10.3969/j.issn.1004-4507.2019.01.010
基于人工智能的芯片表面缺陷检测研究
为了准确地检测芯片的表面缺陷, 提出了一种基于反向传播神经网络 (BPNN) 的检测算法.首先, 中值滤波方法被用于滤除芯片表面图像的噪声;然后, 提取芯片表面缺陷的Hu不变矩特征和局部二值模式 (LBP) 特征, 并采用核主成分分析 (KPCA) 算法降维级联后的特征;最后, 离线学习芯片表面正常模式和各种缺陷模式的BPNN模型.在线检测时使用BPNN判断芯片是否存在表面缺陷, 使用最近邻 (Nearest Neighbor, NN) 算法具体分类缺陷的模式.提出算法在芯片表面图像数据库中的检测准确率为88.41％, 可以应用于芯片生产线中的表面缺陷检测.
芯片表面缺陷检测、Hu不变矩、局部二值模式、核主成分分析、反向传播神经网络
48
TP407
2019-05-31（万方平台首次上网日期，不代表论文的发表时间）
共4页
45-48
