材料的缺陷信息识别方法、模型训练方法及设备技术

本申请实施例提供一种材料的缺陷信息识别方法、模型训练方法及设备。该方法包括：通过获取待识别数据，其中，待识别数据中包括待识别的材料缺陷图像和至少一种场景数据。然后，根据识别模型对待识别的材料缺陷图像进行特征提取，得到待识别的材料缺陷图像的隐含特征。之后，根据识别模型中与场景数据对应的场景学习器，对场景数据进行特征提取，得到场景数据的场景特征。进而，基于识别模型、场景特征以及隐含特征，确定待识别的材料缺陷图像的缺陷信息。该方法用以达到准确、有效的检测出不同场景数据下的材料的缺陷信息的效果。

【技术实现步骤摘要】

本申请涉及人工智能领域，尤其涉及一种材料的缺陷信息识别方法、模型训练方法及设备。

技术介绍

1、在材料(例如晶圆等用于制作半导体的材料)的制作过程中，需要检测材料的缺陷信息，其中，缺陷信息例如包括但不限于缺陷等效尺寸、或者缺陷类型等中的一种。

2、为识别缺陷信息，可通过硬件设备检测出材料的缺陷图像和初始缺陷类型，并基于硬件设备中的预定义算法对缺陷图像进行图像特征提取，得到缺陷图像的一个图像属性，并基于该图像属性和缺陷图像中缺陷信息的预设关系，确定缺陷信息。

3、但是上述方式中，场景数据的变化会影响图像属性和缺陷图像中缺陷信息的关系，因此，若硬件设备检测材料的场景数据发生变化，则需要修改硬件设备中的预定义算法，才能较为准确地确定缺陷信息，操作复杂，预测速度慢、效率低。

技术实现思路

1、本申请实施例提供一种材料的缺陷信息识别方法、模型训练方法及设备，用以达到准确、有效的检测出不同场景数据下的材料的缺陷信息的效果。

2、第一方面，本申请实施例提供一种材料的缺陷信息识别方法，包括本文档来自技高网...

【技术保护点】

1.一种材料的缺陷信息识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述场景特征用于表征待识别的材料缺陷图像中的缺陷与场景数据之间的关系；

3.根据权利要求2所述的方法，其特征在于，所述基于所述识别模型和所述修正后的隐含特征，确定所述待识别的材料缺陷图像的缺陷信息，包括：

4.根据权利要求3所述的方法，其特征在于，所述识别模型中包括多个任务识别单元，所述待识别数据指示出待识别出的缺陷信息的标识；

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述识别模型中包括深度神经网络单元；所述根据识别模型对所述待识别的...

【技术特征摘要】

1.一种材料的缺陷信息识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述场景特征用于表征待识别的材料缺陷图像中的缺陷与场景数据之间的关系；

3.根据权利要求2所述的方法，其特征在于，所述基于所述识别模型和所述修正后的隐含特征，确定所述待识别的材料缺陷图像的缺陷信息，包括：

4.根据权利要求3所述的方法，其特征在于，所述识别模型中包括多个任务识别单元，所述待识别数据指示出待识别出的缺陷信息的标识；

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述识别模型中包括深度神经网络单元；所述根据识别模型对所述待识别的材料缺陷图像进行特征提取，得到所述待识别的材料缺陷图像的隐含特征，包括：

6.一种应用于缺陷信息识别的模型训练方法，其特征在于，包括：

7.根据权利要求6所述的方法，其特征在于，所述场景特征表征待训练的材料缺陷图像中的缺陷与场景数据之间的关系；

8.根据权利要求7所述的方法，其特征在于，所述根据所述初始模型和所述修正后的隐含特征，确定所述识别模型，包括：

9.根据权利要求8所述的方法，其特征在于，所述基于图像处理方式对所述待...

【专利技术属性】
技术研发人员：胡乐星，林伟兵，
申请(专利权)人：深圳市新凯来工业机器有限公司，
类型：发明
国别省市：