【技术实现步骤摘要】
本专利技术涉及半导体制造，尤其涉及一种检测模型训练方法、一种检测模型训练装置、一种检测模型训练系统和一种检测方法。
技术介绍
1、由于半导体晶圆背景复杂，传统的基于模板匹配的缺陷检测算法会产生大量的过检，而这大量的过检还需要质检人员逐张进行检查，非常耗时且由于人具有主观性与易疲劳的特点，检测效果不佳，所以目前普遍采用基于深度学习的方法。但是深度学习算法的效果强烈依赖于训练数据，在实际的产线上可以获取到的原始数据量会很大，但是这些数据往往存在非常严重的不均衡现象。模型会对数据量大的类别学习效果远好于少的类别，基于不均衡的数据进行深度学习模型训练，模型会更倾向于将待测数据判为数据量大的检测类别，如此会造成很大的漏检风险，并影响检测准确率。
2、因此，亟需提供一种新的检测模型训练方案来解决上述训练数据不均衡导致问题。
技术实现思路
1、因此，为克服现有技术中的至少部分缺陷和问题，本专利技术实施例提供了一种检测模型训练方法、一种检测模型训练装置、一种检测模型训练系统和一种检测方法训练得到的检测模型，具有检测准确率更高、漏检更少的特点。
2、具体地，一方面，本专利技术一个实施例提供的一种检测模型训练方法，包括：获取多个训练数据；所述多个训练数据对应多种工件类别；对所述多个训练数据进行归集处理，确定与所述多种工件类别一一对应的多个训练数据集；基于所述多个训练数据集进行模型训练得到检测模型。
3、在一个实施例中，所述基于所述多个训练数据集进行模型训练得到检测模
4、在一个实施例中，所述迭代训练步骤具体包括：根据所述自检信息符合预设判断条件时，完成所述迭代训练；否则，根据所述自检信息更新所述多个训练数据集，返回至所述基础训练步骤。
5、在一个实施例中，所述自检信息包括与所述多个训练数据集一一对应的多个自检噪声值；所述多个自检噪声值均小于等于预设阈值时，所述自检信息符合所述预设判断条件。
6、在一个实施例中，所述自检信息包括所述多个训练数据中的异常数据；所述根据所述自检信息更新所述多个训练数据集，包括：依据对所述异常数据进行复判的复判结果将所述异常数据更新至所述多个训练数据集中的目标更新训练数据集中。
7、在一个实施例中，所述基于所述多个训练数据集进行基础训练得到基础模型，包括：根据预设采样规则逐个对所述多个训练数据集进行采样得到与所述多个训练数据集一一对应的多组采样数据；基于所述多组采样数据进行所述基础训练得到所述基础模型。
8、在一个实施例中，所述多个训练数据对应多种特征类别，所述多个训练数据集包括目标采样数据集；所述目标采样数据集包括与所述多种特征类别一一对应的多个目标采样数据子集；所述预设采样规则包括：所述目标采样数据集中所述多个目标采样数据子集的数据采样数目相等。
9、在一个实施例中，所述多个训练数据对应多种特征类别；所述多个训练数据集包括目标训练数据集；所述检测模型训练方法还包括：将所述目标训练数据集按照特征类别分类，得到与所述多种特征类别一一对应的多个目标训练数据子集。
10、本专利技术一个实施例提供一种检测模型训练装置，包括：训练数据获取模块，用于获取多个训练数据；所述多个训练数据对应多种工件类别；数据归集模块，用于对所述多个训练数据进行归集处理，确定与所述多种工件类别一一对应的多个训练数据集；训练模块，用于基于所述多个训练数据集进行模型训练得到检测模型。
11、本专利技术一个实施例提供一种检测方法，包括：获取待测工件的待测图像；采用检测模型对所述待测图像进行检测，所述检测模型通过如前述任意一项实施例所述的模型训练方法训练得到。
12、本专利技术一个实施例提供一种检测模型训练系统，包括处理器和连接所述处理器的存储器，所述存储器存储有所述处理器执行的指令，且所述指令使得所述处理器执行操作以进行前述任意一项实施例所述的检测模型训练方法。
