基于特征分析的晶體缺陷識別系統及方法與流程

本發明屬于特征分析領域，具體的說是基于特征分析的晶體缺陷識別系統及方法。

背景技術：

1、晶體是一種固體，其內部的原子、分子或離子在三維空間中以規則的幾何排列方式重復排列，形成了一個長程有序的結構，這種有序的結構是晶體區別于非晶態固體（如玻璃）和液體的主要特征，晶體中的基本結構單元稱為晶胞）在空間中按照一定的規律重復排列，形成了整個晶體的結構，晶體在特定的溫度下會熔化，這個溫度稱為熔點，對于純凈的晶體來說，熔點是固定的，晶體通常由于其獨特的物理和化學性質，在半導體和光電子行業中有著廣泛的應用前景，隨著技術的不斷進步和制造工藝的優化，晶體器件的性能和應用范圍有望進一步擴大；

2、在晶體生長的過程中由于其生長環境的異常影響可能會產生生長缺陷，但是現有的晶體缺陷多種多樣，晶體缺陷材料的性能有著顯著的影響，例如，點缺陷可以增加材料的硬度和強度；位錯運動是塑性變形的主要原因；晶界處的原子排列不規則，可能會影響材料的腐蝕行為和力學性能，因此，對晶體缺陷的研究對于材料科學和工程具有重要意義，現有技術通過簡單的圖像處理對晶體缺陷進行分類識別，無法對晶體圖像進行圖像分析獲取反應缺陷種類的多維圖像隱含特征，同時無法與晶體生長過程環境數據綜合分析以對缺陷特征進行準確識別，導致分類效率和準確率較低，現有技術中大多存在上述問題；

3、例如在授權公布號為cn109034262b的中國專利中提出一種x射線定向儀缺陷識別的批量處理方法，屬于單晶材料加工領域，提出了離線批量式單晶晶體缺陷檢測方法，設計了單晶晶體回擺曲線的特征向量，以抽象出曲線特征，結合粒子群優化算法，并引入基于密度函數的有效半徑，改進了傳統fcm算法，提升算法對于初始化聚類中心的魯棒性，避免陷入局部極優，并很好地過濾干擾數據，從而實現對批量數據進行聚類，之后僅需對聚類中心特征向量進行缺陷檢測，根據隸屬度關系即可得到所有待測曲線的缺陷類型，其中包含了本發明提出的改進的模糊傳遞閉包聚類算法，定義模糊相似矩陣，保證了相似計算的準確性，該發明為晶體檢測技術提供了全新的思路和實現方式；

4、以上專利均存在本背景技術提出的問題，為了解決本背景技術提出的問題，本技術設計了基于特征分析的晶體缺陷識別系統及方法。

技術實現思路

1、針對現有技術的不足，本發明提出了基于特征分析的晶體缺陷識別系統及方法。

2、為實現上述目的，本發明提供如下技術方案：基于特征分析的晶體缺陷識別方法，其包括以下具體步驟：

3、獲取需要進行分析的晶體圖像數據和晶體生長過程中的環境數據；

4、將需要進行分析的晶體圖像數據導入特征提取模型中進行缺陷特征的提取；

5、將提取得到的缺陷特征導入構建的缺陷特征初步識別模型中進行缺陷特征的初步識別；

6、將晶體生長過程中的環境數據導入環境影響分析模型中進行環境影響分析；

7、將環境影響分析結果和缺陷特征的初步識別結果導入缺陷特征二次識別模型中進行缺陷種類識別；

8、將得到的缺陷種類識別結果輸出至用戶端。

9、在此需要說明的是，作為基于特征分析的晶體缺陷識別方法的優先技術方案，所述獲取需要進行分析的晶體圖像數據和晶體生長過程中的環境數據的具體步驟為：

10、s11、將需要進行缺陷分析的晶體放置在電子顯微成像模組中獲取晶體的各部位微觀圖像，并在圖像顯示模組中顯示晶體的三維模型；

11、s12、通過數據采集終端提取儲存的進行缺陷分析的晶體的生長過程中環境數據，生長過程中環境數據包括溫度數據、濕度數據和壓力數據。

12、在此需要說明的是，作為基于特征分析的晶體缺陷識別方法的優先技術方案，所述將需要進行分析的晶體圖像數據導入特征提取模型中進行缺陷特征的提取果包括以下具體步驟：

