深度学习的红外热成像电路板元器件识别研究

针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题,提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质,重新设计主干网络部分,引入全维动态卷积(OMNI-Dimensional Dynamic Convolution, ODConv)模块和改进坐标注意力(Coordinate Attention, CA)机制,提高模型对小目标的检测精确度并减少参数量;其次,引入解耦头(Decoupled Head, DH)模块,提高模型训练的收敛速度;最后,加入GSConv(Graph-Shifted Convolution) Slim模块,以降低模型的复杂度,提高预测速度。实验结果表明:改进后的算法模型漏检率降低40.22%,每秒浮点运算次数(Floating-point Operations Per Second, FLOPs)提升了25%,平均准确率提升了28.32%。

微电子材料面临的挑战

从系统及半导体集成电路两个层面上论述微电子材料面临的挑战。重点介绍封装材料的现状及发展。结合一种新颖的封装(SLIM),较详细地介绍涉及到的基底、介质、导体、倒装焊凸点材料、散热材料、集成无源元件材料等,给出不少可供选择的先进材料。指出尽管困难重重,但已有不少突破,本世纪第一个十年可望实现微电子材料的革命性突破。

梅兰日兰Infra＋系列SLIM免工具信息模块

梅兰口兰Infra+系列SLIH信息模块提供从超五类、六类到七类，从屏蔽到非屏蔽各种性能等级的信息模块，满足各种性能及预算要求，SLTM信息模块内独特的交叉触点设计，消除了相邻线对间电磁场产生的干扰电压及电流。