改进CNN&FCN的晶圆缺陷分割系统
发布网友
发布时间：2024-09-28 13:55
我来回答
共1个回答
热心网友
时间：2024-09-29 22:08
随着半导体行业的快速发展，半导体晶圆的生产需求与日俱增，然而在生产过程中不可避免地会出现各种缺陷，这直接影响了半导体芯片产品的质量。因此，基于机器视觉的晶圆表面检测方法成为研究热点。本文针对基于机器视觉的晶圆表面缺陷检测算法进行深入研究。
在实验中，我们采用三种方式对样本晶圆进行成像。第一种方式使用工业显微相机，配备白色环光，成像分辨率高达1920×1080，位深度为24，视野约为5.5mm ×3.1mm。第二种方式使用相机 MER-500-14GM，配有蓝色环光和2倍远心镜头，物距410mm，成像分辨率2452×2056，位深度24，视野宽4.4mm，精度为2jum。第三种方式采用相机 Manta G-917B，白色环光LTS-RN12030-W，镜头TY40-110A，物距130mm，成像分辨率3384×2710，位深度8，视野宽3mm，精度1 jum。
传统的基于CNN的分割方法在处理晶圆缺陷时存在存储开销大、效率低下、像素块大小*感受区域等问题。而全卷积网络(FCN)能够从抽象特征中恢复每个像素所属的类别，但在细节提取和空间一致性方面仍有不足。
本文提出改进DUC（dense upsampling convolution）和HDC（hybrid dilated convolution），通过学习一系列上采样滤波器一次性恢复label map的全部分辨率，解决双线性插值丢失信息的问题，实现端到端的分割。
系统整合包括源码、环境部署视频教程、数据集和自定义UI界面等内容。
参考文献包括关于机器视觉缺陷检测的研究综述、产品缺陷检测方法、基于深度学习的产品缺陷检测、基于改进的加权中值滤波与K-means聚类的织物缺陷检测、基于深度学习的子弹缺陷检测方法、机器视觉表面缺陷检测综述、基于图像处理的晶圆表面缺陷检测、非接触超声定位检测研究、基于深度学习的人脸识别方法研究等。
改进CNN&FCN的晶圆缺陷分割系统
传统的基于CNN的分割方法在处理晶圆缺陷时存在存储开销大、效率低下、像素块大小限制感受区域等问题。而全卷积网络(FCN)能够从抽象特征中恢复每个像素所属的类别，但在细节提取和空间一致性方面仍有不足。本文提出改进DUC（dense upsampling convolution）和HDC（hybrid dilated convolution），通过学习一系列上...
DAS分布式振动
DAS分布式振动技术是一种基于光纤传感的先进监测方案。它利用光纤作为传感器，能够实时、连续地监测沿线的各种振动信号。该技术具有高精度、长距离监测、抗干扰能力强等显著优势，特别适用于重要设施如油气管道、铁路轨道等的安全监测。通过DAS分布式振动技术，我们可以及时发现并定位潜在的安全隐患，为设施的安全运行提供有力保障。北京希卓信息技术有限公司是光纤传感测试服务解决方案提供商，拥有光纤光栅解调仪、分布式光纤传感两大核心产品，致力于向客户提供满足其需求的测试解决方案和服务。 希卓拥有专业的技术服务团队，经过多年的努力，希卓信息的业务覆盖了天然气、...
图像语义分割入门+FCN/U-Net网络解析
针对这一问题，Jonathan Long等人提出了Fully Convolutional Networks（FCN）用于图像语义分割。FCN已成为语义分割的基本框架，后续算法都是在这一框架上进行改进的。FCN将CNN中的全连接层替换为卷积层，从而获得2维的feature map，并利用softmax获取每个像素点的分类信息，从而解决了分割问题。U-Net是一种分...
深度学习·CNN模型(1):从FCN到U-Net
FCN是语义分割的开创之作，通过将全连接层替换为卷积层，使得输出像素与输入图像大小相同，实现像素级的精确识别。U-Net则是对FCN的改进，通过U形结构和数据增强策略，提升了模型的性能和对大尺寸图像的处理能力。在方法上，FCN通过转换全连接层、上采样和patchwise训练来优化，而U-Net则引入了重叠无缝平...
图像分割算法总结
由于这类网络都有同一个比较严重的缺陷，这里只举例hed网络。hed是基于FCN和VGG改进，同时引出6个loss进行优化训练，通过多个层输出不同scale的粒度的边缘，然后通过一个训练权重融合各个层的边缘结果。hed网络结构如下：可以得到一个比较完整的梯度图像，可参考github的hed实现。优点：图像的梯度细节和边缘完...
