公开(公告)号：CN116051515A

公开(公告)日：2023-05-02

申请号：CN202310066066.X

申请日：2023-02-06

Applicant: 南京邮电大学

Inventor： 倪康 ,  吴倩倩 ,  邹旻瑞 ,  杨尚东 ,  蒋永新 ,  朱玉萍 ,  刘洪涛

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/52

Abstract: 本发明属于计算机视觉处理和目标检测技术领域，具体地说，是一种大视野半导体芯片外观缺陷检测方法，该方法基于堆叠多尺度组卷积YOLOv5，该方法首先获取大量大视野半导体芯片缺陷图像，对其进行9/16/25等分，以生成多尺度子缺陷图像数据集，接着对该数据集进行缺陷标注和数据集划分，使用堆叠多尺度组卷积YOLOv5算法进行模型训练，利用多线程推理子缺陷图，最后将子缺陷图检测结果映射到大视野半导体芯片图像上，完成对大视野半导体芯片外观的缺陷检测。本发明利用SMGC‑YOLOv5算法，使用多尺度轻量型卷积进行特征提取，大大缩短和提高模型的训练时间和性能，有效提升缺陷特征表述的可辨别性和大视野半导体芯片外观缺陷检测的准确性。

公开(公告)号：CN116542922A

公开(公告)日：2023-08-04

申请号：CN202310484015.9

申请日：2023-04-28

Applicant: 南京邮电大学

Inventor： 倪康 ,  邵思林 ,  戴一冕 ,  袁春阳 ,  杨尚东 ,  蒋永新 ,  朱玉萍 ,  刘洪涛

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/90 ,  G06T5/50 ,  G06N3/0464

Abstract: 本发明提供一种基于多层空洞卷积网络的半导体芯片焊点区域提取方法，通过将原始半导体芯片焊点图像数据集随机均分为N个批次；标注第一批次的半导体芯片焊点图像数据集；利用所标注的第一批次的半导体芯片焊点图像数据集对构建的多层空洞卷积网络模型进行模型训练，并生成当前阶段的最优模型；推理下一批次未标注的半导体芯片焊点图像数据集；直到处理过第N批次的半导体芯片焊点图像数据集，利用所有标注好的半导体焊点图像数据集进行最终的模型训练，得到最优提取模型，进行半导体芯片焊点区域提取；该方法能够在显著提升网络性能的同时减少模型参数量，能够保证数据集标注的高质量，能够有效提升半导体芯片焊点区域提取的效率和准确性。