一种基于DenseNet进行激光芯片缺陷分类的方法

摘要

本发明涉及芯片分类技术领域，具体涉及一种基于DenseNet进行激光芯片缺陷分类的方法，搭建DenseNet网络模型；获得芯片表面缺陷数据集，并投入搭建好的DenseNet网络模型中进行预训练；将预训练的DenseNet网络模型进行微调，进行激光器芯片的缺陷分类；本发明通过搭建DenseNet网络模型，利用密集连接机制使得DenseNet实现了特征重用，减轻了梯度消失的问题，而且以更少的参数、更高的训练速度获得了更优的分类准确率；因此利用现有的芯片表面缺陷数据集对网络进行预训练，并保存预训练后的网络参数，对预训练后的卷积神经网络进行微调，再用微调过后的网络来进行激光器芯片缺陷的分类检测。