晶圆表面特征提取方法、系统及存储介质

本发明属于图像处理，本发明涉及一种晶圆表面特征提取方法、系统及存储介质。

背景技术：

1、当前，晶圆作为半导体行业的基石，对各类电子元件、集成电路产品的质量起着至关重要的作用。半导体晶圆生产需要经历拉单晶、切片、磨片、抛光等多道生产工序, 在这些过程中不可避免会出现一些表面缺陷。由于晶圆表面非常平整洁净，即使出现缺陷，也会因特征辨识度弱导致难以及时发现处理。目前，晶圆缺陷检测技术主要通过人工检测和基于机器视觉检测两种方式进行。人工检测存在工作效率低下，检测精度差等问题。而基于机器视觉技术的检测方法因晶圆表面图像特征辨识度弱的原因，普遍存在易受环境影响、检测范围小、检测结果不稳定且检测速度慢等问题，其检测精度已难以进一步提高。

技术实现思路

1、本发明的目的在于提供一种晶圆表面特征提取方法、系统及存储介质，首先采用颜色空间转换对晶圆图像进行处理，然后使用多尺度形态学顶帽变换对晶圆特征进行增强，最后通过改变交并比计算方法、激活函数等方法对yolov3神经网络进行改进，实现了晶圆表面图像低辨识弱特征的高效提取。

2、实现本发明目的的技术解决方案为：

3、一种晶圆表面特征提取方法，包括以下步骤：

4、s01：获取晶圆图像，并对晶圆图像进行预处理；

5、s02：对yolov3算法进行改进，改进yolov3算法的交并比计算方式为：，为距离交并比计算函数，为形状差异计算函数；将yolov3算法中的激活函数改为elu激活函数，计算公式为：，为输入参数，为elu函数的调整系数，为自然常数；

6、s03：对改进的yolov3算法进行训练，使用训练好的改进的yolov3算法对晶圆图像的特征进行提取。

7、优选的技术方案中，步骤s01中对晶圆图像进行预处理的方法包括：

8、s11：将晶圆图像转换为yuv空间；

9、s12：使用源图像减去图像开运算的结果，得到顶帽运算结果；

10、s13：选定形态学结构元素的类型及尺度，选择不同尺度的结构元素对图像进行处理，将不同结构元素处理得到的顶帽运算结果进行融合，得到晶圆图像处理结果。

11、优选的技术方案中，顶帽运算结果的计算公式为：，为源图像，为形态学结构元素，为开运算；多尺度结构元素为：，为尺度参数，为膨胀；多尺度形态学顶帽运算结果的计算公式为，为各尺度结构元素进行运算时的权重系数，且满足所有权重系数的和为1，为结构元素的索引，为所有尺度结构元素的数量，多尺度顶帽运算。

12、优选的技术方案中，所述距离交并比计算函数的计算公式为：

13、

14、其中，为目标预测框，为目标真实框，表示两个框交集的面积，表示两个框并集的面积，为目标预测框的中心点，为目标真实框的中心点，为两点的距离计算函数，表示预测框和真实框的最小外接矩形的对角线长度。

15、优选的技术方案中，所述形状差异计算函数的计算公式为：

16、

17、其中，形状差异度量参数，和，和是预测框的宽和高，和是目标真实框的宽和高，为自然常数。

18、本发明还公开了一种晶圆表面特征提取系统，包括：

19、晶圆图像预处理模块，获取晶圆图像，并对晶圆图像进行预处理；

20、神经网络构建模块，对yolov3算法进行改进，改进yolov3算法的交并比计算方式为：，为距离交并比计算函数，为形状差异计算函数；将yolov3算法中的激活函数改为elu激活函数，计算公式为：，为输入参数，为elu函数的调整系数，为自然常数；

21、晶圆图像特征提取模块，对改进的yolov3算法进行训练，使用训练好的改进的yolov3算法对晶圆图像的特征进行提取。

22、优选的技术方案中，晶圆图像预处理模块中对晶圆图像进行预处理的方法包括：

23、s11：将晶圆图像转换为yuv空间；

24、s12：使用源图像减去图像开运算的结果，得到顶帽运算结果；

25、s13：选定形态学结构元素的类型及尺度，选择不同尺度的结构元素对图像进行处理，将不同结构元素处理得到的顶帽运算结果进行融合，得到晶圆图像处理结果。

26、优选的技术方案中，顶帽运算结果的计算公式为：，为源图像，为形态学结构元素，为开运算；多尺度结构元素为：，为尺度参数，为膨胀；多尺度形态学顶帽运算结果的计算公式为，为各尺度结构元素进行运算时的权重系数，且满足所有权重系数的和为1，为结构元素的索引，为所有尺度结构元素的数量，多尺度顶帽运算。

