为解决芯片表面缺陷检测的困难，提出新的神经网络模型SE-CPN，引入注意力机制模块，采用自底向上路径聚合的方式检测不同尺度的特征。为便于SE-CPN模型在边缘设备上部署，采用Ghost模块，保证相似的识别性能同时大幅度降低计算量，使存储占用空间降低到16.3 MB。通过各项数据增强手段，在小样本基础上建立了缺陷芯片数据集，训练并评价模型。实验表明，在此数据集上文中模型平均准确率达到98.2%。
科研之友
微信
新浪微博
Facebook
分享链接
