摘要
本发明公开了一种面向HDI印制线路板制造的工艺参数自适应优化方法。涉及印制电路板制造领域。本方法包括,获取历史微盲孔的形态和孔壁状态特征图像数据及对应的历史微盲孔电镀参数和质量数据;使用卷积神经网络提取微盲孔的形态和孔壁状态特征向量;基于特征向量和历史数据训练出回归模型,输出电镀厚度和填孔率;以电镀质量为目标,应用遗传算法优化工艺参数。本发明引入注意力机制和加权交叉熵损失函数,提高了特征表达的准确性和判别性,解决了样本不均衡问题,并通过遗传算法实现多目标权衡优化,提高了工艺参数优化的适应性、鲁棒性和效率。
技术关键词
HDI印制线路板
卷积神经网络模型
形态
数值
卷积神经网络提取
引入注意力机制
图像
遗传算法优化
数据
更新模型参数
特征提取模型
样本
电镀液
模型训练模块
可读存储介质
系统为您推荐了相关专利信息
扩散加权成像
纹理模型
神经系统
融合特征
图像纹理特征提取
信号频域特征
自动检测系统
特征强化融合
钕铁硼材料
时域特征提取
数值计算方法
离散元法
介质
流体动力学技术
仿真模型
评价系统
深度学习算法
缺陷轮廓
图像采集单元
轮廓提取
隐私保护方法
决策树模型
结点
样本
并行处理技术