【技术实现步骤摘要】
本专利技术涉及掩膜板污渍智能定位的，尤其涉及一种掩膜板污渍智能定位方法和系统。
技术介绍
1、随着半导体工业的飞速发展，掩膜板在半导体制造过程中起到了至关重要的作用。掩膜板被用于传输图案到硅片上，从而定义了集成电路的结构和电路连接。然而，由于制程环境和使用条件的不可控因素，掩膜板往往容易受到污渍的影响。这些污渍可能来自于各种源头，如粒子、液体残留或化学反应产物，它们会严重影响到掩膜板的性能和成像质量。传统的污渍检测和定位方法通常依赖于简单的图像处理技术或者规则性的算法，但这些方法往往无法满足复杂制程环境下的需求，容易出现误检或漏检的情况。
技术实现思路
1、有鉴于此，本专利技术提供一种掩膜板污渍智能定位方法，目的在于准确、稳定地定位掩膜板上的污渍，从而保证掩膜板在半导体制程中的稳定性和成像质量，推动半导体产业的发展。
2、实现上述目的，本专利技术提供的一种掩膜板污渍智能定位方法，包括以下步骤：
3、s1：使用相机拍摄掩膜板图像，并对掩膜板图像进行增强和归一化处理；
4、s2：基于局部区域和统计特性的边缘检测算法，提取归一化后的掩膜板图像的边缘，获得边缘图像；
5、s3：将归一化后的掩膜板图像与边缘图像输入基于深度学习的污渍智能定位网络，获得污渍的位置和类型；
6、s4：基于随机梯度下降算法优化污渍智能定位网络；
7、s5：基于改进的k均值算法对识别出的每一块污渍所在的位置进行分割，得到污渍像素和背景像素。>
8、作为本专利技术的进一步改进方法：
9、可选地，所述s1步骤中使用相机拍摄掩膜板图像，并对掩膜板图像进行增强和归一化处理，包括：
10、使用相机拍摄掩膜板图像，令表示位于图像位置处的像素值，对中每一个像素进行增强，所述增强的计算公式为：
11、；
12、其中，表示位于增强后的掩膜板图像位置处的像素值，，，和是图像的宽和高；代表累计分布函数，是指积累到像素值的像素数；是最小非零的累计分布函数值；是像素强度范围；
13、对增强后的图像进行归一化，所述归一化的计算方式为：
14、；
15、其中，表示位于归一化后的掩膜板图像位置处的像素值；和分别代表的最小像素值和最大像素值。
16、可选地，所述s2步骤中基于局部区域和统计特性的边缘检测算法，提取归一化后的掩膜板图像的边缘，获得边缘图像，包括：
17、计算归一化后的掩膜板图像的局部均值：
18、；
19、其中，表示以位置为中心局部均值；为局部窗口大小；
20、；；
21、计算归一化后的掩膜板图像的局部标准差：
22、；
23、计算边缘检测自适应阈值：
24、；
25、其中，表示位置处的边缘检测系数；和为自适应阈值调整系数，根据归一化后的掩膜板图像整体梯度和对比度确定，计算方式为：
26、；
27、；
28、其中，计算的平均值；
29、基于边缘检测自适应阈值获得归一化后的掩膜板图像对应的边缘图像：
30、；
31、其中，表示边缘图像位置处的像素值。
32、可选地，所述s3步骤中将归一化后的掩膜板图像与边缘图像输入基于深度学习的污渍智能定位网络，获得污渍的位置和类型，包括：
33、s31：构建污渍智能定位网络的输入和输出：
34、；
35、其中，表示污渍智能定位网络，基于深度学习网络ssd为基础构建；表示污渍智能定位网络的参数；代表污渍智能定位网络定位结果中污渍包围盒形状参数，，分别代表污渍包围盒的中心横坐标、污渍包围盒的中心纵坐标、污渍包围盒的宽度、污渍包围盒的高度；表示污渍包围盒中污渍类型参数，，分别表示污渍包围盒内未识别到污渍的概率和识别到污渍的概率；
36、s32：构建污渍智能定位网络的损失函数：
37、污渍智能定位网络的损失函数由定位损失和识别损失构成，定位损失的计算方式为：
38、；
