本發(fā)明涉及半導(dǎo)體制造，尤其涉及一種檢測模型確定方法、一種檢測模型確定裝置、一種檢測模型確定系統(tǒng)和一種檢測方法。

背景技術(shù)：

1、由于半導(dǎo)體產(chǎn)品例如半導(dǎo)體晶圓的生產(chǎn)流程復(fù)雜，產(chǎn)生的缺陷種類也很多(一般多達(dá)上百種)，而不同缺陷的特征往往不是十分清晰，受到晶圓特征的清晰度影響以及人工檢驗(yàn)時(shí)主觀性和易疲勞等問題的影響，人工復(fù)盤的效果往往不是很好，因此，需要采用基于深度學(xué)習(xí)的方法對缺陷進(jìn)行自動判別，但在實(shí)際生產(chǎn)中缺陷往往會集中在有限的幾個(gè)類別中，不同類別的數(shù)據(jù)量差異較大，采用傳統(tǒng)的模型訓(xùn)練方法進(jìn)行深度學(xué)習(xí)模型訓(xùn)練，模型對不同類別缺陷的學(xué)習(xí)效果差別也會很大，數(shù)據(jù)量越大的缺陷類別學(xué)習(xí)效果越好，數(shù)據(jù)量越小的缺陷類別學(xué)習(xí)效果越差，導(dǎo)致最終訓(xùn)練出的模型的檢測效果表現(xiàn)不佳，準(zhǔn)確率差。

2、因此，亟需提供一種新的檢測模型確定方案來解決上述數(shù)據(jù)不均衡導(dǎo)致的模型訓(xùn)練效果差的問題。

技術(shù)實(shí)現(xiàn)思路

1、因此，為克服現(xiàn)有技術(shù)中的至少部分缺陷和問題，本發(fā)明實(shí)施例提供了一種檢測模型確定方法、一種檢測模型確定裝置、一種檢測模型確定系統(tǒng)和一種檢測方法得到的檢測模型，可以有效提高深度學(xué)習(xí)模型的訓(xùn)練精度，同時(shí)提高檢測精度。

2、具體地，一方面，本發(fā)明一個(gè)實(shí)施例提供的一種檢測模型確定方法，包括：獲取樣本圖像集，所述樣本圖像集包括多個(gè)樣本圖像；利用所述樣本圖像集對檢測模型進(jìn)行迭代處理；其中，所述迭代處理的每次迭代包括：利用所述檢測模型獲取所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)損失值；對所述多個(gè)損失值進(jìn)行重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值；根據(jù)所述多個(gè)計(jì)算損失值對所述檢測模型進(jìn)行優(yōu)化處理或者完成所述迭代處理。

3、在一個(gè)實(shí)施例中，所述檢測模型確定方法還包括：根據(jù)所述多個(gè)樣本圖像獲取所述樣本圖像集對應(yīng)的多個(gè)損失縮放系數(shù)；所述對所述多個(gè)損失值進(jìn)行重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值包括：根據(jù)所述多個(gè)損失縮放系數(shù)對所述多個(gè)損失值進(jìn)行所述重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值。

4、在一個(gè)實(shí)施例中，所述根據(jù)所述多個(gè)樣本圖像獲取所述樣本圖像集對應(yīng)的多個(gè)損失縮放系數(shù)，包括：根據(jù)所述多個(gè)樣本圖像對應(yīng)的多種樣本類型確定所述多個(gè)損失縮放系數(shù)；所述多個(gè)損失縮放系數(shù)與所述多種樣本類型一一對應(yīng)。

5、在一個(gè)實(shí)施例中，所述多個(gè)樣本圖像包括目標(biāo)樣本圖像，所述多種樣本類型包括所述目標(biāo)樣本圖像對應(yīng)的目標(biāo)類型；所述多個(gè)樣本圖像中包括目標(biāo)數(shù)目個(gè)對應(yīng)所述目標(biāo)類型的樣本圖像；所述根據(jù)所述多個(gè)樣本圖像的多種樣本類型確定所述多個(gè)損失縮放系數(shù)，包括：根據(jù)所述目標(biāo)數(shù)目確定所述目標(biāo)損失縮放系數(shù)

6、在一個(gè)實(shí)施例中，所述目標(biāo)損失縮放系數(shù)為預(yù)設(shè)基數(shù)與所述目標(biāo)數(shù)目的比值。

