CN112649179A - 用于检测闪耀光栅的方法、系统、计算设备和存储介质 - Google Patents

Abstract

本公开的实施例涉及一种用于检测闪耀光栅的方法、系统、计算设备和非暂态机器可读存储介质，该方法包括：使得入射光以预定入射角射入待测闪耀光栅；旋转光谱仪的探测装置，以便接收在不同接收角的待测闪耀光栅的衍射光，以用于生成光谱数据；基于光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据，以用于确定待测闪耀光栅的合格情况。本公开能够准确地测量闪耀光栅的关键参数，利于有效控制闪耀光栅的制程。

Description

用于检测闪耀光栅的方法、系统、计算设备和存储介质

技术领域

本公开的各实施例涉及量测领域，更具体地涉及用于检测闪耀光栅的方法、系统、计算设备和非暂态机器可读存储介质。

背景技术

闪耀光栅，也被称为小阶梯光栅，其是在特定衍射级别产生最大衍射效率的特定的反射或者投射衍射光栅结构。闪耀光栅在增强现实/混合现实(AR/MR)等应用场景中得到了广泛应用。例如，在AR领域，衍射光波导被认为是消费级AR眼镜的必选光学方案，因此，其中闪耀光栅光学关键参数(Optical Critical-Dimension，OCD)的准确性直接决定了AR眼镜的交互体验的质量。

传统的用于检测闪耀光栅的方案主要是针对闪耀光栅的周期进行检测。而目前市场上缺少针对闪耀光栅的倾角和深度进行测量的有效方法，因此，在闪耀光栅的制程中无法准确地测量闪耀光栅的关键参数，进而难以有效地基于准确的关键参数来精确控制闪耀光栅的制程。

发明内容

本公开提出了一种用于检测衍射光栅的方法、系统，计算设备和非暂态机器可读存储介质，能够准确地测量闪耀光栅的关键参数，有利于有效地控制闪耀光栅的制程。

根据本公开的第一方面，其提供了一种用于检测衍射光栅的方法。该方法包括：使得入射光以预定入射角射入待测闪耀光栅；旋转光谱仪的探测装置，以便接收在不同接收角的待测闪耀光栅的衍射光，以用于生成光谱数据；基于光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据，一阶衍射强度分布数据至少指示一阶衍射效率和关联角度；以及基于一阶衍射强度分布数据，确定待测闪耀光栅的周期、倾角和深度中的至少一个，以用于确定待测闪耀光栅的合格情况。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：至少一个处理单元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令，指令当由至少一个处理单元执行时，使得设备执行本公开的第一方面中的方法。

根据本公开的第三方面，还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序被机器执行时执行本公开的第一方面的方法。

根据本公开的第四方面，还提供了一种量测系统。该测量系统包括：角分辨光谱仪，被配置成基于入射光对待测闪耀光栅的衍射光进行测量，以便生成关于待测闪耀光栅的光谱数据；以及计算设备，其被配置为可操作地以执行根据第一方面的方法。

在一些实施例中，确定待测闪耀光栅的合格情况包括：响应于确定周期、倾角和深度中的至少一个不属于预定阈值范围，确定待测闪耀光栅不符合预定标准；以及响应于确定周期、倾角和深度中均属于预定阈值范围，确定待测闪耀光栅符合预定标准。

在一些实施例中，确定待测闪耀光栅的周期、倾角和深度中的至少一个包括：基于一阶衍射强度分布数据，经由拟合算法，确定待测闪耀光栅的周期，一阶衍射强度分布数据为一阶衍射强度分布曲线，关联角度为关联的接收角；以及基于一阶衍射强度分布数据，经由神经网络模型，确定待测闪耀光栅的倾角和深度，神经网络模型经由与待测闪耀光栅的形貌模型的一阶衍射效率、关联的衍射角度有关的模拟数据集所训练。

在一些实施例中，确定待测闪耀光栅的周期、倾角和深度中的至少一个包括：基于一阶衍射强度分布数据，经由拟合算法，确定待测闪耀光栅的周期，一阶衍射强度分布数据为一阶衍射强度分布曲线，关联角度为关联的接收角；基于待测闪耀光栅的类型和所确定的周期，确定匹配的模拟数据集；基于一阶衍射强度分布数据，经由最小卡方计算，在匹配的模拟数据集中确定匹配的待测闪耀光栅的形貌模型的倾角和深度数据；以及基于匹配的待测闪耀光栅的形貌模型的倾角和深度数据，确定待测闪耀光栅的倾角和深度数据。

在一些实施例中，模拟数据集经由以下方式而生成：使得所述入射光沿光栅的周期方向分别入射至多个闪耀光栅的形貌模型的表面，形貌模型被配置有不同周期、不同倾角；针对每一个形貌模型，改变S偏振光的入射波长，以用于计算与入射波长相关联的一阶衍射效率和关联的衍射角度；基于一阶衍射效率和关联的衍射角度，构建模拟数据集。

