(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210489216.3 (22)申请日 2022.05.07 (71)申请人 林国义 地址 200092 上海市虹口区密云 路471弄4 号404室 申请人 陈禹卓 (72)发明人 林国义　陈禹卓　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/778(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 20/00(2019.01) (54)发明名称 一种半导体制造工业的全视角视觉检测方 法及装置 (57)摘要 本发明公开了一种半导体制造工业的全视 角视觉检测方法及装置， 包括： 获取半导体产品 的高维图像数据集； 对高维图像数据集进行降维 处理生成低维图像数据集； 对低维图像数据集进 行稀疏主成分分析生成主成分图像数据集； 将主 成分图像数据集与预设的目标数据集进行对比， 判断是否存在相似性， 若存在， 则基于迁移学习 获取相似性数据； 若不存在， 则基于深度学习或 机器学习获取关系性数据； 对相似性或关系性数 据进行聚类融合， 并对聚类融合结果进行特征提 取； 将特征提取结果输入预构建的计算模型获取 检测结果； 本发 明能够有效提高半导体制造工业 中半导体 器件的检测效率和准确率。 权利要求书2页 说明书6页 附图1页 CN 115035325 A 2022.09.09 CN 115035325 A 1.一种半导体制造 工业的全视角视 觉检测方法， 其特 征在于， 包括： 获取半导体产品的高维图像数据集； 对高维图像数据集进行降维处 理生成低维图像数据集； 对低维图像数据集进行稀疏主成分 分析生成主成分图像数据集； 将主成分图像数据集与预设的目标数据集进行对比， 判断是否存在相似性， 若存在， 则 基于迁移学习获取相似性数据； 若不存在， 则基于深度学习或机器学习获取关系性数据； 对相似性或关系性数据进行聚类融合， 并对聚类融合结果进行 特征提取； 将特征提取结果输入预构建的计算模型获取检测结果。 2.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法， 其特征在于， 所 述对高维图像数据集进行降维处 理生成低维图像数据集包括： 将高维图像数据集中的高维图像数据通过预设的映射函数进行降维映射生成低维图 像数据， 并根据低维图像数据生成低维图像数据集。 3.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法， 其特征在于， 所 述对低维图像数据集进行稀疏主成分 分析生成主成分图像数据集包括： 对低维图像数据集X进行奇异值分解： X＝UDVT 其中， X＝{x1， x2…xn}∈Rp×n， p表示低维图像数据集的维度， n表示低维图像数据的数 量； Z＝UD、 V分别为低维图像数据集X ′的主成分和载荷矩阵； 根据前L个主成分{Z1， Z2…ZL}对应的向量α生成初始化矩阵A， A＝{α1， α2…αL}， 并设置 随机初始化矩阵B， B＝{β1， β2…βL}； 根据矩阵A和矩阵B求 解弹性网回归问题： 其中， λ、 λ1， j为弹性惩罚函数； 根据弹性网回归问题求解结果更新矩阵B， 并根据更新后的矩阵B计算XTXB的奇异值： XTXB＝UDVT， 同时更新A＝UVT； 重复上述弹性网回归问题求 解和矩阵B更新， 直至矩阵B收敛； 标准化βj得到稀疏载荷矩阵， 并根据稀疏载荷矩阵得到表征低维图像数据主要成分的 主成分图像数据集X ′。 4.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法， 其特征在于， 所 述基于迁移学习获取相似性包括： 根据主成分图像数据集与预设的目标 数据集生成源领域和目标 领域； 将源领域输入训练后的迁移学习网络得到预测目标 领域； 将目标领域与预测目标 领域进行对比获取相似性； 其中， 所述迁移学习网络的训练包括： 获取训练样本集， 根据不同的迁移学习任务划分为源领域和目标领域， 并构建迁移学 习网络、 初始化迁移学习网络超参数； 将源领域和目标领域各自数据样本输入至迁移学习网络并正向传播， 获取网络预测标 签；权　利　要　求　书 1/2 页 2 CN 115035325 A 2根据预设的损 失函数， 使用随机梯度下降法进行整个迁移学习 网络的训练， 利用反向 传播完成迁移学习网络参数的更新， 直至迁移学习网络参数收敛或达到最大迭代次数时停 止训练。 5.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法， 其特征在于， 所 述基于深度学习或机器学习获取关系性包括： 构建深度 学习网络或机器学习网络， 学习 主成分图像数据集与 预设的目标数据集之间 的预设对应关系； 通过构建的深度 学习网络或机器学习网络， 判断输入的主成分图像数据集与 预设的目 标数据集是否具 备预设对应关系。 6.根据权利要求1所述的一种半导体制造工业的全视角视觉检测方法， 其特征在于， 所 述计算模型为人工神经网络、 遗传算法或蚁群算法。 7.一种半导体制造 工业的全视角视 觉检测装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取半导体产品的高维图像数据集； 数据降维模块， 用于对高维图像数据集进行降维处 理生成低维图像数据集； 主成分分析模块， 用于对低维图像数据集进行稀疏主成分分析生成主成分图像数据 集； 相似比较模块， 用于将主成分图像数据集与预设的目标数据集进行对比， 判断是否存 在相似性， 若存在， 则基于迁移学习获取相似性数据； 若不存在， 则基于深度学习或机器学 习获取关系性数据； 特征提取模块， 用于对相似性或关系性数据进行聚类融合， 并对聚类融合结果进行特 征提取； 检测计算那么快， 用于将特 征提取结果输入预构建的计算模型获取检测结果。 8.一种半导体制造 工业的全视角视 觉检测装置， 其特 征在于， 包括处 理器及存 储介质； 所述存储介质用于存 储指令； 所述处理器用于根据 所述指令进行操作以执行根据权利要求1 ‑6任一项所述方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115035325 A 3