基于RT-YOLO-V5的芯片外观缺陷检测

摘要

针对传统的人工芯片检测方法效率低、过分依赖人为操作且误检率高等产生的问题，提出了一种基于ResCBS模块与增加微检测层（Tiny-scale detection layer）的RT-YOLO-V5检测方法用于检测芯片外观缺陷。首先搭建了图像采集系统，并制作了芯片外观缺陷检测数据集。为解决芯片外观缺陷形状不规则、大小不统一、位置不确定带来的检测精度低等问题，在CBS模块中增加短连接，融合输入输出的特征信息，减少信息损失，优化推理速度；其次，增加一个微小尺度的检测层，提高模型对微小目标的特征提取能力。实验结果表明：使用改进后的网络对芯片外观缺陷进行检测，平均精度（mAP）达到95.5%，相对于原始网络提升了5.7%；除此之外，改进后的RT-YOLO-V5在先验框损失（Box＿loss）与小目标缺陷的检测精度上都得到了一定的提升。

关键词

YOLO-V5 / 芯片 / 缺陷检测 / 特征融合 / 卷积神经网络