基于制造技术

本发明专利技术提供了基于

【技术实现步骤摘要】
基于5G技术的芯片表面缺陷智能识别方法


[0001]本专利技术涉及缺陷识别
，具体涉及基于
5G
技术的芯片表面缺陷智能识别方法
。

技术介绍

[0002]在芯片的制造和组装过程中，可能会出现许多类型的缺陷，例如杂质
、
裂纹
、
划痕
、
凸起或凹陷等，这些缺陷可能由于材料瑕疵
、
工艺问题
、
设备故障或操作误差等原因引起，这些缺陷如果不及时发现和处理，可能会影响芯片的品质
、
可靠性和性能，而随着芯片制造工艺的不断发展，芯片尺寸不断缩小，缺陷的检测和分类变得越来越困难，因此，进行准确的
、
自动化的芯片表面缺陷识别成为迫切需求
。
[0003]而现今常用的芯片表面缺陷识别方法还存在着一定的弊端，现有技术的研发了诸多的机器学习模型进行芯片的表面缺陷检测，但是由于芯片不同场景生产样本数据小的问题，导致机器学习模型的泛化能力较弱，缺陷识别准确率无法得到保障，因此，对于芯片表面缺陷识别还存在着一定的可提升空间
。

技术实现思路

[0004]本申请通过提供了基于
5G
技术的芯片表面缺陷智能识别方法，旨在解决现有技术中存在机器学习模型泛化能力较弱，缺陷识别准确率无法得到保障，并且芯片表面缺陷类型繁多
、
形态复杂，使得无法满足准确度和鲁棒性要求的技术问题
。
[0005]鉴于上述问题，本申请提供了基于
5G
技术的芯片表面缺陷智能识别方法
。
[0006]本申请公开的第一个方面，提供了基于
5G
技术的芯片表面缺陷智能识别方法，所述方法包括：将芯片加工工艺参数和芯片型号信息传输至工业互联网进行芯片缺陷关联性分析，获取关联缺陷类型；将所述关联缺陷类型和所述芯片型号信息传输至所述工业互联网进行负采样，获取多个缺陷样本图像，其中，所述多个缺陷样本图像为已检出缺陷的样本图像，且任意一个缺陷样本图像和一种关联缺陷类型唯一关联；遍历所述多个缺陷样本图像进行像素特征分析，获取多个缺陷区域像素梯度，其中，所述多个缺陷区域像素梯度表征缺陷区域和缺陷所属芯片正常区域的像素值偏差；遍历所述多个缺陷区域像素梯度，判断是否大于或等于像素梯度阈值；将所述多个缺陷区域像素梯度大于或等于所述像素梯度阈值的所述关联缺陷类型，添加进像素分割关联缺陷类型；将所述像素分割关联缺陷类型和所述芯片型号信息传输至所述工业互联网进行负采样，获取多个缺陷样本图像集合；基于所述多个缺陷样本图像集合对待检芯片图像进行缺陷比对，获取像素分割关联缺陷类型识别结果
。
[0007]本申请公开的另一个方面，提供了基于
5G
技术的芯片表面缺陷智能识别系统，所述系统用于上述方法，所述系统包括：关联性分析模块，所述关联性分析模块用于将芯片加工工艺参数和芯片型号信息传输至工业互联网进行芯片缺陷关联性分析，获取关联缺陷类型；负采样模块，所述负采样模块用于将所述关联缺陷类型和所述芯片型号信息传输至所
述工业互联网进行负采样，获取多个缺陷样本图像，其中，所述多个缺陷样本图像为已检出缺陷的样本图像，且任意一个缺陷样本图像和一种关联缺陷类型唯一关联；像素特征分析模块，所述像素特征分析模块用于遍历所述多个缺陷样本图像进行像素特征分析，获取多个缺陷区域像素梯度，其中，所述多个缺陷区域像素梯度表征缺陷区域和缺陷所属芯片正常区域的像素值偏差；像素梯度判断模块，所述像素梯度判断模块用于遍历所述多个缺陷区域像素梯度，判断是否大于或等于像素梯度阈值；关联类型添加模块，所述关联类型添加模块用于将所述多个缺陷区域像素梯度大于或等于所述像素梯度阈值的所述关联缺陷类型，添加进像素分割关联缺陷类型；样本图像获取模块，所述样本图像获取模块用于将所述像素分割关联缺陷类型和所述芯片型号信息传输至所述工业互联网进行负采样，获取多个缺陷样本图像集合；缺陷比对模块，所述缺陷比对模块用于基于所述多个缺陷样本图像集合对待检芯片图像进行缺陷比对，获取像素分割关联缺陷类型识别结果
