晶圆缺陷检测与分类的卷积神经网络
晶圆缺陷检测与分类的卷积神经网络；针对晶圆检验时扫描电镜图像的缺陷检测和缺陷分类两问题，采用了“ ZFNet”的卷积神经网络来分类晶圆缺陷，并基于该分类器实现了一种“基于块的卷积神经网络”缺陷检测算法。为了提高准确率和加快速度，又改动“更快的区域卷积神经网络”实现了另一种检测算法。第卷第期邡鑫,史峥:晶圆缺陌检测与分类的卷积神经网络ZENet classifierDarker ImIn.ril” HumpBitel检测算法示意图在训练检测器时,数据集是检测器原始尺寸的图像,且包含标记好的缺陷区域和类型。我们结构通过·系列数据扩张操作,得到组数据,随机选取相比于检测算法主作为训练集,作为测试集。要从以下三方面进行了针对性的改进算法中需要优化的参数有滑动窗口尺寸滑()针对重复计算卷积的缺点,采用先动步幅、概率阙值、面积阙值,由于无法求出统一计算特征图,再按)进行映射各参数与检测结果的明确关系式,所以采用遍历法优化参截取的办法。如图,先通过卷积网络(数。因为检测到的缺陷尽量正确和尽量检测到所有缺陷是)对输入图像计算得到其特征图,因为在输入图像矛盾的,故以精确率和召回率的调和平均值作为优上的都能映射到特征图上,所以从输入图像上按化目标,也可根据实际需要调整两者权重满足不同侧重。割取图像进行卷积运算可以替代为直接从特征图上按测试结果映射后的范围割取,从而避免多次重复计算卷积。由于用训练好的检测模型对测试集检的大小形状不·,而全连接层的神经元连接数是固定的,测,计算模式下每张图大概耗时如果检测到的缺所以对割取得到的子特征图,通过层次采样到统陷与标准答案的且类型相同,则判为正确,否尺寸以连接到全连接层。则判为错误。得到结果如表,计算得:laut Image精确率Feature Map召回率ROI其屮正确缺陷的平均表检测器测试结果数量正确错误network有缺陷(正类)图映射示意图从检测结果来看该算法基本实现∫对图像上晶圆()针对滑动窗口尺寸单·的缺点,增缺陷的检测和分类,但是值较低,缺陷检测位置不加了滑动窗口的尺寸类型,并且增加由一个全卷积网络准确,检测耗时较长,分析其原囚如下)组成的()检测出错的数据中,缺陷较大的类型易判断错,)来预判断是否有缺陷。本文采用面积缺陷较小的容易被漏掉,说明只使用一种尺寸的滑动框很分别为,长宽比分别为、共难适应尺寸变化范围较大的缺陷种尺寸的滑动窗口,依次计算其中有缺陷的概率,再从中)滑动框步幅减小则算法耗时平方倍增加,而步幅筛选出一定数量最有可能有缺陷的区域,进行非极大值抑过长造成缺陷概率分布图分辨率较差,从而检测到缺陷位制(),最后得到一定数置准确度较差量的候选区域。()相邻滑动框都有大量重叠,所以每个区域都被多()针对缺陷检测位置准确度差的缺点,次重复送入计算卷积,导致算法耗吋较长。在全连接层后连接一个边界回归层在与上述检测算法相似的图像目标检测领域,近来出用来修正缺陷位置,该回归层与分类层并列。现的很好的克服了以上缺点并取得了很好的针对本文的缺陷检测问题,直接套用标准效果,所以下面介绍如何通过改动实现品圆并不能解决问题。因为判断晶圆的缺陷类型通常需缺陷的检测与分类。要结合缺陷区域周围的图形信息,而在预判断是否有C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct计算机工程年月日缺陷吋还进行了边界回归。虽然更加准确的给出缺陷的位()将原尺寸为的图像调整为置,但送入检测网络的特征儿乎不包含缺陷周围图肜信息,使得滑动窗口尺寸能够适应缺陷大小的变化范围,也可以导致缺陷分类不准。故木文对标准徹了一些根据实际情况来具体调整。改动:得到缺陷检测算法如图,卷积网络(()将改为只判断滑动窗口内是否有缺陷,而,)将输入图僚转换成多种特征图;根据不进行边界回归,也就是只计算所有滑动窗口有缺陷的概特征图从滑动窗口中选出最有可能存在缺陷的率,选取可能性最大的个,做非极大值抑制,再选出层根据特征图中抽取出对应特征组成特可能性最大的个进行检测。征向量;检测网络()根据特征向()将卷积层的尺寸加大为,加大感受野量判断缺陷类型,并进行边界回归;最后通过和概率),从而在判断滑动框內是否有缺陷吋能参阈值对候选缺陷进行过滤即可得到最终缺陷。考更多的周围信息。