一种基于图像融合算法的VCSEL质量筛选方法技术

本发明专利技术涉及一种基于改进的RFN‑Nest图像融合算法，并将该算法运用在VCSEL的EL缺陷图像增强中，并最终应用于VCSEL的缺陷检测领域。该方法基于RFN‑Nest模型提出了Grad Cross‑Nest融合网络；所述Grad Cross‑Nest融合网络包括编码器、融合网络以及解码器。该方法根据VCSEL缺陷发展机理，创造性的将图像融合算法引入VCSEL的质量筛选方案当中。该算法摆脱了传统的手动设计融合策略的依赖，能够自适应的学习输入图像的特征信息，实现了端到端的融合过程。与传统的筛选手段相比，该方法不仅成本低，而且具有更高的效率，能够促进VCSEL制造与缺陷成因分析的研究。

【技术实现步骤摘要】

本专利技术涉及一种基于改进的rfn-nest图像融合算法，并将该算法运用在vcsel的el缺陷图像增强中。该方法可用于vcsel质量的筛选流程。

技术介绍

1、垂直腔表面发射激光器（vcsel）器件在数据通信中已经变得相当流行，并且在光成像、检测、消费电子、机器人以及无人驾驶等领域中越来越受欢迎。当与边缘发射激光器（dfb）相比时，vcsel有更长的寿命、较低的制造成本以及更好的光束轮廓。为了提高其可靠性，不同失效机制的研究是必不可少的。

2、vcsel的复杂的制作工艺会导致其产生不同种类的缺陷。据安捷伦公司团队研究表明，这些缺陷包括外延缺陷，划痕，表面污染，静电放电和电过应力。针对这些缺陷，诸多技术被应用于vcsel的质量筛选流程。目前针对vcsel缺陷检测的主流手段包括反向i-v测试、电致发光成像技术（el）、聚焦离子束/透射电子显微镜 (fib/tem)、热感应电压变化（tiva）、扫描电子显微镜（sem）。tiva不能定位到缺陷源头，而且还需要将vcsel背面抛光，属于有损检测技术；fib/tem、sem虽然精度高，成像深度深，但这也是本文档来自技高网...

【技术保护点】

1.一种基于图像融合算法的VCSEL质量筛选方法，该方法基于RFN-Nest模型提出了Grad Cross-Nest融合网络；其特征在于：所述Grad Cross-Nest融合网络包括编码器、融合网络以及解码器；

2.如权利要求1所述的一种基于图像融合算法的VCSEL质量筛选方法，其特征在于，所述Grad Cross-Nest融合网络在搭建完成后，需要对网络进行训练，训练过程采用分辨率大小为256×256的VCSEL可见光与红外光图片数据集作为训练集，该网络利用Pytorch1.8实现，使用an Intel CPU (i9-10900X) and an NVIDIA GPU ...

【技术特征摘要】

1.一种基于图像融合算法的vcsel质量筛选方法，该方法基于rfn-nest模型提出了grad cross-nest融合网络；其特征在于：所述grad cross-nest融合网络包括编码器、融合网络以及解码器；

2.如权利要求1所述的一种基于图像融合算法的vcsel质量筛选方法，其特征在于，所述grad cross-nest融合网络在搭建完成后，需要对网络进行训练，训练过程采用分辨率大小为256×256的vcsel可见光与红外光图片数据集作为训练集，该网络利用pytorch1.8实现，使用an intel cpu (i9-10900x) and an nvidia gpu (rtx 3090)的pc来训练融合模型；adam优化器用来最小化训练损失。

3.如权利要求2所述的一种基于图像融合算法的vcsel质量筛选方法，其特征在于，训练周期和一次训练所取的样本数均设置为4，学习率恒定，设置为1e-4。

4.如权利要求3所述的一种基于图像融合算法的vcsel质量筛选方法，其特征在于，制作了10100对分辨率大小...

【专利技术属性】
技术研发人员：赵菊敏，李灯熬，张敏夫，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：