CN117554407A - 一种光子晶体镀膜缺陷的在线检测方法及系统 - Google Patents
一种光子晶体镀膜缺陷的在线检测方法及系统 Download PDFInfo
- Publication number
- CN117554407A CN117554407A CN202410034499.1A CN202410034499A CN117554407A CN 117554407 A CN117554407 A CN 117554407A CN 202410034499 A CN202410034499 A CN 202410034499A CN 117554407 A CN117554407 A CN 117554407A
- Authority
- CN
- China
- Prior art keywords
- result
- photonic crystal
- abnormal
- generating
- test result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000004038 photonic crystal Substances 0.000 title claims abstract description 120
- 238000001514 detection method Methods 0.000 title claims abstract description 116
- 230000007547 defect Effects 0.000 title claims abstract description 96
- 238000000576 coating method Methods 0.000 title claims abstract description 76
- 239000011248 coating agent Substances 0.000 title claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 87
- 238000012360 testing method Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000013142 basic testing Methods 0.000 claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 34
- 230000010287 polarization Effects 0.000 claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims description 33
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000005070 sampling Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 239000007888 film coating Substances 0.000 claims description 8
- 238000009501 film coating Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 28
- 230000008859 change Effects 0.000 abstract description 7
- 239000013078 crystal Substances 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 27
- 230000003287 optical effect Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- -1 uneven thickness Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/21—Polarisation-affecting properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本申请提供了一种光子晶体镀膜缺陷的在线检测方法及系统,涉及缺陷检测技术领域,所述方法包括:生成基础测试结果,通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,执行镀膜操作,通过晶体测试生成透光测试结果,结合对应基础测试结果生成第一异常检测结果,保持光子晶体位置,执行数据采集建立扫描图像,生成第二异常检测结果,最终生成缺陷在线检测结果。本申请主要解决了无法在生产线上实时准确地识别和定位所有缺陷,同时还需要人工干预来进行缺陷的分类和识别,导致误报或漏报的情况发生,无法适应生产线上快速变化的需求。全面地评估镀膜后光子晶体的质量和性能,及时发现并处理问题,提高产品质量和生产效率。
