avatar avatar 我的文献 基于卷积去噪自编码器的芯片表面弱缺陷的检测方法研究 作者 罗月童; 卞景帅; 张蒙; 饶永明; 闫峰 单位 合肥工业大学计算机与信息学院 期刊 计算机科学 时间 关键词 芯片表面缺陷; 缺陷检测; 深度学习; 无监督学习; 卷积去噪自编码器 基金 国家重点研发计划(2017YFB1402200); 安徽省科技强警计划项目(1604d0802009); 浙江大学CAD&CG国家重点实验室开放课题(A1814); 中央高校基本科研业务费专项资金(JZ2017HGBH0915); 安徽省高等学校省级质量工程项目(2017jyxm0045)
摘要
芯片表面缺陷会影响芯片的外观和性能,因此表面缺陷检测是芯片生产过程中的重要环节。缺陷与背景对比度低、缺陷较小等弱缺陷给传统检测方法带来挑战。因为深度学习近年在机器视觉领域展现出强大的能力,所以文中采用基于深度学习的方法研究芯片表面弱缺陷的检测问题。文中将芯片表面缺陷看作噪音,首先应用卷积去噪自编码器(CDAE: Convolutional Denoising Auto-encoders)重构无缺陷图像,然后用重构的无缺陷图像减去输入图像,获得包含缺陷信息的残差图。因为残差图中已经消除了背景的影响,所以最后可以基于残差图较容易地进行缺陷检测。由于基于CDAE进行芯片背景图像重构无缺陷图像时存在随机噪音,导致弱缺陷可能会湮没在重构噪音中,为此文中提出重叠分块策略抑制重构噪音,从而能更好地检测弱缺陷。因为CDAE是无监督学习网络,所以训练时无需进行大量人工数据标注,进一步增强了该方法的可应用性。通过使用论文合作单位提供的真实芯片表面数据进行测试,验证了文中方法在芯片表面检测上的有效性。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