来源：期刊VIP网 时间：
作者：雷佳蕊;于春和;文弋;刘岗岗;夏自金;
单位：沈阳航空航天大学电子信息工程学院;贵州振华风光半导体股份有限公司;
摘要：为解决传统方法在陶瓷封装芯片粘接区缺陷检测中特征表达能力不足以及现有深度学习模型对微小缺陷敏感度低的问题，提出了一种基于U型网络架构(U-Net)的改进型VSCMU-Net语义分割模型。该模型以视觉几何组(VGG)网络为骨干，融合空间和通道压缩与激励(SCSE)注意力机制与多阶门控聚合(MOGA)模块，可有效提取缺陷的深层特征，实现了对微小缺陷的精准分割。实验中采用VSCMU-Net模型对粘接区域及空洞进行分割，结果表明，VSCMU-Net模型在键合区域和空隙分割方面表现出色。该模型平均交并比(mIoU)达92.21%,平均精确度均值(mAP)达95.86%,总体准确率(Accuracy)达99.11%,平均F1分数(mF1-score)达95.79%,均优于传统U-Net、DeepLabv3+、PSPNet和YOLOv8-seg模型，为半导体封装领域关键电子组件的品质保障提供了有力的技术支持。
关键词：空洞;;语义分割;;缺陷检测;;深度学习;;空间和通道压缩与激励(SCSE)注意力机制
