本发明专利技术涉及芯片缺陷分割技术领域，具体涉及一种基于U‑Net的激光芯片缺陷自动分割方法，包括：S1、采集数据集；S2、数据集预处理；S3、基于U‑Net网络进行采样，形成预测缺陷图；S4、采用Dice_loss作为损失函数计算误差；S5、迭代至训练结束，保存对应的网络模型参数；S6、测试集进行预测，得到芯片缺陷分割结果。本发明专利技术提供的基于U‑Net的激光芯片缺陷自动分割方法，能够辅助甚至代替人工完成激光芯片缺陷的分割，适用于模糊缺陷的芯片分割，同时分割水平稳定，省时省力，能够胜任芯片缺陷图片数量庞大的情况。
【技术实现步骤摘要】
本专利技术涉及芯片缺陷分割，尤其涉及一种基于u-net的激光芯片缺陷自动分割方法。
技术介绍
1、近年来，我国的激光科学技术正处于迅猛发展阶段。激光器事激光科学技术的核心，然后在激光芯片的生产过程中，不可避免的会出现损伤缺陷。
2、现有对于芯片缺陷的分割往往需要人工观看，存在如下技术缺陷：其一，缺陷有时比较模糊，难以准确识别并标定出缺陷区域；其二，人工检查依赖于人员操作经验，并受主观因素影响，分割水平难以保证；其三，人工检查费时费力，难以满足在芯片缺陷图片数量庞大的情况下的工作需求。
技术实现思路
1、为克服现有芯片缺陷人工分割方式存在的模糊缺陷难标定、分割水平难保证、费时费力的技术缺陷，本专利技术提供了一种基于u-net的激光芯片缺陷自动分割方法。
2、本专利技术提供的基于u-net的激光芯片缺陷自动分割方法，依次包括如下步骤：
3、s1、采集原始芯片图像，并配置人工标注缺陷的芯片图像作为真实缺陷图，形成数据集，将数据集分为训练集和测试集；
>4、s2、对数据集本文档来自技高网...
【技术保护点】
1.一种基于U-Net的激光芯片缺陷自动分割方法，其特征在于，依次包括如下步骤：
2.根据权利要求1所述的基于U-Net的激光芯片缺陷自动分割方法，其特征在于，步骤S1中，训练集与测试集的比例为8:2。
3.根据权利要求1所述的基于U-Net的激光芯片缺陷自动分割方法，其特征在于，步骤S2中，所述预处理包括均衡化处理和均一化处理。
4.根据权利要求2所述的基于U-Net的激光芯片缺陷自动分割方法，其特征在于，所述预处理还包括图像增强和数据扩充。
5.根据权利要求3所述的基于U-Net的激光芯片缺陷自动分割方法，其特征在于，采用随机裁剪、尺寸...
【技术特征摘要】
1.一种基于u-net的激光芯片缺陷自动分割方法，其特征在于，依次包括如下步骤：
2.根据权利要求1所述的基于u-net的激光芯片缺陷自动分割方法，其特征在于，步骤s1中，训练集与测试集的比例为8:2。
3.根据权利要求1所述的基于u-net的激光芯片缺陷自动分割方法，其特征在于，步骤s2中，所述预处理包括均衡化处理和均一化处理。
4.根据权利要求2所述的基于u-net的激光芯片缺陷自动分割方法，其特征在于，所述预处理还包括图像增强和数据扩充。
5.根据权利要求3...
【专利技术属性】
技术研发人员：李灯熬，赵菊敏，胡琰晗，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。