КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ МИКРОСХЕМ ПРИ ПОМОЩИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ

Авторы

  • Сарманбетов С.А. Казахский Национальный Университет имени Аль-Фараби
  • Максутова А.А. Әл-Фараби атындағы Қазақ Ұлттық университетi,
  • Жексебай Д.М Әл-Фараби атындағы Қазақ Ұлттық университетi
  • Кожагулов Е.Т. Әл-Фараби атындағы Қазақ Ұлттық университетi
  • Бажаев Н.А

DOI:

https://doi.org/10.32014/2021.2518-1726.102

Ключевые слова:

сверточные нейронные сети, глубокое обучение, микросхема, классификация, структура

Аннотация

Основным элементом в электронных устройствах является микросхемы и печатные платы, на которых размещено большое количество элементов. Качество печатной платы или микросхем напрямую влияет на производительность электронных устройств. Визуальная проверка дефектов, которая обеспечивает качество продукции печатных плат, как правило, является самой большой стоимостью производства. Время обучения, затрачиваемое экспертами на выявление дефектов, увеличивается из-за быстро меняющихся требований к производству микросхем. Различные требования  и производство по индивидуальному заказу приводят к тому, что цвета, типы и формы варьируются от одной партии микросхем к другой.

Человеческому глазу сложно быстро и эффективно распознать дефект в малых микросхемах . Повторяющийся осмотр при ярком свете и под микроскопом может вызвать ухудшение зрение или головокружение, поэтому точность осмотра человеком может быть не более 80% -85%.

Обнаружение дефектов в микросхеме с использованием алгоритмов нейронной сети является сложным процессом, который включает в себя несколько этапов процесса проверки. Важной частью производства различных объектов, таких как микросхемы, является процесс контроля и соответствие топологии элементов. Во избежание недостатка ручного обнаружения, например, легкого утомления и низкой эффективности, в этой работе предлагается метод поиска объектов с использованием искусственной нейронной сети. В данной статье описывается метод классификации микросхем. В работе посвящена квалификации микросхем с использованием сверточной нейронной сети. Структура сверточной нейронной сети состоит из двух сверточных и двух полносвязанных слоев. В качестве функции активации нейронной сети была использована функция relu.

Загрузки

Опубликован

2021-12-15

Как цитировать

Сарманбетов, С., Максутова А.А., Жексебай Д.М, Кожагулов Е.Т., & Бажаев Н.А. (2021). КЛАССИФИКАТОР ИЗОБРАЖЕНИЙ МИКРОСХЕМ ПРИ ПОМОЩИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ. Известия НАН РК. Серия физико-математическая, (6), 59–65. https://doi.org/10.32014/2021.2518-1726.102