[发明专利]检测方法、装置、电子设备及可读存储介质

说明书

本申请公开了一种检测方法、装置、电子设备及可读存储介质。方法用于检测功率器件的电性能，方法包括：对所述功率器件进行N次开关驱动；获取进行N次开关驱动后的所述功率器件的电参数；将所述电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，所述类神经网络模型用于检测所述功率器件的电性能是否符合预期。本申请实施例无需将功率器件全部进行足够次数的开关驱动测试后，再判断为符合预期的良品，从而可节约检测时间，提高了检测效率。

技术领域

本申请涉及半导体技术领域，尤其涉及检测方法、装置、电子设备及可读存储介质。

背景技术

氮化镓(GaN)材料具有低的热产生率和高的击穿电场，是研制高温大功率电子器件和高频微波器件的重要材料。在半导体制造技术领域，氮化镓功率器件具有许多优于硅基半导体的性质，然而由于氮化镓功率器件的制造工艺以及可靠性的因素，导致其良率难以提升，其制造成本居高不下。

氮化镓功率器件的界面态是氮化镓功率器件的研究面临的核心问题，这制约着氮化镓功率器件的规模化和实用化。界面态很容易造成氮化镓功率器件性能恶化。另外，采用现有的测试方法，对不同结构的功率器件来说，如果保证功率器件的性能合格，测试方法会过于严格造成良率下降，并且，例如老化测试，需要大量的测试时间，造成功率器件的性能衰退。如果放宽测试合格的条件，则无法准确地找出出性能有问题功率器件。

因此，现有的测试方法存在容易误宰良品、检测效率低、检测结果不可靠分问题。

发明内容

本申请的目的在于提供一种检测方法、装置、电子设备及可读存储介质，旨在解决现有的测试方法由于功率器件电特性的不稳定，易误判良品，导致检测效率低、检测结果不可靠的问题。

本申请实施例的第一方面提了一种检测方法，用于检测功率器件的电性能，所述检测方法包括：对所述功率器件进行N次开关驱动；其中，N≥1且为整数；获取进行N次开关驱动后的所述功率器件的电参数；将所述电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，所述类神经网络模型用于检测所述功率器件的电性能是否符合预期。

其中一个实施例中，所述电参数包括所述功率器件的栅极极阈值电压、漏源击穿电压、栅源击穿电压、导通阻抗、漏极电流以及以上参数的相关特性曲线。

其中一个实施例中，所述电参数包括所述功率器件的漏极电流对栅极电压的特性曲线。

其中一个实施例中，所述已训练的类神经网络模型为根据进行标注后的数据集，对预先构建的类神经网络模型进行训练，得到的类神经网络模型，所述标注后的数据集包括对多个符合预期功率器件的进行N次开关驱动的电参数，以及不符合预期功率器件的前N次开关驱动后的电参数进行标注后得到的数据集。

其中一个实施例中，所述标注后的数据集包括所述功率器件进行开关驱动100K次后，所述功率器件的电参数。

其中一个实施例中，所述对所述功率器件进行N次开关驱动包括：将驱动信号输入所述功率器件，驱动所述功率器件开关N次；其中，所述驱动信号为可调脉冲方波。

其中一个实施例中，所述功率器件为氮化镓功率器件。

本申请实施例的第二方面提了一种检测装置，用于检测功率器件的电性能，所述检测装置包括：开关驱动模块，用于对所述功率器件进行N次开关驱动；其中，N≥1且为整数；获取模块，用于获取进行N次开关驱动后的所述功率器件的电参数；检测模块，用于将所述电参数输入至已训练的类神经网络模型中进行检测，得到检测结果，所述类神经网络模型用于检测所述功率器件的性能是否符合预期。

本申请实施例的第三方面提了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述检测方法的步骤。