摘要
本发明涉及一种应用于储存类芯片缺陷检测的方法,用来提高对储存类芯片表面缺陷检测速度和精度。本发明采用Faster‑RCNN网络作为检测网络,将主干网络替换为轻量化网络MobileNetV3,极大地减少了计算量和参数量。此外,在此基础上连接一个BiFPN网络,该网络通过跨尺度连接和加权特征融合来平衡不同尺度特征之间的信息。由于芯片尺寸存在差异,BiFPN网络在处理不同尺寸的芯片方面性能良好,从而在保证计算效率的同时提高特征表示的质量。通过平衡不同尺度特征之间的信息,提高了模型的鲁棒性和检测精度。通过以上改进后的网络模型在检测芯片表面缺陷方面具备优越性,适用于多种场景下的芯片表面检测。
技术关键词
芯片缺陷检测
特征提取网络
区域建议网络
芯片表面缺陷检测
检测芯片表面
双向特征金字塔
加权特征
分类网络
区域候选网络
特征金字塔网络
网络模块
缺陷检测方法
图像采集设备
抽取特征
深度学习模型
检测缺陷
残差网络
系统为您推荐了相关专利信息
特征点集合
视觉闭环检测方法
描述符
特征匹配网络
移动式机器人
输电线路绝缘子
故障检测方法
故障诊断模型
区域生成网络
故障诊断方法
识别方法
特征金字塔网络
优化网络架构
神经网络框架
区域建议网络
稀疏特征
特征融合网络
注意力机制
空间金字塔
特征提取网络