摘要
本发明提供了一种基于特征传播半监督网络的缺陷检测方法,包括:S1、获取样本图像,构建语义分割标签数据集和无标签数据集;S2、构建DualSFDNet模型;S3、基于半监督学习优化策略,利用语义分割标签数据集和无标签数据集对DualSFDNet模型进行优化训练;S4、实时采集待检测芯片的高清表面图像,获取待检测芯片主体区域的三张随机裁剪图像,并输入训练好的DualSFDNet模型中,获得三张缺陷语义分割掩码;S5、根据所述三张缺陷语义分割掩码,将待检测芯片的缺陷信息量化并可视化,得到缺陷检测结果。本发明有效解决了不显著缺陷难以检测、人工标注效率低以及模块化训练易引入噪音等问题。
技术关键词
语义分割信息
检测芯片
代表
半监督学习优化
图像
解码器
编码器
缺陷检测方法
无标签数据
样本
高清
频段
内部网络结构
像素
注意力
面积计算公式
通道
系统为您推荐了相关专利信息
感知量化方法
节点特征
街景
Sigmoid函数
实体
智能无人机
路径优化方法
火灾预警系统
混合建模方法
图像识别单元
非结构化文本
信息解析方法
自然语言模型
数据
关键字
局部更新方法
高分遥感影像
语义
农业
多任务学习模型