仪器仪表学报

作者：黄志海，邓耀华，吴光栋

单位：黄志海,广东工业大学 机电工程学院广州510006,2112101013@mail2.gdu.cn,邓耀华,广东工业大学 机电工程学院广州510006,dengyaohua@gdut.edu.cn,吴光栋,广东工业大学 机电工程学院广州510006,

关键词：IC器件;缺陷检测;多光谱图像;深度学习

基金：广东省基础与应用基础研究基金项目（2022B1515120053）、广东省省级科技计划项目（2023A0505050151）、东莞市重点领域研发项目（20221200300042）资助

针对IC器件表面轻微缺陷在传统的像素级融合检测中容易被产生的冗余噪声淹没,干扰缺陷特征的提取,且在光照不稳定的复杂检测场景中不能够自适应调节可见光图像与红外图像对缺陷检测任务贡献度的问题,本文提出基于多光谱图像特征融合的IC器件表面缺陷检测方法,采用中期融合策略,设计了多光谱图像特征融合模块(MIFF),在YOLO框架下建立双路特征提取通道,构建多光谱图像特征融合端对端的YOLO-MIFF缺陷检测模型。实验表明,YOLO-MIFF融合检测比单可见光和单红外图像检测的mAP分别提高了24.69%、35.65%,相比于YOLO-Multiply、YOLO-Concat、YOLO-Add模型的检测精度分别提高了9.85%、6.67%、3.44%。

来源：2024年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第9期