一种半导体制造工业的全视角视觉检测方法及装置制造方法及图纸

本发明专利技术公开了一种半导体制造工业的全视角视觉检测方法及装置，包括：获取半导体产品的高维图像数据集；对高维图像数据集进行降维处理生成低维图像数据集；对低维图像数据集进行稀疏主成分分析生成主成分图像数据集；将主成分图像数据集与预设的目标数据集进行对比，判断是否存在相似性，若存在，则基于迁移学习获取相似性数据；若不存在，则基于深度学习或机器学习获取关系性数据；对相似性或关系性数据进行聚类融合，并对聚类融合结果进行特征提取；将特征提取结果输入预构建的计算模型获取检测结果；本发明专利技术能够有效提高半导体制造工业中半导体器件的检测效率和准确率。中半导体器件的检测效率和准确率。中半导体器件的检测效率和准确率。

【技术实现步骤摘要】
一种半导体制造工业的全视角视觉检测方法及装置


[0001]本专利技术涉及一种半导体制造工业的全视角视觉检测方法及装置，属于半导体制造


技术介绍

[0002]批量的半导体器件生产完毕后需要人工对半导体器件外观进行缺陷检测，通常通过肉眼对大批量的半导体器件进行逐一的检测，由于半导体器件体积较小，肉眼长时间观察检测会导致检测人员眼睛疲劳，不仅对检测人员造成眼睛的伤害，而且还会降低检测的质量。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种半导体制造工业的全视角视觉检测方法及装置，解决半导体制造工业中通过传统人工方式进行产品器件检测，准确率和效率不高的问题。
[0004]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0005]第一方面，本专利技术提供了一种半导体制造工业的全视角视觉检测方法，包括：
[0006]获取半导体产品的高维图像数据集；
[0007]对高维图像数据集进行降维处理生成低维图像数据集；
[0008]对低维图像数据集进行稀疏主成分分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种半导体制造工业的全视角视觉检测方法，其特征在于，包括：获取半导体产品的高维图像数据集；对高维图像数据集进行降维处理生成低维图像数据集；对低维图像数据集进行稀疏主成分分析生成主成分图像数据集；将主成分图像数据集与预设的目标数据集进行对比，判断是否存在相似性，若存在，则基于迁移学习获取相似性数据；若不存在，则基于深度学习或机器学习获取关系性数据；对相似性或关系性数据进行聚类融合，并对聚类融合结果进行特征提取；将特征提取结果输入预构建的计算模型获取检测结果。2.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法，其特征在于，所述对高维图像数据集进行降维处理生成低维图像数据集包括：将高维图像数据集中的高维图像数据通过预设的映射函数进行降维映射生成低维图像数据，并根据低维图像数据生成低维图像数据集。3.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法，其特征在于，所述对低维图像数据集进行稀疏主成分分析生成主成分图像数据集包括：对低维图像数据集X进行奇异值分解：X＝UDV
T
其中，X＝{x1，x2…
x
n
}∈R
p
×
n
，p表示低维图像数据集的维度，n表示低维图像数据的数量；Z＝UD、V分别为低维图像数据集X
′
的主成分和载荷矩阵；根据前L个主成分{Z1，Z2…
Z
L
}对应的向量α生成初始化矩阵A，A＝{α1，α2…
α
L
}，并设置随机初始化矩阵B，B＝{β1，β2…
β
L
}；根据矩阵A和矩阵B求解弹性网回归问题：其中，λ、λ
1，j
为弹性惩罚函数；根据弹性网回归问题求解结果更新矩阵B，并根据更新后的矩阵B计算X
T
XB的奇异值：X
T
XB＝UDV
T
，同时更新A＝UV
T
；重复上述弹性网回归问题求解和矩阵B更新，直至矩阵B收敛；标准化β
j
得到稀疏载荷矩阵，并根据稀疏载荷矩阵得到表征低维图像数据主...

【专利技术属性】
技术研发人员：林国义，陈禹卓，
申请(专利权)人：陈禹卓，
类型：发明
国别省市：