基于深度學(xué)習(xí)的硅晶片瑕疵檢測算法研究
發(fā)布時(shí)間:2021-10-10 01:52
硅晶片是晶體管、太陽能電池和集成電路等產(chǎn)品的主要原料,對硅晶片進(jìn)行快速準(zhǔn)確的瑕疵檢測具有重要的意義。基于機(jī)器視覺的瑕疵檢測方法比傳統(tǒng)的人工檢測等方法檢測精度高,成本低,因此逐步得到廣泛的應(yīng)用。特別是深度學(xué)習(xí)的發(fā)展,讓目標(biāo)(瑕疵)檢測算法的精度和速度有了進(jìn)一一步的提高。但是在硅晶片瑕疵檢測過程中存在著瑕疵樣本數(shù)據(jù)集較小、瑕疵樣本數(shù)據(jù)不平衡、孔洞類微小瑕疵容易漏檢等問題。本文針對上述問題進(jìn)行了深入研究,主要研究內(nèi)容包括:1、提出了基于生成式對抗網(wǎng)絡(luò)的遷移預(yù)訓(xùn)練方法,解決瑕疵樣本集較小的情況下檢測模型容易過擬合的問題。首先使用生成式對抗網(wǎng)絡(luò)對硅晶片數(shù)據(jù)集進(jìn)行學(xué)習(xí),利用生成模型制作一個(gè)預(yù)訓(xùn)練數(shù)據(jù)集。在預(yù)訓(xùn)練數(shù)據(jù)集上,對瑕疵檢測網(wǎng)絡(luò)進(jìn)行遷移預(yù)訓(xùn)練,加快了網(wǎng)絡(luò)的收斂并且提高了模型的檢測效果。其次,采用數(shù)據(jù)增強(qiáng)的方法對瑕疵數(shù)據(jù)集進(jìn)行擴(kuò)增,并且對不同瑕疵樣本數(shù)量進(jìn)行平衡,使檢測網(wǎng)絡(luò)對于各種瑕疵都具有較好的檢測效果,提高了網(wǎng)絡(luò)的泛化能力。實(shí)驗(yàn)分析了生成式對抗網(wǎng)絡(luò)和數(shù)據(jù)增強(qiáng)方法對瑕疵檢測算法精度提高的效果。實(shí)驗(yàn)結(jié)果表明,本文方法得到的檢測網(wǎng)絡(luò)的mAPL比原始情況下提高了50%(0.44->0.66)...
【文章來源】:北方工業(yè)大學(xué)北京市
【文章頁數(shù)】:62 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1卷積祌經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??
?5?10??圖2-2預(yù)處理操作??2.1.3卷積層與特征提取??卷積層作為卷積神經(jīng)網(wǎng)絡(luò)的核心,對輸入的圖像進(jìn)行特征提取,主要包括了??局部關(guān)聯(lián)和窗口滑動(dòng)兩個(gè)關(guān)鍵的操作。將網(wǎng)絡(luò)中的每個(gè)神經(jīng)元看成濾波器,然后??通過以一定的步長進(jìn)行的窗口滑動(dòng),對局部數(shù)據(jù)進(jìn)行卷積計(jì)算,獲取局部數(shù)據(jù)對??應(yīng)的特征值,形成卷積特征圖。如圖2-3所示,通過3x3卷積核對圖像進(jìn)行卷積??操作,分別采用了無填充和有填充的方式進(jìn)行卷積。??無填充值??:——|?步長?\j.......14-1-I--I-.nj??滑動(dòng)窗?,?———??/?'?卷積計(jì)?二========??:5=======??,_\?=444|-二??填充值|?卩??.?y?'??邊緣填
局部關(guān)聯(lián)和窗口滑動(dòng)兩個(gè)關(guān)鍵的操作。將網(wǎng)絡(luò)中的每個(gè)神經(jīng)元看成濾波器,然后??通過以一定的步長進(jìn)行的窗口滑動(dòng),對局部數(shù)據(jù)進(jìn)行卷積計(jì)算,獲取局部數(shù)據(jù)對??應(yīng)的特征值,形成卷積特征圖。如圖2-3所示,通過3x3卷積核對圖像進(jìn)行卷積??操作,分別采用了無填充和有填充的方式進(jìn)行卷積。??無填充值??:——|?步長?\j.......14-1-I--I-.nj??滑動(dòng)窗?,?———??/?'?卷積計(jì)?二========??:5=======??,_\?=444|-二??填充值|?卩??.?y?'??邊緣填充??圖2-3卷積計(jì)算??7??
本文編號:3427410
【文章來源】:北方工業(yè)大學(xué)北京市
【文章頁數(shù)】:62 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1卷積祌經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??
?5?10??圖2-2預(yù)處理操作??2.1.3卷積層與特征提取??卷積層作為卷積神經(jīng)網(wǎng)絡(luò)的核心,對輸入的圖像進(jìn)行特征提取,主要包括了??局部關(guān)聯(lián)和窗口滑動(dòng)兩個(gè)關(guān)鍵的操作。將網(wǎng)絡(luò)中的每個(gè)神經(jīng)元看成濾波器,然后??通過以一定的步長進(jìn)行的窗口滑動(dòng),對局部數(shù)據(jù)進(jìn)行卷積計(jì)算,獲取局部數(shù)據(jù)對??應(yīng)的特征值,形成卷積特征圖。如圖2-3所示,通過3x3卷積核對圖像進(jìn)行卷積??操作,分別采用了無填充和有填充的方式進(jìn)行卷積。??無填充值??:——|?步長?\j.......14-1-I--I-.nj??滑動(dòng)窗?,?———??/?'?卷積計(jì)?二========??:5=======??,_\?=444|-二??填充值|?卩??.?y?'??邊緣填
局部關(guān)聯(lián)和窗口滑動(dòng)兩個(gè)關(guān)鍵的操作。將網(wǎng)絡(luò)中的每個(gè)神經(jīng)元看成濾波器,然后??通過以一定的步長進(jìn)行的窗口滑動(dòng),對局部數(shù)據(jù)進(jìn)行卷積計(jì)算,獲取局部數(shù)據(jù)對??應(yīng)的特征值,形成卷積特征圖。如圖2-3所示,通過3x3卷積核對圖像進(jìn)行卷積??操作,分別采用了無填充和有填充的方式進(jìn)行卷積。??無填充值??:——|?步長?\j.......14-1-I--I-.nj??滑動(dòng)窗?,?———??/?'?卷積計(jì)?二========??:5=======??,_\?=444|-二??填充值|?卩??.?y?'??邊緣填充??圖2-3卷積計(jì)算??7??
本文編號:3427410
本文鏈接:http://sikaile.net/kejilunwen/huaxuehuagong/3427410.html
最近更新
教材專著