本发明涉及半导体，具体为一种多参量半导体缺陷测试方法及系统。
背景技术：
1、多参量检测方法是近年来在半导体领域中逐渐兴起的一种检测技术。它通过同时采集多个物理量，如电学、光学和机械等，对被测对象进行综合分析，更全面、更准确地了解材料和器件的性能。多参量检测方法能够弥补单一参数检测的局限性，提高检测的灵敏度和可靠性，适用于复杂系统的表征和诊断。
2、半导体器件在制造过程中，容易产生各种缺陷，如晶格位错、杂质和界面陷阱等，这些缺陷会显著影响器件的电学性能和可靠性。高效、准确地检测和表征这些缺陷，对于提高半导体器件的性能和可靠性至关重要。通过有效的缺陷检测，可以及时发现和修正制造过程中出现的问题，避免不良产品流入市场，从而提升产品质量和生产效率。
3、发光二极管(led)是一种重要的半导体器件，其工作原理是通过半导体材料的电子和空穴复合发光。由于其高效能、长寿命和环境友好等优点，led广泛应用于照明、显示、信号指示等领域。led的性能直接影响到其应用效果和寿命，因此在制造过程中，对材料纯度、晶体质量以及界面特性的严格控制非常重要。现有对于led质量检测大多是以电学特性、光谱特性和表面缺陷等单一参数检测为主，例如公开号为cn110319925b的中国专利提出led检测装置，该发明通过对led的电极与测试端连接或者分离，以对led通电或断电，缓解了现有技术中的检测装置不便使用，检测效率低的技术问题。此外，公开号为cn108391343b的中国专利提供了led检测装置、检测系统及检测方法，通过检测每个所述感应电阻的感应电流，并根据所述感应电流确定出对应的led模块的背光工作状态。以上文献都是从单一参数对led质量进行检测，可能无法全面了解缺陷的多维影响，从而导致led缺陷检测结果不准确。
4、为此，提出一种多参量半导体缺陷测试方法及系统。
技术实现思路
1、本发明的目的在于提供一种多参量半导体缺陷测试方法及系统，首先，通过采集led的图像数据、电学数据、热学数据和机械数据，构建led测试数据集。其次，根据测试数据集，分别计算led图像测试评分、电学测试评分、热学测试评分和机械测试评分。接着，根据led图像测试评分、led电学测试评分、led热学测试评分和led机械测试评分，通过多参量缺陷测试生成led缺陷测试评分，并将led缺陷划分为不同的缺陷等级。本发明通过多参量缺陷测试方法，能够准确地获得led缺陷等级。
2、为实现上述目的，本发明提供如下技术方案：
3、一种多参量半导体缺陷测试方法，包括：
4、采集led的图像数据、电学数据、热学数据和机械数据，构建led测试数据集；
5、根据所述led测试数据集，获得led图像测试评分、led电学测试评分、led热学测试评分和led机械测试评分；
6、所述led图像测试评分获取步骤包括：将所述led图像数据中的图像输入led图像特征测试模型中，获取led图像特征向量，并根据所述led图像特征向量，生成led图像测试评分；
7、根据所述led图像测试评分、所述led电学测试评分、所述led热学测试评分和所述led机械测试评分，通过多参量缺陷测试，生成led缺陷测试评分；所述led缺陷测试评分的公式为：
8、s＝α1sim+α2se+α3st+α4sm；
9、其中，s为led缺陷测试评分，sim为led图像测试评分，se为led电学测试评分，st为led热学测试评分，sm为led机械测试评分，α1、α2、α3和α4表示为缺陷测试权重，α1+α2+α3+α4＝1；
10、根据所述led缺陷测试评分，获得led缺陷等级。
11、优选的，所述led图像测试评分的生成过程包括：
12、所述led图像特征测试模型包括led图像输入层、led图像预处理层、led图像特征提取层、led图像缺陷识别层和led图像测试评分数据输出层；
13、所述led图像输入层用于将所述led图像数据中的图像输入led图像特征测试模型中；所述led图像预处理层用于将所述led图像数据中的图像进行灰度化、去噪和对比度增强；所述led图像特征提取层用于从预处理后图像中提取特征，具体步骤包括：
14、将所述处理后图像转换为灰度图像，计算灰度共生矩阵，生成描述图像中相邻像素灰度值关系的矩阵；通过对所述灰度共生矩阵计算相邻像素灰度值组合频率，得到图像纹理特征；通过对所述灰度共生矩阵中每个元素进行加权计算，获取图像的对比度特征，得到缺陷区域；通过边缘检测算法提取图像中所述缺陷区域的轮廓，并根据所述轮廓，计算缺陷区域的面积和周长，评估缺陷区域的形状特征；将所述图像纹理特征、所述对比度特征和所述形状特征进行归一化处理，得到所述led图像特征向量；
