一种基于Unet语义分割网络的智能化检测方法技术

本发明专利技术公开了一种基于Unet语义分割网络的智能化检测方法，属于智能化无损探测技术领域。本发明专利技术所述方法利用钙钛矿材料和高分子聚合物通过混合后制备得到钙钛矿薄膜作为X射线响应材料，然后通过X射线钙钛矿薄膜成像方法得到高分辨率微电子器件内部结构成像图，然后使用Unet语义分割网络对成像图进行自动化损坏判别，实现高精度、快响应的智能化无损检测。快响应的智能化无损检测。快响应的智能化无损检测。

【技术实现步骤摘要】
一种基于Unet语义分割网络的智能化检测方法


[0001]本专利技术属于智能化无损探测
，具体涉及一种基于Unet语义分割网络的智能化检测方法。

技术介绍

[0002]在电子信息迅速发展的时代，微电子技术被广泛应用于生活应用、工业制造以及军事工业制造等方面。微电子技术可将某个子系统或电子功能部件集成于芯片当中，具有较高的集成性，也具有较为全面的功能性。一个超大规模的集成电路元器件数高达百万甚至千万个，利用微电子工艺技术实现的微型化电子系统芯片和器件，使电路和器件的性能、可靠性大幅度提高，体积和成本大幅度降低。在工艺尺寸缩小的同时，集成化程度得到提高，集成规模不断扩大，电子器件的结构比较复杂，器件质量检测的问题也将随之而来。为保障相关器件的正常使用，大规模快速检测集成电路板优良性能的重要性也得以体现。
[0003]电子设备中存在着大量不同类型的电子元器件，电器设备的故障大多是由元器件损坏造成的，所以对于元器件的检测是一项必不可少的基础性工作。但是如何高效准确地检测元器件的相关参数来判断元器件的正常与否，对于现在的检测技术来说仍然是一个很大的难题。传统的检测方法有信号注入法、参数测试法、在线测量、代换法、观察法等，这些方法存在检查过程繁琐，测试精准度较低。集成电路板上元器件的测试是一个相当复杂的系统工程，就传统的检测方法而言，需要依据设计要求进行相关的测试，具体在某些工序测试的参数是有很多种变化的，无法简单地判定是否合格。此外，传统的检测方法不能实现对所有检测项同时快速进行；当集成电路板的数量，大小，尺寸规格不一样的时候，无法利用同样的工序测试方法进行探测；检测准确率不足，很难精确到具体的缺陷位置。
[0004]无损探测通常被用于工业领域，检测某些工业器件的表面缺陷。常用的无损探测的方式有超声检测、红外检测、目视探测等方式，但是对于集成电路的精细探测和智能化识别仍不能实现。

