一种电致发光半导体板材表面缺陷AI检测方法技术

本发明专利技术涉及一种电致发半导体光板材表面缺陷AI检测方法，所述方法步骤包括进行第一次图像增强处理、进行图像缺陷标注和转化、训练验证测试图像的随机分配、进行第二次图像增强处理、建立目标检测神经网络、进行数据训练获得最佳权重参数、板材图像AI检测。本发明专利技术旨在解决现有技术中对电致发光半导体板材表面进行缺陷检测时，由于受图像数据集质量和数量的限制，以及图像数据预处理方法单一，像素算法网络规模较小的制约，缺陷识别速度慢，精确度低，并且缺乏准确分类和定位能力的技术问题。本方法适用于硅、锗、砷化镓、碳化硅等半导体芯片、面板的检测。面板的检测。

【技术实现步骤摘要】
一种电致发光半导体板材表面缺陷AI检测方法


[0001]本专利技术涉及一种表面缺陷AI检测方法，尤其涉及一种电致发光半导体板材表面缺陷AI检测方法，属于图像识别和无损检测领域。

技术介绍

[0002]电致发光(英文electroluminescent)简称EL，EL检测是一种利用高分辨率的红外相机拍摄的近红外图像检测板材表面缺陷的测试技术，在光伏电站运维等领域具有关键作用，其中对于EL图像缺陷特征信息的识别，是检测过程的核心部分。
[0003]中国专利201810794758.5公开了一种太阳能电池片电致发光图像检测和缺陷识别方法，具体包括如下步骤：获得待检测的太阳能电池片电致发光图像，定位栅线并进行区域分割；删除栅线区域并重新组合图像，计算图像灰度值并进行二维构建；计算粒子群的类间离散度矩阵，确定当前最佳位置；更新粒子种群最优个体和粒子历史最优个体；利用混沌模型产生新的混沌变量；更新粒子群所有粒子的位置和速度，重新计算直到达到迭代次数；根据得到的最佳位置分割得到电池片缺陷图像，并进行缺陷识别。
[0004]中国专利201911本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电致发光半导体板材表面缺陷AI检测方法，其特征在于包括如下顺序的步骤：(1)第一次图像增强处理；(2)图像缺陷标注和转化；(3)训练、验证和测试图像的随机分配；(4)第二次图像增强处理；(5)建立目标检测神经网络；(6)数据训练获得最佳权重参数；(7)板材图像AI检测。2.根据权利要求1所述的AI检测方法，其特征在于所述的第一次图像增强处理包括以下顺序的步骤：(1)输入包含缺陷的半导体板材电致发光图像，利用图像裁剪函数，将输入图像大小调整的像素为640
×
640的正方形图像；(2)编写图像随机翻转算法，将图像水平方向和竖直方向翻转概率设为0.5，进行图像翻转并保存；(3)编写图像随机旋转算法，设定步长为2
°‑
10
°
，各个旋转方向是否旋转的概率设为0.5，以保证图像变化的随机性，进行图像旋转并保存；(4)获得共计4倍于原输入图像数的互不相同的，像素为640
×
640为半导体板材缺陷图像，进行批量重命名。3.根据权利要求1所述的AI检测方法，其特征在于所述的图像缺陷标注和转化包括以下顺序的步骤：(1)对半导体板材缺陷位置进行标注，获得每处缺陷对应的的图像信息；(2)编写格式转化算法，将可扩展标记语言格式的缺陷信息转化为张量格式，张量前系数表示缺陷种类，对应卷积神经网络输入端所需格式；(3)将缺陷图像标签和张量名称进行归一化处理，通过排序算法，使之按相同标签名顺序排列。4.根据权利要求1所述的AI检测方法，其特征在于所述的训练、验证和测试图像的随机分配包括以下顺序的步骤：(1)编写随机取样算法，通过random.Sample函数对按序排列的图像以及对应标签进行遍历，以5
‑
8：2
‑
4：1的取样比例以随机步长取样；(2)确定文件路径，将缺陷信息以张量形式保存在相应数据集中。5.根据权利要求1所述的AI检测方法，其特征在于所述的第二次图像增强处理包括以下顺序的步骤：(1)设定程序每次对图像参数归一化处理时读取4
‑
9个图片的数据；(2)从训练集中随机取4
‑
9个张图片，进行随机分布、随机缩放和随机拼接处理。6.根据权利要求1所述的AI检测方法...

【专利技术属性】
技术研发人员：陈博源，
申请(专利权)人：陈博源，
类型：发明
国别省市：