YOLO-LA:基于原型的视觉-语言对齐技术,用于硅晶圆缺陷模式检测
《Micromachines》:YOLO-LA: Prototype-Based Vision–Language Alignment for Silicon Wafer Defect Pattern Detection
【字体:
大
中
小
】
时间:2026年01月02日
来源:Micromachines 3
摘要
随着半导体制造技术的快速发展,有效控制生产过程、减少制造过程中的变异以及提高产量率已成为晶圆工厂重要的竞争因素。晶圆缺陷图谱(wafer bin maps)是一种用于表征晶圆缺陷模式的方法,它为工程师提供了宝贵的信息,使他们能够通过准确的模式识别快速找出潜在的根本原因。基于视觉的深度学习方法依赖于视觉模式来实现强大的性能。然而,这些方法很少利用缺陷描述中嵌入的丰富语义信息,从而限制了其可解释性和泛化能力。为了解决这一问题,我们提出了YOLO-LA,这是一个轻量级的基于原型的视觉-语言对齐框架,它将预训练的YOLO主干网络与预训练的文本编码器相结合,以增强晶圆缺陷的识别能力。该框架引入了一个可学习的投影头,将视觉特征映射到一个共享的嵌入空间中,从而通过余弦相似度进行分类。在WM-811K数据集上的实验结果表明,YOLO-LA在不同主干网络上的分类准确性均得到了提升,同时引入的额外参数极少。特别是YOLOv12在保持竞争性准确性的同时实现了最快的处理速度,而YOLOv10则从语义原型对齐中获得了最大的收益。所提出的框架体积轻巧,适用于实时的工业晶圆检测系统。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号