基于卷积神经网络的芯片缺陷识别

摘要：

LED芯片在生产过程中,会出现各种表观缺陷,严重影响芯片质量,因此需要进行缺陷检测控制芯片质量.传统芯片缺陷识别方法存在耗时长、严重依赖模型、对操作人员经验要求高等缺点.为克服传统方法的缺点,本文提出基于卷积神经网络的芯片缺陷自动识别的方法.该方法采集芯片图像作为训练样本,不需对图像进行繁复的预处理等操作,直接输入卷积神经网络模型,通过对样本数据的学习不断优化模型,从而使网络模型获得芯片缺陷识别的能力.为了验证该方法的有效性,本文构建卷积神经网络模型,在Caffe框架上进行实验.实验结果表明,该方法能满足芯片缺陷检测系统的功能需求.

关键词： 发光二极管 缺陷识别 卷积神经网络

作者: 林惠 王兴刚 李斌

作者单位: 华中科技大学 机械科学与工程学院 湖北武汉430074

会议类型: 国内会议

会议名称: 第五届全国智能制造学术会议(NCIM2016)暨智能制造专业委员会2016年度工作会议

会议地点: 广州

会议语种:中文

页码: 1-9

在线出版日期: 2016-12-08（万方平台首次上网日期，不代表论文的发表时间）