检测方法、装置、电子设备及可读存储介质与流程

1.本技术涉及半导体技术领域，尤其涉及检测方法、装置、电子设备及可读存储介质。


背景技术：

2.氮化镓(gan)材料具有低的热产生率和高的击穿电场，是研制高温大功率电子器件和高频微波器件的重要材料。在半导体制造技术领域，氮化镓功率器件具有许多优于硅基半导体的性质，然而由于氮化镓功率器件的制造工艺以及可靠性的因素，导致其良率难以提升，其制造成本居高不下。
3.氮化镓功率器件的界面态是氮化镓功率器件的研究面临的核心问题，这制约着氮化镓功率器件的规模化和实用化。界面态很容易造成氮化镓功率器件性能恶化。另外，采用现有的测试方法，对不同结构的功率器件来说，如果保证功率器件的性能合格，测试方法会过于严格造成良率下降，并且，例如老化测试，需要大量的测试时间，造成功率器件的性能衰退。如果放宽测试合格的条件，则无法准确地找出出性能有问题功率器件。
4.因此，现有的测试方法存在容易误宰良品、检测效率低、检测结果不可靠分问题。


技术实现要素：

5.本技术的目的在于提供一种检测方法、装置、电子设备及可读存储介质，旨在解决现有的测试方法由于功率器件电特性的不稳定，易误判良品，导致检测效率低、检测结果不可靠的问题。
6.本技术实施例的第一方面提了一种检测方法，用于检测功率器件的电性能，所述检测方法包括：对所述功率器件进行n次开关驱动；其中，n≥1且为整数；获取进行n次开关驱动后的所述功率器件的电参数；将所述电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，所述类神经网络模型用于检测所述功率器件的电性能是否符合预期。
7.其中一个实施例中，所述电参数包括所述功率器件的栅极极阈值电压、漏源击穿电压、栅源击穿电压、导通阻抗、漏极电流以及以上参数的相关特性曲线。
8.其中一个实施例中，所述电参数包括所述功率器件的漏极电流对栅极电压的特性曲线。
9.其中一个实施例中，所述已训练的类神经网络模型为根据进行标注后的数据集，对预先构建的类神经网络模型进行训练，得到的类神经网络模型，所述标注后的数据集包括对多个符合预期功率器件的进行n次开关驱动的电参数，以及不符合预期功率器件的前n次开关驱动后的电参数进行标注后得到的数据集。
10.其中一个实施例中，所述标注后的数据集包括所述功率器件进行开关驱动100k次后，所述功率器件的电参数。
11.其中一个实施例中，所述对所述功率器件进行n次开关驱动包括：将驱动信号输入所述功率器件，驱动所述功率器件开关n次；其中，所述驱动信号为可调脉冲方波。
12.其中一个实施例中，所述功率器件为氮化镓功率器件。
13.本技术实施例的第二方面提了一种检测装置，用于检测功率器件的电性能，所述检测装置包括：开关驱动模块，用于对所述功率器件进行n次开关驱动；其中，n≥1且为整数；获取模块，用于获取进行n次开关驱动后的所述功率器件的电参数；检测模块，用于将所述电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，所述类神经网络模型用于检测所述功率器件的性能是否符合预期。
14.本技术实施例的第三方面提了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述检测方法的步骤。
15.本技术实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述检测方法的步骤。
16.本技术实施例与现有技术相比存在的有益效果是：本技术实施例可对功率器件进行n次开关驱动；获取进行n次开关驱动后的功率器件的电参数；将所述电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，类神经网络模型用于检测功率器件的电性能是否符合预期。本技术实施例无需将功率器件全部进行足够次数的开关驱动测试后，再判断为符合预期的良品，从而可节约检测时间，提高了检测效率，检测方法成本低且有效。
附图说明
17.图1是本技术一实施例提供的检测方法的流程示意图；
18.图2是本技术一实施例提供的步骤s101的具体流程示意图；
19.图3为本技术一实施例提供的驱动信号的波形示意图；
20.图4是本技术一实施例提供基于类神经网络模型输入和输出的结果预测示意图；
21.图5是本技术一实施例提供的检测装置的结构示意图；
22.图6是本技术一实施例提供的电子设备的结构示意图。
具体实施方式
23.为了使本技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
24.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
25.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
26.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
27.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0028]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0029]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0030]
