[发明专利]一种测量膜厚的方法

权利要求书

1.一种测量膜厚的方法，包括：

在多层膜图像中标注出不同待标注膜层，并为各所述待标注膜层生成对应的标注标签，其中，多层膜图像包括三维存储器中沟道孔侧壁结构的切片图像；

将所述多层膜图像与所述标注标签作为输入信息来训练神经网络，以形成分割模型；

通过所述分割模型对待测量图像进行分割，以获得区分出所述待测量图像中各个待测量膜层的预测图像，其中，所述待测量图像与所述多层膜图像具有相同的膜层数和膜结构；以及

根据所述预测图像获得所述各个待测量膜层的厚度。

2.根据权利要求1所述的方法，其中，在多层膜图像中标注出不同待标注膜层，并为各所述待标注膜层生成对应的标注标签，包括：

标识各所述待标注膜层在所述多层膜图像中待标注膜层的厚度方向上的同一侧，并生成与各所述待标注膜层分别对应的标记；以及

根据各所述标记周围的光强信息，标注出各所述待标注膜层的区域，并生成各所述待标注膜层分别对应的标注标签。

3.根据权利要求1所述的方法，其中，将所述多层膜图像与所述标注标签作为输入信息来训练神经网络，以形成分割模型，包括：

将所述多层膜图像和对应的标注标签迭代地输入至所述神经网络，经所述神经网络对所述多层膜图像中各所述待标注膜层进行分割，生成所述多层膜图像中各所述待标注膜层分别对应的目标标签；以及

响应于的最小值，退出迭代输入，确定退出迭代输入时对应的所述神经网络为所述分割模型，其中，m为所输入的所述多层膜图像中待标注膜层的个数，h(x_i)为第i个待标注膜层x_i对应的目标标签，y_i为第i个待标注膜层x_i对应的标注标签。

4.根据权利要求3所述的方法，其中，经所述神经网络对所述多层膜图像进行处理，生成所述多层膜图像中各所述待标注膜层分别对应的目标标签，包括：

对所述多层膜图像进行特征提取，以获得多个特征；以及

根据所述多个特征确定所述多层膜图像中各所述待标注膜层，并生成与各所述待标注膜层分别对应的所述目标标签。

5.根据权利要求1所述的方法，其中，所述方法还包括：

建立标记库用于训练所述神经网络，以更新所述分割模型，其中，所述标记库包括经标注后的所述多层膜图像以及经所述分割模型分割形成的所述预测图像。

6.根据权利要求1所述的方法，其中，通过所述分割模型对待测量图像进行分割，以获得区分出所述待测量图像中待测量膜层的预测图像，包括：

通过所述分割模型，对所述待测量图像进行分割，生成与所述待测量膜层对应的预测标签；以及

利用所述预测标签对所述待测量膜层进行染色，获得所述预测图像。

7.根据权利要求1所述的方法，其中，所述侧壁结构包括第一氧化物层、氮化物层、第二氧化物层和多晶硅层。

8.根据权利要求1所述的方法，其中，所述神经网络包括根据所述输入信息进行深度学习的卷积神经网络。

9.一种测量膜厚的装置，包括：

标注模块，用于在多层膜图像中标注出不同待标注膜层，并为各所述待标注膜层生成对应的标注标签，其中，多层膜图像包括三维存储器中沟道孔侧壁结构的切片图像；

训练模块，用于将所述多层膜图像和所述标注标签作为输入信息来训练神经网络，以形成分割模型；

分割模块，通过所述分割模型对待测量图像进行分割，以获得区分出所述待测量图像中各个待测量膜层的预测图像，其中，所述待测量图像与所述多层膜图像具有相同的膜层数和膜结构；以及

测量模块，根据所述预测图像获得各个所述待测量膜层的厚度。