[发明专利]一种基于生成式对抗网络的芯片爬胶高度识别方法和系统

权利要求书

1.一种基于生成式对抗网络的芯片爬胶高度识别方法，其特征在于，包括：

S100.使用芯片爬胶图像采集装置对芯片生产制造过程中芯片贴合时的爬胶图像进行采集；S200.对芯片爬胶图像采集装置所采集的芯片爬胶图像进行预处理；对芯片爬胶图像采集装置所采集的生产制造过程中芯片贴合时的爬胶图像标注出表示类别信息，将采集与标记后的爬胶图像小数据集做一系列随机变换来扩大训练数据集的规模，将经过随机变换后的爬胶图像小数据集作为用于生成对抗网络训练的数据集；

S300.将预处理后的芯片爬胶图像输入生成对抗网络进行训练；将生成对抗网络训练的数据集输入生成对抗网络的第一分支进行训练；在生成对抗网络模型训练完成后，向生成对抗网络模型的第一分支输入采集的爬胶图像，则生成对抗网络模型将会生成芯片爬胶的模拟图像；S400.对芯片爬胶图像进行分割处理；将生成对抗网络模型生成的芯片爬胶的模拟图像与芯片爬胶图像采集装置所采集的生产制造过程中芯片贴合时的爬胶图像混合并分成用于训练和测试的两部分芯片爬胶图像数据集，同时对其进行平滑处理；将经过平滑处理后的芯片爬胶数据集输入生成对抗网络的第二分支，最终输出不同类别灰度的爬胶图像，完成对所输入芯片爬胶图像的爬胶与背景的分割处理；

S400中，所述平滑处理，具体包括：

对芯片爬胶图像数据集使用高斯滤波器移动相关核的中心元素，使它位于所述芯片爬胶图像待处理像素的正上方，再将芯片爬胶图像的像素值作为权重，乘以相关核将得到的结果相加作为输出；对经过高斯滤波后的两部分芯片爬胶图像数据集的图像的每一像素点和邻域内的其他像素值进行加权平均，输出图像的像素均值；

S400中，将经过平滑处理后的芯片爬胶数据集输入生成对抗网络的第二分支，最终输出不同类别灰度的爬胶图像，完成对所输入芯片爬胶图像的爬胶与背景的分割处理，具体包括：

将芯片爬胶图像数据集分为两部分，其中80％用于训练数据集，20％作为测试数据集；将训练数据集输入生成对抗网络的第二分支的分类定位器中训练；分类定位器损失值由损失函数L计算求出，并使用L1正则化约束参数，所述损失函数L为

其中，y为真实值，f(x)为预测的概率分布，c为类别标签；并且在所述分类定位器中使用Adam算法来优化模型；

当分类定位器所计算的损失值低于阈值时，完成对生成对抗网络第二分支的训练；将生成对抗网络第二分支所得到的爬胶和无关背景的分割图像输出到显示设备上；在所得到的爬胶和无关背景的分割图像中，利用爬胶和无关背景的灰度值不同分离出爬胶和无关背景；

S500.计算由生成对抗网络所分割的芯片爬胶的高度。

2.如权利要求1所述的一种基于生成式对抗网络的芯片爬胶高度识别方法，其特征在于，S200中，对芯片爬胶图像采集装置所采集的生产制造过程中芯片贴合时的爬胶图像标注出表示类别信息，具体包括：将芯片爬胶图像中的爬胶使用不同的灰度来进行标注，所标注的图像区域将作为生成对抗网络的约束条件；并将芯片爬胶图像的像素格式统一调整为8-bit，大小为450×512像素，其灰度值范围为0到255。

3.如权利要求1所述的一种基于生成式对抗网络的芯片爬胶高度识别方法，其特征在于，S300中，将生成对抗网络训练的数据集输入生成对抗网络的第一分支进行训练，生成对抗网络主要由生成模型和判别模型组成；生成模型的作用是在参照预处理后的芯片爬胶图像集后，不断地生成芯片爬胶图像的模拟图像，并计算出芯片爬胶模拟图像与芯片爬胶真实图像的特征损失，通过反向传播算法逐层计算生成模型的梯度并更新参数；判别模型的作用是辨别生成器所生成的芯片爬胶模拟图像与真实的芯片爬胶图像，并将判别的结果由损失函数L计算出损失值，通过反向传播算法逐层计算判别模型的梯度并更新参数，损失函数L为

其中，y为真实值，f(x)为预测的概率分布，c为类别标签；

由判别模型与生成模型不断交替地进行对抗训练，直至判别模型无法分辨芯片爬胶图像是否由生成模型生成时训练终止。