Detection NetworkonFolutionnl actorSoftmaxRuI Puling liver,e Prop卟 edMS+PrubilitessionInput Image 1024*1024Fully 10 dyercrectCcrvchrionalLaver size 747图检测算法示意图模型训练和平均值作为优化目标,并且使用相同的训练集和图中的检测算法也是基于架构实现,因为卷测试集积网络提取的特征类型对相似普遍有效,故其卷积网络的测试结果参数是直接迁移第章分类器的卷积层参数。但是用训练好的检测模型对测试集检测,和的参数则需要通过方法进行训练,标准计算模式下每张图大概耗时,采用相同判定标准,提供了分开和联合两种训练方式。为了节约得到检测结果如表(其中负类总数与表中总数不同是因时间,本文采用联合训练方式,并结合缺陷检测问题的实为同一张图屮可能检测到多个缺陷),计算得际情况调整超参数精确率在训练时,对每张输入图像,要计算的滑动窗口召回率数量庞大(种尺寸的滑动窗口,滑动步幅)。所以从中随机抽取个作为训练集,其中正例其中正确缺陷的平均负例,且正例占比不超过。分类器采用表检测器测试结果损失函数数量正确错误在训练时,设置提供个,从中随有缺陷(正类)机选取个作为训练集,其屮正例无缺陷(负类)负例,且正例占比不超过。另外设置学从结果来看该算法各方面都优于检测算习率分类器采用损失函数,而边界回法和值更高说明检测检测缺陷类型正确归采用函数。且位置准确,而且速度也大大提高(检测一张图像耗时从为了与检测算法对比,在最后通过遍历法缩小到)。如图为检测缺陷示例,共中标注了缺陷优化和概率阈值时,同样以精确率和召回率的调位置、类型和对应概率C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct邡鑫,史峥:晶圆缺陷检测与分类的卷积神经网络I I图检测结果示例图结束语而对图像上的缺陷检测和缺陷分类这两个问题,本文提出的改动后的检测算法能够精准、快速地从图像中检测出缺陷并同吋进行分类。得益于卷积神经网络良好的特征学习能力,该检测算法能够根据标记好缺陷位置和类型的数据自动学习特征,从而尽量避免人工千预,使算法具有较强的适应能力。参考文献徐姗姗刘应安徐昇基于卷积神经网络的木材缺陷识别山东大学学报工学版刘云杨建滨王传旭基于卷积神经网络的苹果缺陷检测算法电子测量技术江帆刘辉王彬等基于模型的图像识别计算机工程C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct
- 2021-05-06下载
- 积分：1
Mimics17中文培训手册.pdf
这本培训手册是为了帮助用户顺利地开始Mimics软件的使用而编写的，并不能够代替Materialise公司提 供的培训。 这本培训手册在不同的练习中使用了 Mimics 17.0 的模块，如果没有相关模块的使用权无法完成练习。 请注意: 这本培训手册的使用以熟悉Windows系统操作技能为前提Materialise software目录Mmcs培训手册公告BBBB暑 NeAA日品EB园 8NaNANOEN冒品 RaRE曹BB总BBBB即总 98D6NNENnAMms0筒介Mimics模块导入图像5练1.导人如imap图像6练习2:导入DCOM图像…导航&项目管理器,77是BBB品B日BB日B品 0n00EDdD自2B日出BBBB自BBB目B自BBB国BBB即D日BBD国国练习,导航2仟务1.一键导航、放大缩小、平移…12任务2.快捷键的使用…13任务3帮助文档练习2.项日管理器,…14任务1.熟悉项目管理器的使用.14任务2.视窗操作.14任务3.体渲染15/测量工具9练习1.测量工只20任务1.距离测量.20任务2.角度测量任务3.测量的导出着国面21任务4.密度测量.21练习2.剖面线练习3.评注22基本阈值分割&三维模型操作,,25练习1.能部的分割.26任务1阈值分割(使用剖面线任务2.计算三维模型27任务3.区城增长28练习2.分离动脉…网值法任务1.阙值分割(使用剖面线)和区域增长30任务3.计算三维模型.…练习3.分离动脉∥33动态区域增长法33任务1.动态区域增长…33练习4.三维导航团道任务1.一键导航、敖大缩小、移、旋转……35任务2.使用快捷方式进行导疽.36练↓5.从骨盆上分离脊推37练习6.三维工具……40练习7.提取膝关#443D性套索功能任务1:使用3D磁性套索提取胫骨导出功能www.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise software练习1.导出切层50任务1.导出DCOM任务2.