检测方法及装置、检测设备和存储介质制造方法及图纸

本申请提供一种检测方法、检测装置、检测设备和非易失性计算机可读存储介质。检测方法包括输入样本图像至第一分类模型，以输出所述样本图像的类型；在所述样本图像的类型为缺陷图像时，输入所述样本图像至第二分类模型进行训练，以使得所述第二分类模型收敛；及根据收敛后的所述第二分类模型检测待测件的图像的缺陷。检测方法、检测装置、检测设备和非易失性计算机可读存储介质通过第一分类模型将缺陷样本输入到第二分类模型训练，从而使得第二分类模型能够经过足够数量的缺陷样本训练，可提高第二分类模型对不同缺陷的检测准确性，从而提升检测模型的检测效果。

【技术实现步骤摘要】
检测方法及装置、检测设备和存储介质
本申请涉及检测
，特别涉及一种检测方法、检测装置、检测设备和非易失性计算机可读存储介质。
技术介绍
目前，由于对晶圆进行检测时，一般会采集晶圆的图像作为样本，但由于晶圆的不同类型的缺陷的出现几率不同，其中不具有缺陷的样本占了绝大部分，导致具有不同缺陷的样本的数量差别验证，在根据采集的样本对检测模型进行训练时，对数量较少缺陷的训练效果较差，从而影响检测效果。
技术实现思路
本申请提供了一种检测方法、检测装置、检测设备和非易失性计算机可读存储介质。本申请实施方式的检测方法包括输入样本图像至第一分类模型，以输出所述样本图像的类型；在所述样本图像的类型为缺陷图像时，输入所述样本图像至第二分类模型进行训练，以使得所述第二分类模型收敛；及根据收敛后的所述第二分类模型检测待测件的图像的缺陷。本申请实施方式的检测装置包括输入输出模块、第一获取模块、和检测模块。所述输入输出模块用于输入样本图像至第一分类模型，以输出所述样本图像的类型；所述第一获取模块用于在所述样本图像的类型为缺陷图像时本文档来自技高网...

【技术保护点】
1.一种检测方法，其特征在于，包括：/n输入样本图像至第一分类模型，以输出所述样本图像的类型；/n在所述样本图像的类型为缺陷图像时，输入所述样本图像至第二分类模型进行训练，以使得所述第二分类模型收敛；及/n根据收敛后的所述第二分类模型检测待测件的图像的缺陷。/n

【技术特征摘要】
1.一种检测方法，其特征在于，包括：
输入样本图像至第一分类模型，以输出所述样本图像的类型；
在所述样本图像的类型为缺陷图像时，输入所述样本图像至第二分类模型进行训练，以使得所述第二分类模型收敛；及
根据收敛后的所述第二分类模型检测待测件的图像的缺陷。


2.根据权利要求1所述的检测方法，其特征在于，还包括：
获取多张无缺陷的第一图像及多张包含不同类型缺陷的第二图像，以组成第一训练集，所述第一图像的数量和所述第二图像的数量的差值小于预定阈值；
输入所述第一训练集至第一分类模型，以获取训练至收敛的所述第一分类模型。


3.根据权利要求1所述的检测方法，其特征在于，所述在所述样本图像的类型为缺陷图像时，输入所述样本图像至第二分类模型进行训练，以使得所述第二分类模型收敛，包括：
获取多个类型为缺陷图像的所述样本图像，以作为训练图像；
标注所述训练图像中的缺陷；
将标注前的多个所述训练图像和标注后的多个所述训练图像作为第二训练集，输入到所述第二分类模型进行训练，以获取训练至收敛的所述第二分类模型。


4.根据权利要求3所述的检测方法，其特征在于，所述在所述样本图像的类型为缺陷图像时，输入所述样本图像至第二分类模型进行训练，以使得所述第二分类模型收敛，还包括：
根据所述训练图像的缺陷的类型，将所述训练图像进行分类；
获取所述缺陷的类型对应的所述训练图像的第一数量；及
在所述缺陷的类型当前的所述训练图像的第二数量小于所述第一数量时，对所述训练图像进行扩增处理，以获取达到所述第一数量的所述缺陷的类型对应的所述训练图像，所述扩增处理包括镜像、平移、旋转、剪切和变形中至少一种。


5.根据权利要...

【专利技术属性】
技术研发人员：陈鲁，肖安七，吕素，李青格乐，张嵩，
申请(专利权)人：深圳中科飞测科技股份有限公司，
类型：发明
国别省市：广东;44