27、优选的技术方案中，所述距离交并比计算函数的计算公式为：

28、

29、其中，为目标预测框，为目标真实框，表示两个框交集的面积，表示两个框并集的面积，为目标预测框的中心点，为目标真实框的中心点，为两点的距离计算函数，表示预测框和真实框的最小外接矩形的对角线长度。

30、本发明又公开了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的晶圆表面特征提取方法。

31、本发明与现有技术相比，其显著优点为：

32、针对晶圆表面图像低辨识弱特征的有效提取问题，本发明首先采用颜色空间转换对晶圆图像进行处理，能够克服因光照、晶圆表面特性等造成的特征不明显问题。然后使用多尺度形态学顶帽变换对晶圆特征进行增强，使晶圆表面图像的特征进一步突出，最后通过改变交并比计算方法、激活函数等方法对yolov3神经网络进行改进，并结合公开数据集和自建数据集完成对晶圆图像特征的学习提取。本发明方法能够有效克服因晶圆自身特性、光照等因素造成的特征提取难问题，实现了晶圆表面图像低辨识弱特征的高效提取，具有良好的应用价值和广阔的市场前景。

技术特征：

1.一种晶圆表面特征提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的晶圆表面特征提取方法，其特征在于，步骤s01中对晶圆图像进行预处理的方法包括：

3.根据权利要求2所述的晶圆表面特征提取方法，其特征在于，顶帽运算结果的计算公式为：，为源图像，为形态学结构元素，为开运算；多尺度结构元素为：，为尺度参数，为膨胀；多尺度形态学顶帽运算结果的计算公式为，为各尺度结构元素进行运算时的权重系数，且满足所有权重系数的和为1，为结构元素的索引，为所有尺度结构元素的数量，多尺度顶帽运算。

4.根据权利要求1所述的晶圆表面特征提取方法，其特征在于，所述距离交并比计算函数的计算公式为：

5.根据权利要求1所述的晶圆表面特征提取方法，其特征在于，所述形状差异计算函数的计算公式为：

6.一种晶圆表面特征提取系统，其特征在于，包括：

7.根据权利要求6所述的晶圆表面特征提取系统，其特征在于，晶圆图像预处理模块中对晶圆图像进行预处理的方法包括：

8.根据权利要求7所述的晶圆表面特征提取系统，其特征在于，顶帽运算结果的计算公式为：，为源图像，为形态学结构元素，为开运算；多尺度结构元素为：，为尺度参数，为膨胀；多尺度形态学顶帽运算结果的计算公式为，为各尺度结构元素进行运算时的权重系数，且满足所有权重系数的和为1，为结构元素的索引，为所有尺度结构元素的数量，多尺度顶帽运算。

9.根据权利要求6所述的晶圆表面特征提取系统，其特征在于，所述距离交并比计算函数的计算公式为：

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1-5任一项所述的晶圆表面特征提取方法。

技术总结本发明公开了一种晶圆表面特征提取方法、系统及存储介质，获取晶圆图像，将晶圆图像由RGB空间转换为YUV空间，并对晶圆图像进行基于多尺度形态学顶帽变换的表面特征增强预处理；对YOLOv3算法进行改进，改进YOLOv3算法的交并比计算方式为：R=R<subgt;DIoU</subgt;+R<subgt;SIoU</subgt;，R<subgt;DIoU</subgt;为距离交并比计算函数，R<subgt;SIoU</subgt;为形状差异计算函数；将YOLOv3算法中的激活函数改为ELU激活函数；对改进的YOLOv3算法进行训练，使用训练好的改进的YOLOv3算法对晶圆图像的特征进行提取。本发明方法能够有效克服因晶圆自身特性、光照等因素造成的特征提取难问题，实现了晶圆表面图像低辨识弱特征的高效提取。技术研发人员：嵇浚哲,王佳怡,丁少鹏,张夏玮,吴春彪,孙国栋,顾凯文,祝正兵受保护的技术使用者：常熟理工学院技术研发日：技术公布日：2024/8/20