基于深度学习的芯片外观缺陷检测模型研究.pdf
文本预览下载声明
摘要
在芯片的封装与运输过程中,芯片的封装表面容易产生缺陷。芯片检测是提
高芯片成品率的重要环节,可以极大地提高芯片的出厂质量,降低经济损失。人
工检测的方法误检率高,主观性强;传统的机器视觉检测方法需要手动提取特征,
步骤繁琐,容易受光照等条件影响。为了更加准确的判别芯片好坏,本文提出了
基于GA-SqueezeNet的芯片分类网络及基于RT-YOLO-V5的芯片外观缺陷检测
网络。
本文首先通过对光源类型、照明方式等进行选择,搭建了一套芯片图像采集
系统,并通过多角度旋转
显示全部