用于评估测量结果的方法、设备和介质与流程

技术特征：
1.一种用于评估测量结果的方法，其特征在于，包括：在针对目标对象的拍摄影像中确定多个标记点，所述多个标记点分别对应于所述目标对象的测量信号；基于所述多个标记点的位置，对所述多个标记点分组；确定所述目标对象在所述拍摄影像中所呈现的轮廓；以及基于所述分组的数目、以及所述多个标记点与所述轮廓之间的距离，评估基于所述测量信号确定的测量结果。2.根据权利要求1所述的用于评估测量结果的方法，其特征在于，在针对目标对象的拍摄影像中确定多个标记点包括：基于所述拍摄影像中标记点的亮度特征，确定所述多个标记点。3.根据权利要求2所述的用于评估测量结果的方法，其特征在于，基于所述拍摄影像中标记点的亮度特征确定所述多个标记点包括：针对待确定的标记点，获取其预设位置处的第一数量像素的亮度值；以及在所获取的亮度值之和不小于第一预设阈值的情况下，确定所述待确定的标记点为所述多个标记点之一。4.根据权利要求2所述的用于评估测量结果的方法，其特征在于，基于所述拍摄影像中标记点的亮度特征确定所述多个标记点包括：针对待确定的标记点，获取其预设位置处的第二数量像素的亮度值；确定所述第二数量像素的亮度值的均值；确定所述第二数量像素的亮度值的方差；以及在所述均值不小于第二预设阈值，且所述方差不小于第三预设阈值的情况下，确定所述待确定的标记点为所述多个标记点之一。5.根据权利要求1所述的用于评估测量结果的方法，其特征在于，在针对目标对象的拍摄影像中确定多个标记点包括：基于神经网络模型对所述拍摄影像中的标记点进行识别，根据识别结果确定所述拍摄影像中的所述多个标记点，其中所述神经网络模型的训练过程包括：向待训练的所述神经网络模型输入训练样本，所述训练样本包括训练影像和所述训练影像中的真实标记点；利用待训练的神经网络模型预测所述训练影像中的标记点；基于所述真实标记点与所预测的标记点之间的距离，确定损失函数的值；以及通过最小化所述损失函数的值，确定所述神经网络模型的参数值。6.根据权利要求1所述的用于评估测量结果的方法，其特征在于，基于所述多个标记点的位置对所述多个标记点分组包括：基于所述多个标记点之间的相对位置，确定多个连通区域，每个连通区域包括所述多个标记点中相连的一组标记点；基于所述多个连通区域之间的距离和距离阈值，至少合并第一连通区域和第二连通区域，所述第一连通区域和所述第二连通区域均属于所述多个连通区域；基于合并后的连通区域更新所述多个连通区域；以及
基于更新后的所述多个连通区域，确定针对所述多个标记点的目标分组。7.根据权利要求6所述的用于评估测量结果的方法，其特征在于，基于所述多个连通区域之间的距离和距离阈值至少合并第一连通区域和第二连通区域包括：确定第一连通区域中的标记点与其他连通区域中的标记点之间的最小距离是否小于距离阈值，所述其他连通区域为所述多个连通区域中除所述第一连通区域以外的连通区域，并且所述其他连通区域包括所述第二连通区域；以及响应于确定所述第二连通区域的所述最小距离小于所述距离阈值，合并所述第一连通区域和所述第二连通区域。8.根据权利要求1所述的用于评估测量结果的方法，其特征在于，确定所述目标对象在所述拍摄影像中所呈现的轮廓包括：从所述拍摄影像中去除所述多个标记点，以获得与所述目标对象相关联的参考影像；针对所述参考影像中与任一标记点相对应的第一像素：基于所述参考影像中与所述第一像素邻近的至少一个第二像素的像素值，确定所述第一像素的像素值，并且使用所确定的所述像素值来填充所述参考影像中的所述第一像素，以更新所述参考影像；以及从更新后的所述参考影像中提取所述轮廓。9.根据权利要求8所述的用于评估测量结果的方法，其特征在于，所述第一像素的像素值基于以下公式而被确定：v(x, y) = 0.33
×
(v(x-1, y) v(x-1, y-1) v(x, y-1))，其中x表示所述第一像素的横坐标，y表示所述第一像素的纵坐标，v( )表示像素的像素值。10.根据权利要求1至9中任一项所述的用于评估测量结果的方法，其特征在于，基于所述分组的数目以及所述多个标记点与所述轮廓之间的距离评估基于所述测量信号确定的测量结果包括：确定与所述多个标记点相对应的多个评估距离，每个评估距离指示相应标记点与所述轮廓之间的距离；以及基于所述多个评估距离的离散程度和所述分组的数目来评估所述测量结果。11.根据权利要求10所述的用于评估测量结果的方法，其特征在于，所述离散程度由所述多个评估距离中的最大评估距离来表示。12.根据权利要求10所述的用于评估测量结果的方法，其特征在于，所述离散程度由所述多个评估距离的平均值来表示。13.根据权利要求10所述的用于评估测量结果的方法，其特征在于，所述离散程度由所述多个评估距离的标准差或方差来表示。14.根据权利要求10所述的用于评估测量结果的方法，其特征在于，基于所述多个评估距离的离散程度和所述分组的数目来评估所述测量结果包括：基于所述离散程度，确定与所述评估相对应的评估结果的第一分量，所述第一分量与所述离散程度负相关；基于所述分组的数目与预定数目，确定所述评估结果的第二分量；以及组合所述第一分量和所述第二分量，以获得所述评估结果。15.根据权利要求14所述的用于评估测量结果的方法，其特征在于，组合所述第一分量
和所述第二分量以获得所述评估结果包括：在所述第一分量与所述第二分量之和大于第四预设阈值的情况下，确定所述测量结果准确。16.根据权利要求1所述的用于评估测量结果的方法，其特征在于，所述目标对象是晶体管，并且所述测量信号用于测量所述晶体管中栅极的宽度。17.一种电子设备，其特征在于，包括：处理器；以及存储器，与所述处理器耦合，所述存储器具有存储于其中的指令，所述指令在被处理器执行时使所述电子设备执行根据权利要求1至16中任一项所述的用于评估测量结果的方法。18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现根据权利要求1至16中任一项所述的用于评估测量结果的方法。

技术总结
根据本公开的示例实施例提供了用于评估测量结果的方法、设备和介质。在该方法中，在针对目标对象的拍摄影像中确定多个标记点。这些标记点分别对应于目标对象的测量信号。然后，基于多个标记点的位置来对多个标记点分组，并且确定目标对象在拍摄影像中所呈现的轮廓。进一步地，基于分组的数目、以及多个标记点与轮廓之间的距离来评估基于测量信号确定的测量结果。以此方式，可以实现以自动化的方式快速且准确地评估测量结果。且准确地评估测量结果。且准确地评估测量结果。


技术研发人员：ꢀ(74)专利代理机构
受保护的技术使用者：全芯智造技术有限公司
技术研发日：2022.12.01
技术公布日：2022/12/30