在一些实施例中，其中构建所述模拟数据集包括：基于模拟算法，计算与所述入射波长相关联的一阶衍射效率和关联的衍射角度，以用于生成多个一阶衍射强度分布数据曲线样本。

在一些实施例中，使得入射光以预定入射角射入待测闪耀光栅包括：使得光谱仪的光源与探测装置同步旋转，以便入射光的预定入射角与接收角一致变化。

在一些实施例中，使得入射光以预定入射角射入待测闪耀光栅包括：使得入射光以垂直待测闪耀光栅的表面的角度射入待测闪耀光栅。

在一些实施例中，基于光谱数据提取关于待测闪耀光栅的一阶衍射强度分布数据包括：获取光谱数据中的色散曲线的峰值，光谱数据为两维光谱色散图像；以及将色散曲线的峰值向接收角方向投影，以便将两维光谱色散图像转化为第一坐标为角度、第二坐标为衍射效率的一阶衍射强度分布曲线。

还应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开实施例的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本公开的实施例的用于实施检测闪耀光栅的方法的系统的示意图；

图2示出了根据本公开的一个实施例的用于测量闪耀光栅的光谱数据的方法的示意图；

图3示出了根据本公开的一个实施例的用于检测闪耀光栅的方法的流程图；

图4示出了根据本公开的一个实施例的光谱数据和一阶衍射强度分布数据的示意图；

图5示出了根据本公开的一个实施例的用于确定待测闪耀光栅的周期的示意图；

图6示出了根据本公开的一个实施例的神经网络模型架构的示意图；

图7示出了根据本公开的另一实施例的用于获得光谱数据的方法的示意图；

图8示出了根据本公开的另一个实施例的光谱数据和一阶衍射强度分布数据的示意图；

图9示出了根据本公开的另一个实施例的用于确定待测闪耀光栅的周期的示意图；

图10示出了根据本公开的另一个实施例的用于测量闪耀光栅的光谱数据的方法的流程图；

图11示出了根据本公开的另一实施例的用于确定待测闪耀光栅的关键参数的方法的流程图；

图12示出了根据本公开的实施例的用于检测待测闪耀光栅的制程工艺的方法的流程图；以及

图13示意性示出了适于用来实现本公开实施例的电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

如前文所描述，传统的用于检测衍射光栅的方案，主要基于闪耀光栅的周期测量值来确认待测闪耀光栅是否合格，因缺少针对闪耀光栅的倾角和深度进行测量的有效方法，因此在闪耀光栅的制程控制或者制程工艺检测中无法准确地测量闪耀光栅的倾角和深度参数，进而难以有效并全面地控制闪耀光栅的制程。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于检测衍射光栅的方案。该方案包括：使得入射光以预定入射角射入待测闪耀光栅；旋转光谱仪的探测装置，以便接收在不同接收角的待测闪耀光栅的衍射光，以用于生成光谱数据；基于光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据，一阶衍射强度分布数据至少指示一阶衍射效率和关联角度；以及基于一阶衍射强度分布数据，确定待测闪耀光栅的周期、倾角和深度中的至少一个，以用于确定待测闪耀光栅的合格情况。

在上述方案中，本公开通过扫描测量经由待测闪耀光栅衍射的各个角度的光强以形成光谱数据；以及基于光谱数据生成一阶衍射强度分布数据，以及基于该一阶衍射强度分布数据确定待测闪耀光栅的周期、倾角和深度，以用于衡量待测闪耀光栅衍射的质量，本公开能够准确地测量闪耀光栅的关键参数，以便更为有效控制闪耀光栅的制程。

图1示出了根据本公开的实施例的可以用于实施检测闪耀光栅的方法的示例系统的示意图。如图1所示，系统100包括：光谱仪110、待测闪耀光栅120、计算设备130。

关于光谱仪110，其例如可以是角分辨光谱仪。光谱仪110用于使得入射光以预定入射角(例如而不限于以图2所示的垂直待测闪耀光栅的表面的角度)射入待测衍射光栅120，以基于检测的待测闪耀光栅衍射光强而生成光谱数据。光谱仪110例如至少包括旋转装置112和114、样品台、光谱输出接口(未示出)、内置光源、分束镜和透镜(未示出)。在一些实施例中，光谱仪110还包括外界光源。内置光源例如是氘气或者卤素光源。分束镜例如为Polka分束镜。透镜例如是集成Fluorite消色差萤石透镜。光谱仪110的波段例如为200～2500nm。

关于待测闪耀光栅120，其例如由基体和基体上周期性锯齿状刻槽构成。以图2所示待测闪耀光栅210为例，待测闪耀光栅210包括基体216和多个周期性设置的闪耀面212。每个闪耀面212具有倾角θ_b1和θ_b2，以及深度h。倾角θ_b1也被称为闪耀角214。由光源220发出的入射光线222与光栅宏观平面法线218所成的角即入射角，在图2中，入射光线222例如以垂直待测闪耀光栅210的宏观平面的角度入射，此时的入射角例如为0度。衍射光线230与光栅宏观平面法线218所成的角即衍射角224。在图2中，衍射光线230的衍射角为θ。

