基于YOLOv3的芯片缺陷检测模型设计与优化

作     者：林文迪 周睿阳 邸志雄 Lin Wendi;Zhou Ruiyang;Di Zhixiong

作者机构：西南交通大学信息科学与技术学院成都3611756 

出 版 物：《半导体技术》 (Semiconductor Technology)

年 卷 期：2024年第49卷第7期

页      面：660-665页

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

主　　题：深度学习 YOLOv3 芯片缺陷检测 完全交并比(CIoU) 空间金字塔池化(SPP) 

摘      要：传统的芯片缺陷检测效率低,鉴于深度学习在机器视觉领域应用广泛且效果显著,基于YOLOv3神经网络模型设计了微波芯片缺陷检测模型并加以优化。将原来的损失函数改为完全交并比(CIoU)损失函数,以优化真实框与预测框之间重合度的计算方法;增加了空间金字塔池化(SPP)结构,以实现不同尺寸特征融合;用高效的k-means++聚类算法计算出更加适用于微波芯片缺陷数据集的初始锚框;采用空间注意力机制(SAM)提高模型对芯片缺陷图像的关注能力。实验结果表明,与YOLOv3模型相比,优化后的模型在芯片缺陷检测方面效果更佳,mAP@0.5提高了2.06%,mAP@[0.5∶0.95]提高了17.52%。