所述缺陷检测区域的水平像素数和垂直像素数；
28、基于每个所述缺陷检测区域的水平像素数和垂直像素数，确定每个所述缺陷检测区域的实际宽度和实际高度。
29、第二个方面，本申请提供了一种坩埚缺陷检测装置，所述坩埚缺陷检测装置包括：
30、识别模块，用于对待检测坩埚图像进行缺陷识别，得到多个缺陷检测区域；每个缺陷检测区域分别对应有一缺陷类型；
31、合并模块，用于将缺陷类型相同、且区域间距小于预设阈值的缺陷检测区域进行合并，得到合并后的缺陷检测区域；
32、确定模块，用于基于多个所述缺陷检测区域，确定缺陷检测结果。
33、第三个方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
34、上述坩埚缺陷检测方法、装置和计算机设备，通过对待检测坩埚图像进行缺陷识别，得到多个缺陷检测区域，可以实现待检测坩埚图像中缺陷的自动识别，避免质检员的手动检测造成的标准不统一和人力成本高的问题；每个缺陷检测区域分别对应有一缺陷类型；将缺陷类型相同、且区域间距小于预设阈值的缺陷检测区域进行合并，得到合并后的缺陷检测区域；基于多个所述缺陷检测区域，确定缺陷检测结果，可以实现对非连续的缺陷下可能存在的多个缺陷检测区域进行合并归类，进一步提高缺陷检测的准确率和可解释性，从而能够达到降低人力成本和提高准确率的效果。
本文档来自技高网...【技术保护点】
1.一种坩埚缺陷检测方法，其特征在于，所述坩埚缺陷检测方法包括：
2.根据权利要求1所述的坩埚缺陷检测方法，其特征在于，所述对待检测坩埚图像进行缺陷识别，得到多个缺陷检测区域包括：
3.根据权利要求1所述的坩埚缺陷检测方法，其特征在于，所述缺陷识别包括：
4.根据权利要求3所述的坩埚缺陷检测方法，其特征在于，所述将所述待检测坩埚图像或目标检测区域输入至预先训练的第一检测模型，将所述放大图像输入至预先训练的第二检测模型，得到多个缺陷检测区域之前包括：
5.根据权利要求4所述的坩埚缺陷检测方法，其特征在于，所述获取多个历史坩埚图像以及每个所述历史坩埚图像的缺陷标注之后还包括：
6.根据权利要求1所述的坩埚缺陷检测方法，其特征在于，所述将所述多个缺陷检测区域中缺陷类型相同、且区域间距小于预设阈值的缺陷检测区域进行合并处理包括：
7.根据权利要求6所述的坩埚缺陷检测方法，其特征在于，所述依次计算每两个缺陷类型相同的缺陷检测区域的区域间距包括：
8.根据权利要求1所述的坩埚缺陷检测方法，其特征在于，所述基于
9.一种坩埚缺陷检测装置，其特征在于，所述坩埚缺陷检测装置包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至权利要求8中任一项所述的方法。
...【技术特征摘要】
1.一种坩埚缺陷检测方法，其特征在于，所述坩埚缺陷检测方法包括：
2.根据权利要求1所述的坩埚缺陷检测方法，其特征在于，所述对待检测坩埚图像进行缺陷识别，得到多个缺陷检测区域包括：
3.根据权利要求1所述的坩埚缺陷检测方法，其特征在于，所述缺陷识别包括：
4.根据权利要求3所述的坩埚缺陷检测方法，其特征在于，所述将所述待检测坩埚图像或目标检测区域输入至预先训练的第一检测模型，将所述放大图像输入至预先训练的第二检测模型，得到多个缺陷检测区域之前包括：
5.根据权利要求4所述的坩埚缺陷检测方法，其特征在于，所述获取多个历史坩埚图像以及每个所述历史坩埚图像的缺陷标注之后还包括：
6.根...
【专利技术属性】
技术研发人员：傅林坚，刘华，曾若琪，
申请(专利权)人：浙江求是半导体设备有限公司，
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。