(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 202211109300.4 (22)申请日 2022.09.13 (71)申请人 常州大学 地址 213164 江苏省常州市武进区湖塘镇 滆湖中路21号 (72)发明人 杨长春　张力维　孟天霜　王彭　 (74)专利代理 机构 大连理工大 学专利中心 21200 专利代理师 刘秋彤 (51)Int.Cl. G01M 11/02(2006.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01)G06V 10/25(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种VCSEL半导体激光器阵列近场发光孔检 测装置及方法 (57)摘要 本发明属于半导体激光器测试技术领域， 提 出了一种V CSEL半导体激光器阵列近场发光孔检 测装置及方法， 对VCSEL半导体激光器腔面光斑 进行自动采集和识别， 通过探针引脚和步进指令 控制的晶圆托盘， 实现自动的精确触发方式， 相 比传统的手动调节节省大量时间， 自动化程度 高， 降低了由于人工操作带来的误差； 基于Mask   RCNN网络提取多张近场图像特征， 对每张图像中 各发光孔进行实例分割， 使用不同型号的VCSEL 半导体激光器数据集训练， 提高了VCSEL半导体 激光器近场各发光 孔质量判断的准确性。 权利要求书3页 说明书8页 附图3页 CN 115452328 A 2022.12.09 CN 115452328 A 1.一种VCSEL半导体激光器阵列近场发光孔检测装置， 其特征在于， 该VCSEL半导体激 光器阵列近场发光孔检测装置包括晶圆托盘(1)、 光源相机(4)、 探针轴装置(6)、 处理器、 存 储器、 工控机和调节支架(5)； 晶圆托盘(1)通过步进电机固定于底 座上； 底座上设有门型框 架； 门型框架顶部设置为滑道， 调节支架(5)底部于滑道上移动； 光源相机(4)固定于调节支 架(5)侧端， 位于晶圆托盘(1)上方； 探针轴装置(6)包括坐标转换单元和旋转单元， 用于实 现VCSEL半导体激光器和探针引脚(2)的位置匹配； 探针轴装置(6)一端固定于门型框架上， 其位于晶圆托盘(1)的上方， 探针轴装置(6)另一端通过探针连接杆(3)连接探针引脚(2)， 探针引脚(2)与待测VCS EL半导体激光器接触； 处理器、 存储器、 工控机并排放置于晶圆托盘 (1)下方， 处理器和存储器通过总线进 行数据传输， 处理器完成数据处理后通过信号传输线 与工控机连接， 工控机通过信号传输线连接至调节支架(5)； 处理器内存储有已训练的基于 Mask‑RCNN网络的实例分割模 型； 存储器用于存储近场发光孔的样 本数据和相关配置文件； 工控机用于控制光源相机(4)的高度， 调节 支架(5)的移动和探针连接杆(3)的转动。 2.根据权利要求1所述的VCSEL半导体激光器阵列近场发光孔检测装置， 其特征在于， 探针引脚(2)通过探针连接杆(3)以探针轴装置(6)为中心旋转， 根据所需触发方式不同， 探 针引脚(2)分为单引脚、 双引脚或者四引脚。 3.一种VCSEL半导体激光器阵列近场发光 孔检测方法， 其特 征在于， 包括以下步骤： 步骤一： VCSEL半导体激光器阵列的发光孔面向上， 水平放置于晶圆托盘(1)中， 光源相 机(4)出射光垂直照射并对VCSEL半导体激光器阵列进行扫描， 获取待测VCSEL半导体激光 器阵列空间的位置信息和角度信息； 扫描完成后获得任意角度下的MAP地图； 步骤二： 根据步骤一VCSEL半导体激光器阵列空间的位置信息和角度信息判断探针引 脚(2)与VCSEL半导体激光器之间的偏 差； 利用探针轴装置(6)中的坐标转换单元， 计算出待 测VCSEL半导体激光器的空间坐标和探针的空间坐标之间的角度和距离， 探针轴装置(6)中 的旋转单 元带动自身转动； 运动控制过程中， 根据MAP地 图与探针轴装置(6)建立直角坐标系， 通过设定好的步进 指令控制晶圆托盘(1)移动， 使下一个VCSEL半导体激光器位置与探针引脚(2)位置相匹配， VCSEL半导体激光器收到 探针引脚(2)发出的触发脉冲信号并点亮发光 孔； 步骤三： 获取不同实验批次中的半导体激光器近场拍摄的图像及相应的操作文件， 构 建多种型号规格的近场发光孔图像样本库； 样 本库能够表现近场图像发光孔的轮廓、 大小、 亮度、 位置、 数量以及像素点； 步骤四： 