基于AttentionGAN和形态学重建的TFT阵列缺陷检测

• 作者: 严群 姚剑敏 陈炜炜
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: TFT-LCD 缺陷检测 生成式对抗网络 形态学重建
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 器件制备及检测
• 页码范围: 1270-1277
• 页数: 8页
• 分类号: TP394.1|TH691.9
• 语种: 中文
• DOI: 10.37188/YJYXS20203512.1270

摘要

缺陷检测在TFT阵列工艺的良率提高中起着重要作用,传统的人工识别效率低,新兴的目标检测卷积神经网络在缺陷标注上需要耗费大量人力.为了实现TFT阵列缺陷自动检测的同时尽可能地减少人工成本,提出了一种基于生成对抗网络和形态学重建的TFT阵列缺陷检测方法,该方法中用于训练网络的数据集无需人工标注,解决了人工标注成本大的问题.该方法首先通过AttentionGAN网络得到TFT阵列的显著性图,接着选定显著性图中显著性最低的像素为种子点,得到缺陷标记图像与缺陷掩膜图像,进而进行二值形态学重建的区域生长,最后得到缺陷的检测.该方法对于TFT阵列缺陷的二分类能达到F1分数为0.94的结果,为TFT阵列的自动化缺陷检测提出了一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚剑敏		86	238	8.0	10.0
2	严群		10	1	1.0	1.0
3	陈炜炜		2	1	1.0	1.0