本发明专利技术涉及半导体技术领域，公开了半导体缺陷检测模型训练方法及半导体缺陷检测方法，包括：获取半导体样本的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像；将外场调制发光强度分布图像、样品光谱图像和荧光寿命图像融合，生成半导体样品的组合图像；对组合图像进行定位分割，识别得到组合图像中的缺陷区域及类别；基于半导体样本对应的缺陷区域及类别标签和识别得到组合图像中的缺陷区域及类别，进行模型训练，得到半导体缺陷检测模型，本发明专利技术通过外场调制发光强度信息、光谱信息与荧光寿命信息结合进行缺陷检测，提高了检测效率和准确性，实现了对缺陷种类的可靠识别，为制备高效稳定的半导体光电器件提供高效的检测方案。
【技术实现步骤摘要】
本专利技术涉及半导体，具体涉及半导体缺陷检测模型训练方法及半导体缺陷检测方法。
技术介绍
1、半导体缺陷主要分为表面缺陷和内部缺陷。表面缺陷包括划痕、异物、裂纹、气泡、污渍等，内部缺陷包括晶粒断裂、晶粒错位、金属线断裂、金属线错位等。半导体缺陷具有多样性、复杂性、随机性和微小性等特点，给检测带来了挑战。半导体缺陷检测的方法主要分为接触式检测和非接触式检测。接触式检测是利用探针与半导体表面或内部接触，通过电信号或力信号来判断是否存在缺陷。
2、相关技术中，在进行半导体的发光波长检测时，非接触式检测只能检测r,g,b三种颜色的发光波长，对于其他颜色的发光波长，需要另外配置分光计量模块进行检测；在进行半导体的光致发光强度pl特性检测时，非接触式检测需要另外配置光致发光强度检测模块；在进行其他特性，如荧光寿命等的检测时，非接触式检测需要另外配置荧光寿命测定模块。任意的一种半导体缺陷检测技术都无法提供一个多维度、多参数、多尺度的检测结果，单独一种检测的结果很容易导致缺陷的漏检或者误判。即使配置了多种表征仪器，可以对半导体进行综合分析，对于数据的分析和判断也通常需要由人工来完成，在耗费大量时间的同时，人工分析也更易出错，存在准确性低下的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种半导体缺陷检测模型训练方法及半导体缺陷检测方法，以解决现有半导体缺陷识别准确性不足且效率低下的问题。
2、第一方面，本专利技术提供了一种半导体缺陷检测模型训练方法，方法包括：
3、获取半导体样本的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像；
4、将外场调制发光强度分布图像、样品光谱图像和荧光寿命图像融合，生成半导体样品的组合图像；
5、对组合图像进行定位分割，识别得到组合图像中的缺陷区域及类别；
6、基于半导体样本对应的缺陷区域及类别标签和识别得到组合图像中的缺陷区域及类别，进行模型训练，得到半导体缺陷检测模型。
7、在本专利技术中，通过采集得到的外场调制发光强度信息、光谱信息与荧光寿命信息结合，全面地反映了半导体的特征，便于对半导体进行更为全面且精细的缺陷检测，通过利用上述多模态的检测数据进行缺陷检测，提取检测数据中有关缺陷信息的特征信息，融合得到一个统一的特征表示，定位识别得到半导体的缺陷区域及类别，提高了检测效率和准确性，实现了对缺陷种类的可靠识别，并为缺陷机理分析提供新的思路，实现了检测系统检测结果-缺陷信息(缺陷的位置、尺寸、形状、种类等)的端到端分析，而无需人工处理繁杂的原始数据，大大提高了检测和分析的效率和准确性，节省了人力和时间成本，为工业生产和质量控制提供更好的技术支持，为制备高效稳定的半导体光电器件提供高效的检测方案。
8、在一种可选的实施方式中，获取半导体样本的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像，包括：
9、施加外场至半导体样本表面，激发半导体样本外场调制发光，采集得到半导体样本的外场调制发光强度分布图像和样品光谱图像；
10、利用光源聚焦至半导体样本表面，激发半导体样本光致发光，采集得到半导体样本的荧光寿命图像。
11、在该方式中，通过采集并处理得到高空间分辨率的外场调制发光强度分布图像、高光谱分辨率的样品光谱信息可以更为全面地表征半导体的颜色、组成、均匀性等特征，以及是否存在发光波长的偏差或不一致等缺陷，实现对半导体的全面和精细的质量评估和控制，进而可以提高半导体的显示性能和可靠性。通过获取半导体的空间-时间-能量信息，即半导体在不同位置和时间上发出的不同能量和数量的荧光信号，反映半导体的结构和功能信息，如晶格缺陷、载流子复合、电场分布等特征，以及是否存在晶界、位错、杂质等缺陷，便于后续利用缺陷检测模型更为全面且准确地识别得到半导体的缺陷类别及缺陷区域等信息。
12、在一种可选的实施方式中，将外场调制发光强度分布图像、样品光谱图像和荧光寿命图像融合，生成半导体样品的组合图像，包括：
13、对外场调制发光强度分布图像、样品光谱图像和荧光寿命图像进行轴对准，得到对齐后的图像；
14、将对齐后的图像进行融合，生成半导体样品的组合图像。
