来源：期刊VIP网 时间：
作者：郭翠娟;王妍;刘净月;席雨;徐伟;王坦;
单位：天津工业大学电子与信息工程学院;天津工业大学天津光电探测技术与系统重点实验室;中国航天科工防御技术研究院微电子器件可靠性实验室研究与试验中心;
摘要：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。
关键词：YOLO-V5;;芯片;;缺陷检测;;特征融合;;卷积神经网络
基金资助：中国博士后科学基金面上基金资助项目（2019M661013）;; 天津市科技计划资助项目（20YDTPJC01090;22YDTPJC00090）