旋转装置112和114可以分别控制光的出射方向和入射方向，旋转装置112和114例如是能够实现例如而不限于0～360°的角度范围的精密滑台，以便实现例如而不限于0～360°的光谱测试。

旋转装置114例如用于将光源旋转至入射位置。例如，旋转装置114可以使得入射光以图2所示的垂直待测闪耀光栅210的宏观平面的角度入射待测衍射光栅。在一些实施例中，旋转装置114也可以如图7所示，使得光谱仪110的光源与旋转装置112所配置的探测装置同步旋转，以便入射光的入射角与接收角一致变化。

旋转装置112例如用于将探测装置旋转至接收位置。例如，旋转装置112旋转光谱仪110的探测装置，以便接收在不同接收角的待测闪耀光栅的衍射光。例如在图2中，通过调整光谱仪的旋转装置以带动探测装置234以232所指示路径旋转，以便接收不同接收角的衍射光强，用以形成光谱数据。在一些实施例中，旋转装置112也可以使得所配置的探测装置与旋转装置114所配置的光源同步旋转，以便衍射光的接收角与入射光的预定入射角一致变化，例如如图7所示。

光谱输出接口用于将测量得出的光谱数据提供至计算设备130。

计算设备130用于基于来自光谱仪110的光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据，以及基于所提取的一阶衍射强度分布数据，确定待测闪耀光栅的周期、倾角和深度中的至少一个，以便基于所确定的闪耀光栅的周期、倾角、深度和预定阈值范围来确定待测闪耀光栅是否合格。计算设备130例如包括光谱数据获取单元132、一阶衍射强度分布数据提取单元134、关键参数确定单元136、待测闪耀光栅预定标准确定单元138和模拟数据集140。

关于光谱数据获取单元132，其获取关于待测闪耀光栅的衍射光的光谱数据。光谱数据是角分辨光谱仪扫描接收不同接收角的衍射光强而获得的。

关于一阶衍射强度分布数据提取单元134，其用于基于光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据。光谱数据例如是包括色散曲线的二维色散图像。一阶衍射强度分布数据例如是一阶衍射强度分布曲线。该曲线的横坐标例如是接收角，纵坐标例如是一阶衍射效率。

关键参数确定单元136，其用于基于一阶衍射强度分布数据，确定待测闪耀光栅的周期、倾角和深度中的至少一个。

关于待测闪耀光栅预定标准确定单元138，其用于确定周期、倾角和深度中的至少一个与预定阈值范围的比较来确定待测闪耀光栅的合格情况。例如当确定周期、倾角和深度中的至少一个不属于预定阈值范围，确定待测闪耀光栅不符合预定标准。

关于模拟数据集140，其包括多个用于训练神经网络模型或者用于进行库搜索的样本数据。样本数据例如包括与待测闪耀光栅的形貌模型的一阶衍射效率、关联的衍射角度有关的多个样本数据。

以下将结合图2至图5描述根据本公开的实施例的用于检测闪耀光栅的方法。图3示出了根据本公开的实施例的用于检测闪耀光栅的方法300的流程图。应当理解，方法200例如可以在图12所描述的电子设备1200处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法300还可以包括未示出的附加组成部分、动作和/或可以省略所示出的组成部分、动作，本公开的范围在此方面不受限制。

在步骤302处，使得入射光以预定入射角射入待测闪耀光栅。例如，如图2所示，通过调整光谱仪的旋转装置，可以使得光源220所发出的入射光222以垂直待测闪耀光栅210的表面(即宏观平面)的角度射入待测衍射光栅210。

在步骤304处，旋转光谱仪的探测装置，以便接收在不同接收角的待测闪耀光栅的衍射光，以用于生成光谱数据。例如，通过调整光谱仪的旋转装置以带动探测装置234旋转(例如以232所指示路径旋转)以接收在不同接收角的待测闪耀光栅210的衍射光230的信号，所接收的衍射光230的信号经由光纤240传输至光谱成像装置250用以生成光谱数据(例如是图4所示的光谱数据410)。该光谱数据被发送至计算设备130。

在步骤306处，计算设备130基于光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据，一阶衍射强度分布数据至少指示一阶衍射效率和关联角度。

计算设备130可以采用多种方法提取关于待测闪耀光栅的一阶衍射强度分布数据。例如，图4中的光谱数据410为两维的色散图像。光谱数据410的横坐标为接收角，纵坐标为波长(单位例如是nm)。计算设备130可以获取光谱数据410中的色散曲线的峰值；然后将光谱数据410中色散曲线的峰值向接收角的方向投影，以便将两维的色散图像转换为以一维的谱线420，该谱线420为一阶衍射强度分布数据。谱线420的横坐标为接收角，纵坐标为衍射效率。

