[发明专利]一种SiC缺陷的检测方法和系统

权利要求书

1.一种SiC缺陷的检测方法，其特征在于，包括：

控制显微镜镜头移动，并拍摄有关待检测SiC片的多张图像，包括：

沿着所述显微镜镜头的移动轨迹，控制所述显微镜镜头在三维坐标系的X轴方向上和Y轴方向上移动预设距离；所述三维坐标系的X轴为所述待检测SiC片的直线边，所述Y轴为在所述待检测SiC片所在平面内所述直线边的垂直平分线；

通过所述显微镜镜头拍摄的所述待检测SiC片的图像，实时调整所述显微镜镜头在所述三维坐标系中Z轴方向上移动，得到清晰度在预设范围内的所述图像，所述Z轴与所述SiC平面垂直；

所述有关待检测SiC片的图像包括用于将所述图像分割成多个区域的第一线条；所述第一线条为在待检测SiC片下面放置的网格线；

将由所述第一线条分割所述图像而得到的多个区域进行编号；

通过图像识别，确定各所述区域中包含的所述第一线条的脊特征，以及确定各所述区域中包含的第二线条的脊特征，所述第二线条为所述待检测SiC片的纹理边界线和所述待检测SiC片的切割痕迹线；

对所述第一线条的脊特征和所述第二线条的脊特征进行膨胀操作，得到各所述区域对应的输入样本；

将所述多张图像作为输入样本，将所述输入样本发送给预先训练好的神经网络；

所述神经网络以各所述输入样本为输入，输出所述待检测SiC片存在的缺陷数量以及缺陷位置。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将各所述输入样本和各所述区域编号，发送给预先训练好的神经网络。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收训练样本，所述训练样本包括：多个含有缺陷的图像和多个不含缺陷的图像；

检测训练样本的数量是否到达预设值；

在所述训练样本的数量没达到预设值时，根据预设的图像数据增强方法，分别对各所述含有缺陷的图像进行数据增强，得到新的含有缺陷的图像；

将各所述新的含有缺陷的图像添加到所述训练样本中；

其中，所述新的含有缺陷的图像的数量为第二数量，且原有训练样本的数量和所述第二数量之和大于或等于所述预设值；所述预设的图像数据增强方法，包括：图像的翻转、镜像变换、噪声扰动、像素值变化处理和高斯模糊中的一种或多种。

4.根据权利要求1所述的方法，其特征在于，所述神经网络以所述输入样本为输入，输出所述待检测SiC片存在的缺陷数量以及缺陷位置，包括：

所述神经网络根据各个所述区域和预设裁剪路径，对所述神经网络中特征提取部分的最后一个池化层得到的特征图像进行滑动剪裁，得到多个子图像；

所述神经网络使所述裁剪过的特征图像经过全连接层，并进入分类层；

所述分类层将所述裁剪过的特征图像分为含有缺陷的子图像和不含缺陷的子图像；

所述神经网络根据所述含有缺陷的子图像的数量以及所述含有缺陷的子图像对应的编号，输出所述待检测物存在的缺陷数量以及缺陷位置。

5.根据权利要求4所述的方法，其特征在于，

所述分类层将所述裁剪过的特征图像分为含有缺陷的子图像和不含缺陷的子图像，包括：

所述分类层确定评分集合和坐标集合，所述评分集合包括：各所述子图像对应的评分，所述评分用于指示各所述子图像中的缺陷图像与训练样本中预先标注的缺陷图像的相似度，所述坐标集合包括：各个所述子图像的坐标；

所述分类层确定所述评分集合中评分最大的子图像，并在所述坐标集合中确定所述评分最大的子图像对应的坐标；

所述分类层确定目标图像，所述目标图像是与所述评分最大的子图像重叠的子图像且所述重叠的子图像的评分大于或等于预设阈值；其中，所述图像重叠为两个图像都包括同一个图像特征；

所述分类层将所述目标图像从所述评分集合和所述坐标集合中移除；

所述分类层将所述评分最大的子图像确定为所述含有缺陷的子图像，并从所述评分集合和所述坐标集合中移除；

所述分类层重复上述过程直至所述评分集合为空集。