导出BMP.50任务3.导出电影.50练习2.导出S752高级分割53练习1.分离脑组织…任务1.修剪感兴趣的区域…….54任务2.形态学操作:消蚀.….55任务3.在三维视下编辑mask.57任务4.形态学操作:膨胀…57仟务5.千动编辑59任务6.多层编辑…60MedcADB即即BB身总BDB即原总自D即国B国即即DBB即 anDOng90且BBBD63练习1.通过多义线拟合球体练习2.通过多义线拟合表面66任务1.拟合股骨主干的表面任务2.拟合大转了的表面67练习3动脉中心线69任务1计算中心线9任务2.中心线测量70仟务3.中心线末端切面∴71任务4.分支分组仟务5.对控制点的操作…72于术模拟…74练习1.使用多义下面切割练习2.植入体评价练习3调整入体的位练习4评价骨量179FEA…,,n,,,n,n82练习1.股骨的网格优化83任务1.打开网格优化器…83任务2.股骨的几何简化83任务3.检查网格.……,85任务4优化三均片质量任冬5.生成体网格……∴88练小2.赋材质……90练3.并流形装配.97任务1.创建非流形装配91仟务2.优化网格93任务3.创建体K格.95仟务4.分离非流型装配以及导出网格文件恭喜您98Mimics nnovation Suite用户俱乐部98www.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise softwareMmis简介Mimics是一个迕接二维图像数据(CT,MRl,工业扫描数据.)和三维工程学应用的图像处理工具。应用领域包括:解剖学测量、三维分析、有限元分析(FEA)、客制化植入体或装置设计、加法制造(也被称为维打印)以及手术计划和模拟通过使用 Mimics的图像分割方法,用户能够从医学数据中选择特点的感兴趣区域,将结果计算成精确的三维模型。Mimics的功能模垬为用户提供了其它应用领域的接口。这意味着 Mimics的功能可以方便的根据用户的需要进行组合。另外, Mimics是 Mimics innovation suite的一部分,这一套装也包括了3mabc0。在套装中, Mimics被用来生成精确的三维模型,之后3-ma加被用来在解剖学模型的基础上进行设计和网格操作。因比3-ma极大稈度的扩展了 Mimics在基于解剖数据的工程学方面的应用的可能性Mimics被广泛的应用在骨科、颌面外科以及心血管行业的学术及商业硏究领域Mimics的主要优势:Mimics界面友好容易掌握。快遮的分割工具(基于阈值和轮廓)和精确的三维计算保证了快捷的取道精细的三维模型Mimics在|sO环境下开发,只有CE和FDA市场认证Mimics基于市场要求持续开发,每年有两个版本的更新。当 Mimics和3- matic被联合应用时,用户可以直接在STL文件的基础上进行设计和网格操作尤需逆向工程。这使用户可以:基于解剖数据改进植入体o设计客制化的植入体和手术导板● Mimics的开发商 Materialise是创新软件和加法制造技术的世界领跑者。www.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise softwarem/模块Mimics包括多个模块。下方的图片给出了基础模块与功能模块之间的链接,以及)要的应用领域。ImportMimics @Innovation SuiteExportMimicsFEAMedCADSurgicalRP-sliceSimulationCAD3- matic②MATLAB BImpartsStatisticestanPoint cloudAnalysisEngineeringPoint cloudManufacturing(RP/CAMywww.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise software导入图像这一章的练习公帮助您了解如何导入bmp图像以夂对图像尺寸进行修改如何自动导入D|COM数据■确认图像方向注意Mimics不仅支持 Dicom格式数据,而且能够直接导入扫描原始数据。这些数据可以通过硬盈、光盘或磁盘导入。 Mimics也支持BMP,JPEG以及TFF格式文件的导入。源文件可以通过在 importwizard的第一步选择, force manual import"的方式手动导入在开始之前保证您已经安装了培训数据 Training Data2011.eXe、头影测量数据库以及牵引器数据库。