基于PCB-DeepLabV3算法对芯片接接头的X射线图像中空缺陷的细分
Defeng Kong1,1, Xinyu Hu2,2, Ziang Gong1,1
1School of Mechanical Engineering, Hubei University of Technology, Wuhan, China.
Scientific reports
|May 24, 2024
概括
这项研究引入了改进的PCB-DeepLabV3算法,用于准确检测芯片接接头的空隙. 这种新方法增强了空隙细分,使智能检查和缺陷检测的准确性更高.
科学领域:
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
- 半导体制造业 半导体制造业
背景情况:
- 芯片接关节缺陷,特别是空隙,由于形状和尺寸不规则,难以检测.
- 传统的视觉检查方法难以达到在X射线图像中检测空隙所需的准确性.
- 自动缺陷检测对于半导体制造中的质量控制至关重要.
研究的目的:
- 开发一个先进的X射线空洞图像细分算法,以改善接关节缺陷检查.
- 为了提高芯片接接头中空隙检测的准确性和效率.
- 实现传统视觉检查方法的智能升级.
主要方法:
- 一个改进的PCB-DeepLabV3算法,使用mobilenetv2作为轻量级的骨干.
- 集成Attentional多尺度双空间金字塔聚合网络 (AMTPNet) 以优化特征边缘.
- 通过图像裁剪和清理技术来增强数据集.
主要成果:
- 提议的改进的PCB-DeepLabV3模型在分割空区域方面表现出优异的性能,与Unet,SegNet,PSPNet和DeeplabV3.3等经典模型相比.
- 该方法有效地解决了细分空洞的挑战,这些空洞具有不规则的形状和失焦的边缘.
- 在接接头空隙检查中实现了更高的准确性.
结论:
- 开发的算法从传统的视觉检查提供了一个智能升级,用于接接头空隙检测.
- 改进的PCB-DeepLabV3模型显著提高了X射线图像中空隙细分的准确性.
- 这种方法有助于在半导体制造中实现更可靠的质量控制.


