基于深度学习的蓝宝石衬底表面缺陷检测与分类算法研究

发布时间：2021-04-19 06:58

　　蓝宝石由于其独特的晶格结构,以及在物理、光学、化学和力学等方面的优越性能,成为半导体领域尤其是LED领域极为重要的衬底材料。在蓝宝石衬底的制作过程中,需要经过一系列机械和化学过程,因此不可避免的会产生一些表面缺陷。而表面缺陷会影响到后续外延层以及相关器件的成品率。如何快速、准确的定位表面缺陷信息,并对表面缺陷类型进行有效分类,对于衬底表面质量检测结果的准确性以及研究工艺参数对表面质量的影响具有重要的作用。本文以蓝宝石衬底表面缺陷为研究对象,针对蓝宝石衬底表面缺陷快速、高准确度、智能化的检测与分类发展需求,基于深度学习的方法,重点开展蓝宝石衬底表面缺陷检测与分类算法的研究工作。具体研究内容如下:（1）图像数据集的制备。首先采用线扫描自动化图像采集系统,对蓝宝石衬底表面的缺陷进行图像采集。紧接着通过图像翻转、旋转以及生成对抗网络GAN等数据增强技术对缺陷图像进行扩充。然后将扩充完成后缺陷图像用LabelImg标注软件对缺陷图像进行人工标注。最后将标注过的缺陷图像划分为训练集、验证集、测试集。（2）目标检测算法模型的训练与测试。首先对Faster RCNN、SSD、YOLOV3检测算法模型的... 

【文章来源】：华侨大学福建省

【文章页数】：108 页

【学位级别】：硕士

【部分图文】：

线扫描图像采集系统示意图

14（b）翻转[63]（Flip）:将图像按照固定的一个轴进行翻转，常见的翻转方式主要包括垂直翻转、水平翻转。假设像素点000P(x,y)垂直翻转、水平翻转后的对应的像素点分别为111P(x,y)、222P(x,y),如下图2.3（a）、2.3（b）所示。（a）垂直翻转（b）水平翻转图2.3图像翻转则翻转前后111P(x,y)、222P(x,y)的坐标关系为：1010xxyyh==+（2.4）2020xxwyy=+=（2.5）其中w、h分别表示原始图像的宽度和高度。若用矩阵形式可表示为：10101000110011xxyhy=（2.6）20201001010011xwxyy=（2.7）

15假设原始缺陷图像为下图2.4（a），垂直翻转和水平翻转后的图像依次为图2.4（b）、图2.4（c）所示。（a）原始图像（b）垂直翻转（c）水平翻转图2.4图像翻转（2）生成对抗网络（GenerativeAdversarialNetwork，GAN）生成对抗网络GAN[64]，是蒙特利尔大学的IanGoodfellow教授和他的团队提出的一种深度学习网络结构，它属于非监督式的学习。GAN主要由两个独立的神经网络模型组成，一个是生成神经网络模型，另一个是判别神经网络模型，其结构如下图2.5所示。GAN网络研究的是联合分布概率，主要通过随机变量来生成具有和真实样本无限接近的样本。生成网络模型生成与真实样本无限接近的样本来以假乱真，欺骗判别网络模型；判别式模型主要用来将真实的训练样本与生成网络模型生成的样本进行比对。而判别网络模型尽力辨别出真假样本。两个网络不断相互对抗，不断调整各自的参数直到达到一定的平衡后，才完成模型学习的结果。图2.5生成对抗网络结构示意图


本文编号：3147068