13、本专利技术一个实施例提供一种可读介质，所述可读介质存储有计算机可读指令，所述计算机可读指令包括用于执行前述任一项实施例所述的检测模型训练方法。
14、由上可知，本专利技术上述实施例可以达成以下一个或多个有益效果：通过将多个训练数据进行归集处理得到与多种工件类别一一对应的多个训练数据集，相比于直接将混合有不同工件类别的多个训练数据作为训练样品，本实施例能够实现工件类别层面的数据均衡，能够基于不同的工件类别实现模型的训练，提高模型的准确率，减少漏检。
本文档来自技高网...【技术保护点】
1.一种检测模型训练方法，其特征在于，包括：
2.如权利要求1所述的检测模型训练方法，其特征在于，所述基于所述多个训练数据集进行模型训练得到检测模型，包括：
3.如权利要求2所述的检测模型训练方法，其特征在于，所述迭代训练步骤具体包括：根据所述自检信息符合预设判断条件时，完成所述迭代训练；否则，根据所述自检信息更新所述多个训练数据集，返回至所述基础训练步骤。
4.如权利要求3所述的检测模型训练方法，其特征在于，所述自检信息包括与所述多个训练数据集一一对应的多个自检噪声值；所述多个自检噪声值均小于等于预设阈值时，所述自检信息符合所述预设判断条件。
5.如权利要求3所述的检测模型训练方法，其特征在于，所述自检信息包括所述多个训练数据中的异常数据；所述根据所述自检信息更新所述多个训练数据集，包括：依据对所述异常数据进行复判的复判结果将所述异常数据更新至所述多个训练数据集中的目标更新训练数据集中。
6.如权利要求2所述的检测模型训练方法，其特征在于，所述基于所述多个训练数据集进行基础训练得到基础模型，包括：
7.如权
8.如权利要求1所述的检测模型训练方法，其特征在于，所述多个训练数据对应多种特征类别；所述多个训练数据集包括目标训练数据集；所述检测模型训练方法还包括：将所述目标训练数据集按照特征类别分类，得到与所述多种特征类别一一对应的多个目标训练数据子集。
9.一种检测模型训练装置，其特征在于，包括：
10.一种检测方法，其特征在于，包括：
11.一种检测模型训练系统，其特征在于，包括处理器和连接所述处理器的存储器，所述存储器存储有所述处理器执行的指令，且所述指令使得所述处理器执行操作以进行如权利要求1-8任意一项所述的检测模型训练方法。
...【技术特征摘要】
1.一种检测模型训练方法，其特征在于，包括：
2.如权利要求1所述的检测模型训练方法，其特征在于，所述基于所述多个训练数据集进行模型训练得到检测模型，包括：
3.如权利要求2所述的检测模型训练方法，其特征在于，所述迭代训练步骤具体包括：根据所述自检信息符合预设判断条件时，完成所述迭代训练；否则，根据所述自检信息更新所述多个训练数据集，返回至所述基础训练步骤。
4.如权利要求3所述的检测模型训练方法，其特征在于，所述自检信息包括与所述多个训练数据集一一对应的多个自检噪声值；所述多个自检噪声值均小于等于预设阈值时，所述自检信息符合所述预设判断条件。
5.如权利要求3所述的检测模型训练方法，其特征在于，所述自检信息包括所述多个训练数据中的异常数据；所述根据所述自检信息更新所述多个训练数据集，包括：依据对所述异常数据进行复判的复判结果将所述异常数据更新至所述多个训练数据集中的目标更新训练数据集中。
6.如权利要求2所述的检测模型训练方法，其特征在于，所述基于所述...
【专利技术属性】
技术研发人员：陈鲁，肖安七，张嵩，
申请(专利权)人：深圳中科飞测科技股份有限公司，
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。