在X射线图像中检测IC电线结合缺陷的轻量级方法
Daohua Zhan1,2, Jian Lin1,2, Xiuding Yang1,2
1State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangzhou 510006, China.
Micromachines
|June 28, 2023
概括
一个新的卷积神经网络 (CNN) 框架与空间卷积注意力 (SCA) 模块改善了集成电路 (IC) 电线粘合缺陷的检测. 轻量级的轻量级移动网络 (LMNet) 提供高精度的高效性能.
科学领域:
- 电气工程 电气工程
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 集成电路 (IC) 电线粘合检查对于产品质量至关重要.
- 目前的缺陷检测方法受到缓慢的速度和高能耗的影响.
研究的目的:
- 开发一种高效准确的基于CNN的框架来检测IC电线粘合缺陷.
- 为实际的工业应用引入轻量级网络 (LMNet).
主要方法:
- 提出了一个CNN框架,包括一个空间卷积注意力 (SCA) 模块.
- 开发了一个轻量级网络LMNet,集成SCA模块用于多尺度特征分析和自适应加权.
- 通过使用平均平均精度 (mAP50),GFLOPs和FPS等指标评估网络的性能.
主要成果:
- 该LMNet实现了99.2%的平均平均精度 (mAP50).
- 该网络以1.5GFLOPs和108.7FPS的高效表现.
- 拟议的框架平衡了高性能与低能耗.
结论:
- LMNet框架有效地检测了IC芯片中的电线粘合缺陷.
- 该SCA模块增强了功能集成和自适应加权,以提高准确性.
- LMNet为工业IC检查提供了一个实用的解决方案,提供了有利的性能-消耗权衡.


