一种基于协同注意力的芯片管壳缺陷检测方法技术

本发明专利技术公开了一种基于协同注意力的芯片管壳缺陷检测方法，涉及基于深度学习的单图像缺陷检测技术领域。本发明专利技术其芯片管壳缺陷检测方法包括制作并处理图像样本数据集；构建协同注意力神经网络；利用所述图像样本数据集训练并调试所述协同注意力的神经网络；获取待检测的芯片管壳图像，利用训练调试好的所述神经网络对所述待检测的芯片管壳图像进行测试，得到预测分割图和预测缺陷的种类。本发明专利技术能够对芯片管壳缺陷进行更加准确的分割，有效的提高检测结果的准确性。

【技术实现步骤摘要】

本专利技术涉及基于深度学习的单图像缺陷检测，具体为一种基于协同注意力的芯片管壳缺陷检测方法。

技术介绍

1、随着科技的迅猛发展，芯片制造行业如火如荼，同时，芯片管壳缺陷使用人工识别的方法会消耗大量时间；随着深度学习神经网络的兴盛，可以设计一种算法，来自动检测芯片管壳缺陷，通过这种神经网络算法可以帮助相关人员进行管壳缺陷地快速检测，极大地提高检验效率。

2、目前已有的管壳缺陷图像检测主要有两种，方法1：利用vgg等神经网络在网络后端利用线性回归判断出整张图片是否属于缺陷图像等，方法2：利用神经网络回归mask图的方法；以上基于深度学习的管壳缺陷检测方法中，方法1均存在有一定的局限性，不能画出管壳缺陷在图片中的分布，于是我们利用方法2的架构并进行了网络设计的改进，来得到更好的效果，因此，提供了一种基于协同注意力的芯片管壳缺陷检测方法。

技术实现思路

1、本专利技术的目的在于提供一种基于协同注意力的芯片管壳缺陷检测方法，以解决上述
技术介绍
中提出的问题。

2、为实现上述目的，本专利技术提供如下本文档来自技高网...

【技术保护点】

1.一种基于协同注意力的芯片管壳缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述制作并处理图像样本数据集，包括：

3.根据权利要求1所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述构建协同注意力神经网络，包括：

4.根据权利要求3所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述协同注意模块的数量为三个，三个所述协同注意力模块分别为：第一协同注意力模块、第二协同注意力模块和第三协同注意力模块；

5.根据权利要求4所述的基于协同注意力的芯片管壳缺陷检测方法，...

【技术特征摘要】

1.一种基于协同注意力的芯片管壳缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述制作并处理图像样本数据集，包括：

3.根据权利要求1所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述构建协同注意力神经网络，包括：

4.根据权利要求3所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述协同注意模块的数量为三个，三个所述协同注意力模块分别为：第一协同注意力模块、第二协同注意力模块和第三协同注意力模块；

5.根据权利要求4所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，

6.根据权利要求5所述的基于协同注意力的芯片管壳缺陷检测方法，其特征在于，所述第一卷积块包括卷积...

【专利技术属性】
技术研发人员：祝鲁宁，王卫军，王兆广，何春来，
申请(专利权)人：上海微电机研究所中国电子科技集团公司第二十一研究所，
类型：发明
国别省市：