导电粒子检测网络

训练数据稀缺下检测准确率99.25%

基于改进Mask R-CNN，通过参数空间包络变换扩充训练数据，在TFT-LCD制造线上仅有少量标注数据时实现像素级导电粒子分割，解决小样本下的类不平衡问题。

罗晨 · Fan, Tingxiao · Yan, Xia · 周怡君 · Jia, Lei · Baocheng, Hui

Journal of Intelligent Manufacturing 2023

参数信息

总检测准确率

99.25 %

技术优势

少量数据也能训

通过参数空间包络对训练样本做标签保持的变换，扩充数据集，克服小样本问题。

比现有方法高9个点

在有限训练数据的真实约束下，总检测准确率达99.25%，而现有模板匹配自动检测方法约为90%。

像素级定位

基于改进Mask R-CNN进行逐像素分割，检测每个导电粒子，而非仅提供整体判断。

应用场景

• TFT-LCD制造质量检测：替代产线上的人工显微镜检查导电粒子，提高效率并降低漏检。
• 工业视觉检测：为小样本工业视觉任务提供数据增强和分割网络，降低对标注量的依赖。
• 电子封装缺陷检测：自动检测ACF键合后导电粒子的数量和位置，保证封装电气连接可靠。