论文部分内容阅读
芯片表面字符识别是自动芯片质检的重要步骤,目前半导体工业广泛应用基于模板匹配的字符识别技术,但该技术环节存在模板参数设置复杂、难以处理相似字符等不足。深度学习可以自动从样本中学习特征、无需人工提取和设置参数等优点,因此文章将深度学习应用于芯片表面字符检测。在LeNet-5网络结构的基础上,文章根据芯片表面字符检测的特点,研究了数据增广方法、基于可信度的识别结果优化等内容,并使用标准字符集和来自于合作团队的实际采集的工业数据进行实验验证,实验结果表明,文中所提出的方法稳定、识别率高,对相似字符具有较好