CDNet：面向消费电子产品的高效实时芯片缺陷检测技术

《IEEE Transactions on Consumer Electronics》：CDNet: Efficient Real-Time Chip Defect Detection for Consumer Electronics

　　

摘要：

确保消费电子产品中半导体芯片的质量和可靠性至关重要，因为这些芯片被广泛应用于从智能手机到家用电器的各种设备中。传统的缺陷检测方法通常依赖于手动特征提取和常规图像处理，难以处理复杂的缺陷情况，也无法满足实时操作的需求。为了解决这些问题，本文介绍了一种先进的实时检测模型——芯片缺陷网络（CDNet），该模型采用了从YOLOv10改进而来的深度学习框架。CDNet通过一种新颖的架构提高了检测精度和计算效率，该架构包括一个双向改进的多分支辅助特征金字塔网络（BIMAFPN）以实现更好的特征融合，一个分层多尺度特征模块（LMSFM）以实现高效的多尺度特征处理，以及一个高效轻量级检测头（ELDH），旨在在保持高精度的同时降低模型复杂性。我们还构建了一个包含1674张芯片图像的自定义数据集来评估我们的模型，这些图像代表了四种常见的缺陷类型。广泛的测试表明，CDNet的性能优于基线YOLOv10模型：参数减少了22.2%，平均精度（mAP）提高了1.6%，推理速度提高了10.7%。与其他最先进算法的比较证明了CDNet的优越性能，证实了其在快速发展的消费电子领域的实际应用价值。我们的代码和数据可在以下链接获取：https://github.com/NGI-vision/CDNet。

引言

半导体行业在推动技术进步和经济增长方面发挥着关键作用[1]、[2]。由于芯片是电子设备的基本组成部分，其质量直接影响产品的性能、可靠性和使用寿命——尤其是在智能手机、笔记本电脑和智能家电等消费电子产品中。芯片制造过程中的表面缺陷可能由材料质量、环境因素和生产过程等因素引起[3]。诸如划痕、污染、引脚缺陷和封装断裂等缺陷会严重损害最终消费电子产品的性能和产量。与金属和塑料等传统平面材料不同，半导体芯片由于其多层结构和复杂的电路图案而面临独特的挑战。芯片上的缺陷通常是微小的、不规则的，并且由于尺寸和周围电路的复杂性而难以检测。尽管这些缺陷很微小，但它们可能会显著影响电子设备的功能和可靠性。鉴于芯片在现代电子产品中的关键作用，即使是最微小的缺陷也可能导致产品故障，这突显了需要高度精确和可靠的检测方法。如图1所示，芯片表面缺陷具有多种形式和特征，因此有效的缺陷检测对于确保高质量的芯片生产和可靠的消费电子产品至关重要[4]、[5]、[6]。图1。

芯片缺陷的示例：(a) 划痕缺陷，(b) 引脚缺陷，(c) 污染缺陷，(d) 封装缺陷。