Description
技术领域
本申请涉及缺陷检测技术领域,具体涉及一种光子晶体镀膜缺陷的在线检测方法及系统。
背景技术
光子晶体是一种具有周期性折射率变化的介质,具有独特的光学性质,如光子禁带和光子局域等,广泛应用于光学、光电子和光通信等领域。在制造和使用过程中,光子晶体镀膜的缺陷检测是一个重要的环节。在制造和使用光子晶体镀膜的过程中,由于各种原因(如材料不纯、工艺不当等),可能会出现各种缺陷,这些缺陷会对产品的性能产生严重影响。因此,开发一种能够实时、在线检测这些缺陷的方法是非常重要的。在线检测方法是指在生产过程中,实时地对产品进行检测,以便及时发现并处理问题,从而提高产品质量和生产效率。对于光子晶体镀膜的缺陷检测,在线方法可以快速并准确地检测出膜层的瑕疵和问题,如厚度不均、孔洞、裂纹等。
但在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
无法在生产线上实时准确地识别和定位所有缺陷,同时还需要人工干预来进行缺陷的分类和识别,导致误报或漏报的情况发生,无法适应生产线上快速变化的需求。
发明内容
本申请主要解决了无法在生产线上实时准确地识别和定位所有缺陷,同时还需要人工干预来进行缺陷的分类和识别,导致误报或漏报的情况发生,无法适应生产线上快速变化的需求。
鉴于上述问题,本申请提供了一种光子晶体镀膜缺陷的在线检测方法及系统,第一方面,本申请提供了一种光子晶体镀膜缺陷的在线检测方法,所述方法包括:生成基础测试结果,所述基础测试结果为通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,并建立基础测试结果中光子晶体的唯一标识映射;执行光子晶体的镀膜操作,当任意光子晶体镀膜完成后,通过所述唯一标识映射调用对应基础测试结果;通过所述椭圆偏振光谱仪进行镀膜后的光子晶体测试,生成透光测试结果,并基于透光测试结果和对应基础测试结果生成第一异常检测结果;保持光子晶体位置,通过扫描电子显微镜对镀膜后的光子晶体执行数据采集,建立扫描图像;将所述扫描图像输入图像识别网络,生成第二异常检测结果;根据所述第一异常检测结果和所述第二异常检测结果生成缺陷在线检测结果。
第二方面,本申请提供了一种光子晶体镀膜缺陷的在线检测系统,所述系统包括:测试结果获取模块,所述测试结果获取模块用于生成基础测试结果,所述基础测试结果为通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,并建立基础测试结果中光子晶体的唯一标识映射;镀膜操作执行模块,所述镀膜操作执行模块用于执行光子晶体的镀膜操作,当任意光子晶体镀膜完成后,通过所述唯一标识映射调用对应基础测试结果;第一异常检测结果生成模块,所述第一异常检测结果生成模块用于通过所述椭圆偏振光谱仪进行镀膜后的光子晶体测试,生成透光测试结果,并基于透光测试结果和对应基础测试结果生成第一异常检测结果;扫描图像建立模块,所述扫描图像建立模块用于保持光子晶体位置,通过扫描电子显微镜对镀膜后的光子晶体执行数据采集,建立扫描图像;第二异常检测结果生成模块,所述第二异常检测结果生成模块用于将所述扫描图像输入图像识别网络,生成第二异常检测结果;在线检测结果生成模块,所述在线检测结果生成模块用于根据所述第一异常检测结果和所述第二异常检测结果生成缺陷在线检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了一种光子晶体镀膜缺陷的在线检测方法及系统,涉及缺陷检测技术领域,所述方法包括:生成基础测试结果,通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,执行镀膜操作,通过晶体测试生成透光测试结果,结合对应基础测试结果生成第一异常检测结果,保持光子晶体位置,执行数据采集建立扫描图像,生成第二异常检测结果,最终生成缺陷在线检测结果。
本申请主要解决了无法在生产线上实时准确地识别和定位所有缺陷,同时还需要人工干预来进行缺陷的分类和识别,导致误报或漏报的情况发生,无法适应生产线上快速变化的需求。全面地评估镀膜后光子晶体的质量和性能,及时发现并处理问题,提高产品质量和生产效率。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了一种光子晶体镀膜缺陷的在线检测方法流程示意图;
图2为本申请实施例提供了一种光子晶体镀膜缺陷的在线检测方法中,剔除访问人员表对实时访问人员进行访问禁止的方法流程示意图;
图3为本申请实施例提供了一种光子晶体镀膜缺陷的在线检测方法中,从上至下降实施访问人员移至剔除访问人员表的方法流程示意图;
图4为本申请实施例提供了一种光子晶体镀膜缺陷的在线检测系统的结构示意图。