本技术实施例提供的检测方法，可以应用于集成电路设备、上位机、手机、平板电脑、增强现实(augmented reality，ar)/虚拟现实(virtual reality，vr)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本、个人数字助理(personal digital assistant，pda)等电子设备上，本技术实施例对电子设备的具体类型不作任何限制。
[0031]
为了说明本技术的技术方案，下面通过以下实施例来进行说明。
[0032]
请参阅图1，本技术实施例提供的一种检测方法，用于检测功率器件的性能，检测方法包括：
[0033]
步骤s101，对功率器件进行n次开关驱动。
[0034]
具体地，其中，n≥1且为整数，功率器件在进行开关一定次数后，其电性能会受到影响发生变化，因此需要对功率器件进行n次开关驱动，模拟功率器件在实际集成电路或者芯片中的工作情况。n次比如是10次、20次、50次、100次等。
[0035]
在一个实施例中，请参阅图2，步骤s101，对功率器件进行n次开关驱动具体包括：
[0036]
步骤s1011，将驱动信号输入功率器件，驱动功率器件开关n次。
[0037]
其中，参阅图3所示为该驱动信号为可调脉冲方波的示意图，根据功率器件的类型或者本技术实施例的检测方法的实际检测目的，可以对该可调脉冲方波信号进行调整，例如调整驱动信号的占空比、电压、频率等，以适应不同的功率器件或者适应不同的检测目的。这里的功率器件比如是氮化镓功率器件、垂直型氮化镓功率器件、绝缘栅双极型晶体管(igbt)、金属-氧化物半导体场效应晶体管(mosfet)、二极管(diode)等，不同的检测目的例如是功率器件的某一项电参数的性能是否符合预期。
[0038]
步骤s102，获取进行n次开关驱动后的功率器件的电参数。
[0039]
具体地，在进行n次开关驱动后的功率器件，其电参数会发生变化，例如其电性能下降，功率器件发生电性能衰退或永久性能退化，将功率器件进行n次开关驱动后的电参数记录下来，作为展现其电性能的测试结果。
[0040]
在一个实施例中，电参数包括功率器件的栅极极阈值电压、漏源击穿电压、栅源击穿电压、导通阻抗、极间电容、漏极电流以及以上参数的相关特性曲线。可以理解地是，功率器件的电参数包括静态参数和动态参数，这里主要目的是检测功率器件的静态参数，例如
功率器件的栅极极阈值电压、漏源击穿电压、栅源击穿电压，在一些其他实施例中，电参数还可以包括功率器件的动态参数，例如跨导、极间充电电量等。
[0041]
在一个实施例中，电参数包括功率器件的漏极电流对栅极电压(id-vg)的特性变化曲线。
[0042]
步骤s103，将电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，类神经网络模型用于检测功率器件的性能是否符合预期。
[0043]
具体地，该类神经网络模型为基于人工神经网络构建的网络模型，如图4所示，为一实施例中的类神经网络结构示意图，该类神经网络模型包括输入层、隐藏层(即中间层)和输出层，通过输入层输入信息，再通过隐藏层进行提取特征，最后通过输出层输出结果。
[0044]
在一实施例中，将电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，类神经网络模型用于检测功率器件的性能是否符合预期，符合预期即认为功率器件合格，否则则认为功率器件不合格，该已训练的类神经网络模型已经受过大量的数据模型训练，能够准确判断功率器件是否合格，防止误宰功率器件的良品，提高检测效率和功率器件的可靠性。
[0045]
在一实施例中，已训练的类神经网络模型为根据进行标注后的数据集，对预先构建的类神经网络模型进行训练，得到的类神经网络模型，标注后的数据集包括对多个符合预期功率器件的进行n次开关驱动的电参数，以及不符合预期功率器件的前n次开关驱动后的电参数进行标注后得到的数据集。
[0046]
具体地，可预先人工神经网络构建类神经网络模型，预先对类神经网络模型进行训练。对类神经网络模型进行训练可以是采集足够数量的功率器件的完全开关测试的电参数结果。
[0047]
在一个实施例中，标注后的数据集包括功率器件进行开关驱动100k次后，功率器件的电参数，例如功率器件进行100k次的开关驱动后且静置24h后的电参数结果，记录并标注后作为数据集，训练类神经网络模型，可以理解地是，将若干个已进行100k次开关驱动测试后的合格功率器件的电参数和不合格功率器件的前n次开关驱动的电参数作为训练样本，并对每个训练样本标注为合格功率器件和不合格功率器件(作为标记好的期望输出)，根据标记好的期望输出向量不断调整优化类神经网络模型中的参数，直至类神经网络模型输出的结果与标注结果之间的错误率在预设范围内，得到已训练的类神经网络模型。
[0048]
在一实施例中，本实施例的检测方法检测的功率器件为氮化镓功率器件。氮化镓功率器件的界面态导致其短时或者永久的界面态电荷捕获，从而导致氮化镓功率器件的电参数变化，影响其电性能。所以在面对氮化镓功率器件时，容易造成误宰良品的问题，本实施例的检测方法利用类神经网络模型，基于收集氮化镓功率器件的电参数数据，基于可控的模型输入，快速准确的预测出氮化镓功率器件是否合格，提高氮化镓功率器件的可靠性，降低制造成本。
[0049]
