自动缺陷分类系统:
是以深度学习算法为核心技术,对输入的缺陷图片进行缺陷提取和分类的大型信息软件系统。
要用于替代人工,对工厂生产线AOI设备的缺陷检测结果进行二次复判,以达到节省人力,提高良率的目标。
其特点如下:
可随制程设备单独部署,亦可在车间或整厂部署
相同制程可共用模型,可通过多模型兼容多个工站
稳定且能持续提升的分类准确率
adc 的应用背景
半导体晶圆、消费电子、汽车等制造行业中,传统的人工缺陷检测方式已经无法满足高效、精准的检测需求。因此,研究开发更为高效、精准的智能化检测技术对于提高生产效率和降低成本具有重要的意义。
adc 系统是一种自动缺陷识别系统,能够对输入的各种图片进行缺陷的图像定位、分类。
1. 基于深度学习目标检测算法的智能缺陷识别, 实现缺陷特征的准确刻画, 提高缺陷检测的稳定性以及时效性。
2. 缺陷数据积累、模型自主训练更新形成数据及模型闭环, 使得缺陷数据能够得到有效的积累,形成缺陷数字资产,辅助工艺生产等环节
什么是缺陷:
线圈短路 -- 缺陷 -- 镜面孔洞气泡 -- 镜面污渍
发现缺陷 -- 通过模型(任务 - 训练)-- 推断(把模型应用在图片上)后续处理这些缺陷。
数之联自动缺陷分类技术(ADC)主要实现对缺陷的实时检测与快速报警,迅速定位缺陷并分类,其理论创新点如下:
1. 基于深度学习目标检测算法的智能缺陷识别。相较于传统检测技术需要人工定义缺陷特征,基于深度学习的目标检测可实现图像特征的端到端提取,并基于提取的特征采用Box Regression算法实现缺陷的自动定位,同时采用Soft-max等算法完成缺陷类别的判定。
2.模型自动更新优化算法。在电子信息产品生产过程中,模型需要快速实现对新产品的适用性更新,并可有效识别新出现缺陷的形态。项目研究采用增量学习算法和Transfer Learning实现对模型的动态更新。
在机器学习、深度学习等人工智能算法具有深入的研究。发表SCI/EI论文10余篇,在半导体行业缺陷检测与大数据良率、虚拟量测方面有深入研究。
ADC(Automatic Defect Classification),自动缺陷分类系统,运用人工智能(AI)及机器学习(Machine Learning)技术,搭配高效能的GPU计算能力,进行产品瑕疵检测,同时将检测结果依据Defect Code进行分类,可有效帮助企业节约人力人成本、提升产品良率、提高竞争力。
标签:--,检测,模型,分类,系统分析,算法,adc,缺陷 From: https://www.cnblogs.com/zhulongxu/p/18187851