基于卷积神经网络的微型芯片外观缺陷检测方法

本发明涉及一种基于卷积神经网络的微型芯片外观缺陷检测方法，包括获取高分辨率显微图像并进行自适应亮度均衡处理。采用分层标注策略对预处理图像中的缺陷特征进行标注，粗粒度分类标注将缺陷划分为表面形变类和材质异常类。基于标注数据构建双分支轻量化卷积神经网络模型，第一分支提取全局语义特征，第二分支提取局部细节特征。模型训练中采用缺陷敏感性损失函数进行优化，包括缺陷区域注意力、边缘保持及类别平衡损失项，以提升小尺寸缺陷检测能力、边界定位精度及应对样本不平衡问题。最终，通过输入待检测的预处理显微图像，生成包括缺陷类型、位置坐标及置信度得分的检测结果，具有高精度、针对性强的缺陷检测性能。