声明
致谢
第一章 绪论
1.1 选题背景与意义
1.2 芯片缺陷检测研究现状
1.3 表面缺陷检测方法研究现状
1.3.1 机器视觉表面缺陷检测方法
1.3.2 深度学习表面缺陷检测方法
1.4 研究内容及组织结构
1.4.1 研究内容
1.4.2 组织结构
第二章 涉及的相关理论和方法
2.1 深度卷积神经网络概述
2.2 深度卷积神经网络基本单元
2.2.1 卷积层
2.2.2 池化层
2.2.3 全连接层
2.2.4 激活函数
2.3 经典卷积神经网络
2.3.1 VGGNet
2.3.2 ResNet
2.4 经典目标检测算法
2.4.1 Faster R-CNN
2.4.2 YOLO
2.4.3 SSD
2.5 注意力机制
2.5.1 CBAM
2.5.2 SENet
2.5.3 SKNet
2.6 本章小结
第三章 基于AT-SSD的LED芯片缺陷检测算法
3.1 相关数据集介绍
3.2 改进的SSD算法设计
3.2.1 特征提取网络改进
3.2.2 引入注意力机制
3.2.3 引入Focal Loss损失函数
3.2.4 模型训练策略改进
3.3 性能评价指标
3.4 实验结果与分析
3.4.1 基于LED点胶数据集的实验结果与分析
3.4.2 基于PASCAL VOC数据集的实验结果与分析
3.5 本章小结
第四章 基于多尺度特征融合的芯片缺陷检测算法
4.1 特征融合概述
4.2 特征金字塔
4.3 特征融合模块设计
4.3.1 特征融合模型
4.3.2 特征融合网络架构图
4.4 实验结果与分析
4.4.1 基于LED点胶数据集的实验结果与分析
4.4.2 基于PASCAL VOC数据集的实验结果与分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
合肥工业大学;