在步骤308处，计算设备130基于一阶衍射强度分布数据，确定待测闪耀光栅的周期、倾角和深度中的至少一个。

关于确定待测闪耀光栅的周期、倾角和深度的方式例如是：计算设备130基于一阶衍射强度分布数据，经由拟合算法，确定待测闪耀光栅的周期；以及基于一阶衍射强度分布数据，经由神经网络模型或者基于库搜索计算，确定待测闪耀光栅的倾角和深度。本公开通过首先根据光栅公式拟合得到光栅周期，再经由神经网络模型搜索确定待测闪耀光栅的倾角和深度，可以减少神经网络模型的输入参数，降低参数空间的维度，可以将神经网络的权重用于光栅的倾角和深度等参数，有利于提高神经网络模型预测的快速性，以及降低神经网络模型的复杂性。

下文将结合图10说明经由库搜索计算来确定待测闪耀光栅的周期、倾角和深度的方式。在此，不再赘述。以下将详细描述确定待测闪耀光栅的周期的方式以及经由神经网络模型确定倾角和深度的方式。

关于确定待测闪耀光栅的周期的方式，计算设备130可以采用多种方法。以下结合图2至图5和公式(1)示例性说明确定待测闪耀光栅的方式。如图2所示，待测闪耀光栅210的光栅槽形例如而不限于为直角三角形。公式(1)示出了用于拟合周期的光栅公式。

asinθ＝mλ，m＝±1 (1)

在上述公式(1)中，a代表闪耀光栅的周期。λ代表入射光的波长、m代表闪耀光栅的光谱峰值的级次，在上述公式(1)中，m＝±1。θ代表衍射角(即，光栅的法线与衍射光的夹角)。

为了确定待测闪耀光栅的周期，计算设备130基于一阶衍射强度分布数据，经由拟合算法，确定待测闪耀光栅的周期，一阶衍射强度分布数据为一阶衍射强度分布曲线，关联角度为关联的接收角。例如，计算设备130首先针对图5中光谱数据510中的色散曲线寻找峰值(例如所寻找的多个峰值包括：图5中光谱数据510中色散曲线的峰值512)；然后将所寻找的各峰值的坐标(例如是峰值512所对应的纵坐标和横坐标)储存在关于波长和衍射角的向量(λ，θ)中；然后基于峰值的波长和衍射角的正弦值(例如数据520中的点522所对应的纵坐标和横坐标)形成向量(λ，sinθ)；再针对波长和衍射角的正弦值向量(λ，sinθ)进行线性拟合；将拟合所确定的比例系数确定为光栅的周期a。

关于确定待测闪耀光栅的倾角和深度的方式也可以包括多种。例如，计算设备130可以基于一阶衍射强度分布数据，经由神经网络模型，确定待测闪耀光栅的倾角和深度，神经网络模型经由与待测闪耀光栅的形貌模型的一阶衍射效率、关联的衍射角有关的模拟数据集所训练。

关于神经网络模型，其例如而不限于采用三层全连接神经网络架构来实现。图6示出了根据本公开的一个实施例的神经网络模型架构的示意图。神经网络模型600网络中采用Relu激活函数作为非线性函数。神经网络模型的输出值例如为两个倾角θ_b1、θ_b2和深度h的预测值，或者倾角θ_b1、θ_b2和深度h中的至少部分。

关于神经网络模型600的损失函数，其例如采用均方误差函数。均方误差函数是用来衡量测量值同真值之间的偏差。以下结合公式(2)说明损失函数的计算方式。

在上述公式(2)中，θ_i代表关于倾角的预测值。θ_label代表关于倾角的测量值。h代表关于深度的预测值。h_label代表关于深度的测量值。C代表均方误差。

关于神经网络模型600的训练样本数据，其例如是模拟数据集中关于待测闪耀光栅的形貌模型(或简称为“样品”或者“形貌模型”)的多个一阶衍射强度分布曲线样本。每一个一阶衍射强度分布曲线样本至少指示一阶衍射效率和关联角度(例如关联衍射角)的关系。

例如，实验时，可以配置多个待测闪耀光栅的形貌模型，这些形貌模型分别具有不同三角形内角和周期。例如而不限于以S偏振光沿光栅的周期方向分别入射至多个闪耀光栅的形貌模型的表面，形貌模型被配置有不同周期、不同倾角；针对每一个形貌模型，改变S偏振光的入射波长，以用于计算与入射波长相关联的一阶衍射效率和关联的衍射角；基于一阶衍射效率和关联的衍射角，构建模拟数据集。例如，以S偏振光沿光栅周期方向入射至具有不同周期、不同三角形内角的样品表面，将S偏振光的入射波长改变以便形成多个入射波长，分别计算不同入射波长情况下的阶衍射效率以及不同入射波长的一阶衍射角，将闪耀光栅的不同波长的一阶衍射效率以及一阶衍射角以及记录在模拟数据集。在上述方案中，也可以采用P偏振光、自然光或者椭偏光等等作为入射光，不局限于S偏振光。

