基于人工智能的芯片表面缺陷检测研究

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.

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

所属期刊栏目：48

分类号：TP407

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48