-
题名MMF-YOLO晶圆模具表面微缺陷检测算法
- 1
-
-
作者
冯金秋
燕芳
杨阳
李海宇
-
机构
内蒙古科技大学自动化与电气工程学院
-
出处
《计算机工程与应用》
北大核心
2025年第15期132-143,共12页
-
基金
国家自然科学基金(62161042)
内蒙古自治区关键技术攻关计划项目(2021GG0361)。
-
文摘
针对晶圆模具表面微缺陷检测中面临的目标小、尺度变化大、背景复杂、检测精度较低等问题,提出了结合边缘信息聚焦和上下文信息融合扩散的微缺陷检测算法MMF-YOLO。使用边缘信息聚焦模块(edge information focusing module,EIFM)改进原网络中的C3k2,从多尺度边缘信息中选择与目标高度相关的关键特征。使用上下文信息融合扩散金字塔网络(context-fusion diffusion pyramid network,CFD-PN)结构,对颈部网络进行优化,通过提取各层次网络中特征在空间分辨率和语义信息上的不同表征,减少信息融合过程中特征的混淆和丢失。同时,引入ADown(adaptive down-sampling module)下采样模块,优化了卷积层中的参数数量和计算冗余,以减少模型的复杂度。使用特征尺度缩放检测头(feature scale-aware detection head,FSDH),通过使用共享卷积,减少网络储存开销。实验结果表明,MMF-YOLO算法相较于基线YOLOv11n,在晶圆模具表面微缺陷数据集上,mAP@0.5提升了6.93个百分点,更适用于晶圆模具表面微缺陷检测任务和嵌入式平台部署与推理。
-
关键词
机器视觉
微缺陷检测
边缘信息增强
上下文融合扩散金字塔
YOLOv11
-
Keywords
machine vision
micro-defect detection
edge information enhancement
context-fusion diffusion pyramid
YOLOv11
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
