本申请涉及半导体，尤其涉及一种硅片检测方法和装置。
背景技术：
1、硅片的硬度及断裂韧性测试一般通过压痕法进行测量。在一般的硬度压痕测试中，硬度和断裂韧性通过压痕尺寸和裂纹尺寸计算得出。压痕的尺寸需要通过手动框选，这通常会耗费较多的人力物力，提高了测试成本，降低了硅片测试效率，由此可见，现有方式对于硅片的测试效果较差。
技术实现思路
1、本发明实施例提供一种硅片检测方法和装置，以提高对于硅片的测试效果。
2、为解决上述问题，本发明是这样实现的：
3、第一方面，本发明提供了一种硅片检测方法，包括以下步骤：
4、获取经过硬度测试的硅片的目标图像；
5、将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，其中，所述硅片痕迹识别模型是以硅片的图像为输入，以硅片的痕迹信息为输出的，预训练的浅层卷积神经网络模型，所述痕迹信息包括痕迹类型和痕迹尺寸；
6、根据所述痕迹信息计算所述硅片的硬度及断裂韧性测试结果。
7、在其中一些实施例中，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，包括：
8、提取所述目标图像的第一特征，所述第一特征包括所述目标图像的边缘和纹理信息；
9、提取所述目标图像的第二特征，所述第二特征包括所述目标图像的形状和对象；
10、融合所述第一特征和所述第二特征，以确定所述硅片上痕迹的痕迹类型和痕迹坐标；
11、根据所述痕迹坐标及所述目标图像比例尺确定所述硅片的痕迹尺寸。
12、在其中一些实施例中，所述提取所述目标图像的第一特征和/或提取所述目标图像的第二特征的步骤之后，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，还包括：
13、对所述目标图像进行缩减操作以降低所述目标图像的特征图尺寸。
14、在其中一些实施例中，所述融合所述第一特征和所述第二特征，以确定所述硅片上痕迹的痕迹类型和痕迹坐标之前，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，还包括：
15、将所述目标图像的特征图展平为一维向量。
16、在其中一些实施例中，所述痕迹类型包括压痕、裂纹和测试失败，所述融合所提取的特征信息，确定所述硅片上痕迹的痕迹类型和痕迹坐标，包括：
17、分别通过压痕检测节点、裂纹检测节点和测试失败检测节点融合所述所提取的特征信息，以确认所述痕迹类型和痕迹坐标。
18、在其中一些实施例中，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息之前，所述方法还包括：
19、提供训练图片集，其中，所述训练图片集包括痕迹类型为压痕、裂纹和测试失败的训练图片，以及所述训练图片中痕迹的痕迹信息真值；
20、将所述训练图片集输入训练模型，以获得所述训练图片的预测痕迹信息，其中，所述训练模型是以硅片的图像为输入，以硅片的痕迹信息为输出的浅层卷积神经网络模型，所述痕迹信息包括痕迹类型和痕迹尺寸；
21、根据损失值调整所述训练模型的参数，其中，所述损失值是将所述预测痕迹信息和所述痕迹信息真值的差异值输入损失函数计算得到的；
22、在满足预设训练条件后，将所述训练模型作为硅片痕迹识别模型，其中，所述预设训练条件包括所述损失函数收敛或者迭代训练次数满足预设阈值中的至少一项。
23、在其中一些实施例中，所述损失函数包括根据对痕迹类型的判定结果确定的第一损失值以及痕迹坐标判定结果的第二损失值，其中，所述第一损失值为交叉熵损失值，所述第二损失值为均方差损失值。
24、第二方面，本发明实施例提供了一种硅片检测装置，包括：
25、获取模块，用于获取经过硬度测试的硅片的目标图像；
26、输入模块，用于将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，其中，所述硅片痕迹识别模型是以硅片的图像为输入，以硅片的痕迹信息为输出的，预训练的浅层卷积神经网络模型，所述痕迹信息包括痕迹类型和痕迹尺寸；
27、计算模块，用于根据所述痕迹信息计算所述硅片的硬度及断裂韧性测试结果。
28、第三方面，本发明实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的硅片检测方法的步骤。
29、第四方面，本发明实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的硅片检测方法的步骤。
30、本公开实施例所带来的有益效果如下：
31、本发明实施例的技术方案，通过预训练的浅层卷积神经网络模型提取硅片的痕迹信息，并根据痕迹信息计算硅片的硬度及断裂韧性测试结果，能够简化对于硅片上痕迹信息的识别操作，提高处理速度，从而对于硅片硬度及断裂韧性测试的测试效果。
技术特征：1.一种硅片检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，包括：
3.如权利要求2所述的方法，其特征在于，所述提取所述目标图像的第一特征和/或提取所述目标图像的第二特征的步骤之后，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，还包括：
4.如权利要求2所述的方法，其特征在于，所述融合所提取的特征确定所述硅片上压痕的痕迹类型和痕迹坐标之前，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，还包括：
5.如权利要求2所述的方法，其特征在于，所述痕迹类型包括压痕、裂纹和测试失败，所述融合所提取的特征信息，确定所述硅片上痕迹的痕迹类型和痕迹坐标，包括：
6.如权利要求1至5中任一项所述的方法，其特征在于，所述将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息之前，所述方法还包括：
7.如权利要求6所述的方法，其特征在于，所述损失函数包括根据对痕迹类型的判定结果确定的第一损失值以及痕迹坐标判定结果的第二损失值，其中，所述第一损失值为交叉熵损失值，所述第二损失值为均方差损失值。
8.一种硅片检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-7任一项所述的硅片检测方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的硅片检测方法的步骤。
技术总结本发明提供一种硅片检测方法和装置。硅片检测方法包括获取经过硬度测试的硅片的目标图像；将所述目标图像输入硅片痕迹识别模型获得所述硅片的痕迹信息，其中，所述硅片痕迹识别模型是以硅片的图像为输入，以硅片的痕迹信息为输出的，预训练的浅层卷积神经网络模型，所述痕迹信息包括痕迹类型和痕迹尺寸；根据所述痕迹信息计算所述硅片的硬度及断裂韧性测试结果。本发明实施例能够对于硅片硬度及断裂韧性测试的测试效果。技术研发人员：袁力军,徐鹏,尚荔阳受保护的技术使用者：西安奕斯伟材料科技股份有限公司技术研发日：技术公布日：2025/7/7