来源：期刊VIP网 时间：
作者：朱永民;顾寄南;单韵竹;姜宝康;夏子林;高艳;向泓宇;
单位：江苏大学机械工程学院;
摘要：针对芯片表面缺陷图像的语义分割，现有模型存在特征提取能力不足、参数量(Params)过大等问题，提出一种面向芯片表面缺陷分割的轻量级多尺度网络结构——DSDLF-UNet。编码器部分设计了双分支深度可分离空洞卷积(DSDConv)模块，该模块融合深度可分离卷积(DSC)与空洞卷积(DC)的优势，以增强局部细节特征表达和全局感受野的建模能力。主干部分设计了轻量级局部-全局空洞空间金字塔池化(LG-ASPP)模块，以提升多尺度上下文建模能力。整体结构压缩至4层，以降低模型复杂度，在跳跃连接中引入融合通道与空间注意力的全注意力(FA)机制，以提高微小裂纹等细粒度缺陷识别效果。构建了芯片缺陷分割数据集，并设计对比实验和消融实验对所提网络进行验证。实验结果显示，该网络在数据集上平均交并比(mIoU)为84.96%,平均像素准确率(mPA)为87.97%,F1分数(F1-score)为87.72%,性能显著优于其他经典分割网络，能够更精准地实现芯片表面缺陷的分割。
关键词：深度学习;;U型网络(U-Net)分割;;缺陷分割;;轻量级局部-全局空洞空间金字塔池化(LG-ASPP);;全注意力(FA)机制
基金资助：国家自然科学基金(53275499)
