[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

说明书

本发明公开了一种基于轻量级网络的划痕缺陷检测方法、装置、设备及存储介质，其包括：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DeeplabV3plus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。能够快速实现不明显晶圆划痕缺陷的定位分割，能够提高图像的分割精度以及准确度。

技术领域

本发明涉及工业缺陷检测技术领域，尤其涉及一种基于轻量级网络的划痕缺陷检测方法、装置以及设备。

背景技术

缺陷检测技术在工业检测领域是一项关键的技术，它可以检测出产品的外观缺陷，评价产品的质量好坏。然而，在工业生产过程中不可避免的会出现刮伤、脏污、黑点等表面缺陷。因此生产过程通常需要对产品的质量和表面磨损程度进行严格把控，使得产品的良率提升。目前对于显示屏衬底缺陷的检测大多是通过人工视力观察以及传统图像处理的方式来完成的，速度慢、效率低下，传统图像处理算法并不对所有图像适用，有时候对像素阈值与背景接近的缺陷无法达到较好的检测效果。针对所要检测的划痕缺陷特点，根据现有的网络模型还无法提取如此细微的特征进行分析并且要对如此高分辨率的图片进行逐像素点分类预测需要消耗大量的计算时间。

发明内容

有鉴于此，本发明的目的在于提出一种基于轻量级网络的划痕缺陷检测方法、装置以及设备，旨在解决上述存在的问题。

为实现上述目的，本发明提供一种基于轻量级网络的划痕缺陷检测方法，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。

为实现上述目的，本发明还提供一种基于轻量级网络的划痕缺陷检测装置，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。

为了实现上述目的，本发明还提出一种基于轻量级网络的划痕缺陷检测设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如上述实施例所述的一种基于轻量级网络的划痕缺陷检测方法的步骤。

为了实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上述实施例所述的一种基于轻量级网络的划痕缺陷检测方法的步骤。

有益效果：

以上方案，通过所构建的训练样本集以及基于DeeplabV3 plus模型并采用Mobilenetv3作为主干网络的划痕缺陷检测模型，能够更好的分割出晶圆衬底划痕缺陷特征，能够提高深度学习算法的推理速度和减少模型参数量，提高图像的分割精度以及准确度。

以上方案，能够快速实现不明显晶圆划痕缺陷的定位分割，并可在一定程度上解决工业生产中产品缺陷正负样本不集中的情况。