15、所述led图像缺陷识别层用于将所述led图像特征提取层中提取到的特征输入训练好缺陷测试模型中进行缺陷识别，得到缺陷图像；
16、led图像测试评分数据输出层输出所述led图像测试评分。
17、优选的，根据所述缺陷图像，获取所述led图像测试评分，计算公式为：
18、
19、其中，sim为led图像测试评分，n为需要测试的led图像数量，m为led图像特征向量中元素数量，scon,i为第i个缺陷区域的对比度特征评分，ωcon为对比度特征权重，scir,i为第i个缺陷区域的圆度特征评分，ωcir为圆度特征权重，ai为第i个缺陷区域面积，ai,max为第i个缺陷区域面积，vj为第j个特征向量影响因子。
20、优选的，所述led电学测试评分的生成过程包括：
21、采集所述led中需要测试区域的电学数据，具体包括：
22、将所述led连接到电源和电流源，将数字万用表、示波器和电阻测试仪连接到所述led的测试点；
23、通过所述数字万用表和所述示波器采集所述led正向电压、正向电流、反向电压和反向电流；使用所述示波器测试所述led的电信号波形，所述电信号波形包括开关响应时间和噪声动态特征；
24、通过采集到的数据，构建特征向量组；将特征向量组进行归一化处理，得到led电学特征向量组；所述led电学特征向量组包括所述正向电压、所述反向电压、所述正向电流、所述反向电流、所述正向电阻、所述反向电阻、所述响应时间和所述噪声；
25、根据所述led电学特征向量组，计算所述led电学测试评分，计算公式为：
26、
27、其中，se为led电学测试评分，vf为正向电压，if为正向电流，r为标准电阻，vr为反向电压，ir为反向电流，κ为噪声因子，κmax为最大噪声因子，tres为开关响应时间，tres,max为最大开关响应时间，ω1，ω2，ω3，ω4为权重系数，ω1+ω2+ω3+ω4＝1。
28、优选的，所述led热学测试评分的生成过程包括：
29、采集所述led中需要测试区域的热学数据，具体包括：
30、通过热成像相机对所述led表面进行热图像采集，获得不同区域的温度差异以及存在的局部热点，生成所述led温度分布图；通过分析图像中的温度分布，提取所述led热学特征；
31、将特征进行归一化处理，构建led热学特征向量组；所述led热学特征向量组包括平均工作温度、温度升高速率、温度均匀性和热导率估计；
32、根据所述led热学特征向量组，计算所述led热学测试评分，计算公式为：
33、
34、其中，st为led热学测试评分，tavg为平均工作温度，δtrise为温度升高速率，hs为led表面显著高于周围区域的热点总数，为热导率的倒数，β1，β2，β3，β4为权重系数，β1+β2+β3+β4＝1。
35、优选的，所述led机械测试评分的生成过程包括：
36、采集所述led中需要测试区域的机械数据，具体包括：
37、通过将所述led安装在振动台上，采集在不同频率和振幅下的响应数据，得到第一机械特征，包括频率响应值和振动幅度值；通过将所述led安装在冲击试验机上，采集冲击后的响应数据，得到第二机械特征，包括最大位移响应和冲击能量值；通过将所述led的引线安装在拉伸试验机上，采集力和位移数据，得到第三机械特征，包括应力值和应变值；
38、将所述第一机械特征、所述第二机械特征和所述第三机械特征进行归一化处理，并合并为led机械特征向量组；
39、根据所述led机械特征向量组，计算所述led机械测试评分，计算公式为：
40、
41、其中，sm为led机械测试评分，γj为第j个特征的权重，xj为第j个特征向量值，pji为主成分矩阵p中第i行第j列的元素，σj为第j个特征的标准差；
42、其中主成分矩阵p的具体计算方式为：
43、
44、其中，n为特征总数，xi为第i个特征的特征向量，x为特征均值，λ为特征值对角矩阵，为的转置矩阵。
45、优选的，所述led缺陷等级包括：
46、设定缺陷测试等级阈值集合th＝{s1,s2,s3}，当所述led缺陷测试评分小于s1时，对应的led缺陷等级为一级；当所述led缺陷测试评分在区间[s1,s2)时，对应的led缺陷等级为二级；当所述led缺陷测试评分在区间[s2,s3]时，对应的led缺陷等级为三级；当所述led缺陷测试评分大于s3时，对应的led缺陷等级为四级；所述led缺陷测试评分的等级越低说明所述led缺陷越少；其中，所述led缺陷测试评分s的范围为[0,1]，s1、s2和s3分别为0.25，0.5，0.75。
47、一种多参量半导体缺陷测试系统，包括：
