基于深度学习优化SSD算法的硅片隐裂检测识别

• 作者: 常国立 田晓杰 程耀瑜
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 隐裂检测 SSD 纹理滤波 状态向量机 密集连接卷积网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 试验与研究
• 页码范围: 36-40,60
• 页数: 6页
• 分类号: TP24
• 字数: 3613字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2019.01.009

摘要

针对传统的通过机器视觉和机器学习算法检测识别硅片隐裂所存在的精度低、 识别率差、 检测耗时长的问题,提出一种新的检测方法,即采用优化的单个深度神经网络来检测图像中的目标的方法(Single Shot MultiBox Detector,SSD),对SSD的特征提取网络融合了密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet),解决了原网络对低于0.1 mm的裂痕提取困难的缺点.通过实验,优化后的SSD检测算法对低于0.01 mm裂纹检测精度比传统的通过纹理滤波和SVM分类检测算法提高了22％,比没有优化的SSD算法检测准确率提高了6％.证明了本文作者所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程耀瑜	中北大学信息与通信工程学院	59	352	9.0	16.0
2	田晓杰	中北大学信息与通信工程学院	2	5	1.0	2.0
3	常国立	中北大学信息与通信工程学院	2	5	1.0	2.0