15、在该方式中，通过对不同检测手段获取的图像进行轴对准，融合生成组合图像，可以实现利用不同检测手段的优势，提高图像的质量和信息量，为后续的缺陷检测和分析提供包含更丰富信息的输入数据。
16、在一种可选的实施方式中，对组合图像进行定位分割，识别得到组合图像中的缺陷区域及类别，包括：
17、将组合图像分割为若干子区域；
18、提取各子区域中组合图像的特征，识别得到组合图像中的缺陷区域；
19、基于缺陷区域，分类识别得到组合图像中缺陷的位置及类别。
20、在该方式中，通过在组合图像中定位和分割出缺陷区域，以便进一步进行分类和评估，快速准确地识别得到图像中存在的缺陷，并将其从背景中分离出来，为后续的缺陷分类和识别提供更清晰的目标区域。
21、在一种可选的实施方式中，基于缺陷区域，分类识别得到组合图像中缺陷的位置及类别，包括：
22、对缺陷区域进行特征提取，得到缺陷区域特征；
23、基于预定义类别标签和缺陷区域特征的对应关系，分类识别得到组合图像中缺陷的位置及类别。
24、在该方式中，利用深度学习的表征方式，对缺陷区域进行特征提取和编码，然后根据预定义的类别标签，对缺陷进行分类和识别，从而得到缺陷的位置和种类信息。
25、第二方面，本专利技术提供了一种半导体缺陷检测方法，方法包括：
26、采集待检测半导体的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像；
27、将待检测半导体的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像输入半导体缺陷检测模型中，得到待检测半导体的缺陷类别及位置，其中半导体缺陷检测模型是利用第一方面任意一项的半导体缺陷检测模型训练方法训练得到的。
28、在本专利技术中，通过利用训练得到的半导体缺陷检测模型，可以实现检测系统检测结果-缺陷信息(缺陷的位置、尺寸、形状、种类等)的端到端分析，而无需人工处理繁杂的原始数据，大幅度提高了检测和分析的效率和准确性，节省人力和时间成本，为工业生产和质量控制提供更好的技术支持。
29、第三方面，本专利技术提供了一种半导体缺陷检测模型训练装置，装置包括：
30、图像获取模块，用于获取半导体样本的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像，荧光寿命图像上包含有半导体样本的缺陷参数；
31、图像融合模块，用于将外场调制发光强度分布图像、样品光谱图像和荧光寿命图像融合，生成半导体样品的组合图像；
32、缺陷识别模块，用于对组合图像进行定位分割，识别得到组合图像中的缺陷区域及类别；
33、模型训练模块，用于基于半导体样本对应的缺陷区域及类本文档来自技高网
...
【技术保护点】
1.一种半导体缺陷检测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取半导体样本的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述外场调制发光强度分布图像、样品光谱图像和所述荧光寿命图像融合，生成所述半导体样品的组合图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述组合图像进行定位分割，识别得到所述组合图像中的缺陷区域及类别，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述缺陷区域，分类识别得到所述组合图像中缺陷的位置及类别，包括：
6.一种半导体缺陷检测方法，其特征在于，所述方法包括：
7.一种半导体缺陷检测模型训练装置，其特征在于，所述装置包括：
8.一种半导体缺陷检测装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至5中任一项所述的半导体缺陷检测模型训练方法或者执行权利要求6中所述的半导体缺陷检测方法。
...
【技术特征摘要】
1.一种半导体缺陷检测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取半导体样本的外场调制发光强度分布图像、样品光谱图像和荧光寿命图像，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述外场调制发光强度分布图像、样品光谱图像和所述荧光寿命图像融合，生成所述半导体样品的组合图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述组合图像进行定位分割，识别得到所述组合图像中的缺陷区域及类别，包括：
5.根据权利要求4所述的方法，其特征在于，所述基...
【专利技术属性】
技术研发人员：李澄，姜卓颖，云驿凯，闫金健，陈孟瑜，李金钗，黄凯，张荣，
申请(专利权)人：厦门大学，
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。