一种故障检测方法、装置、可读存储介质及电子设备

本发明涉及半导体制造领域，且更具体地，涉及一种故障检测方法、装置、可读存储介质及电子设备。

背景技术：

1、随着半导体行业的飞速发展，半导体的生产工艺越来越复杂，尤其是5nm工艺的逐步成熟完善，3nm工艺不断突破的情况下，芯片电路单元的尺寸越小，生产过程中就越容易出现各种缺陷。需要在生产过程中及早发现缺陷，及时排除缺陷原因，丢弃缺陷样本，才能防止缺陷晶粒继续加工，影响良率和生产率。目前，深度学习方法已经被应用到半导体行业，用于进行故障检测，但半导体生产工艺复杂，致使故障检测的准确率较低。

技术实现思路

1、本发明提供了一种故障检测方法、装置、计算机可读存储介质及电子设备，以解决现有技术中故障检测的准确率较低的技术问题。

2、根据本发明的第一方面，提供了一种故障检测方法，包括：

3、获取待检测图像，所述待检测图像为在半导体生产工艺中采集到的图像；

4、对所述待检测图像中的像素点按颜色进行聚类处理后，提取出至少两张分层图像；

5、对所述至少两个分层图像分别进行故障检测，得到至少两个检测子结果；

6、基于所述至少两个检测子结果，确定所述待检测图像对应的故障检测结果。

7、可选地，所述对所述待检测图像中的像素点按颜色进行聚类处理后，提取出至少两张分层图像的步骤，包括：

8、针对每一候选颜色种类值：基于所述候选颜色种类值对所述待检测图像进行聚类分割，得到候选分割结果；确定所述候选分割结果中每一聚类簇中的像素点与聚类中心间的距离值；

9、基于所述距离值，在所述候选颜色种类值中选取出目标颜色种类值；

10、基于所述目标颜色种类值对所述待检测图像按颜色进行聚类处理，提取出与所述目标颜色种类值对应的分层图像。

11、可选地，所述基于所述距离值，在所述候选颜色种类值中选取出目标颜色种类值的步骤，包括：

12、确定每一所述候选颜色种类值对应的所述距离值的平均值；

13、将所述平均值的最小值对应的候选颜色种类值选取为目标颜色种类值。

14、可选地，所述基于所述目标颜色种类值对所述待检测图像按颜色进行聚类处理，提取出与所述目标颜色种类值对应的分层图像的步骤，包括：

15、以所述目标颜色种类值为聚类簇的数量，对所述待检测图像按颜色进行聚类分割，确定聚类分割结果；

16、将所述聚类分割结果中每一聚类簇对应的像素点以预设颜色为背景提取出来，提取出与所述目标颜色种类值对应的分层图像；所述预设颜色与所述聚类簇对应的颜色不同。

17、可选地，所述对所述至少两个分层图像分别进行故障检测，得到至少两个检测子结果的步骤前，所述方法还包括：

18、对获取的故障样本图像进行分层处理，得到样本分层图像；

19、获取所述样本分层图像分别对应的故障标注图像；

20、基于所述样本分层图像和所述故障标注图像对预设检测模型进行训练，训练出符合预设结束条件的故障检测模型；

21、所述对所述至少两个分层图像分别进行故障检测，得到至少两个检测子结果，包括：

22、将所述至少两个分层图像输入所述故障检测模型，得到至少两个检测子结果。

23、可选地，所述预设检测模型包括目标检测子模型和分类子模型，所述基于所述样本分层图像和所述故障标注图像对预设检测模型进行训练，训练出符合预设结束条件的故障检测模型，包括：

24、将所述样本分层图像输入所述目标检测子模型，确定第一检测结果；

25、若在样本分层图像中存在目标分层图像，所述目标分层图像为基于所述故障标注图像确定出的过检图像，在所述目标分层图像中裁剪出过检区域，并将裁剪出的所述过检区域输入所述分类子模型，确定第二检测结果；