附图标记说明:测试结果获取模块10,镀膜操作执行模块20,第一异常检测结果生成模块30,扫描图像建立模块40,第二异常检测结果生成模块50,在线检测结果生成模块60。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请主要解决了无法在生产线上实时准确地识别和定位所有缺陷,同时还需要人工干预来进行缺陷的分类和识别,导致误报或漏报的情况发生,无法适应生产线上快速变化的需求。全面地评估镀膜后光子晶体的质量和性能,及时发现并处理问题,提高产品质量和生产效率。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍:
实施例一
如图1所示一种光子晶体镀膜缺陷的在线检测方法,所述方法包括:
生成基础测试结果,所述基础测试结果为通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,并建立基础测试结果中光子晶体的唯一标识映射;
具体而言,准备待镀膜光子晶体样本,确保光子晶体表面干净、平整,无瑕疵和缺陷。将待测光子晶体放置在椭圆偏振光谱仪的测试平台上,调整光路,确保光线能够正确地照射到光子晶体表面。启动椭圆偏振光谱仪,设置测试参数,如波长范围、扫描步长等。记录测试结果,包括光子晶体的透光光谱、衍射光谱等信息。分析测试结果,计算光子晶体的光学性能参数,如带隙宽度、局域模式等。根据测试结果建立待测光子晶体的唯一标识映射,该标识映射可以包括光子晶体的类型、制备条件、测试时间等信息,以便后续的跟踪和分析。通过以上步骤,可以生成基础测试结果,并建立唯一标识映射,为后续的镀膜处理和性能评估提供基础数据。
执行光子晶体的镀膜操作,当任意光子晶体镀膜完成后,通过所述唯一标识映射调用对应基础测试结果;
具体而言,在执行光子晶体的镀膜操作时,通常需要先对光子晶体表面进行清洁和预处理,以去除表面的杂质和缺陷,并提高表面的平整度和光学性能。然后,根据需要选择合适的镀膜材料和工艺,将镀膜材料沉积到光子晶体表面上,形成一层或多层的光子晶体镀膜。当任意一个光子晶体镀膜完成后,可以通过唯一标识映射来调用对应的基础测试结果。可以将光子晶体的唯一标识(如编号或序列号)与基础测试结果进行关联和存储,以便在后续的镀膜处理和性能评估中快速地获取和使用这些基础数据。获取待评估光子晶体的唯一标识。根据唯一标识在唯一标识映射中查找对应的基础测试结果。如果找到对应的测试结果,则使用这些测试结果对镀膜后的光子晶体进行性能评估和分析。如果没有找到对应的测试结果,则需要进行额外的测试和分析,以评估镀膜后光子晶体的性能和制备质量。 通过这种方式,可以实现对镀膜后光子晶体的快速、准确评估和分析,以便及时发现并处理问题,提高产品质量和生产效率。
通过所述椭圆偏振光谱仪进行镀膜后的光子晶体测试,生成透光测试结果,并基于透光测试结果和对应基础测试结果生成第一异常检测结果;
具体而言,在完成光子晶体的镀膜操作后,可以通过椭圆偏振光谱仪对镀膜后的光子晶体进行透光测试,以评估镀膜的效果和光子晶体的光学性能。将镀膜后的光子晶体放置在椭圆偏振光谱仪的测试平台上,调整光路,确保光线能够正确地照射到光子晶体表面。启动椭圆偏振光谱仪,设置测试参数,如波长范围、扫描步长等。记录测试结果,包括光子晶体的透光光谱、衍射光谱等信息。分析测试结果,计算光子晶体的光学性能参数,如带隙宽度、局域模式等。将透光测试结果与基础测试结果进行对比和分析,以评估镀膜对光子晶体性能的影响和制备质量。根据对比和分析结果生成第一异常检测结果,该结果可以包括镀膜质量较差、光子晶体性能下降等信息,通过以上步骤,可以实现对镀膜后光子晶体的在线检测和分析,及时发现并处理问题,提高产品质量和生产效率。
保持光子晶体位置,通过扫描电子显微镜对镀膜后的光子晶体执行数据采集,建立扫描图像;
具体而言,在完成光子晶体的镀膜操作后,为了进一步评估镀膜的质量和光子晶体的表面形貌,可以保持光子晶体的位置不变,通过扫描电子显微镜(SEM)对镀膜后的光子晶体执行数据采集操作。将镀膜后的光子晶体放置在扫描电子显微镜的样品台上,确保光子晶体表面与电子束垂直,且表面平整、无遮挡。启动扫描电子显微镜,调整工作距离、加速电压和扫描速率等参数,使得观察到的图像清晰、分辨率高。对光子晶体表面进行高倍率扫描,采集一系列的扫描图像,每个图像可以包含多个光子晶体单元或局部区域。对采集到的扫描图像进行预处理和分析,例如去除背景噪声、增强对比度、测量表面形貌等。根据分析结果建立扫描图像数据库,将不同倍率下的扫描图像进行存储和索引,方便后续的数据查询和处理。通过以上步骤,可以获取到镀膜后光子晶体的高分辨率扫描图像数据,从而对其表面形貌和镀膜质量进行更深入的评估和分析。
将所述扫描图像输入图像识别网络,生成第二异常检测结果;
具体而言,将所采集的扫描图像输入到一个训练好的图像识别网络中,可以进一步生成第二异常检测结果。选择一个训练好的图像识别网络,该网络可以是一个深度学习模型,如卷积神经网络(CNN)、循环神经网络(RNN)等。将采集到的扫描图像输入到图像识别网络中,通过网络对图像进行特征提取、分类和识别。在网络输出端,根据分类结果和识别结果,生成第二异常检测结果。第二异常检测结果可以包括镀膜缺陷的类型、位置和严重程度等信息,以及相应的建议和措施。根据第二异常检测结果,对镀膜后的光子晶体进行进一步的处理和分析,例如修复缺陷、改进工艺等。通过将扫描图像输入到图像识别网络中,可以实现对镀膜后光子晶体的自动化检测和分析,进一步提高生产效率和产品质量。