您可以在培训光盘中找到这些安装程序。www.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise software练习1.导入bma图像从主工具栏中选择 new project wizardSelet the media or files tha contain the images x irpotDICOM Input Application (D-AFavoritesDriversIrldyeRuuLaMedDataA.UDotascts山 extra datasetsImportTEST. RTTMAPD DICOM簧 Add : o feveritearget folder: 3: SUpportRobert Atwooda mercer aw inport show Import logCarTEl2.浏览 Training Data文件夹( CMed DataTraining Data),选择 BITMAP文件夹。点击Mex3.在 Image properties窗口标示出扫描分辨率。像素大小为256μm,层距为4mm。然后选择Mexwww.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise softwareNew project w zardMcnary ncad=d (conmprc33cc/uncomprcaacd): 128 Mb/256 Mb Mcrory availzbc: 20E2 Mbv7023277sia+S vL_/62341/b_akIa +000.8(-J00 bmpv70234770ad+00160-00v76234776axi+00200-00.mv76237681+002C00bm画7.8C- 00.hmnv762]4768i5+00360-00.brpv/6234baxa+004-.mpv7624776ai+048C-hrmnvi70234770ad+002C-00uv76234776ai110056C00.bmv7623763x8+0060000mp76)3x776xia+0-0mp画w70234770did+008C-00Jmp烟v762]4768+00720-00mp1A1,∩ nTEr nn LSorting orde- custom-15775sh?informatonK701∞Y7z40mnkmPatent name n/a□ Forcc sotropi: samplingrebate n/o4.在下个窗口 Edit images,您可以涠过调节图像周围的线框的大小来对该项目进行修剪。dit imag esf vol maco/caac #l ixel mappingMin X 30x MaK< X 51Min Y 115MinZ o px Msx Z 511 psInput: 512* 512 x :12 Output 182x 213x 51?100, JUUUOUPlxel sze:1.fUlllt:1Skip mages: JInput: 402? Outut: 402x 21Jx512www.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米Materialise software5.在这个窗口,您也可以编辑像素映射图的属性。完成编辑后,点击Mex6.在方向窗口标示出图像的方向。点击OK打开 Mimics项目,您就可以开始进行图像分割了!Check orientationverify if the proposed or entatior is correctDizor mage orien ation: xXXCurrent orientationR吕T0BA□Risht-dick on an orientation character to chance it.OK Cancel Hepwww.materialise.comMaterialise China- 1803, No 800, DongfangRoad-Shanghai-Chinamimics@materialise.com.cnMaterialisedriving your innovations米
- 2020-12-11下载
- 积分：1
|
联系客服（QQ：3324461878）