。
[0008]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：进行芯片缺陷关联性分析获取关联缺陷类型，进行负采样获取多个缺陷样本图像，进行像素特征分析，获取多个缺陷区域像素梯度，表征缺陷区域和缺陷所属芯片正常区域的像素值偏差，遍历，判断是否大于或等于像素梯度阈值，将关联缺陷类型，添加进像素分割关联缺陷类型，进行负采样，获取多个缺陷样本图像集合，对待检芯片图像进行缺陷比对，获取像素分割关联缺陷类型识别结果
。
解决了现有技术中存在机器学习模型泛化能力较弱，缺陷识别准确率无法得到保障，并且芯片表面缺陷类型繁多
、
形态复杂，使得无法满足准确度和鲁棒性要求的技术问题，实现了借助
5G
技术的计算和通信能力，并基于小样本数据进行芯片缺陷识别，实现高速且精准的芯片表面缺陷检测和分类，达到提升芯片表面缺陷识别的效率
、
准确性和自动化程度的技术效果
。
[0009]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的
、
特征和优点能够更明显易懂，以下特举本申请的具体实施方式
。
附图说明
[0010]图1为本申请实施例提供了基于
5G
技术的芯片表面缺陷智能识别方法流程示意图；图2为本申请实施例提供了基于
5G
技术的芯片表面缺陷智能识别方法中获取尺寸分割关联缺陷类型识别结果可能的流程示意图；图3为本申请实施例提供了基于
5G
技术的芯片表面缺陷智能识别方法中获取人工分割关联缺陷类型识别结果可能的流程示意图；图4为本申请实施例提供了基于
5G
技术的芯片表面缺陷智能识别系统可能的结构示意图
。
[0011]附图标记说明：关联性分析模块
10
，负采样模块
20
，像素特征分析模块
30
，像素梯度判断模块
40
，关联类型添加模块
50
，样本图像获取模块
60
，缺陷比对模块
70。
具体实施方式
[0012]本申请实施例通过提供基于
5G
技术的芯片表面缺陷智能识别方法，解决了现有技
术中存在机器学习模型泛化能力较弱，缺陷识别准确率无法得到保障，并且芯片表面缺陷类型繁多
、
形态复杂，使得无法满足准确度和鲁棒性要求的技术问题，实现了借助
5G
技术的计算和通信能力，并基于小样本数据进行芯片缺陷识别，实现高速且精准的芯片表面缺陷检测和分类，达到提升芯片表面缺陷识别的效率
、
准确性和自动化程度的技术效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于
5G
技术的芯片表面缺陷智能识别方法，其特征在于，应用于芯片表面缺陷智能识别系统，所述系统基于
5G
技术和工业互联网通信连接，所述方法包括：将芯片加工工艺参数和芯片型号信息传输至工业互联网进行芯片缺陷关联性分析，获取关联缺陷类型；将所述关联缺陷类型和所述芯片型号信息传输至所述工业互联网进行负采样，获取多个缺陷样本图像，其中，所述多个缺陷样本图像为已检出缺陷的样本图像，且任意一个缺陷样本图像和一种关联缺陷类型唯一关联；遍历所述多个缺陷样本图像进行像素特征分析，获取多个缺陷区域像素梯度，其中，所述多个缺陷区域像素梯度表征缺陷区域和缺陷所属芯片正常区域的像素值偏差；遍历所述多个缺陷区域像素梯度，判断是否大于或等于像素梯度阈值；将所述多个缺陷区域像素梯度大于或等于所述像素梯度阈值的所述关联缺陷类型，添加进像素分割关联缺陷类型；将所述像素分割关联缺陷类型和所述芯片型号信息传输至所述工业互联网进行负采样，获取多个缺陷样本图像集合；基于所述多个缺陷样本图像集合对待检芯片图像进行缺陷比对，获取像素分割关联缺陷类型识别结果
