- 张宝扬;王红成;
在半导体制造中,晶圆缺陷检测是确保芯片生产质量和可靠性的关键环节。针对现有的晶圆缺陷检测模型缺乏对多尺度特征的有效捕捉,基于YOLOv8模型进行改进,提出将标准卷积替换为深度可分离卷积与结合点卷积和膨胀卷积相组合,在不增加模型参数的前提下提升检测精度。此外,引入CSPA(Coordinate Spatial Attention)坐标注意力机制与空间注意力机制进行相融合,进一步增强了模型的特征表达能力和多尺度特征捕捉能力。通过开源数据集Mixed-type WM38生成5130晶圆图像,建立了包含8种缺陷类型的数据集。实验结果表明,该方法平均精度为99%,优于YOLOv8s等其他模型,具有较高的检测精度和鲁棒性。
2025年05期 v.32;No.149 1-7页 [查看摘要][在线阅读][下载 1211K] [下载次数:11 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 欧阳裕荣;李广明;张日丰;邹永钶;陈林豪;
为通过结合图像频域和空间域信息提高图像低频信息和高频信息的互补性,本文提出了一种结合图像频域加权机制和边缘增强的局部Transformer去雾算法,FWM-DehazeNet。该方法由边缘特征放大模块(EFAM)、频域加权模块(FWM)和图像去雾模块(Dehaze Block)组成。EFAM用于对图像边缘信息增强,提高高频信息在图像中的含量;FWM通过小波变换提取图像特征的高频成分和低频成分,对各成分通过可学习参数矩阵加权进行增强,然后进行小波逆变换重构图像特征信息,对高频成分和低频成分进行融合;Dehaze Block在多头自主意力上融合了DropKey正则化方法,减少模型参数在训练过程中相互依赖,提高模型泛化能力和图像重建能力。实验证明,本文方法在主观视觉和客观评价上均表现优异。
2025年05期 v.32;No.149 8-16页 [查看摘要][在线阅读][下载 1666K] [下载次数:1 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 金环;黎耀成;程万友;
提出一种求解稀疏优化问题的拟牛顿算法。新算法能利用硬阈值算法识别非零元素,为了加速收敛,在包含非零元素的子空间上使用了拟牛顿法,证明了算法的每个稳定点都是α稳定点。在标准假设下,还证明了新算法具有超线性收敛性,通过数值实验与现有的先进算法进行比较,说明新算法具有优秀数值表现。
2025年05期 v.32;No.149 17-24页 [查看摘要][在线阅读][下载 970K] [下载次数:2 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ] - 张继飞;张春红;林超;
受温度和烟雾影响,火场扩展的点义源原理导致防爆边界近距离火点具有模糊性,防爆边界近距离火点定位结果与实际位置间存在较大偏差,为此,提出基于嵌入式模块与自注意力的防爆边界近距离火点AI定位方法。集成图像去雾器、处理器等元件构建嵌入式模块,去雾处理无干扰的防爆边界图像。通过防爆边界图像与背景图像的差分,分割出图像中的前景区域。利用自注意力机制,将前景区域分割成多个子块,生成子块的特征矩阵,通过分配特征通道的权重向量,聚焦于火点关键特征,结合注意力权重的计算结果,提取防爆边界图像子块的加权特征,通过加权特征与空间特征分量的融合,得出前景图像中火点关键特征的提取结果。根据提取特征与火点标准之间的关键特征匹配度,检测防爆边界近距离火点,通过图像坐标读取、坐标映射转换等步骤,实现防爆边界近距离火点AI定位。实验结果表明,在正常、噪声和模糊工况下,本文方法得出的火点定位结果更接近火点实际位置,定位拟合度明显提升,有效控制防爆边界近距离安全性。
2025年05期 v.32;No.149 25-32页 [查看摘要][在线阅读][下载 1653K] [下载次数:3 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 郑帅;海丹凤;吴艳红;赖东旭;
为降低对数据中噪声数据点敏感度,避免发生噪声数据点误识情况、可靠获取传感网络线性数据异常值,提出基于K-Medoids算法的传感网络线性数据异常值识别方法。通过滑动窗口采集传感网络线性数据后,依据主成分分析提取该数据中关键信息,并计算特征矢量贡献值,选择最大值的部分作为数据特征;引入对数据特征谱信号排序的算法计算选择的数据特征间的相似度,最终确定聚类中心;依据K-Medoids算法将所有数据分配至不同聚类中心所在类别中,最终实现传感网络线性数据异常值识别。通过实验验证,该方法能够精准捕获原始数据中关键信息特征,依据该特征能够有效区分传感网络正常数据模式与潜在异常模式,有效识别传感网络中单一类型异常和多种异常类型融合情况,展现出优异性能,有助于提升传感网络运行稳定性。
2025年05期 v.32;No.149 33-38+132页 [查看摘要][在线阅读][下载 1231K] [下载次数:2 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ] - 刘付谦;赖惠慧;辜方清;
特征选择旨在降低特征维度和算法的分类错误率,但它们往往相互冲突,构成了一个多目标优化问题。对于高维数据,特征选择的挑战在于处理超大规模的特征组合和复杂的特征间交互。为了解决这一问题,本文提出了一种基于分层过滤机制的性能预测预选择的多目标特征选择(Layered Filter-Based Performance Predictor for Multiobjective Feature Selection, La-FPPFS)算法。该算法首先采用单变量过滤器作为初步筛选机制,集成多种统计和信息论方法全面评估特征与目标变量的相关性,剔除不相关和弱相关特征,确保特征的强相关性。随后,引入多变量过滤器进行特征子集的预选择,通过综合评估特征子集的分类性能和冗余性,从多个候选解中预选有前景的解,从而提高特征子集的搜索效率。所提出的方法在10个不同难度数据集上进行了实验验证。结果表明,与7种最先进的方法相比,La-FPPFS可以找到具有更好分类性能的特征子集,且在训练效率上有显著优势,有效地解决了高维空间特征选择的挑战。
2025年05期 v.32;No.149 39-50页 [查看摘要][在线阅读][下载 1719K] [下载次数:3 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:0 ]