基于人工智能的芯片表面缺陷检测研究

• 作者: 于晓华 付纯鹤 王军帅 高荣荣
• 来源期刊: 电子工业专用设备
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 测试测量技术与设备
• 页码范围: 45-48
• 页数: 4页
• 分类号: TP407
• 字数: 2776字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4507.2019.01.010

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高荣荣	中国电子科技集团公司第四十五研究所	3	1	1.0	1.0
2	付纯鹤	中国电子科技集团公司第四十五研究所	8	8	2.0	2.0
3	王军帅	中国电子科技集团公司第四十五研究所	1	0	0.0	0.0
4	于晓华	中国电子科技集团公司第四十五研究所	3	11	2.0	3.0