13、s21、獲取晶體各部位微觀圖像的各像素點的像素值，同時獲取正常晶體對應部位的微觀圖像的平均像素值，獲取晶體各部位微觀圖像的各像素點的像素值相對于正常晶體對應部位的微觀圖像的平均像素值的像素差值的絕對值，得到對應像素點的像素差絕對值，獲取像素差絕對值大于等于像素差閾值的像素點設為異常像素點，獲取其中最大的像素差絕對值對應的像素點設為中心異常像素點，獲取異常像素點構成的區域圖像，設為缺陷區域圖像，獲取缺陷區域圖像的輪廓特征和平均像素值特征；

14、s22、獲取對應的缺陷區域圖像，以中心異常像素點為中心，按照設定像素梯度劃分若干個像素異常區域，獲取得到的像素異常區域的輪廓特征，同時獲取像素異常區域的邊沿相對于中心異常像素點距離的平均值。

15、在此需要說明的是，作為基于特征分析的晶體缺陷識別方法的優先技術方案，所述將提取得到的缺陷特征導入構建的缺陷特征初步識別模型中進行缺陷特征的初步識別包括以下具體步驟：

16、s31、獲取缺陷區域圖像的輪廓特征和平均像素值特征，同時獲取歷史已判斷缺陷的輪廓特征和平均像素值特征；

17、s32、將獲取得到的缺陷區域圖像的輪廓特征與已判斷缺陷的輪廓特征導入輪廓相似值計算公式中計算輪廓相似值，其中，第j個已判斷缺陷與缺陷區域圖像的輪廓相似值計算公式為：，其中，m()為括號中輪廓的面積，c為缺陷區域圖像的輪廓特征，cj為第j個已判斷缺陷圖像的輪廓特征，為輪廓的交集，為輪廓的并集；

18、s33、將獲取得到的輪廓相似值、缺陷區域圖像的平均像素值特征和已判斷缺陷的平均像素值特征代入整體相似值計算公式中計算整體相似值，其中，第j個已判斷缺陷與缺陷區域圖像的整體相似值計算公式為：，其中，a為輪廓占比系數，z為缺陷區域圖像的平均像素值，zj為第j個已判斷缺陷的平均像素值。

19、在此需要說明的是，作為基于特征分析的晶體缺陷識別方法的優先技術方案，所述將提取得到的缺陷特征導入構建的缺陷特征初步識別模型中進行缺陷特征的初步識別還包括以下具體內容：s34、獲取缺陷區域的各像素異常區域的輪廓特征和邊沿相對于中心異常像素點距離的平均值，同時獲取已判斷缺陷的各像素異常區域的輪廓特征，導入像素異常區域輪廓相似值計算公式中計算像素異常區域輪廓相似值，其中，第j個已判斷缺陷與缺陷區域圖像的像素異常區域輪廓相似值計算公式為：，其中，n為缺陷區域中像素異常區域的個數，ki為缺陷區域的第i個像素異常區域的輪廓特征，lij為第j個已判斷缺陷的對應第i個像素異常區域的輪廓特征，di為缺陷區域的第i個像素異常區域的邊沿相對于中心異常像素點距離的平均值;

20、s35、獲取計算得到的已判斷缺陷與缺陷區域圖像的整體相似值、已判斷缺陷與缺陷區域圖像的像素異常區域輪廓相似值，代入初步識別值計算公式中計算已判斷缺陷與缺陷區域圖像的初步識別值，其中，初步識別值計算公式為：，其中，nj為第j個已判斷缺陷與缺陷區域圖像的初步識別值，為輪廓相似占比系數；