根据所述第一异常检测结果和所述第二异常检测结果生成缺陷在线检测结果。
具体而言,根据第一异常检测结果和第二异常检测结果,可以生成缺陷在线检测结果。将第一异常检测结果和第二异常检测结果进行整合和分析。根据分析和整合的结果,生成缺陷在线检测结果。缺陷在线检测结果可以包括镀膜缺陷的类型、位置、严重程度等信息,将缺陷在线检测结果反馈给生产线上,以便及时采取相应的处理措施。通过将第一异常检测结果和第二异常检测结果进行整合和分析,可以更加全面地评估镀膜后光子晶体的质量和性能,及时发现并处理问题,提高产品质量和生产效率。
进一步而言,如图2所示,本申请方法,所述将所述扫描图像输入图像识别网络,生成第二异常检测结果,还包括:
通过预处理子网络进行所述扫描图像的灰度处理,并执行随机像素点采样,其中,所述预处理子网络为所述图像识别网络的子处理单元;
生成随机簇采样结果,并执行簇采样结果内的像素稳态判定;
将稳态判定通过的簇采样结果提取灰度区间,以所述灰度区间进行扫描图像的二值化判定,定位异常区域;
根据异常区域定位结果生成第二异常检测结果。
具体而言,预处理子网络负责对扫描图像进行灰度处理,并执行随机像素点采样。这个预处理子网络是图像识别网络的一个子处理单元,用于对输入的扫描图像进行预处理,在预处理完成后,对随机采样的像素点进行簇采样,并对采样结果执行像素稳态判定。这里的稳态判定是指判断像素点的灰度值是否稳定,即是否在可接受的范围内。通过稳态判定的簇采样结果将被提取出灰度区间,并使用这个灰度区间对整个扫描图像进行二值化判定。二值化判定是一种将灰度图像转化为黑白二值图像的过程,其中灰度值高于某个阈值的像素点被判定为白色(或黑色),低于该阈值的像素点被判定为黑色(或白色)。在这个过程中,可以通过调整灰度区间的阈值来控制二值化程度。通过二值化判定后,可以定位出异常区域,这些区域可能是由于镀膜缺陷、材料不纯等原因引起的异常。根据异常区域定位结果,可以生成第二异常检测结果,包括异常区域的位置、大小和形状等信息。通过以上步骤,可以通过预处理子网络和图像识别网络实现对镀膜后光子晶体的在线检测和分析,及时发现并定位异常区域,提高产品质量和生产效率。
进一步而言,本申请方法还包括:
基于所述异常区域定位结果对所述扫描图像标识,并将标识后的所述扫描图像输入色彩空间卷积子网络,所述色彩空间卷积子网络为依据与色彩空间映射的卷积核搭建的异常特征识别网络;
以所述色彩空间卷积子网络进行标识位置的扫描图像色彩变换后,基于对应色彩变换结果的卷积核进行卷积计算;
根据卷积计算结果生成缺陷识别结果,并将所述缺陷识别结果作为所述第二异常检测结果输出。
具体而言,基于异常区域定位结果,可以对扫描图像进行标识,根据异常区域定位结果,对扫描图像进行标识,即将异常区域标注为特定的标识符或标签。将标识后的扫描图像输入到一个训练好的色彩空间卷积子网络中,该网络是依据与色彩空间映射的卷积核搭建的异常特征识别网络。色彩空间卷积子网络会对标识位置的扫描图像进行色彩变换,将图像从原始色彩空间转换到另一个色彩空间,以便更好地提取和识别异常特征。基于对应色彩变换结果的卷积核进行卷积计算,以提取和识别异常特征。根据卷积计算结果生成缺陷识别结果,即判断是否存在缺陷以及缺陷的类型、位置、严重程度等信息。将缺陷识别结果作为第二异常检测结果输出,通过色彩空间卷积子网络对标识后的扫描图像进行色彩变换和卷积计算,可以进一步提取和识别异常特征,提高缺陷识别的准确性和可靠性。
进一步而言,如图3所示,本申请方法还包括:
对所述簇采样结果进行结果内的代表像素值提取,生成标定提取结果;
以所述标定提取结果进行对应簇采样结果内的分布稳态评价,生成第一评价结果;
对所述标定提取结果进行群体分布分析,生成第二评价结果;
根据所述第一评价结果和所述第二评价结果完成像素稳态判定。
具体而言,使用标定提取结果进行对应簇采样结果内的分布稳态评价,生成第一评价结果。这个步骤主要是对采样结果的分布情况进行评估,判断其是否稳定,即是否满足预设的稳态标准。然后,对标定提取结果进行群体分布分析,生成第二评价结果。这个步骤主要是对整个图像的像素点分布情况进行评估,判断其是否符合预期的分布模式。最后,根据第一评价结果和第二评价结果完成像素稳态判定。综合判断像素点的稳定性,如果满足预设的稳态标准,则判定为稳态,否则判定为非稳态。通过以上步骤,可以实现对像素点的稳态判定,为后续的异常检测和处理提供依据。同时,这种方法也可以为后续的光子晶体性能优化和生产质量控制提供更加准确和可靠的数据支持。
进一步而言,本申请方法还包括:
获得所述第二异常检测结果的异常点坐标,并记录位置异常值;
基于透光测试结果和对应基础测试结果进行透光效果比对,生成位置比对结果;
以所述位置比对结果和所述位置异常值进行位置映射下的镀膜缺陷评价,生成镀膜缺陷标识;
将所述镀膜缺陷标识添加至所述缺陷在线检测结果。
