(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210412102.9 (22)申请日 2022.04.19 (71)申请人 深圳格芯集成电路装备有限公司 地址 518000 广东省深圳市坪 山区龙田街 道竹坑社区翠景路33号格兰达装备产 业园二期厂房一层至三层 (72)发明人 刘飞　林宜龙　胡忠　欧政义　 王能翔　 (74)专利代理 机构 深圳高智量知识产权代理有 限公司 4 4851 专利代理师 姚启迪 (51)Int.Cl. G01N 21/88(2006.01) G01N 21/892(2006.01) G01N 21/01(2006.01)G06T 7/00(2017.01) G06V 10/94(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 基于深度学习模型的缺陷检测系统 (57)摘要 本申请涉及检测技术领域， 特别涉及一种基 于深度学习模 型的缺陷检测系统。 所述在线检测 设备根据条件不同从两种检测模式中选择一种 检测模式或者两种检测模式进行检测， 当所述在 线检测设备选择深度学习模型检测模式时， 所述 在线检测设备从所述数据库中获取深度学习模 型， 并将获取到深度学习模型用于线上检测， 以 及将检测出的全部不良品数据和预设比例的良 品数据传入深度学习数据集； 当所述在线检测设 备选择传统算法检测模式时， 所述在线检测设备 将检测结果传入复检数据中。 解决现有检测设备 在使用深度学习算法进行检测时， 检测设备自身 需要配置很高的计算机进行模型训练、 数据集存 储的问题。 权利要求书2页 说明书5页 附图1页 CN 114994046 A 2022.09.02 CN 114994046 A 1.一种基于深度学习模型的缺陷检测系统， 其特征在于， 包括位于机房的数据库和离 线系统， 所述数据库存储深度学习数据集、 深度学习模型和复检数据， 以及用于在位于产线 上的至少一台在线检测设备和所述离线系统之间进行 数据交换； 所述在线检测设备根据条件不同从两种检测模式中选择一种检测模式或者两种检测 模式进行检测， 两种检测模式包括传统算法检测模式和深度学习模型检测模式； 当所述在线检测设备选择深度 学习模型检测模式时， 所述在线检测设备从所述数据库 中获取深度学习模型， 并将获取到深度学习模型用于线上检测， 以及将检测出 的全部不良 品数据和预设比例的良品数据传入深度学习数据集； 当所述在线检测设备选择传统算法检测模式时， 所述在线检测设备将检测结果传入 复 检数据中。 2.根据权利要求1所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述离线系 统包括数据标记模块， 所述数据标记模块用于对深度学习数据集中的图像进行 标注。 3.根据权利要求2所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述数据标 记模块从深度学习 数据集中选择给定条件的图像， 选中在第一显示区域的缩略图， 在第二 编辑区域编辑对应的大图。 4.根据权利要求1所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述离线系 统包括模型训练模块， 所述模型训练模块用于从深度学习数据集中选取图像进行模型训 练。 5.根据权利要求4所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述模型训 练模块判断所述数据库是否存储深度学习模型， 若是， 则从所述数据库中加载深度学习模 型， 若否， 则在数据库中新建深度学习模型， 配置对应参数， 之后加载深度学习模型； 所述模型训练模块从深度学习数据集中选取用于训练的图像进行模型训练， 将训练出 的深度学习模型存 入所述数据库。 6.根据权利要求1所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述离线系 统包括数据管理模块， 所述数据管理模块用于对深度学习数据集进 行管理， 包括数据导出、 数据导入、 数据删除以及生成仿真缺陷图像。 7.根据权利要求6所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述数据导 出为导出图像以及每张图像对应的缺陷信息描述， 其数据格式为XML； 所述数据导入的导入数据格式与所述数据导出的数据格式相同； 所述生成仿真缺陷图像为对无缺陷的芯片图像生成仿真缺陷的图像； 所述数据删除为选择 给定条件的图像， 进行清除。 8.根据权利要求1所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述离线系 统包括离线复检模块， 所述离线复检模块采用人工复检模式或者模型辅助复检模式对复检 数据进行 再次确认。 9.根据权利要求8所述的基于深度学习 模型的缺陷检测系统， 其特征在于， 所述离线复 检模块采用人工复检模式时， 所述离线复检模块将复检数据显示在复检任务列表控 件中； 对未复检分类中每 个Mapping进行复检； 复检后的Mapping将进入已复检分类， 其中， 在复检列表控件中选中已复检分类的一个 任务后， 将把该任务对应的料 条Mapping显示在料 条Mapping展示控 件中；权　利　要　求　书 1/2 页 2 CN 114994046 A 2选中料条Mapping展示控件的Unit将被显示在Unit展示和缺陷编辑控件， 以修改Unit 缺陷； 确认后的Mapping将进入已标记分类， 对已标记的Mapping上传到指定 的存储服务器， Unit将存入深度学习数据集用以扩充样本； 上传完毕的Map ping将进入已上传分类。 10.根据权利要求1所述的基于深度学习模型的缺陷检测系统， 其特征在于， 基于深度 学习模型 的缺陷检测系统还包括离线检测设备， 离线检测设备分别与在线检测设备、 数据 库通信连接， 所述离线检测设备包括工业电脑主机、 Z轴调节模组、 相机、 镜头、 同轴光源、 环 形光源、 XY轴调节模组、 显示器和光源 控制器； Z轴调节模组和XY轴调节模组设于所述工业电脑主机的上侧壁， 所述相机、 所述镜头、 所述同轴光源和所述环形光源依 次上下相 应设于Z轴调节模组， 光源控制器设于所述工业 电脑主机的左侧壁或者右侧壁， 所述工业电脑主机 分别与所述相机、 所述同轴光源、 所述环 形光源及光源 控制器电连接 。权　利　要　求　书 2/2 页 3 CN 114994046 A 3