7、在一個(gè)實(shí)施例中，所述多個(gè)損失縮放系數(shù)中的任意兩個(gè)損失縮放系數(shù)滿足：所述多種樣本類型中包括與第一縮放系數(shù)對應(yīng)的第一類型和與第二縮放系數(shù)對應(yīng)的第二類型；所述多個(gè)樣本圖像中包括對應(yīng)于所述第一類型的第一數(shù)目個(gè)樣本圖像和對應(yīng)于所述第二類型的第二數(shù)目個(gè)樣本圖像；所述第一數(shù)目小于所述第二數(shù)目，且所述第一縮放系數(shù)大于所述第二縮放系數(shù)。

8、在一個(gè)實(shí)施例中，所述多個(gè)樣本圖像包括目標(biāo)樣本圖像，所述多個(gè)損失縮放系數(shù)包括所述目標(biāo)樣本圖像對應(yīng)的目標(biāo)縮放系數(shù)，所述多個(gè)損失值包括所述目標(biāo)樣本圖像對應(yīng)的目標(biāo)損失值；根據(jù)所述多個(gè)損失縮放系數(shù)對所述多個(gè)損失值進(jìn)行所述重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值，包括：根據(jù)所述目標(biāo)損失值和所述目標(biāo)縮放系數(shù)獲取與所述目標(biāo)損失值對應(yīng)的目標(biāo)計(jì)算損失值。

9、在一個(gè)實(shí)施例中，所述目標(biāo)計(jì)算損失值為所述目標(biāo)損失值和所述目標(biāo)損失縮放系數(shù)的乘積。

10、本發(fā)明一個(gè)實(shí)施例提供一種檢測模型確定裝置，包括：樣本圖像獲取模塊，用于獲取樣本圖像集，所述樣本圖像集包括多個(gè)樣本圖像；迭代處理模塊，用于利用所述樣本圖像集對檢測模型進(jìn)行迭代處理；其中，所述迭代處理的每次迭代包括：利用所述檢測模型獲取所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)損失值；對所述多個(gè)損失值進(jìn)行重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值；根據(jù)所述多個(gè)計(jì)算損失值對所述檢測模型進(jìn)行優(yōu)化處理或者完成所述迭代處理。

11、本發(fā)明一個(gè)實(shí)施例提供一種工件檢測方法，包括：獲取待測工件的待測圖像；采用檢測模型對所述待測圖像進(jìn)行檢測，所述檢測模型通過如前述任意一項(xiàng)模型訓(xùn)練方法訓(xùn)練得到。

12、本發(fā)明一個(gè)實(shí)施例提供一種檢測模型確定系統(tǒng)，包括處理器和連接所述處理器的存儲器，所述存儲器存儲有所述處理器執(zhí)行的指令，且所述指令使得所述處理器執(zhí)行操作以進(jìn)行如前述任意一項(xiàng)所述的檢測模型確定方法。

13、本發(fā)明一個(gè)實(shí)施例提供一種可讀介質(zhì)，所述可讀介質(zhì)存儲有計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀指令包括用于執(zhí)行前述任一項(xiàng)實(shí)施例所述的檢測模型確定方法。

14、由上可知，本發(fā)明上述實(shí)施例可以達(dá)成以下一個(gè)或多個(gè)有益效果：通過在訓(xùn)練過程中對多個(gè)樣本圖像對應(yīng)的多個(gè)損失值進(jìn)行重加權(quán)處理，最終使得不同類別的樣本在訓(xùn)練損失層面上達(dá)到均衡的狀態(tài)，而檢測模型在優(yōu)化的時(shí)候就是基于損失值而來，如此可以間接得到均衡的訓(xùn)練數(shù)據(jù)集，基于此均衡的訓(xùn)練數(shù)據(jù)集的深度學(xué)習(xí)模型可以達(dá)到更好的精度。

技術(shù)特征：

1.一種檢測模型確定方法，其特征在于，包括：

2.如權(quán)利要求1所述的檢測模型確定方法，其特征在于，還包括：根據(jù)所述多個(gè)樣本圖像獲取所述樣本圖像集對應(yīng)的多個(gè)損失縮放系數(shù)；所述對所述多個(gè)損失值進(jìn)行重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值包括：根據(jù)所述多個(gè)損失縮放系數(shù)對所述多個(gè)損失值進(jìn)行所述重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值。