具体而言,在获得第二异常检测结果的异常点坐标后,可以记录这些异常点的位置异常值。这些位置异常值可以用于后续的镀膜缺陷评价和分析。接下来,基于透光测试结果和对应的基础测试结果进行透光效果比对,生成位置比对结果。这个步骤主要是将透光测试结果与基础测试结果进行对比,判断镀膜后的光子晶体是否满足预期的透光效果。然后,以位置比对结果和位置异常值为输入,进行位置映射下的镀膜缺陷评价,生成镀膜缺陷标识。这个步骤主要是将异常点的位置异常值与位置比对结果进行关联和分析,判断是否存在镀膜缺陷,并生成相应的标识。最后,将生成的镀膜缺陷标识添加到缺陷在线检测结果中,以供后续的处理和分析使用。这些标识可以包括缺陷的类型、位置、严重程度等信息,通过以上步骤,可以实现对镀膜缺陷的评价和标识,提高产品质量和生产效率。
进一步而言,本申请方法还包括:
获取异常卷积结果,并对所述异常卷积结果进行脏污标识;
统计脏污标识的复现概率,并以所述复现概率生成转移通道的异常预警;
通过所述异常预警进行转移通道的无尘控制维护。
具体而言,在获取异常卷积结果后,可以对其进行脏污标识。接下来,可以统计脏污标识的复现概率。主要是对标识过的脏污区域进行统计,计算它们在多次测试或观察中出现的概率。复现概率可以用于评估脏污的稳定性和可靠性,为后续的控制和维护提供依据。然后,以复现概率为输入,生成转移通道的异常预警。这个步骤主要是根据脏污的复现概率判断转移通道是否存在异常情况,如果存在异常,则触发相应的预警机制。最后,通过异常预警进行转移通道的无尘控制维护。这个步骤主要是根据预警信息,对存在异常的转移通道进行及时的控制和维护,例如进行清洁、消毒或更换部件等操作,以确保其正常运行和满足无尘要求。通过以上步骤,可以实现对转移通道的脏污监测和控制,及时发现并处理问题,提高产品质量和生产效率。
进一步而言,本申请方法还包括:
对缺陷在线检测结果进行统计,并基于时序执行统计结果的特征分析;
根据特征分析结果进行工艺异常定位,并基于工艺异常定位结果生成反馈信息;
依据所述反馈信息进行光子晶体镀膜工艺的工艺管理。
具体而言,对缺陷在线检测结果进行统计,并基于时序执行统计结果的特征分析,可以更好地了解和掌握缺陷的分布和变化情况,为后续的工艺优化和控制提供依据。对缺陷在线检测结果进行统计,包括缺陷的类型、数量、位置、严重程度等信息。基于时序执行统计结果的特征分析,对缺陷信息进行深入挖掘和分析,提取出其中的特征和趋势。根据特征分析结果进行工艺异常定位,确定异常产生的可能原因和位置,为后续的工艺优化和控制提供依据。基于工艺异常定位结果生成反馈信息,包括异常的类型、位置、程度等信息,以及相应的建议和措施。依据反馈信息进行光子晶体镀膜工艺的工艺管理,包括工艺参数调整、设备维护、原材料控制等措施,以提高产品质量和生产效率。通过以上步骤,可以实现对光子晶体镀膜工艺的精细化管理,及时发现并处理问题,提高生产效率和产品质量。
实施例二
基于与前述实施例一种光子晶体镀膜缺陷的在线检测方法相同的发明构思,如图4所示,本申请提供了一种光子晶体镀膜缺陷的在线检测系统,所述系统包括:
测试结果获取模块10,所述测试结果获取模块10用于生成基础测试结果,所述基础测试结果为通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,并建立基础测试结果中光子晶体的唯一标识映射;
镀膜操作执行模块20,所述镀膜操作执行模块20用于执行光子晶体的镀膜操作,当任意光子晶体镀膜完成后,通过所述唯一标识映射调用对应基础测试结果;
第一异常检测结果生成模块30,所述第一异常检测结果生成模块30用于通过所述椭圆偏振光谱仪进行镀膜后的光子晶体测试,生成透光测试结果,并基于透光测试结果和对应基础测试结果生成第一异常检测结果;
扫描图像建立模块40,所述扫描图像建立模块40用于保持光子晶体位置,通过扫描电子显微镜对镀膜后的光子晶体执行数据采集,建立扫描图像;
第二异常检测结果生成模块50,所述第二异常检测结果生成模块50用于将所述扫描图像输入图像识别网络,生成第二异常检测结果;
在线检测结果生成模块60,所述在线检测结果生成模块60用于根据所述第一异常检测结果和所述第二异常检测结果生成缺陷在线检测结果。
进一步地,该系统还包括:
第二异常检测结果获取模块,用于通过预处理子网络进行所述扫描图像的灰度处理,并执行随机像素点采样,其中,所述预处理子网络为所述图像识别网络的子处理单元;生成随机簇采样结果,并执行簇采样结果内的像素稳态判定;将稳态判定通过的簇采样结果提取灰度区间,以所述灰度区间进行扫描图像的二值化判定,定位异常区域;根据异常区域定位结果生成第二异常检测结果。
进一步地,该系统还包括:
第二异常检测结果输出模块,是基于所述异常区域定位结果对所述扫描图像标识,并将标识后的所述扫描图像输入色彩空间卷积子网络,所述色彩空间卷积子网络为依据与色彩空间映射的卷积核搭建的异常特征识别网络;以所述色彩空间卷积子网络进行标识位置的扫描图像色彩变换后,基于对应色彩变换结果的卷积核进行卷积计算;根据卷积计算结果生成缺陷识别结果,并将所述缺陷识别结果作为所述第二异常检测结果输出。
进一步地,该系统还包括:
稳态判定模块,用于对所述簇采样结果进行结果内的代表像素值提取,生成标定提取结果;以所述标定提取结果进行对应簇采样结果内的分布稳态评价,生成第一评价结果;对所述标定提取结果进行群体分布分析,生成第二评价结果;根据所述第一评价结果和所述第二评价结果完成像素稳态判定。
