排序方式: 共有4条查询结果,搜索用时 93 毫秒
1
1.
为了解决半导体制造领域缺陷检测中出现的检测效率低、错误率高、结果不稳定、成像精度低下导致无法精确地检测出
不同种类的缺陷等问题,本文利用定制的 CCD 工业相机搭配高倍率的光学显微镜采集晶圆表面的扫描图像,结合改进的
YOLOv4 算法,实现了基于深度学习的高精度晶圆缺陷检测方法。 实验表明,对于碳化硅晶圆缺陷,提出的方法模型可以识别
各种复杂条件下的不同种类缺陷,具有良好的鲁棒性。 对缺陷的平均识别精度达到 99. 24%,相较于 YOLOv4-Tiny 和原 YOLOv4
分别提升 10. 08%和 1. 92%。 对缺陷的平均每图识别时间达到 0. 028 3 s,相较于基于 Halcon 软件方法和 OpenCV 模板匹配方法
分别提升 93. 42%和 90. 52%,优于其他常规的晶圆缺陷检测方法,已实现在自主设计的验证系统和应用平台上稳定运行。 相似文献
2.
3.
近几年来物联网技术受到了人们的广泛关注,为了更好地在LED照明行业中应用物联网技术,本文就物联网的发展情况、关键技术、在LED照明行业应用物联网技术所具备的有利条件以及可行性等相关问题进行了深入的探讨和研究,并提出了几种室内、户外以及道路LED照明灯具应用物联网技术进行智能控制的可行性方案。物联网技术在LED照明行业中的应用,必将全面推进我国LED照明事业的发展,提升LED照明行业的技术水平和服务水平。 相似文献
4.
1