摘要
本发明公开了一种芯片表面缺陷检测方法及系统,涉及缺陷检测技术领域,该系统通过特征提取模块提取芯片表面的形态学特征集Xi、纹理特征集Wi和边缘特征集Bi,结合CNN深度学习模型,计算出缺陷概率Pdefect。在缺陷评估模块中,根据预设的缺陷阈值F1,对当前芯片表面的缺陷进行初步评估,确定是否存在缺陷。随后,使用支持向量机SVM算法对检测到的缺陷进行详细分类,获取缺陷严重性评分Sdefect,并预设评分区间[Pf1,Pf2]对缺陷的严重性进行等级划分。这种多层次的缺陷评估和分类方法,不仅可以识别缺陷,还可以评估缺陷的严重程度及其对芯片功能的影响,为生产和质量控制提供了全面的参考。
技术关键词
芯片表面缺陷检测
形态学特征
深度学习模型
纹理特征
显微镜设备
特征提取模块
图像采集模块
图像对比度方法
直方图均衡化
图像采集单元
去噪算法
缺陷特征提取
特征提取方式
高分辨率相机
成像技术
系统为您推荐了相关专利信息
病理切片图像
组织结构特征
分析方法
色彩
识别病变
混合深度学习模型
数据异常检测方法
电力系统运行数据
长短期记忆网络
递归神经网络
资质证书
画像
分布式计算框架
增量学习方法
双通道神经网络
电子背散射衍射技术
深度学习模型
划分算法
模具圆角
可视化图表
高需求
队列
缓存管理方法
谱聚类算法
多维特征向量