DAS-YOLOv13:用于晶圆表面缺陷检测的双轴注意力和特征融合模型
Jingzhe Zhang1, Rui Sun1, Bo Li1
1College of Engineering, Yanbian University, Yanji 133002, China.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
半导体晶圆缺陷使用新的双轴增强注意力的多尺度融合You Only Look Once版本13 (DAS-YOLOv13) 模型进行检测. 这种先进的方法显著提高了在晶圆表面识别微小,多尺度缺陷的准确性.
科学领域:
- 半导体制造业 半导体制造业
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 半导体制造中的晶圆缺陷可能会损害芯片的功能和完整性.
- 精确检测微小的,多层次的缺陷对于质量控制至关重要.
研究的目的:
- 提出一个先进的深度学习模型,以快速准确地检测晶圆表面缺陷.
- 增强现有的半导体检测对象检测模型的能力.
主要方法:
- 开发了双轴增强注意力的多尺度融合模型"你只看一次"版本13 (DAS-YOLOv13).
- 整合了双轴注意模块,自适应动态多尺度表示和自我调节功能聚合.
- 使用晶片缺陷数据集用于模型培训和评估.
主要成果:
- DAS-YOLOv13模型的平均平均精度 (mAP) 为74.2%,比YOLOv13n.提高了4.3%.
- 该模型在超过欧盟50% (mAP50) 的交叉点上达到92.9%的平均平均精度.
- 在通过结构优化检测微小的,多层次的缺陷方面取得了显著的改进.
结论:
- DAS-YOLOv13模型为半导体制造中高精度晶圆缺陷检测提供了可靠的解决方案.
- 拟议的模型可以集成到自动化检查系统中,以加强质量控制.
- 在DAS-YOLOv13中的结构优化有效地提高了复杂晶圆缺陷的检测准确度.


