基于非对称师生网络的半导体冷却器件晶粒缺陷检测方法ATS-Net研究

本文推荐：作者提出ATS-Net（非对称师生网络），通过指数移动平均归一化（EMA）、Real-NVP耦合层和双尺度上下文Transformer模块，实现热电制冷器（TEC）晶粒微缺陷的无监督检测。模型在TEC-Grain数据集上达99.2% AUROC，运算效率达96 FPS（RTX 3090），显著优于现有方法（如MKD基线提升9.5个百分点），为半导体冷却器件生产提供高精度实时检测方案。

　　

网络模型整体结构

本研究基于MKD方法提出非对称师生网络ATS-Net，包含教师网络（采用ImageNet预训练ResNet）和学生网络（将3×3卷积层替换为CoTB自注意力模块并引入Transformer模块）。通过增强网络不对称性，解决传统方法因过度模仿导致的异常检测边界模糊问题。

数据集与评估指标

实验采用专有晶圆数据集TEC-Grain（含5,838张正常训练图像和612张标注缺陷图像）及公开基准MVTec-AD。评估指标包括图像级AUROC、像素级PRO（95%召回率）和平均交并比（mIoU），涵盖裂纹、凹坑、污染等5类缺陷。

实际挑战讨论

1. 1.

   统计稳定性：传统BatchNorm导致教师网络对批次敏感（AUROC波动达4个百分点），最终采用动量m=0.97的指数移动平均更新策略；

2. 2.

   耦合层设计：Real-NVP单层结构在参数量（+0.2MB）与异常敏感度（AUROC +2.1%）间取得最优平衡；

3. 3.

   注意力计算：双尺度Transformer模块通过局部-全局联合关注，使亚像素级裂纹检测速度提升3倍。

结论

ATS-Net整合EMA归一化、Real-NVP耦合层和双尺度Transformer模块，在TEC晶粒缺陷检测中实现99.2% AUROC和96 FPS实时性能，为半导体热管理器件质量控制提供创新解决方案。未来将探索多模态融合与自监督预训练以进一步降低标注需求。

作者贡献声明

Mengjie Tang：研究设计/论文撰写/实验验证；Jie Tu：算法开发/数据可视化；Panyu Zhou：项目监督；Kelvin K.L. Wong：理论指导。

利益冲突声明

作者声明无潜在利益冲突。