论文部分内容阅读
针对采用人工方法对芯片进行分选和重排时的精度、速度和鲁棒性都达不到工业现场要求的情况，提出了一种基于改进YOLOv4的半导体芯片表面字符识别方法。该算法通过轻量化YOLOv4的特征提取网络，保留更多的浅层特征信息；在非特征提取网络引入深度可分离卷积，减少模型参数；在网络头部嵌入卷积注意力模块（BAM）,进一步提升对小尺寸字符的特征提取能力。通过对工业半导体芯片的识别实验结果表明，与原YOLOv4相比，改进的方法具有更高的识别精度和更快的识别速度，且具有良好的鲁棒性和泛化能力，能够满足工业现场字符识别的需求。