基于RT-YOLO-V5的芯片外观缺陷检测

针对传统的人工芯片检测方法效率低、过分依赖人为操作且误检率高等产生的问题,提出了一种基于ResCBS模块与增加微检测层(Tiny-scale detection layer)的RT-YOLO-V5检测方法用于检测芯片外观缺陷。首先搭建了图像采集系统,并制作了芯片外观缺陷检测数据集。为解决芯片外观缺陷形状不规则、大小不统一、位置不确定带来的检测精度低等问题,在CBS模块中增加短连接,融合输入输出的特征信息,减少信息损失,优化推理速度;其次,增加一个微小尺度的检测层,提高模型对微小目标的特征提取能力。实验结果表明:使用改进后的网络对芯片外观缺陷进行检测,平均精度(mAP)达到95.5%,相对于原始网络提升了5.7%;除此之外,改进后的RT-YOLO-V5在先验框损失(Box_loss)与小目标缺陷的检测精度上都得到了一定的提升。