基于改进YOLOv5算法的晶圆表面缺陷检测方法

为了兼顾实时性和准确率,提出了一种基于改进YOLOv5算法的晶圆表面缺陷检测方法。该方法采用了轻量级网络GhostNet作为主干提取网络,以降低模型复杂度并提升检测速度。同时为了提高模型的特征提取能力和检测精度,引入了高效通道注意力机制。此外采用FReLU激活函数取代了原有的SiLU函数,以增强模型对空间的敏感性,提高检测准确性。使用真实的晶圆缺陷数据集对改进模型进行验证。实验结果表明,相比于原始模型,改进YOLOv5网络模型实现了30.02%的参数压缩,同时目标精度达到78.6%,相较于YOLOv5s提升了4.4%,mAP值提高5.5%,检测速度提高1.3 ms。