进一步地,该系统还包括:
镀膜缺陷标识生成模块,用于获得所述第二异常检测结果的异常点坐标,并记录位置异常值;基于透光测试结果和对应基础测试结果进行透光效果比对,生成位置比对结果;以所述位置比对结果和所述位置异常值进行位置映射下的镀膜缺陷评价,生成镀膜缺陷标识;将所述镀膜缺陷标识添加至所述缺陷在线检测结果。
进一步地,该系统还包括:
无尘控制维护模块,用于获取异常卷积结果,并对所述异常卷积结果进行脏污标识;统计脏污标识的复现概率,并以所述复现概率生成转移通道的异常预警;通过所述异常预警进行转移通道的无尘控制维护。
进一步地,该系统还包括:
工艺管理模块,用于对缺陷在线检测结果进行统计,并基于时序执行统计结果的特征分析;根据特征分析结果进行工艺异常定位,并基于工艺异常定位结果生成反馈信息;依据所述反馈信息进行光子晶体镀膜工艺的工艺管理。
说明书通过前述一种光子晶体镀膜缺陷的在线检测方法的详细描述,本领域技术人员可以清楚地知识本实施例中一种光子晶体镀膜缺陷的在线检测系统,对于实施例公开的系统而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种光子晶体镀膜缺陷的在线检测方法,其特征在于,所述方法包括:
生成基础测试结果,所述基础测试结果为通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,并建立基础测试结果中光子晶体的唯一标识映射;
执行光子晶体的镀膜操作,当任意光子晶体镀膜完成后,通过所述唯一标识映射调用对应基础测试结果;
通过所述椭圆偏振光谱仪进行镀膜后的光子晶体测试,生成透光测试结果,并基于透光测试结果和对应基础测试结果生成第一异常检测结果;
保持光子晶体位置,通过扫描电子显微镜对镀膜后的光子晶体执行数据采集,建立扫描图像;
将所述扫描图像输入图像识别网络,生成第二异常检测结果;
根据所述第一异常检测结果和所述第二异常检测结果生成缺陷在线检测结果。
2.如权利要求1所述的方法,其特征在于,所述将所述扫描图像输入图像识别网络,生成第二异常检测结果,还包括:
通过预处理子网络进行所述扫描图像的灰度处理,并执行随机像素点采样,其中,所述预处理子网络为所述图像识别网络的子处理单元;
生成随机簇采样结果,并执行簇采样结果内的像素稳态判定;
将稳态判定通过的簇采样结果提取灰度区间,以所述灰度区间进行扫描图像的二值化判定,定位异常区域;
根据异常区域定位结果生成第二异常检测结果。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
基于所述异常区域定位结果对所述扫描图像标识,并将标识后的所述扫描图像输入色彩空间卷积子网络,所述色彩空间卷积子网络为依据与色彩空间映射的卷积核搭建的异常特征识别网络;
以所述色彩空间卷积子网络进行标识位置的扫描图像色彩变换后,基于对应色彩变换结果的卷积核进行卷积计算;
根据卷积计算结果生成缺陷识别结果,并将所述缺陷识别结果作为所述第二异常检测结果输出。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
对所述簇采样结果进行结果内的代表像素值提取,生成标定提取结果;
以所述标定提取结果进行对应簇采样结果内的分布稳态评价,生成第一评价结果;
对所述标定提取结果进行群体分布分析,生成第二评价结果;
根据所述第一评价结果和所述第二评价结果完成像素稳态判定。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述第二异常检测结果的异常点坐标,并记录位置异常值;
基于透光测试结果和对应基础测试结果进行透光效果比对,生成位置比对结果;
以所述位置比对结果和所述位置异常值进行位置映射下的镀膜缺陷评价,生成镀膜缺陷标识;
将所述镀膜缺陷标识添加至所述缺陷在线检测结果。
6.如权利要求3所述的方法,其特征在于,所述方法还包括:
获取异常卷积结果,并对所述异常卷积结果进行脏污标识;
统计脏污标识的复现概率,并以所述复现概率生成转移通道的异常预警;
通过所述异常预警进行转移通道的无尘控制维护。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
对缺陷在线检测结果进行统计,并基于时序执行统计结果的特征分析;
根据特征分析结果进行工艺异常定位,并基于工艺异常定位结果生成反馈信息;
依据所述反馈信息进行光子晶体镀膜工艺的工艺管理。
8.一种光子晶体镀膜缺陷的在线检测系统,其特征在于,所述系统包括:
测试结果获取模块,所述测试结果获取模块用于生成基础测试结果,所述基础测试结果为通过椭圆偏振光谱仪进行待镀膜光子晶体透光测试的测试结果,并建立基础测试结果中光子晶体的唯一标识映射;
镀膜操作执行模块,所述镀膜操作执行模块用于执行光子晶体的镀膜操作,当任意光子晶体镀膜完成后,通过所述唯一标识映射调用对应基础测试结果;
第一异常检测结果生成模块,所述第一异常检测结果生成模块用于通过所述椭圆偏振光谱仪进行镀膜后的光子晶体测试,生成透光测试结果,并基于透光测试结果和对应基础测试结果生成第一异常检测结果;