26、基于所述第一检测结果和所述第二检测结果，确定所述样本分层图像对应的训练检测结果；

27、基于所述训练检测结果和所述故障标注图像确定的损失函数值，对所述目标检测子模型和所述分类子模型的模型参数进行调整，训练出符合预设结束条件的故障检测模型。

28、可选地，所述基于所述至少两个检测子结果，确定所述待检测图像对应的故障检测结果的步骤，包括：

29、在所述至少两个检测子结果中任意一个检测子结果表明有故障的情况下，确定表明所述待检测图像有故障的故障检测结果；

30、在所述至少两个检测子结果均表明无故障的情况下，确定表明所述待检测图像无故障的故障检测结果。

31、根据本发明的第二方面，提供了一种故障检测装置，包括：

32、图像获取模块，用于获取待检测图像，所述待检测图像为在半导体生产工艺中采集到的图像；

33、分层处理模块，用于对所述待检测图像中的像素点按颜色进行聚类处理后，提取出至少两张分层图像；

34、故障检测模型，用于对所述至少两个分层图像分别进行故障检测，得到至少两个检测子结果；

35、结果处理模块，用于基于所述至少两个检测子结果，确定所述待检测图像对应的故障检测结果。

36、根据本发明的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述故障检测方法。

37、根据本发明的第四方面，提供了一种电子设备，所述电子设备包括：

38、处理器；

39、用于存储所述处理器可执行指令的存储器；

40、所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的故障检测方法。

41、与现有技术相比，本发明提供的故障检测方法、装置、计算机可读存储介质及电子设备，至少包括以下有益效果：

42、本发明的技术方案对获取到的待检测图像中的像素点按颜色进行聚类处理，然后提取出至少两张分层图像，其中待检测图像为半导体生产工艺中采集到的图像。在半导体产品中，不同功能部分会采用不同材料，不同材料的颜色基本不同，因此将待检测图像按颜色进行聚类处理，可实现对待检测图像的有效分割，分割结果可有效呈现产品不同部分的特征，并且聚类后的提取处理可以有效屏蔽生产场景和生产工艺带来的影响，因此在得到的至少两张分层图像中可以从产品的不同视角体现产品特征。进一步对至少两个分层图像分别进行故障检测，得到至少两个检测子结果，并基于至少两个检测子结果，确定待检测图像对应的故障检测结果，该故障检测结果是对至少两个检测子结果进行综合考虑后得到的，准确性较高。在半导体领域，同功能类别芯片所用特定部件的材料基本相同，即本发明提供的技术方案在半导体生产工艺中具有较强的泛化性，并适用于新的生产场景和生产工艺。

技术特征：

1.一种故障检测方法，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，所述对所述待检测图像中的像素点按颜色进行聚类处理后，提取出至少两张分层图像的步骤，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述距离值，在所述候选颜色种类值中选取出目标颜色种类值的步骤，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述目标颜色种类值对所述待检测图像按颜色进行聚类处理，提取出与所述目标颜色种类值对应的分层图像的步骤，包括：

5.根据权利要求1所述的方法，其特征在于，所述对所述至少两个分层图像分别进行故障检测，得到至少两个检测子结果的步骤前，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述预设检测模型包括目标检测子模型和分类子模型，所述基于所述样本分层图像和所述故障标注图像对预设检测模型进行训练，训练出符合预设结束条件的故障检测模型，包括：

7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于所述至少两个检测子结果，确定所述待检测图像对应的故障检测结果的步骤，包括：

8.一种故障检测装置，其特征在于，包括：

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一项所述的故障检测方法。

10.一种电子设备，所述电子设备包括：

技术总结
本发明提供了一种故障检测方法、装置、可读存储介质及电子设备，该方法包括：获取待检测图像，所述待检测图像为在半导体生产工艺中采集到的图像；对所述待检测图像中的像素点按颜色进行聚类处理后，提取出至少两张分层图像；对所述至少两个分层图像分别进行故障检测，得到至少两个检测子结果；基于所述至少两个检测子结果，确定所述待检测图像对应的故障检测结果。本发明提供的技术方案通过对待检测图像进行基于颜色的分层处理，得到至少两个分层图像，然后对每一分层图像进行故障检测，对每一检测子结果均进行考虑，有效提高故障检测结果的准确性。

技术研发人员：曾锃,桑童
受保护的技术使用者：上海大学
技术研发日：
技术公布日：2024/3/11