-
题名半导体器件内部缺陷标注与检测方法研究
- 1
-
-
作者
白宇
王珺
冉红雷
安胜彪
-
机构
河北科技大学信息科学与工程学院
中国电子科技集团公司第十三研究所
国家半导体器件质量检验检测中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第12期245-253,共9页
-
基金
国家自然科学基金(61902108)
河北省自然科学基金(F2019208305)。
-
文摘
半导体器件封装过程中出现的内部空洞缺陷会直接影响电子设备的性能。针对半导体器件X射线内部图像空洞缺陷中尺度不一、难标注、难定位及噪声干扰等问题,提出半自动标注方法和基于U-Net的器件内部空洞缺陷检测方法。半自动标注方法使用阈值分割初步定位缺陷区域,生成缺陷的外接矩形框,然后人工对矩形框进行精细化修改和完善,作为提示输入到分段任意模型(SAM)中,得到高精度的分割结果。半自动标注方法能够节省标注时间且提高标签质量,克服标注难题。针对经典U-Net方法泛化性较差的问题,提出一种改进的U-Net方法(EFU-Net)。首先在编码器中引入边缘位置增强(EPE)模块,通过结合Sobel滤波器和坐标注意力机制加强对图像边缘信息的感知,有效整合位置信息,以提高特征提取的准确性;然后引入特征融合控制(FFC)模块替代传统的跳跃连接,融合高层特征、低层特征和预测掩码3个特征,并利用多层并行空洞卷积和注意力门控机制实现更有针对性和高质量的特征融合。在半导体器件数据集上的实验结果表明,EFU-Net的Dice系数和MIoU分别达到70.71%、77.23%,与U-Net方法相比,分别提升了14和7.71个百分点,具有更好的分割性能。
-
关键词
缺陷检测
语义分割
半自动标注
边缘位置增强
注意力机制
特征融合控制
-
Keywords
defect detection
semantic segmentation
semi-automatic annotation
Edge Position Enhancement(EPE)
attention mechanism
feature fusion control(ffc)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
