ERA-UNet:一种芯片引线键合多特征提取算法

摘要

芯片引线键合X射线图像中引线、焊球和晶粒特征灰度差异小，阈值分割和边缘检测等传统图像处理方法鲁棒性差且操作复杂.目前，已有较多基于深度学习的语义分割方法，但在多类别、小目标和多尺度分割性能方面仍存在挑战和局限，且对高分辨率X射线芯片图像而言，这些网络的模型复杂度较高.针对上述问题，提出了基于U-Net改进的芯片引线键合多特征提取网络(ERA-UNet)算法，首先引入平滑卷积预下采样模块以减少GPU内存占用和计算量，然后设计残差多尺度特征融合模块以加强特征提取，并改进跳跃连接实现邻近多级特征融合.最后，构建了芯片引线键合语义分割数据集，并设计了对比及消融实验验证算法性能.实验结果表明，ERA-UNet网络在自建数据集上的MIoU达到了93.05%,相比于其他先进网络具有更优的分割性能，实现了对引线键合多特征的高精度实时提取.

关键词

芯片检测 / 引线键合 / 语义分割 / U-Net / 特征融合 / 残差连接