基于人工智能的芯片表面缺陷检测研究 |
| |
引用本文: | 付纯鹤,高荣荣,王军帅,于晓华.基于人工智能的芯片表面缺陷检测研究[J].电子工业专用设备,2019,48(1):45-48. |
| |
作者姓名: | 付纯鹤 高荣荣 王军帅 于晓华 |
| |
作者单位: | 中国电子科技集团公司第四十五研究所,北京,100176;中国电子科技集团公司第四十五研究所,北京,100176;中国电子科技集团公司第四十五研究所,北京,100176;中国电子科技集团公司第四十五研究所,北京,100176 |
| |
摘 要: | 为了准确地检测芯片的表面缺陷,提出了一种基于反向传播神经网络(BPNN)的检测算法。首先,中值滤波方法被用于滤除芯片表面图像的噪声;然后,提取芯片表面缺陷的Hu不变矩特征和局部二值模式(LBP)特征,并采用核主成分分析(KPCA)算法降维级联后的特征;最后,离线学习芯片表面正常模式和各种缺陷模式的BPNN模型。在线检测时使用BPNN判断芯片是否存在表面缺陷,使用最近邻(Nearest Neighbor, NN)算法具体分类缺陷的模式。提出算法在芯片表面图像数据库中的检测准确率为88.41%,可以应用于芯片生产线中的表面缺陷检测。
|
关 键 词: | 芯片表面缺陷检测 Hu不变矩 局部二值模式 核主成分分析 反向传播神经网络 |
Research on Inspection of Die Surface Defects Based on Artificial Intelligence |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|