本技术实施例还提供一种检测装置，用于检测功率器件的电性能，检测装置可用于执行上述检测方法实施例中的步骤。检测装置可以是电子设备中的虚拟装置(virtual appliance)，由电子设备的处理器运行，也可以是电子设备本身。
[0050]
如图5所示，本技术实施例提供的检测装置500包括：
[0051]
开关驱动模块501，用于对功率器件进行n次开关驱动。其中，n≥1且为整数。
[0052]
获取模块502，用于获取进行n次开关驱动后的功率器件的电参数。
[0053]
检测模块503，用于将电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，类神经网络模型用于检测功率器件的性能是否符合预期。
[0054]
在一个实施例中，开关驱动模块501具体用于将驱动信号输入功率器件，驱动功率器件开关n次。其中，驱动信号为可调脉冲方波，根据功率器件的类型或者本技术实施例的检测方法的实际检测目的，可以对该可调脉冲方波信号进行调整，例如调整驱动信号的占空比、电压、频率等，以适应不同的功率器件。
[0055]
在一个实施例中，检测模块503具体用于将电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，类神经网络模型用于检测功率器件的性能是否符合预期，符合预期即认为功率器件合格，否则则认为功率器件不合格。
[0056]
在一个实施例中，已训练的类神经网络模型为根据进行标注后的数据集，对预先构建的类神经网络模型进行训练，得到的类神经网络模型，标注后的数据集包括对多个符合预期功率器件的进行n次开关驱动的电参数，以及不符合预期功率器件的前n次开关驱动后的电参数进行标注后得到的数据集。
[0057]
本技术实施例与现有技术相比存在的有益效果是：本技术实施例可对功率器件进行n次开关驱动；获取进行n次开关驱动后的功率器件的电参数；将电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，类神经网络模型用于检测功率器件的电性能是否符合预期。本技术实施例无需将功率器件全部进行足够次数的开关驱动测试后，再判断为符合预期的良品，从而可节约检测时间，提高了检测效率，检测方法成本低且有效。
[0058]
如图6所示，本发明的一个实施例还提供一种电子设备600包括：处理器601，存储器602以及存储在存储器602中并可在处理器601上运行的计算机程序603，例如检测程序。处理器601执行计算机程序603时实现上述各个检测方法实施例中的步骤。处理器601执行计算机程序603时实现上述各装置实施例中各模块的功能，例如图5所示模块501至503的功能。
[0059]
示例性的，计算机程序603可以被分割成一个或多个模块，一个或者多个模块被存储在存储器602中，并由处理器601执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序603在电子设备600中的执行过程。例如，计算机程序603可以被分割成开关驱动模块501，获取模块502和检测模块503，各模块具体功能在上述实施例中已有描述，此处不再赘述。
[0060]
电子设备600可以是集成电路设备、上位机、计算机、笔记本、掌上电脑及服务器等电子设备。电子设备可包括，但不仅限于，处理器601，存储器602。本领域技术人员可以理解，图6仅仅是电子设备600的示例，并不构成对电子设备600的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0061]
所称处理器601可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器
等。
[0062]
存储器602可以是电子设备600的内部存储单元，例如电子设备600的硬盘或内存。存储器602也可以是电子设备600的外部存储设备，例如电子设备600上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器602还可以既包括电子设备600的内部存储单元也包括外部存储设备。存储器602用于存储计算机程序以及电子设备所需的其他程序和数据。存储器602还可以用于暂时地存储已经输出或者将要输出的数据。
[0063]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0064]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0065]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0066]
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0067]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0068]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0069]
所述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各
个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0070]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。