技术实现思路

[0005]针对上述现有技术的缺点，本专利技术提供一种基于Unet语义分割网络的智能化检测方法。利用高能射线钙钛矿成像的高效、高分辨、高稳定、低成本的特征，然后基于Unet语义分割网络的快速识别、高精度、高响应的特性，能够精准识别出电子结构，完成高集成电子器件结构的合格性智能分析。
[0006]为实现上述目的，本专利技术采取的技术方案为：一种基于Unet语义分割网络的智能化检测方法，包括如下步骤：
[0007](1)将带有不同缺陷的微电子器件内部的集成电路板经过X射线钙钛矿薄膜成像方法得到数据集，然后经过掩膜标注得到对应的标签；
[0008](2)将数据集中的样本预处理降低钙钛矿材料自带的光造成的随机噪声，将预处理后的数据集随机分为训练集和测试集；
[0009](3)设置损失函数、优化器和超参数，构建并训练Unet语义分割网络：首先指定超参数，然后将训练集的样本作为输入，采用Xavier初始化方法，使用标签张量和网络输出张量按照损失函数计算训练误差，再根据训练误差使用优化器进行模型参数更新，保存在训练集中表现最优的模型参数作为Unet语义分割网络的先验知识用于后续测试；
[0010](4)使用步骤(3)得到的最优Unet语义分割网络模型参数进行集成电路板的检测。
[0011]本专利技术采用掩膜标注技术将缺陷区域从图像分割出来得到仅包含缺陷区域和完好区域的二值化图像标签。
[0012]所述模型参数在整个训练过程更新。
[0013]作为本专利技术的优选实施方式，所述X射线钙钛矿薄膜成像方法，包括如下步骤：将待成像物品放置在X射线源和钙钛矿薄膜之间，开启X射线源使X射线辐照在待成像物品上，穿过待成像物品达到钙钛矿薄膜后，激发钙钛矿薄膜产生不同的可见光，然后使用CCD相机接收成像图案。
[0014]作为本专利技术的优选实施方式，所述钙钛矿薄膜为钙钛矿材料和高分子聚合物通过物理混合后旋涂制备得到。
[0015]作为本专利技术的优选实施方式，所述钙钛矿材料和高分子聚合物的质量比为5：1
‑
2。
[0016]作为本专利技术的优选实施方式，所述高分子聚合物为聚二甲基硅氧烷、聚甲基丙烯酸甲酯、聚苯乙烯、聚丙烯腈、环氧树脂、苯乙烯和丙烯酸脂的共聚物、聚碳酸脂、聚乙烯醇、聚偏二氟乙烯中的至少一种。
[0017]所述钙钛矿材料指一类陶瓷氧化物，分子通式为A
a
B
b
X
c
，其中A为半径较大的稀土或碱土金属元素，如Ca、Sr、Ba；B为半径较小的过渡金属元素，如Ti、Mn、Fe、Co等，由于其价态的多变性使其通常成为决定钙钛矿结构类型材料很多性质的主要组成部分；X位为O或卤素，如I、Cl；其中a、b、c为1以上的整数。常见钙钛矿如LaMnO3、BiFeO3、CsPbI3等。
[0018]作为本专利技术的优选实施方式，所述钙钛矿材料为锆基钙钛矿、铜基钙钛矿、银基钙钛矿中的至少一种，所述锆基钙钛矿的分子式为Cs2ZrX6，铜基钙钛矿的分子式为Cs3Cu2X5，银基钙钛矿的分子式为Cs2AgX3，其中X＝Cl、Br、I。
[0019]作为本专利技术的优选实施方式，所述钙钛矿材料为Cs2ZrCl6或Cs3Cu2I5。
[0020]所述钙钛矿薄膜具有尺寸可调性，可以根据待成像物品的规格调节X射线成像系统的辐照范围，通过步进式成像的技术实现对不同尺寸、不同大小电路板的探测，其尺寸范围的长度为1～20cm，宽度为1～20cm，厚度为0.01～2mm。
[0021]作为本专利技术的优选实施方式，所述损失函数为Dice_Loss和交叉熵损失函数。
[0022]作为本专利技术的优选实施方式，所述优化器为Adam优化器。
[0023]作为本专利技术的优选实施方式，所述超参数包括数据增强、批量大小、学习率、训练次数、权重衰减和动量betas初值。
[0024]更优选的，所述数据增强采用随机裁剪与旋转，所述批量大小为64，所述指定学习率为1e
‑
3，所述训练次数为200，所述权重衰减为1e
‑
9，所述动量betas初值采用默认值：0.9,0.999。
[0025]作为本专利技术的优选实施方式，所述步骤(2)中，预处理为灰度化处理，灰度化公式为gray＝(0.1140.5870.299)(B G R)
T
；
[0026]gray：表示像素点的灰度值，B表示像素点的蓝色通道值，G表示像素点的绿色通道
值，R表示像素点的红色通道值，(0.1140.5870.299)表示每个通道的权重，通过调整这些权重可以得到不同的灰度转换效果。
[0027]该公式用1
×
3的向量乘对应像素的RGB向量。
[0028]作为本专利技术的优选实施方式，所述步骤(4)的具体步骤包括：将步骤(3)得到的最优模型参数导入Unet语义分割网络中，将集成电路板经X射线钙钛矿薄膜成像方法得到的成像图片进行灰度化处理后输送入Unet语义分割网络后输出预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Unet语义分割网络的智能化检测方法，其特征在于，包括如下步骤：(1)将带有不同缺陷的微电子器件内部的集成电路板经过X射线钙钛矿薄膜成像方法得到数据集，然后经过掩膜标注得到对应的标签；(2)将数据集中的样本预处理降低钙钛矿材料自带的光造成的随机噪声，将预处理后的数据集随机分为训练集和测试集；(3)设置损失函数、优化器和超参数，构建并训练Unet语义分割网络：首先指定超参数，然后将训练集的样本作为输入，采用Xavier初始化方法，使用标签张量和网络输出张量按照损失函数计算训练误差，再根据训练误差使用优化器进行模型参数更新，保存在训练集中表现最优的模型参数作为Unet语义分割网络的先验知识用于后续测试；(4)使用步骤(3)得到的最优Unet语义分割网络模型参数进行集成电路板的检测。2.如权利要求1所述基于Unet语义分割网络的智能化检测方法，其特征在于，所述X射线钙钛矿薄膜成像方法，包括如下步骤：将待测集成电路板放置在X射线源和钙钛矿薄膜之间，开启X射线源使X射线辐照在待测集成电路板上，穿过待测集成电路板达到钙钛矿薄膜后，激发钙钛矿薄膜产生不同的可见光，然后使用CCD相机接收成像图案。3.如权利要求2所述基于Unet语义分割网络的智能化检测方法，其特征在于，所述钙钛矿薄膜为钙钛矿材料和高分子聚合物通过混合后制备得到。4.如权利要求3所述基于Unet语义分割网络的智能化检测方法，其特征在于，所述钙钛矿材料为锆基钙钛矿、铜基钙钛矿、银基钙钛矿中的至少一种，所述锆基钙钛矿的分子式为Cs2ZrX6，铜基钙钛矿的分子式为Cs3Cu2X5，银基钙钛矿的分子式为Cs2AgX3，其中X＝Cl、Br或I。5.如权利要求3所述...

【专利技术属性】
技术研发人员：余雪，卜卫芳，吴昊阳，王婷，岳杨，王清远，
申请(专利权)人：成都大学，
类型：发明
国别省市：