39、其中，为污渍判别函数，若当前污渍包围盒内有污渍为1，否则为0；代表污渍包围盒真实的形状参数；的计算公式为：
40、；
41、识别损失的计算方式为：
42、；
43、污渍智能定位网络的损失函数的表达式为：
44、
45、可选地，所述s4步骤中基于随机梯度下降算法优化污渍智能定位网络，包括：
46、计算当前污渍智能定位网络的更新梯度：
47、；
48、其中，和分别代表第和次更新时的梯度，为第次更新时的损失函数值；为第次更新时污渍智能定位网络的参数；为关于的偏导；
49、根据梯度更新污渍智能定位网络的参数：
50、；
51、其中，为次更新时污渍智能定位网络的参数；为控制更新速度的参数；。
52、可选地，所述s5步骤中基于改进的k均值算法对识别出的每一块污渍所在的位置进行分割，得到污渍像素和背景像素，包括：
53、s51：初始化聚类中心：
54、选择两个初始聚类中心，其中一个选择识别出的污渍的中心像素，作为污渍像素中心，另一个选择识别出的污渍左上角第一个像素，作为背景像素中心；
55、s52：分配数据点到最近的聚类中心：
56、对于每个待分类的像素的值和两个聚类中心和，计算加权距离：
57、；
58、；
59、其中，为和聚类中心的距离；为和聚类中心的距离；分配待分类的像素至最近的聚类中心；
60、s53：更新聚类中心：
61、；
62、；
63、其中，表示或集合中的像素的值；
64、重复s52与s53直到聚类中心不再发生变化，获得当前识别出的污渍块中的污渍像素和背景像素。
65、本专利技术还公开了一种掩膜板污渍智能定位系统，包括：
66、预处理模块：使用相机拍摄掩膜板图像，并对掩膜板图像进行增强和归一化处理；
67、边缘检测模块：提取归一化后的掩膜板图像的边缘，获得边缘图像；
68、污渍识别模块：将归一化后的掩膜板图像与边缘图像输入基于深度学习的污渍智能定位网络，获得污渍的位置和类型；
69、参数优化模块：基于随机梯度下降算法优化污渍智能定位网络；
70、分割模块：基于改进的k均值算法对识别出的每一块污渍所在的位置进行分割。
71、有益效果：
72、本专利技术引入深度学习技术，相对于传统的图像处理方法，能够更精准地定位掩膜板上的污渍，减少了误检和漏检的情况，从而提高了定位的准确性和稳定性。
73、本专利技术提供了一整套从图像拍摄到污渍定位的处理流程，保证了整本文档来自技高网...
【技术保护点】
1.一种掩膜板污渍智能定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的掩膜板污渍智能定位方法，其特征在于，所述步骤S1中，包括以下步骤：
3.根据权利要求2所述的掩膜板污渍智能定位方法，其特征在于，所述步骤S2中，包括以下步骤：
4.根据权利要求3所述的掩膜板污渍智能定位方法，其特征在于，所述步骤S3中，包括以下步骤：
5.根据权利要求4所述的掩膜板污渍智能定位方法，其特征在于，所述步骤S4中，包括以下步骤：
6.根据权利要求5所述的掩膜板污渍智能定位方法，其特征在于，所述步骤S5中，包括以下步骤：
7.一种掩膜板污渍智能定位系统，其特征在于，包括：
【技术特征摘要】
1.一种掩膜板污渍智能定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的掩膜板污渍智能定位方法，其特征在于，所述步骤s1中，包括以下步骤：
3.根据权利要求2所述的掩膜板污渍智能定位方法，其特征在于，所述步骤s2中，包括以下步骤：
4.根据权利要求3所述的掩膜板污渍智能定位...
【专利技术属性】
技术研发人员：李弋舟，
申请(专利权)人：长沙韶光芯材科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。