[发明专利]基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法

权利要求书

1.基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，包括以下步骤：

步骤1，采用显微镜对微波芯片缺陷所在的区域进行放大拍摄，获取微波芯片缺陷原始数据集；

步骤2，对所述微波芯片缺陷原始数据集进行预处理，得到预处理后的微波芯片缺陷数据集；

步骤3，将所述预处理后的微波芯片缺陷数据集进行缺陷分类标注后分为训练集和测试集；

步骤4，搭建YOLOv5网络结构，采用所述训练集对所述YOLOv5网络结构进行训练，通过反向传播算法和随机梯度下降算法结合调整网络中的权重参数，得到训练好的YOLOv5网络模型；

步骤5，采用所述测试集对所述训练好的YOLOv5网络模型进行测试，确定微波芯片缺陷的类型和位置，以及YOLOv5网络模型的准确率、召回率和mAP值。

2.根据权利要求1所述的基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，步骤2中，所述预处理依次为：灰度转换、图像的旋转矫正和去除背景噪声操作。

3.根据权利要求2所述的基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，步骤2具体包含以下子步骤：

子步骤2.1，灰度转换：所述微波芯片缺陷原始数据集包含RGB三通道的彩色图像，对RGB三个通道加权平均得到灰度值为Y的灰度图像，具体公式如下：

Y＝0.3R+0.59G+0.11B

子步骤2.2，图像的旋转矫正：采用Hough变换方法获取灰度图像中的芯片边缘所在直线信息，根据芯片边缘所在直线与基准水平线之间的角度确定芯片倾斜角度，根据所述芯片旋转角度对所述灰度图像进行倾斜矫正，得到旋转矫正后的芯片图像；

子步骤2.3，去除背景噪声：采用中值滤波算法去除所述旋转矫正后的芯片图中的背景噪声。

4.根据权利要求3所述的基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，子步骤2.2中，所述芯片倾斜角度的具体求解过程如下：

l²＝(L_max-x)²+x²

其中，l为芯片原本的边长，L_max为芯片外接正方形的边长，x为芯片在水平方向的偏移；

芯片在水平方向的偏移取x解的较小非负值，可求得解为：

而芯片倾斜角度α的计算公式：

5.根据权利要求3所述的基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，子步骤2.3中，所述中值滤波算法具体包含以下子步骤：

子步骤2.3.1，将旋转矫正后的芯片图像矩阵输入YOLOv5网络，先添加椒盐噪声，再添加高斯噪声；

子步骤2.3.2，将去噪模板邻域内的像素灰度值排序，选择灰度值中间值作为该点的像素值，去噪后的图像函数可以写为：

f′(i，j)＝median_(i，j)∈S{f(i，j)}

其中，S为模板区域，f(i,j)表示原本的对应坐标(i,j)的灰度值，f′(i,j)表示取模板区域所有灰度值的中间值作为整块区域的灰度值；

随机出现的椒盐噪声会被邻域内的其他点的像素值代替，从而去除椒盐噪声。

6.根据权利要求1所述的基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，步骤3中，所述缺陷分类标注包含金属化层缺陷、空气桥塌陷、多余物以及划伤缺陷四大类。

7.根据权利要求1所述的基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法，其特征在于，步骤4中，所述YOLOv5网络结构包含输入端、Backbone、Neck、Prediction四个部分。