对步骤三构建的近场发光孔图像样本库中的原始图像根据产品型号规格和灰 度值进行实例分割标注， 构建近场发光 孔图像数据集； 将近场发光孔图像数据 集以8:2的比例创建训练集和测试集， 进行训练Mask  RCNN分类 网络模型； 保存训练完成后的Mask  RCNN分类网络模 型， 基于此模 型进行后续的发光孔图像 分类； 步骤五： 将光源相机(4)采集到的原始图像送入步骤四中训练好的Mask  RCNN网络中进 行实例分割； 步骤六： 对实例分割后的发光孔进行质量分析， 对所有近场发光孔图像中的圆度进行 误差分析， 得到发光孔质心 位置偏移 量； 对上述 实例分割后的发光孔进 行均一性判断， 将实 际大小的发光 孔光斑中所有像素 灰度和相加， 求得每 个芯片中发光 点的亮度方差 。权　利　要　求　书 1/3 页 2 CN 115452328 A 24.根据权利要求3所述的VCSEL半导体激光器阵列近场发光孔检测方法， 其特征在于， 所述步骤一中， 光源相机(4)于竖直方向上进行移动， 发出垂直光束； 完成对晶圆表面的二 维图像信息获取后， VCSEL半导体激光器在不同的摆放角度下都能够生成MAP地图。 5.根据权利要求3所述的VCSEL半导体激光器阵列近场发光孔检测方法， 其特征在于， 所述Mask  RCNN分类网络模型包括含有特征金字塔网络的主干特征提取网络、 区域提议网 络、 感兴趣区域层、 分类与边框分支和mask分支； 使用随机梯度下降训练得到Mask  RCNN分 类网络模型损失函数的最优解； 主干特征提取网络采用ResNet101+FPN的形式， 设置输出通道n维； 其中ResNet101表示 隐藏层数为101且去掉全连接层的残差神经网络， FPN为特征金字塔网络； 区域提议网络与 主干特征提取网络共享特征提取网络， 添加全连接网络层获取候选区域位置信息和前景背 景分类， 并采用非最大抑制去除重叠的区域提议； 感兴趣区域层采用ROI  Align从主干特征 提取网络和区域提议网络获取候选区域特征并向分类与边框分支输出7 ×7的采样特征， 向 Mask分支输出14 ×14的采样特征； 分类与边框 分支由卷积神经网络CNN 实现， 即利用卷积神 经网络CNN对 经过ROI Align处理后的候选区域进行发光孔的类别分类与边框回归； Mask分 支由全卷积神经网络实现， 即利用全卷积神经网络对经过ROI  Align处理后的候选区域进 行Mask回归； Mask RCNN分类网络模型的具体流 程如下： 输入一张光源相机(4)采集到的近场原始发光孔图片， 进行数据 预处理和归一化； 将处 理好的近场原始发光孔图片传 入主干特征提取网络中获得相应的特征图； 特征图中的每一 点设定感兴趣区域层， 获得多个感兴趣区域候选框， 针对特征图中的每一点计算出与原始 图像的相对步距； 将感兴趣区域候选框输入至到区域提议网络中进行二值分类， 分类其为 前景或后景， 过滤掉部分超过原始发光孔图像素尺寸的候选区域的感兴趣区域， 其余的感 兴趣区域进行ROI  Align操作， 将 近场原始发光孔图片和特征图的像素对应起来， 将特征图 和固定的特征对应； 其余的感兴趣区域中由全卷积神经网络处理， 进行所有发光孔类别的 分类和Mask 生成。 6.根据权利要求5所述的VCSEL半导体激光器阵列近场发光孔检测方法， 其特征在于， 所述随机梯度下降对多任务损失函数L进行优化 Loss＝Lrpn+Lfast‑rcnn+Lmask 其中， Lrpn是候选框损失， Lfast‑rcnn是主干特征网络损失,Lmask是mask分支损失， 在网络优 化中引入两阶段的学习率调整策略。 7.根据权利要求5所述的VCSEL半导体激光器阵列近场发光孔检测方法， 其特征在于， 所述Mask分支的具体过程为： 输入大小为H*W*256的候选框结果,经过ROI  Align层池化后 改变为14*14*256大小； 再经过4个卷积层， 每个卷积层的卷积核均为3*3， 卷积核扫描步距 设为1， 经过每个卷积层后的结果图像边缘填充大小设为1； 每个卷积层后面均设置一个 RELU函数； 通过一个转置卷积， 对输入 特征的高和宽进行翻倍； 最后通过一个1*1的卷积核， 卷积核的个数等于分类数NUM的个数， 最终得到28*28*NUM的输出。 8.根据权利要求5所述的VCSEL半导体激光器阵列近场发光孔检测方法， 其特征在于， 所述步骤六中， 根据特征层相对于原始发光孔图片的步距， 将实例分割后的近场 发光孔换 算为实际大小。权　利　要　求　书 2/3 页 3 CN 115452328 A 3