关于神经网络模型的训练样本的构建方式，例如可以基于模拟算法(例如而不限于严格耦合波(RCWA)模拟算法)来计算与所述入射波长相关联的一阶衍射效率和关联的衍射角度，以用于生成多个一阶衍射强度分布数据曲线样本。每一个一阶衍射强度分布曲线样本指示阶衍射效率和关联的衍射角的关系，并且对应特定的倾角θ_b1、θ_b2和深度h。例如，通过RCWA模拟算法，对待测闪耀光栅的形貌模型的三角形的光栅结构进行电磁场建模，三角形的光栅结构可以被模拟成多层矩形光栅的拼合结果，展开所用傅里叶阶数保留对应阶。例如，可以将光栅区的电场矢量和磁场矢量代入麦克斯韦方程，与各层矩形光栅进行拼合的边界条件一起求解，即得到三角形的光栅结构光栅区一阶衍射级次的电磁场振幅，从而得到一阶衍射的衍射效率取值。例如，通过使得倾角的设定值(例如θ_b1的设定值和θ_b2的设定值)在待测闪耀光栅的形貌模型的特定倾角的周围预定范围内进行浮动，以便基于每一组θ_b1的设定值和θ_b2的设定值模拟生成一个一阶衍射强度分布曲线样本。基于模拟生成的多个一阶衍射强度分布曲线样本构建模拟数据集，以用于神经网络模型的训练后库检索运算。本公开也可以采用时域有限差分算法(Finite-Difference Time-Domain,FDTD)、有限元法(Finite Element Method，FEM)或者边界元法(boundary element method，BEM)等其他模拟算法来生成多个一阶衍射强度分布数据曲线样本。

关于神经网络模型600的训练，为了缓解网络规模较大、训练数据较少而可能导致的过拟合问题，本公开在损失函数后面增加一个L2范数的正则化项(即权重衰减，WeightsDecay)，以便通过对网络中所有权值求平方和，以便让网络学习到更小的权值。以下结合公式(3)说明L2正则处理的计算方式。

在上述公式(3)中，C₀代表原始损失函数，n代表训练集数量，λ代表平衡系数。C代表经正则处理的损失函数式。w′代表权重。训练过程将在模拟数据集上例如进行200至400轮训练，经训练完成的神经网络模型，其网络各参数将被固定，以用于针对测量数据进行预测。

关于神经网络模型600的输入，其例如为一阶衍射强度分布数据，例如图4所示的一阶衍射强度分布曲线420或者图8所示的一阶衍射强度分布曲线820。例如，利用图2所示的测量方式针对待测闪耀光栅210进行测量。可以设定待测闪耀光栅的接收角的取角度范围，每间隔一定角度接收衍射光的光强，以便形成图4所示的对应光谱数据410。计算设备130例如针对光谱数据410中的色散曲线生成一阶衍射强度分布曲线420。所生成的一阶衍射强度分布曲线420的对应数据例如经由归一化等预处理后被输入至经训练的神经网络模型600，以用于经训练神经网络模型600基于输入来预测待测闪耀光栅210的两个倾角θ_b1、θ_b2和深度h的预测值中的至少部分。

在步骤310处，计算设备130基于一阶衍射强度分布数据，确定待测闪耀光栅的周期、倾角和深度中的至少一个，以用于确定待测闪耀光栅的合格情况。

关于确定待测闪耀光栅的合格情况的方式，其例如是：如果计算设备130确定周期、倾角和深度中的至少一个不属于预定阈值范围，确定待测闪耀光栅不符合预定标准，例如待测闪耀光栅为不合格；以及如果计算设备130确定周期、倾角和深度中均属于预定阈值范围，确定待测闪耀光栅符合预定标准，例如待测闪耀光栅为合格。例如，如果计算设备130确定所确定的θ_b1的参数超出了例如而不限于25度至30度的预定θ_b1阈值范围，则确定该待测闪耀光栅不合格。

在上述方案中，扫描测量经由待测闪耀光栅衍射的各个角度的光强以形成光谱数据；以及基于光谱数据生成一阶衍射强度分布数据，以及基于该一阶衍射强度分布数据确定待测闪耀光栅的周期、倾角和深度，以便与预定阈值范围进行比较，本公开能够准确地测量闪耀光栅的关键参数，以便有效控制闪耀光栅的制程。

