[发明专利]一种基于轻量级网络的划痕缺陷检测方法、装置以及设备

权利要求书

1.一种基于轻量级网络的划痕缺陷检测方法，其特征在于，所述方法包括：

获取晶圆衬底图像并进行预处理，以构建训练样本数据集；

将所述训练样本数据集输入所构建的划痕缺陷检测模型进行训练，并通过预设损失函数计算权重参数后输入所述划痕缺陷检测模型进行优化，其中，所述划痕缺陷检测模型基于DeeplabV3 plus模型并采用Mobilenetv3作为主干网络进行构建；

输入待检测图像至所述划痕缺陷检测模型，得到检测结果。

2.根据权利要求1所述的一种基于轻量级网络的划痕缺陷检测方法，其特征在于，所述获取晶圆衬底图像并进行预处理，以构建训练样本数据集，包括：

采用opencv对所述晶圆衬底图像进行直方图均衡化以及阈值分割处理，得到第一图像；

对所述第一图像进行缩放处理后，得到第二图像，基于预设分辨率大小对所述第二图像进行分割，得到第一数据集；

选取所述第一数据集中具有划痕缺陷的图像并输入Glow生成模型中进行扩增，得到第二数据集；

对所述第二数据集中的图像进行标注以及增强操作，得到所述训练样本数据集。

3.根据权利要求2所述的一种基于轻量级网络的划痕缺陷检测方法，其特征在于，所述对所述第一图像进行缩放处理后，得到第二图像，包括：

设所述第一图像的分辨率为ih×iw、缩放后的目标图像的分辨率为h×w，根据公式scale＝INT{min{w/iw,h/ih}}计算缩放因子scale；

将所述第一图像的高和宽分别与所述缩放因子相乘，得到中间图像的高nh和宽nw；

利用双线性插值法将所述第一图像进行缩放至分辨率为nh×nw；

将所述第一图像缩放后的高nh和宽nw与所述目标图像的高h和宽w进行比较，若nh≠h或nw≠w，则对|h-nh|或者|w-nw|进行部分增加灰条，得到所述第二图像。

4.根据权利要求1所述的一种基于轻量级网络的划痕缺陷检测方法，其特征在于，所述预设损失函数包括：

第一预设损失函数

其中，M为类别数量，y_ic是符号函数(0或1)，p_ic是观测样本i属于类别c的预测概率；

第二预设损失函数

其中，|X∩Y|表示X和Y之间交集元素的个数，|X|和|Y|分别表示X、Y中元素的个数，X表示真实分割图像的像素标签，Y表示模型预测分割图像的像素类别，Dice的取值范围为[0，1]。

5.根据权利要求1所述的一种基于轻量级网络的划痕缺陷检测方法，其特征在于，在所述划痕缺陷检测模型进行优化之后，还包括：

输入具有划痕缺陷的图像至优化后的所述划痕缺陷检测模型进行预测，得到含有分割结果的测试目标图像；利用评价指标MIOU对所述测试目标图像进行评价，以确定所述目标图像达到目标值。

6.一种基于轻量级网络的划痕缺陷检测装置，其特征在于，所述装置包括：

样本处理单元，用于获取晶圆衬底图像并进行预处理，以构建训练样本数据集；

模型构建单元，用于将所述训练样本数据集输入所构建的划痕缺陷检测模型进行训练，并通过预设损失函数计算权重参数后输入所述划痕缺陷检测模型进行优化，其中，所述划痕缺陷检测模型基于DeeplabV3 plus模型并采用Mobilenetv3作为主干网络进行构建；

划痕检测单元，用于输入待检测图像至所述划痕缺陷检测模型，得到检测结果。