[发明专利]一种形貌参数预测模型的构建方法及形貌参数测量方法

权利要求书

1.一种形貌参数预测模型的构建方法，其特征在于，包括：

获取多个标准样件，其中，每个所述标准样件上具有一个或多个标准设计结构，每个所述标准设计结构具有对应的形貌参数；

分别获取每个所述标准设计结构的测量光谱；

对每条所述测量光谱进行波长分隔采样，将每条所述测量光谱分为多个隔断采样光谱；

获取第一样本集合，所述第一样本集合包含多个第一样本，一条所述隔断采样光谱及其对应的标准设计结构的形貌参数构成一个所述第一样本；

基于所述第一样本集合训练第一模型，并输出每个所述第一样本对应的第一预测形貌参数；

获取第二样本集合，所述第二样本集合包含多个第二样本，一个所述第一预测形貌参数及其对应的标准设计结构的形貌参数构成一个所述第二样本；

基于所述第二样本集合训练第二模型，并输出每个所述第二样本对应的第二预测形貌参数；

训练后的所述第一模型和所述第二模型组成预测模型。

2.根据权利要求1所述的方法，其特征在于，对每条所述测量光谱进行波长分隔采样，包括：

设置分隔采样参数k-1，对每条所述测量光谱的波长点每隔k-1个波长点进行采样，将每条所述测量光谱分别分成k条隔断采样光谱，任意两条所述隔断采样光谱中没有重叠的波长点，其中，k为整数且k≥2。

3.根据权利要求2所述的方法，其特征在于，还包括：确定最优分隔采样参数，包括：

任选一分隔采样参数，获取其对应的所述第一样本集合；

将所述第一样本集合划分为第一训练集合和第一测试集合；

基于所述第一训练集合训练第一模型，并输出每个样本对应的第一训练预测形貌参数，并得到第一训练模型；

获取第二训练集合，所述第二训练集合中的样本由所述第一训练预测形貌参数及其对应的形貌参数构成；

基于所述第二训练集合训练第二模型，并输出每个样本对应的第二训练预测形貌参数，得到第二训练模型；

所述第一训练模型和所述第二训练模型组成训练预测模型；

输入所述第一测试集合，获取所述训练预测模型输出的预测参数，计算得到所述预测参数的MSE；

选取不同的分隔采样参数，分别得到每个分隔采样参数对应的MSE；

其中，MSE最小的分隔采样参数即为最优分隔采样参数。

4.根据权利要求1所述的方法，其特征在于，所述第一模型和所述第二模型为岭回归模型或支持向量回归模型。

5.根据权利要求4所述的方法，其特征在于，所述岭回归模型为：

其中，为权重系数，ε为误差，X为训练岭回归模型的样本集合中的光谱，Y为岭回归模型输出的预测形貌参数；

通过最小二乘法公式计算其权重系数N为训练岭回归模型的样本数量，J为权重系数β的数量，λ为损失系数，x_i为第i个样本对应的光谱，y_i为与x_i对应的由岭回归模型输出的预测形貌参数。

6.根据权利要求1所述的方法，其特征在于，在对每条所述测量光谱进行波长分隔采样之前，包括：

剔除所述测量光谱中的异常波长点，包括：

获取所述测量光谱的梯度曲线，将梯度值大于阈值的波长点剔除；和/或，

将所述测量光谱转化为穆勒矩阵光谱，对所述穆勒矩阵光谱进行归一化，将归一化后的光谱值大于1或者小于-1的波长点剔除。

7.一种形貌参数测量方法，其特征在于，包括：

获取待测样品的测量光谱；

剔除所述测量光谱中的异常波长点；

对所述测量光谱进行波长分隔采样，将所述测量光谱分为多个隔断采样光谱；

输入所述多个隔断采样光谱，获取预测模型输出的预测形貌参数，所述预测模型采用上述权利要求1-6中任一项所述的方法获得；

所述预测形貌参数为所述待测样品的待测参数。