以下结合图7、8和图10说明获得一阶衍射强度分布数据的方法。7示出了根据本公开的另一实施例的用于获得光谱数据的方法700的示意图。8示出了根据本公开的另一实施例的光谱数据和的一阶衍射强度分布数据的示意图图10示出了根据本公开的另一实施例的用于获得一阶衍射强度分布数据的方法1000的流程图。应当理解，方法1000还可以包括未示出的附加组成部分、动作和/或可以省略所示出的组成部分、动作，本公开的范围在此方面不受限制。

在步骤1002处，使得光谱仪的光源与探测装置同步旋转，以便入射光的预定入射角与接收角一致变化。

在步骤1004处，旋转光谱仪的探测装置，以便接收在不同接收角的待测闪耀光栅的衍射光，以用于生成光谱数据。

例如，如图7所示，待测闪耀光栅710的倾角θ_b1例如被指示为712，倾角θ_b2例如被指示为714。通过调整光谱仪的旋转装置以带动光源720与探测装置734同步旋转(例如光源720以726所指示路径旋转，探测装置734以732所指示路径同步旋转)，以便入射光722的预定入射角724与衍射光730的接收角一致变化(例如都为θ)。探测装置734接收在不同接收角的待测闪耀光栅710的衍射光730的信号，所接收的衍射光730的信号经由光纤740传输至光谱成像装置750用以生成光谱数据，例如是图8所示的光谱数据810，该光谱数据810可以用于生成一阶衍射强度分布曲线820。

以下结合图9和图11说明说明经由库搜索计算来确定待测闪耀光栅的周期、倾角和深度的方式。图11示出了根据本公开的另一实施例的用于确定待测闪耀光栅的关键参数的方法1100的流程图。应当理解，方法1100例如可以在图13所描述的电子设备1300处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法1100还可以包括未示出的附加组成部分、动作和/或可以省略所示出的组成部分、动作，本公开的范围在此方面不受限制。

在步骤1102处，计算设备130基于一阶衍射强度分布数据，经由拟合算法，确定待测闪耀光栅的周期，一阶衍射强度分布数据为一阶衍射强度分布曲线，关联角度为关联的接收角。

关于确定待测闪耀光栅的周期的方式，计算设备130可以采用图9、图11和公式(4)示例性说明确定待测闪耀光栅的周期的方式。公式(4)示出了用于拟合周期的光栅公式。

2a sinθ＝mλ，m＝±1 (4)

在上述公式(4)中，a代表闪耀光栅的周期。λ代表入射光的波长、m代表闪耀光栅的光谱峰值的级次，在上述公式(4)中，m＝±1。θ代表衍射角(即，光栅的法线与衍射光的夹角)。

为了确定待测闪耀光栅的周期，例如，计算设备130首先针对图9中光谱数据910中的色散曲线寻找峰值(例如所寻找的多个峰值包括：图9中光谱数据910中色散曲线的峰值912)；然后将所寻找的各峰值的坐标(例如是峰值912所对应的纵坐标和横坐标)储存在关于波长和衍射角的向量(λ，θ)中；然后基于峰值的波长和衍射角的正弦值(例如数据920中的点922所对应的纵坐标和横坐标)形成向量(λ，sinθ)；再针对波长和衍射角的正弦值向量(λ，sinθ)进行线性拟合；将拟合所确定的比例系数确定为光栅的周期a。

在步骤1104处，计算设备130基于待测闪耀光栅的类型和所确定的周期，确定匹配的模拟数据集。模拟数据集包括多个一阶衍射强度分布曲线样本，每一个一阶衍射强度分布曲线样本指示阶衍射效率和关联的衍射角的关系，并且对应特定的倾角θ_b1、θ_b2和深度h。待测闪耀光栅的类型例如包括：符合缩放定律的闪耀光栅和不满足缩放定律的闪耀光栅模型。如果确定待测闪耀光栅是无镀膜、材料无色散的，其为符合缩放定律的闪耀光栅，该类型的闪耀光栅的特点是：不同的待测闪耀光栅的周期具有相同的“衍射效率与角度关系”，因此，计算设备130确定第一模拟数据集为匹配的模拟数据集。在该第一模拟数据集中，存储有不同周期的一阶衍射强度分布曲线样本、及其对应的倾角θ_b1、θ_b2和深度h。如果确定待测闪耀光栅为不满足缩放定律的闪耀光栅模型，例如是材料有色散、表面有镀膜。则计算设备130确定与所确定的周期相匹配的模拟数据集，在与所确定的周期相匹配的模拟数据集中，存储有与所确定的周期相匹配的周期下的一阶衍射强度分布曲线样本、及其对应的倾角θ_b1、θ_b2和深度h。

