基于深度学习的硅晶片瑕疵检测算法研究

发布时间：2021-10-10 01:52

　　硅晶片是晶体管、太阳能电池和集成电路等产品的主要原料,对硅晶片进行快速准确的瑕疵检测具有重要的意义。基于机器视觉的瑕疵检测方法比传统的人工检测等方法检测精度高,成本低,因此逐步得到广泛的应用。特别是深度学习的发展,让目标（瑕疵）检测算法的精度和速度有了进一一步的提高。但是在硅晶片瑕疵检测过程中存在着瑕疵样本数据集较小、瑕疵样本数据不平衡、孔洞类微小瑕疵容易漏检等问题。本文针对上述问题进行了深入研究,主要研究内容包括:1、提出了基于生成式对抗网络的迁移预训练方法,解决瑕疵样本集较小的情况下检测模型容易过拟合的问题。首先使用生成式对抗网络对硅晶片数据集进行学习,利用生成模型制作一个预训练数据集。在预训练数据集上,对瑕疵检测网络进行迁移预训练,加快了网络的收敛并且提高了模型的检测效果。其次,采用数据增强的方法对瑕疵数据集进行扩增,并且对不同瑕疵样本数量进行平衡,使检测网络对于各种瑕疵都具有较好的检测效果,提高了网络的泛化能力。实验分析了生成式对抗网络和数据增强方法对瑕疵检测算法精度提高的效果。实验结果表明,本文方法得到的检测网络的mAPL比原始情况下提高了50%（0.44->0.66）... 

【文章来源】：北方工业大学北京市

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图２－１卷积祌经网络结构??

?５?１０??图２－２预处理操作??２．１．３卷积层与特征提取??卷积层作为卷积神经网络的核心，对输入的图像进行特征提取，主要包括了??局部关联和窗口滑动两个关键的操作。将网络中的每个神经元看成滤波器，然后??通过以一定的步长进行的窗口滑动，对局部数据进行卷积计算，获取局部数据对??应的特征值，形成卷积特征图。如图２－３所示，通过３ｘ３卷积核对图像进行卷积??操作，分别采用了无填充和有填充的方式进行卷积。??无填充值??：——｜?步长?＼ｊ．．．．．．．１４－１－Ｉ－－Ｉ－．ｎｊ??滑动窗?，?———??／?＇?卷积计?二＝＝＝＝＝＝＝＝??：５＝＝＝＝＝＝＝??，＿＼?＝４４４｜－二??填充值｜?卩??．?ｙ?＇??边缘填

局部关联和窗口滑动两个关键的操作。将网络中的每个神经元看成滤波器，然后??通过以一定的步长进行的窗口滑动，对局部数据进行卷积计算，获取局部数据对??应的特征值，形成卷积特征图。如图２－３所示，通过３ｘ３卷积核对图像进行卷积??操作，分别采用了无填充和有填充的方式进行卷积。??无填充值??：——｜?步长?＼ｊ．．．．．．．１４－１－Ｉ－－Ｉ－．ｎｊ??滑动窗?，?———??／?＇?卷积计?二＝＝＝＝＝＝＝＝??：５＝＝＝＝＝＝＝??，＿＼?＝４４４｜－二??填充值｜?卩??．?ｙ?＇??边缘填充??图２－３卷积计算??７??


本文编号：3427410