-
题名基于改进YOLOv5算法的晶圆表面缺陷检测方法
- 1
-
-
作者
明月
吕清花
翟中生
吕辉
於意凯
崔贤岱
-
机构
湖北工业大学理学院
湖北工业大学机械工程学院
-
出处
《湖北工业大学学报》
2024年第4期98-105,共8页
-
基金
武汉市重点研发计划(2022012202015034)。
-
文摘
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。
-
关键词
深度学习
晶圆表面缺陷
缺陷检测
YOLOv5
GhostNet
-
Keywords
deep learning
wafer surface defects
defect detection
YOLOv5
GhostNet
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN407
[电子电信—微电子学与固体电子学]
-