相关实验视频
Updated: Jun 3, 2025
10:25
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
8.5K
一个轻量级的多尺度融合网络用于IGBT超声波断层扫描图像分割
Meng Song1, Zhaoba Wang2,3, Youxing Chen1,4
1School of Information and Communication Engineering, North University of China, Taiyuan, 030051, China.
Scientific reports
|January 6, 2025
概括
这项研究引入了一个新的轻量级网络,LMFNet,用于分析绝缘门双极晶体管 (IGBT) 的超声波图像. LMFNet提高了细分精度和处理效率,克服了功率半导体分析中的噪声和扭曲挑战.
科学领域:
- 电力电子 电力电子 电力电子
- 非破坏性测试是指非破坏性测试.
- 图像分析 图像分析
背景情况:
- 绝缘门双极晶体管 (IGBT) 是关键功率半导体设备,其内部结构完整性决定了性能和可靠性.
- 对IGBT超声波断层图像的语义细分是具有挑战性的,原因是高密度的噪音和目标扭曲引起的视觉扭曲.
研究的目的:
- 开发一种强大而高效的方法,用于IGBT超声波断层图像的语义细分.
- 解决现有方法在处理这些特定图像中的噪声和扭曲方面的局限性.
主要方法:
- 使用扫描声学显微镜 (SAM) 构建一个专门的IGBT超声波断层扫描 (IUT) 数据集.
- 一个轻量级的多尺度融合网络 (LMFNet) 的提案,采用U形编码器-解码器架构和倒置的剩余块.
- 引入上下文特征融合 (CFF) 和多尺度感知聚合 (MPA) 模块,以增强功能集成.
主要成果:
- 与现有方法相比,LMFNet在IUT数据集上实现了更高的细分精度.
- 拟议的网络在模型轻量化性能方面取得了显著的改善.
- 实验验证证了LMFNet在处理噪声和扭曲方面的有效性.
结论:
- LMFNet提供了一个有效的解决方案,用于IGBT超声波断层图像的准确和高效的语义细分.
- 开发的数据集和网络架构有助于推进功率半导体非破坏性测试和分析.
- 由于LMFNet的轻量级设计,可以在工业检查场景中实现实际实施.