21、s36、將計算得到的初步識別值降序排列，獲取排列在前五項的初步識別值對應的已判斷缺陷種類設為初步識別缺陷種類。

22、在此需要說明的是，作為基于特征分析的晶體缺陷識別方法的優先技術方案，所述將晶體生長過程中的環境數據導入環境影響分析模型中進行環境影響分析包括以下具體內容：獲取初步識別缺陷種類對應的晶體的生長過程中環境數據和進行缺陷分析的晶體的生長過程中環境數據，導入環境影響分析值計算公式中計算環境影響分析值，其中，環境影響分析值計算公式為：，t為晶體生長時長，v為環境數據種類，wv為第v種環境數據的占比系數，dt為時間積分，pvt為初步識別缺陷種類對應的生長t時刻的第v種環境數據，pvtm為進行缺陷分析的晶體的生長過程中生長t時刻的第v種環境數據。

23、在此需要說明的是，作為基于特征分析的晶體缺陷識別方法的優先技術方案，所述將環境影響分析結果和缺陷特征的初步識別結果導入缺陷特征二次識別模型中進行缺陷特征二次識別包括以下具體內容：

24、將獲取得到初步識別缺陷種類的環境影響分析值和初步識別值代入最終識別值計算公式中計算最終識別值，其中，最終識別值計算公式為：，其中，exp()為自然常數e的次數冪，將獲取得到的最大的最終識別值對應的初步識別缺陷種類設為需要進行分析的晶體的缺陷種類。

25、基于特征分析的晶體缺陷識別系統，其基于上述基于特征分析的晶體缺陷識別方法實現，其具體包括數據采集模塊、缺陷特征提取模塊、缺陷特征初步識別模塊、環境影響分析模塊、缺陷種類識別模塊和缺陷種類輸出模塊，其中，所述數據采集模塊，用于獲取需要進行分析的晶體圖像數據和晶體生長過程中的環境數據；

26、所述缺陷特征提取模塊，用于將需要進行分析的晶體圖像數據導入特征提取模型中進行缺陷特征的提取；

27、所述缺陷特征初步識別模塊，用于將提取得到的缺陷特征導入構建的缺陷特征初步識別模型中進行缺陷特征的初步識別；

28、所述環境影響分析模塊，用于將晶體生長過程中的環境數據導入環境影響分析模型中進行環境影響分析；

29、所述缺陷種類識別模塊，用于將環境影響分析結果和缺陷特征的初步識別結果導入缺陷特征二次識別模型中進行缺陷種類識別；

30、所述缺陷種類輸出模塊，用于將得到的缺陷種類識別結果輸出至用戶端。

31、一種電子設備，包括：處理器和存儲器，其中，所述存儲器中存儲有可供處理器調用的計算機程序；

32、所述處理器通過調用所述存儲器中存儲的計算機程序，執行上述的基于特征分析的晶體缺陷識別方法。

33、一種計算機可讀存儲介質，儲存有指令，當所述指令在計算機上運行時，使得計算機執行如上述的基于特征分析的晶體缺陷識別方法。

34、與現有技術相比，本發明的有益效果是：

35、本發明獲取需要進行分析的晶體圖像數據和晶體生長過程中的環境數據，將需要進行分析的晶體圖像數據導入特征提取模型中進行缺陷特征的提取，將提取得到的缺陷特征導入構建的缺陷特征初步識別模型中進行缺陷特征的初步識別，將晶體生長過程中的環境數據導入環境影響分析模型中進行環境影響分析，將環境影響分析結果和缺陷特征的初步識別結果導入缺陷特征二次識別模型中進行缺陷種類識別，將得到的缺陷種類識別結果輸出至用戶端，本技術通過對晶體圖像進行圖像分析獲取反應缺陷種類的多維圖像隱含特征，同時與晶體生長過程環境數據綜合分析以對缺陷特征進行準確識別的技術方案，實現了提高缺陷識別準確率和效率的技術效果。