48、数据采集单元：用于采集led的图像数据、电学数据、热学数据和机械数据；
49、缺陷测试评分生成单元：用于根据所采集的特征，构建相应的特征向量组，获取led图像测试评分、led电学测试评分、led热学测试评分和led机械测试评分；
50、led缺陷测试评分生成单元：用于根据所述led图像测试评分、所述led电学测试评分、所述led热学测试评分和所述led机械测试评分，通过多参量缺陷测试，生成led缺陷测试评分；
51、led缺陷测试评分等级生成单元：用于根据所述led缺陷测试评分，获得led缺陷等级。
52、优选的，所述led缺陷等级包括：
53、设定缺陷测试等级阈值集合th＝{s1,s2,s3}，当所述led缺陷测试评分小于s1时，对应的led缺陷等级为一级；当所述led缺陷测试评分在区间[s1,s2)时，对应的led缺陷等级为二级；当所述led缺陷测试评分在区间[s2,s3]时，对应的led缺陷等级为三级；当所述led缺陷测试评分大于s3时，对应的led缺陷等级为四级；所述led缺陷测试评分的等级越低说明所述led缺陷越少；其中，所述led缺陷测试评分s的范围为[0,1]，s1、s2和s3分别为0.25，0.5，0.75。
54、优选的，采集所述led中需要测试区域的电学特征，具体包括：
55、将所述led连接到电源和电流源，并确保连接稳固；将数字万用表、示波器和电阻测试仪连接到所述led的测试点；
56、通过所述数字万用表和所述示波器采集所述led正向电压、正向电流、反向电压和反向电流；使用所述示波器测试所述led的电信号波形，所述电信号波形包括开关响应时间和噪声动态特征；
57、通过采集到的数据，构建特征向量组；将特征向量组进行归一化处理，得到led电学特征向量组；所述led电学特征向量组包括所述正向电压、所述反向电压、所述正向电流、所述反向电流、所述正向电阻、所述反向电阻、所述响应时间和所述噪声；
58、根据所述led电学特征向量组，计算所述led电学测试评分，计算公式为：
59、
60、其中，se为led电学测试评分，vf为正向电压，if为正向电流，r为标准电阻，vr为反向电压，ir为反向电流，κ为噪声因子，κmax为最大噪声因子，tres为开关响应时间，tres,max为最大开关响应时间，ω1，ω2，ω3，ω4为权重系数，ω1+ω2+ω3+ω4＝1。
61、与现有技术相比，本发明的有益效果为：
62、1、本发明将采集到的led图像输入至led图像特征测试模型中，获取图像纹理特征、图像的对比度特征、缺陷区域和缺陷区域形状，并构建led图像特征向量。根据获取到的led图像特征向量，得到缺陷图像。结合led图像的特征向量和缺陷区域面积以及周长，获得led图像测试评分。此方法通过考虑缺陷区域面积，能够更准确地获得led缺陷测试评分，为之后的led缺陷等级测试提供数据基础。
63、2、本发明在对led缺陷检测时，考虑了机械特性对缺陷的影响；通过获取led的频率响应值、振动幅度值、最大位移响应、冲击能量值、应力值和应变值，得到led机械测试评分。此方法综合了led在不同机械特性下的性能表现，有助于识别和评估潜在的缺陷，为之后的led缺陷等级测试提供数据基础。
64、3、本发明在计算led缺陷等级时，根据led的图像数据、电学数据、热学数据和机械数据计算出led图像测试评分、led电学测试评分、led热学测试评分和led机械测试评分，并通过多参量缺陷测试，获得led缺陷测试评分。此方法综合考虑来自led不同模态的信息，可以更准确地计算出led缺陷结果。
1.一种多参量半导体缺陷测试方法，其特征在于，包括：
2.根据权利要求1所述的一种多参量半导体缺陷测试方法，其特征在于，所述led图像测试评分的生成过程包括：
3.根据权利要求2所述的一种多参量半导体缺陷测试方法，其特征在于：
4.根据权利要求1所述的一种多参量半导体缺陷测试方法，其特征在于，所述led电学测试评分的生成过程包括：
5.根据权利要求1所述的一种多参量半导体缺陷测试方法，其特征在于，所述led热学测试评分的生成过程包括：
6.根据权利要求1所述的一种多参量半导体缺陷测试方法，其特征在于，所述led机械测试评分的生成过程包括：
7.根据权利要求1所述的一种多参量半导体缺陷测试方法，其特征在于：
8.一种多参量半导体缺陷测试系统，其特征在于，包括：
9.根据权利要求8所述的一种多参量半导体缺陷测试系统，其特征在于，
10.根据权利要求8所述的一种多参量半导体缺陷测试系统，其特征在于，采集所述led中需要测试区域的电学特征，具体包括：