扫描图像建立模块,所述扫描图像建立模块用于保持光子晶体位置,通过扫描电子显微镜对镀膜后的光子晶体执行数据采集,建立扫描图像;
第二异常检测结果生成模块,所述第二异常检测结果生成模块用于将所述扫描图像输入图像识别网络,生成第二异常检测结果;
在线检测结果生成模块,所述在线检测结果生成模块用于根据所述第一异常检测结果和所述第二异常检测结果生成缺陷在线检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410034499.1A CN117554407A (zh) | 2024-01-10 | 2024-01-10 | 一种光子晶体镀膜缺陷的在线检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410034499.1A CN117554407A (zh) | 2024-01-10 | 2024-01-10 | 一种光子晶体镀膜缺陷的在线检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117554407A true CN117554407A (zh) | 2024-02-13 |
Family
ID=89820825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410034499.1A Pending CN117554407A (zh) | 2024-01-10 | 2024-01-10 | 一种光子晶体镀膜缺陷的在线检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117554407A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271274A (zh) * | 2007-03-19 | 2008-09-24 | 株式会社理光 | 微小结构和信息记录介质 |
CN101462157A (zh) * | 2009-01-16 | 2009-06-24 | 北京航空航天大学 | 一种适用于反向凝固工艺质量控制的系统及方法 |
CN106979937A (zh) * | 2017-04-11 | 2017-07-25 | 安徽省蚌埠华益导电膜玻璃有限公司 | 一种镀膜玻璃光学性能检测方法 |
CN108034933A (zh) * | 2017-12-11 | 2018-05-15 | 苏州协同创新智能制造装备有限公司 | 光纤光栅表面金属化处理方法 |
CN111222762A (zh) * | 2019-12-27 | 2020-06-02 | 江苏南高智能装备创新中心有限公司 | 太阳能电池板镀膜工艺状态监控及质量控制系统 |
CN112111720A (zh) * | 2020-09-22 | 2020-12-22 | 南京信息工程大学 | 一种激光、红外、微波兼容隐身材料及其制备方法与应用 |
CN116229126A (zh) * | 2023-05-09 | 2023-06-06 | 日照皓诚电子科技有限公司 | 一种石英晶体镀膜智能检测方法、系统、设备及介质 |
CN116645362A (zh) * | 2023-06-29 | 2023-08-25 | 日照鲁光电子科技有限公司 | 一种碳化硅晶圆的质量智能检测方法及系统 |
CN116770257A (zh) * | 2023-06-25 | 2023-09-19 | 广州市博泰光学科技有限公司 | 一种光学镜片镀膜制作系统及其制作方法 |
CN117368214A (zh) * | 2023-09-28 | 2024-01-09 | 苏州威华智能装备有限公司 | 一种线扫pe镀膜检测方法与视觉检测装置 |
-
2024
- 2024-01-10 CN CN202410034499.1A patent/CN117554407A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271274A (zh) * | 2007-03-19 | 2008-09-24 | 株式会社理光 | 微小结构和信息记录介质 |
CN101462157A (zh) * | 2009-01-16 | 2009-06-24 | 北京航空航天大学 | 一种适用于反向凝固工艺质量控制的系统及方法 |
CN106979937A (zh) * | 2017-04-11 | 2017-07-25 | 安徽省蚌埠华益导电膜玻璃有限公司 | 一种镀膜玻璃光学性能检测方法 |
CN108034933A (zh) * | 2017-12-11 | 2018-05-15 | 苏州协同创新智能制造装备有限公司 | 光纤光栅表面金属化处理方法 |
CN111222762A (zh) * | 2019-12-27 | 2020-06-02 | 江苏南高智能装备创新中心有限公司 | 太阳能电池板镀膜工艺状态监控及质量控制系统 |
