用于金属网缺陷检测的长工作距离便携式智能手机显微镜
本文提出了一种新的无监督特征记忆重组网络(FMR-Net)来准确检测各种纹理缺陷,通过提取多尺度特征、对比学习模块(CMFM)、全局特征重排模块(GFRM)来构建正常特征记忆库,采用两阶段的训练策略,使用多模式检测方法来实现缺陷定位,实验证明该方法具有较高的检测精度,适用于边缘计算的智能制造场景。
Jun, 2022
本研究提出了一种针对高噪声热红外图像的缺陷分割新方法DefectSAM,通过采用广泛采用的模型Segment Anything(SAM)和精心策划的数据集,有效地提高了缺陷检测率,尤其在复杂和不规则表面上对弱缺陷和小缺陷的检测表现出色,减少了遗漏检测的发生,并提供了更准确的缺陷尺寸估计。实验研究验证了我们解决方案在各种材料上缺陷检测的有效性,具有加速缺陷检测工具演进、提高检测能力和精度的重要潜力。
Nov, 2023
半导体制造中的光刻术通常是界定最小模式尺寸的制造步骤,在最近几年中,高数值孔径极紫外光刻术 (high-NA EUVL) 的发展取得了进展,承诺推动模式缩小 (2纳米节点及以上)。然而,高数值孔径导致了随机缺陷的显著增加和缺陷检测的复杂性增加。本研究探讨了利用切片辅助的超推理 (SAHI) 框架改进当前技术的方法。通过在扫描电子显微镜 (SEM) 图像的增大尺寸切片上进行推理,改进了目标检测器的感知域,提高了小缺陷实例的检测。首先,在以前研究过的半导体数据集上对各种配置进行了基准测试,并且证明了 SAHI 方法可以将小型缺陷的检测能力提高约2倍。接下来,我们还展示了 SAHI 的应用可以在新的测试数据集上实现完美的检测率,即使在训练过程中未遇到的情况下,之前训练的模型也无法做到。最后,我们提出了 SAHI 的扩展版本,即在不明显降低真阳性预测的情况下,消除了假阳性预测。
Nov, 2023
利用基于Vision Transformer (ViT)的基础模型和无监督聚类生成方案,构建了一个图像分割框架,将其应用于实时孔隙分割,并在没有监督微调的情况下获得较高的骰子相似系数(DSC),从而实现了轻量级模型推理和无监督提示生成,旨在革新当前基于激光的增材制造流程,促进无缺陷生产和运营效率,并实现工业4.0的转型。
Dec, 2023
通过融合各种图像分析和数据挖掘技术,我们在这项工作中创建了一个强大且准确的自动化图像分析流水线,用于提取显微图像中KOH刻蚀的4H-SiC晶片的所有缺陷的类型和位置。
Feb, 2024
基于本地描述符和信息融合模块的少样本分割模型用于金属缺陷检测,提高数据稀缺问题与工业应用中的对象分割精度,比现有基准方法表现更好。
Mar, 2024
该研究提出了一个可提高成像工具缺陷检测吞吐量的ADCD框架,该框架通过在低分辨率图像中检测纳米级缺陷实例来解决高深度聚焦挑战,并通过SR辅助分支实现不同分辨率图像上的缺陷检测推断,无需明确训练。
Apr, 2024
近年来,质量控制领域不断利用视频摄像和图像处理集成来进行有效的缺陷检测。然而,开发和改进自动缺陷检测模型所需的带有注释缺陷的全面数据集稀缺,阻碍了进展。本系统性综述涵盖2015年至2023年,鉴别15个公开可用的数据集并对其进行关键评估,以评估其用于基准测试和模型开发的有效性和适用性。研究结果揭示了各种数据集的多样化情况,如NEU-CLS,NEU-DET,DAGM,KolektorSDD,PCB Defect Dataset和空心圆柱缺陷检测数据集,每个数据集在图像质量、缺陷类型表示和实际应用方面都有其独特的优势和局限性。本系统性综述的目标是将这些数据集整合到一个地方,为寻找此类公开可用资源的研究人员提供全面参考。
Jun, 2024
材料缺陷(MD)是影响产品性能并引起相关产品安全问题的主要挑战,通过机器学习(ML)技术在材料缺陷检测(MDD)中,围绕非监督学习、监督学习、半监督学习、强化学习和生成学习五个类别系统地调查了主要原理和技术,并聚焦于复合材料的缺陷检测技术,最后探讨了ML技术在MDD中的潜在未来发展方向。
Jun, 2024
本研究针对现有智能手机显微镜在工业在线检测中的短工作距离和成像不足问题,提出了一种新型长工作距离反射式智能手机显微镜系统(LD-RSM)。该系统集成了先进的光学成像技术与双先验加权鲁棒主成分分析(DW-RPCA),实现了84.8%的像素级检测准确率,展示了在工业产品在线检测领域的强大潜力。
Aug, 2024