公开(公告)号：CN117274775A

公开(公告)日：2023-12-22

申请号：CN202311221688.1

申请日：2023-09-20

Applicant: 哈尔滨理工大学

Inventor： 吴海滨 ,  周彪 ,  王爱丽

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06T7/00

Abstract: 本发明公开一种基于改进YOLOv3模型的芯片缺陷检测方法属于图像检测领域。本发明解决了在复杂情况下，芯片缺陷检测精度低的问题。首先，获取不同的芯片缺陷的图像，构建数据集，并划分训练集和测试集；其次，改进EMO(Efficient Model，高效模型)模块，将模型内部的SE(Squeeze and Excitation，压缩和激励)注意力更新为CA(CoordinateAttention，坐标注意力)；然后，使用改进的EMO更换原YOLOv3的Darknet‑53主干网络；接着，采用SIoU(Smoothed Intersection over Union，平滑交并比)损失函数作为原YOLOv3网络模型中的损失函数，使用改进后的YOLOv3模型对数据集进行训练得到芯片缺陷检测模型；最后，利用训练好的模型进行检测。该模型能够增强网络学习特征的表达能力，提高模型的准确度和实时性，还能够在复杂情况下实现对芯片缺陷的精确检测。