CN112111720A (zh) * | 2020-09-22 | 2020-12-22 | 南京信息工程大学 | 一种激光、红外、微波兼容隐身材料及其制备方法与应用 |
CN116229126A (zh) * | 2023-05-09 | 2023-06-06 | 日照皓诚电子科技有限公司 | 一种石英晶体镀膜智能检测方法、系统、设备及介质 |
CN116770257A (zh) * | 2023-06-25 | 2023-09-19 | 广州市博泰光学科技有限公司 | 一种光学镜片镀膜制作系统及其制作方法 |
CN116645362A (zh) * | 2023-06-29 | 2023-08-25 | 日照鲁光电子科技有限公司 | 一种碳化硅晶圆的质量智能检测方法及系统 |
CN117368214A (zh) * | 2023-09-28 | 2024-01-09 | 苏州威华智能装备有限公司 | 一种线扫pe镀膜检测方法与视觉检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI603074B (zh) | 光學薄膜缺陷辨識方法及其系統 | |
US7352890B2 (en) | Method for analyzing circuit pattern defects and a system thereof | |
US5982920A (en) | Automated defect spatial signature analysis for semiconductor manufacturing process | |
US7410737B2 (en) | System and method for process variation monitor | |
JP2001304842A (ja) | パターン検査方法及びその装置並びに基板の処理方法 | |
US11636584B2 (en) | Real-time traceability method of width of defect based on divide-and-conquer | |
JP3660763B2 (ja) | 被検査パターンの検査方法及び製造プロセス診断方法並びに半導体基板の製造方法 | |
JP2008145226A (ja) | 欠陥検査装置及び欠陥検査方法 | |
CN111242123A (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
US10692203B2 (en) | Measuring defectivity by equipping model-less scatterometry with cognitive machine learning | |
Eshkevari et al. | Automatic dimensional defect detection for glass vials based on machine vision: A heuristic segmentation method | |
JP2021190716A (ja) | 弱いラベル付けを使用した半導体試料内の欠陥の検出 | |
KR20220022091A (ko) | 검사 레시피의 자동 최적화 | |
CN115100206A (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN115266757A (zh) | 缺陷检测设备与方法 | |
CN113177925B (zh) | 一种无损检测水果表面缺陷的方法 | |
Shabir et al. | Tyre defect detection based on GLCM and Gabor filter | |
CN117554407A (zh) | 一种光子晶体镀膜缺陷的在线检测方法及系统 | |
CN114120318B (zh) | 一种基于集成决策树的暗场图像目标点精确提取方法 | |
US7084965B2 (en) | Arrangement and method for inspecting unpatterned wafers | |
US11035803B1 (en) | Multi-perspective examination of a specimen | |
JP4052733B2 (ja) | パターン付きウエハの異物検査方法 | |
TWI692824B (zh) | 缺陷識別系統、缺陷識別方法及電腦可讀媒體 | |
CN117333467B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法及系统 | |
US20240105522A1 (en) | End-to-end measurement for semiconductor specimens |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |