摘要
本发明提供了基于多尺度轻量化网络的半导体检测方法,属于半导体器件检测领域,包括:获取半导体图像,对半导体图像进行预处理;将YOLOv8模型中BackBone网络或Neck网络中的部分C2f模块替换为MSEC模块,用于对输入特征进行多尺度特征提取,将BackBone网络中第5层模块和Neck网络中第16层模块的输出特征、BackBone网络中第7层模块和Neck网络中第19层模块的输出特征、BackBone网络中第10层模块和Neck网络中第22层模块的输出特征分别输入一个DAEM模块进行特征增强,并将每个DAEM模块输出的特征图输入EDSDC检测头,构建YOLOv8n‑MDE模型并训练,得到训练后YOLOv8n‑MDE模型;将预处理后的半导体图像输入训练后YOLOv8n‑MDE模型,得到检测结果;还提供了检测装置;解决YOLOv8算法检测时对复杂背景抑制能力较差的问题。
技术关键词
输出特征
网络
多尺度特征提取
半导体检测装置
通道
局部空间特征
检测头
全局平均池化
图像获取模块
校准
半导体器件
校正
因子
动态
算法
系统为您推荐了相关专利信息
深层煤层气压裂
动态评价方法
评价特征参数
阶段
开发区
无人平台
近场无线通信模块
装备
分体式设计
密码设备
训练神经网络
预测误差
V型转子结构
调用代理模型
径向基函数网络