在步骤1106处，计算设备130基于所述一阶衍射强度分布数据，经由最小卡方计算，在匹配的模拟数据集中确定匹配的一阶衍射强度分布数据曲线样本的倾角和深度数据。

库搜索算法例如采用最小卡方(chi-squared最小化，即最小化卡方分布)进行计算。基于最小卡方的库搜索算法例如是：通过使得检验统计数值χ²(一般而言，检验统计数值χ²的大小用于度量期望结果和实际结果之间的差异)最小化来在模拟数据集中检索与所测量的衍射效率与角度关系的向量最为匹配的检索结果。例如计算设备130基于模拟数据集中关于一阶衍射强度分布曲线样本的各样本数据进行最小卡方计算(即计算检验统计数值χ²)；然后将使得计算结果最小的一组样本数据确定为匹配的一阶衍射强度分布数据曲线样本的倾角和深度数据。

以下结合公式(5)说明库搜索算法。

在上述公式(5)中，y代表指示测量的衍射效率与角度关系的向量。N代表测量衍射信号的数据点的数量。y_i为第i个数据点。θ代表模拟数据集的参数。f(θ)代表基于模拟数据集的参数θ计算得到的衍射效率。θ例如是(θ_b1,θ_b2,h)。δ_yi代表是第i个数据点y_i的测量标准差。

在步骤1108处，计算设备130基于匹配的一阶衍射强度分布数据曲线样本的倾角和深度数据，确定待测闪耀光栅的倾角和深度数据。

通过采用上述方法，本公开能够快速并准确地检测待测闪耀光栅的关键参数。

图12示出了根据本公开的实施例的用于控制待测闪耀光栅的制程的方法1200的流程图。应当理解，方法1200例如可以在图13所描述的电子设备1300处执行。也可以在图1所描述的计算设备130处执行。应当理解，方法1200还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤1202，计算设备130获取当前片待测闪耀光栅的光谱数据。

在步骤1204，计算设备130基于光谱数据，提取关于待测闪耀光栅的一阶衍射强度分布数据，一阶衍射强度分布数据至少指示一阶衍射效率和关联角。

在步骤1206，计算设备130基于一阶衍射强度分布数据，经由拟合算法，确定待测闪耀光栅的周期。

在步骤1208，计算设备130基于一阶衍射强度分布数据经由神经网络模型或者库检索计算，确定待测闪耀光栅的倾角和深度的至少一个。

在步骤1210，计算设备130确定所述周期、所述倾角和所述深度中的至少一个是否不属于预定阈值范围。

如果计算设备130确定所述周期、所述倾角和所述深度中的至少一个不属于预定阈值范围，在步骤1212，确定所述待测闪耀光栅不符合预定标准，以用于生成警示信息。

如果计算设备130确定所述周期、所述倾角和所述深度中均属于预定阈值范围，在步骤1214，确定所述待测闪耀光栅符合预定标准。然后跳转至步骤1202以获取下一片待测闪耀光栅的光谱数据。

通过采用上述方法，本公开能够快速并准确地检测待测闪耀光栅的制程的合格情况。图13示意性示出了适于用来实现本公开实施例的电子设备1300的框图。设备1300可以是用于实现执行图3、9、10和图11所示的方法300、900、1000、1100、1200的设备。如图13所示，设备1300包括中央处理单元(CPU)1301，其可以根据存储在只读存储器(ROM)1302中的计算机程序指令或者从存储单元1308加载到随机访问存储器(RAM)1303中的计算机程序指令，来执行各种适当的动作和处理。在RAM 1303中，还可存储设备1300操作所需的各种程序和数据。CPU 1301、ROM 1302以及RAM 1303通过总线1304彼此相连。输入/输出(I/O)接口1305也连接至总线1304。

设备1300中的多个部件连接至I/O接口1305，包括：输入单元1306、输出单元1307、存储单元1308，处理单元1301执行上文所描述的各个方法和处理，例如执行方法300、900、1000、1100、1200。例如，在一些实施例中，方法300、900、1000、1100、1200可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元1308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1302和/或通信单元1309而被载入和/或安装到设备1300上。当计算机程序加载到RAM 1303并由CPU 1301执行时，可以执行上文描述的方法的一个或多个操作。备选地，在其他实施例中，CPU 1301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法300、900、1000、1100、1200的一个或多个动作。

需要进一步说明的是，本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

此外，将会理解，上面描述的流程仅仅是示例。尽管说明书中以特定的顺序描述了方法的步骤，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果，相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经在附图和前述描述中详细说明和描述了本发明，但这些说明和描述应被认为是说明性的或示例性的而不是限制性的；本发明不限于所公开的实施例。本领域技术人员在实践所请求保护的发明中，通过研究附图、公开和所附权利要求可以理解并且实践所公开的实施例的其它变体。

在权利要求中，词语“包括”并不排除其它元件，并且不定冠词“一”或“一个”不排除多个。单个元件或其它单元可以满足在权利要求中阐述的多个项目的功能。仅在互不相同的实施例或从属权利要求中记载某些特征的仅有事实，并不意味着不能有利地使用这些特征的组合。在不脱离本申请的精神和范围的情况下，本申请的保护范围涵盖在各个实施例或从属权利要求中记载的各个特征任何可能组合。