3.如權(quán)利要求2所述的檢測模型確定方法，其特征在于，所述根據(jù)所述多個(gè)樣本圖像獲取所述樣本圖像集對應(yīng)的多個(gè)損失縮放系數(shù)，包括：根據(jù)所述多個(gè)樣本圖像對應(yīng)的多種樣本類型確定所述多個(gè)損失縮放系數(shù)；所述多個(gè)縮放系數(shù)與所述多種樣本類型一一對應(yīng)。

4.如權(quán)利要求3所述的檢測模型確定方法，其特征在于，所述多個(gè)樣本圖像包括目標(biāo)樣本圖像，所述多種樣本類型包括所述目標(biāo)樣本圖像對應(yīng)的目標(biāo)類型；所述多個(gè)樣本圖像中包括目標(biāo)數(shù)目個(gè)對應(yīng)所述目標(biāo)類型的樣本圖像；所述根據(jù)所述多個(gè)樣本圖像的多種樣本類型確定所述多個(gè)損失縮放系數(shù)，包括：根據(jù)所述目標(biāo)數(shù)目確定所述目標(biāo)損失縮放系數(shù)。

5.如權(quán)利要求4所述的檢測模型確定方法，其特征在于，所述目標(biāo)損失縮放系數(shù)為預(yù)設(shè)基數(shù)與所述目標(biāo)數(shù)目的比值。

6.如權(quán)利要求3所述的檢測模型確定方法，其特征在于，所述多個(gè)損失縮放系數(shù)中的任意兩個(gè)損失縮放系數(shù)滿足：所述多種樣本類型中包括與第一縮放系數(shù)對應(yīng)的第一類型和與第二縮放系數(shù)對應(yīng)的第二類型；所述多個(gè)樣本圖像中包括對應(yīng)于所述第一類型的第一數(shù)目個(gè)樣本圖像和對應(yīng)于所述第二類型的第二數(shù)目個(gè)樣本圖像；所述第一數(shù)目小于所述第二數(shù)目，且所述第一縮放系數(shù)大于所述第二縮放系數(shù)。

7.如權(quán)利要求2所述的檢測模型確定方法，其特征在于，所述多個(gè)樣本圖像包括目標(biāo)樣本圖像，所述多個(gè)損失縮放系數(shù)包括所述目標(biāo)樣本圖像對應(yīng)的目標(biāo)縮放系數(shù)，所述多個(gè)損失值包括所述目標(biāo)樣本圖像對應(yīng)的目標(biāo)損失值；根據(jù)所述多個(gè)損失縮放系數(shù)對所述多個(gè)損失值進(jìn)行所述重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值，包括：根據(jù)所述目標(biāo)損失值和所述目標(biāo)縮放系數(shù)獲取與所述目標(biāo)損失值對應(yīng)的目標(biāo)計(jì)算損失值。

8.如權(quán)利要求7所述的檢測模型確定方法，其特征在于，所述目標(biāo)計(jì)算損失值為所述目標(biāo)損失值和所述目標(biāo)損失縮放系數(shù)的乘積。

9.一種檢測模型確定裝置，其特征在于，包括：

10.一種工件檢測方法，其特征在于，包括：

11.一種檢測模型確定系統(tǒng)，其特征在于，包括處理器和連接所述處理器的存儲器，所述存儲器存儲有所述處理器執(zhí)行的指令，且所述指令使得所述處理器執(zhí)行操作以進(jìn)行如權(quán)利要求1～8任意一項(xiàng)所述的檢測模型確定方法。

技術(shù)總結(jié)
本發(fā)明一個(gè)實(shí)施例提供的一種檢測模型確定方法，包括：獲取樣本圖像集，所述樣本圖像集包括多個(gè)樣本圖像；利用所述樣本圖像集對檢測模型進(jìn)行迭代處理；其中，所述迭代處理的每次迭代包括：利用所述檢測模型獲取所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)損失值；對所述多個(gè)損失值進(jìn)行重加權(quán)處理得到與所述多個(gè)樣本圖像一一對應(yīng)的多個(gè)計(jì)算損失值；根據(jù)所述多個(gè)計(jì)算損失值對所述檢測模型進(jìn)行優(yōu)化處理或者完成所述迭代處理。本發(fā)明實(shí)施例公開的檢測模型確定方法可以有效提高深度學(xué)習(xí)模型的訓(xùn)練精度，同時(shí)提高檢測精度。

技術(shù)研發(fā)人員：陳魯,肖安七,張嵩
受保護(hù)的技術(shù)使用者：深圳中科飛測科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2