。2.
如权利要求1所述的方法，其特征在于，还包括：遍历所述多个缺陷样本图像进行尺寸分析，获取多个缺陷区域尺寸偏差；当所述多个缺陷区域像素梯度小于所述像素梯度阈值时，基于所述多个缺陷区域尺寸偏差，判断是否大于或等于尺寸偏差阈值，其中，所述尺寸偏差阈值为尺寸分类器可以识别的最小尺寸偏差；将所述多个缺陷区域像素梯度小于所述像素梯度阈值，且所述多个缺陷区域尺寸偏差大于或等于所述尺寸偏差阈值的所述关联缺陷类型，添加进尺寸分割关联缺陷类型；基于所述尺寸分割关联缺陷类型和所述芯片型号信息，训练尺寸分割模型对所述待检芯片图像进行缺陷识别，获取尺寸分割关联缺陷类型识别结果，包括：基于所述尺寸分割关联缺陷类型和所述芯片型号信息，采集待检缺陷正样本图像和待检缺陷负样本图像，其中，所述待检缺陷负样本图像具有缺陷尺寸标识信息；以所述待检缺陷正样本图像和所述待检缺陷负样本图像为输入数据，以所述缺陷尺寸标识信息为监督数据，基于卷积神经网络进行尺寸缺陷分类训练，获取所述尺寸分割模型
。3.
如权利要求2所述的方法，其特征在于，还包括：将所述多个缺陷区域像素梯度小于所述像素梯度阈值，且所述多个缺陷区域尺寸偏差小于所述尺寸偏差阈值的所述关联缺陷类型，添加进人工分割关联缺陷类型；当所述像素分割关联缺陷类型识别结果和所述尺寸分割关联缺陷类型识别结果的缺陷检出数量为零时，将所述待检芯片图像传输至人工质检通道进行所述人工分割关联缺陷类型的识别，获取人工分割关联缺陷类型识别结果
。4.
如权利要求1所述的方法，其特征在于，将芯片加工工艺参数和芯片型号信息传输至工业互联网进行芯片缺陷关联性分析，获取关联缺陷类型，包括：将所述芯片型号信息和所述芯片加工工艺参数传输至所述工业互联网，获取芯片表面缺陷检测记录数据，其中，所述工业互联网为多家芯片制造企业实现信息共享的私域网络；
根据所述芯片表面缺陷检测记录数据，获取缺陷检出记录类型和记录类型检出频率；当所述记录类型检出频率大于或等于第一检出频率阈值时，将所述缺陷检出记录类型添加进所述关联缺陷类型；其中，获取缺陷检出记录类型和记录类型检出频率，所述芯片表面缺陷检测记录数据包括第一企业缺陷检测记录数据
、
第二企业缺陷检测记录数据直到第
N
企业缺陷检测记录数据，其中，所述第一企业缺陷检测记录数据
、
所述第二企业缺陷检测记录数据直到所述第
N
企业缺陷检测记录数据的记录条数相同；获取所述缺陷检出记录类型的第一检出频率
、
第二检出频率直到第
N
检出频率；当所述第一检出频率
、
所述第二检出频率直到所述第
N
检出频率小于或等于第二检出频率阈值的数量大于或等于
floor
（
0.7*N
）时，将所述缺陷检出记录类型设为无关检出缺陷类型，其中，
floor
（）为向下取整函数；当所述第一检出频率
、
所述第二检出频率直到所述第
N
检出频率小于或等于第二检出频率阈值的数量大于或等于
floor
（
0.7*N
）时，获取所述第一检出频率
、
所述第二检出频率直到所述第
N
检出频率的均值，设为所述缺陷检出记录类型的所述记录类型检出频率
。5.
如权利要求1所述的方法，其特征在于...

【专利技术属性】
技术研发人员：叶莹莹，徐屹进，郭宇博，邓航，孔欣怡，乔发东，都文彬，王昊，徐立君，
申请(专利权)人：苏州弘皓光电科技有限公司，
类型：发明
国别省市：