此外，在权利要求中的任何参考标记不应被理解为限制本发明的范围。

Claims (12)

1.一种用于检测闪耀光栅的方法，包括：

使得入射光以预定入射角射入待测闪耀光栅；

旋转光谱仪的探测装置，以便接收在不同接收角的所述待测闪耀光栅的衍射光，以用于生成光谱数据；

基于所述光谱数据，提取关于所述待测闪耀光栅的一阶衍射强度分布数据，所述一阶衍射强度分布数据至少指示一阶衍射效率和关联角度；以及

基于所述一阶衍射强度分布数据，确定所述待测闪耀光栅的周期、倾角和深度中的至少一个，以用于确定所述待测闪耀光栅的合格情况。

2.根据权利要求1所述的方法，其中确定所述待测闪耀光栅的合格情况包括：

响应于确定所述周期、所述倾角和所述深度中的至少一个不属于预定阈值范围，确定所述待测闪耀光栅不符合预定标准；以及

响应于确定所述周期、所述倾角和所述深度中均属于预定阈值范围，确定所述待测闪耀光栅符合预定标准。

3.根据权利要求1所述的方法，其中确定所述待测闪耀光栅的周期、倾角和深度中的至少一个包括：

基于所述一阶衍射强度分布数据，经由拟合算法，确定所述待测闪耀光栅的周期，所述一阶衍射强度分布数据为一阶衍射强度分布曲线，所述关联角度为关联的所述接收角；以及

基于所述一阶衍射强度分布数据，经由神经网络模型，确定所述待测闪耀光栅的倾角和深度，所述神经网络模型经由与待测闪耀光栅的形貌模型的一阶衍射效率、关联的衍射角度有关的模拟数据集所训练。

4.根据权利要求1所述的方法，其中确定所述待测闪耀光栅的周期、倾角和深度中的至少一个包括：

基于所述一阶衍射强度分布数据，经由拟合算法，确定所述待测闪耀光栅的周期，所述一阶衍射强度分布数据为一阶衍射强度分布曲线，所述关联角度为关联的所述接收角；

基于待测闪耀光栅的类型和所确定的周期，确定匹配的模拟数据集；

基于所述一阶衍射强度分布数据，经由最小卡方计算，在匹配的模拟数据集中确定匹配的一阶衍射强度分布数据曲线样本的倾角和深度数据；以及

基于匹配的一阶衍射强度分布数据曲线样本的倾角和深度数据，确定待测闪耀光栅的倾角和深度数据。

5.根据权利要求3和4中任一所述的方法，其中所述模拟数据集经由以下方式而生成：

使得所述入射光沿光栅的周期方向分别入射至多个闪耀光栅的形貌模型的表面，所述形貌模型被配置有不同周期、不同倾角；

针对每一个形貌模型，改变所述S偏振光的入射波长，以用于计算与所述入射波长相关联的一阶衍射效率和关联的衍射角度；

基于所述一阶衍射效率和所述关联的衍射角度，构建所述模拟数据集。

6.根据权利要求5所述的方法，其中构建所述模拟数据集包括：

基于模拟算法，计算与所述入射波长相关联的一阶衍射效率和关联的衍射角度，以用于生成多个一阶衍射强度分布数据曲线样本。

7.根据权利要求1所述的方法，其中使得入射光以预定入射角射入待测闪耀光栅包括：

使得所述光谱仪的光源与所述探测装置同步旋转，以便所述入射光的所述预定入射角与所述接收角一致变化。

8.根据权利要求1所述的方法，其中使得入射光以预定入射角射入待测闪耀光栅包括：

使得所述入射光以垂直所述待测闪耀光栅的表面的角度射入所述待测闪耀光栅。

9.根据权利要求1所述的方法，其中基于所述光谱数据提取关于所述待测闪耀光栅的一阶衍射强度分布数据包括：

获取所述光谱数据中的色散曲线的峰值，所述光谱数据为两维光谱色散图像；以及

将所述色散曲线的峰值向所述接收角方向投影，以便将所述两维光谱色散图像转化为第一坐标为接收角、第二坐标为衍射效率的一阶衍射强度分布曲线。

10.一种计算设备，包括：

存储器，被配置为存储一个或多个计算机程序；以及

处理器，耦合至所述存储器并且被配置为执行所述一个或多个程序以使量测装置执行根据权利要求1-9任一项所述的量测方法。

11.一种非暂态机器可读存储介质，其上存储有机器可读程序指令，所述机器可读程序指令被配置为使得量测装置执行根据权利要求1-9中任一项所述的量测方法的步骤。

12.一种量测系统，包括：

角分辨光谱仪，被配置成基于入射光对待测闪耀光栅的衍射光进行测量，以便生成关于待测闪耀光栅的光谱数据；以及

计算设备，其被配置为可操作地以执行根据权利要求1-9中任一项所述的量测方法。

Images