基于深度学习的氮化镓射频器件缺陷检测方法及系统

本发明提供基于深度学习的氮化镓射频器件缺陷检测方法及系统，涉及氮化镓器件技术领域，包括生成并预处理多光谱图像数据集；执行通道和空间双维度注意力计算并结合可变形卷积和残差连接进行特征优化；构建多尺度特征金字塔并基于特征相似度构建多层级分类树进行细粒度缺陷分类；利用深度神经网络模型评估缺陷对器件性能的影响程度。本发明能够准确识别氮化镓射频器件的缺陷位置和类型，并对缺陷的性能影响进行定量评估，提高了检测精度和效率。