發(fā)布時間：2021-04-09 00:18

　　芯片表面字符識別是自動芯片質(zhì)檢的重要步驟,目前半導體工業(yè)廣泛應用基于模板匹配的字符識別技術,但該技術環(huán)節(jié)存在模板參數(shù)設置復雜、難以處理相似字符等不足。深度學習可以自動從樣本中學習特征、無需人工提取和設置參數(shù)等優(yōu)點,因此文章將深度學習應用于芯片表面字符檢測。在LeNet-5網(wǎng)絡結構的基礎上,文章根據(jù)芯片表面字符檢測的特點,研究了數(shù)據(jù)增廣方法、基于可信度的識別結果優(yōu)化等內(nèi)容,并使用標準字符集和來自于合作團隊的實際采集的工業(yè)數(shù)據(jù)進行實驗驗證,實驗結果表明,文中所提出的方法穩(wěn)定、識別率高,對相似字符具有較好的魯棒性。 

【文章來源】：合肥工業(yè)大學學報(自然科學版). 2020,43(04)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

噪聲模板

加噪過程

縮放效果


本文編號：3126541