روش بهبودیافته مبتنی بر Mask R-CNN برای شناسایی هوشمند توپ‌های باند و سیم‌های باند در چیپ‌های RF

ایوت وو     ۱۰ اکتبر ۲۰۲۵ 

چیپ‌های RF, به‌عنوان اجزای اصلی سیستم‌های ارتباطی مدرن، نقش حیاتی در تعیین قابلیت اطمینان و پایداری اتصالات مدار ایفا می‌کنند. کیفیت سیم اتصال و توپ اتصال در چیپ‌های RF مستقیماً بر عملکرد کل سیستم تأثیر می‌گذارد. روش‌های سنتی بازرسی نوری خودکار در شناسایی توپ‌های اتصال و سیم‌های اتصال در چیپ‌های RF, ، از جمله نرخ بالای مثبت کاذب و اتکا به بازرسی مجدد دستی. برای رفع این مسائل، این پژوهش یک روش بهبود‌یافتهٔ بخش‌بندی نمونه مبتنی بر Mask R-CNN برای چیپ‌های RF که شناسایی دقیق و کارآمد سازه‌های پیوندی را امکان‌پذیر می‌سازد.

چالش‌ها در تشخیص باندینگ چیپ RF

توپ‌ها و سیم‌های باند را در چیپ‌های RF آنها اغلب کوچک و از نظر شکل متنوع هستند، که تشخیص دقیق آنها با روش‌های سنتی را دشوار می‌کند. این ویژگی نیازمند مدل تشخیص پیشرفته‌تری است که بتواند اندازه‌ها و اشکال گوناگون را مدیریت کند، به‌ویژه در محیط‌های تولیدی که سرعت و دقت در آنها حیاتی است.

بهبودهای کلیدی در مدل Mask R-CNN برای تشخیص RFchip

در این مطالعه، ساختار شبکه Mask R-CNN برای بهبود عملکرد آن در تشخیص توپ‌های پیوندی و سیم‌های پیوندی در دو روش کلیدی تقویت شد. چیپ‌های RF:

بهینه‌سازی مکانیزم تولید جعبهٔ اولیه:
لایه‌های شبکهٔ اصلی هرم ویژگی Mask R-CNN (FPN) پی۲، پی۵ و پی۶ تعداد بیش از حد زیادی جعبه‌های قبلی داشت. این با کاهش تعداد جعبه‌های قبلی از ۲۶۰٬۰۰۰ به ۱۹۰٬۰۰۰, و به‌طور قابل‌توجهی کارایی استنتاج مدل را بدون فدا کردن دقت افزایش می‌دهد.

افزایش نوآورانه داده‌ها از طریق تشخیص برخورد:
برای پرداختن به مسئله کمبود داده‌های آموزشی، این مطالعه یک ... معرفی کرد. استراتژی افزایش داده مبتنی بر تشخیص برخورد. این استراتژی به‌طور تصادفی توپ‌های پیوند و سیم‌های پیوند را تبدیل می‌کند و سپس آن‌ها را در محیط‌های واقع‌گرایانه قرار می‌دهد. چیپ فرکانس رادیویی پس‌زمینه‌ها. این روش به‌طور مؤثر مجموعه داده‌های آموزشی را گسترش داد، هزینه‌های برچسب‌گذاری را کاهش داد و استحکام مدل را بهبود بخشید.

نتایج تجربی و عملکرد

مدل با استفاده از آموزش داده شد چیپ فرکانس رادیویی داده‌های تصویری مستقیماً از خطوط تولید جمع‌آوری شدند که شامل اشکال متنوعی از سیم‌کشی‌های باند توپی و باند سیمی و انواع پس‌زمینه‌ها بودند. نتایج نشان داد که ماسک R-CNN بهبود یافته مدل به دست آورد دقت متوسط (mAP) برابر با 85.23% و یک میانگین تقاطع بر رویادگیری مشترک (IoU) برابر با ۷۱٫۲۷۱TP3T برای چیپ فرکانس رادیویی وظایف تفکیک توپ‌بند و سیم‌بند. زمان استنتاج برای هر چیپ فرکانس رادیویی تصویر فقط ۱.۱۶۸ ثانیه, و به طور قابل توجهی از روش‌های سنتی مانند یونِت و اف‌سی‌ان.

شایان ذکر است که مدل در بخش‌بندی توپ‌های پیوند نقطه اول و دوم از چیپ‌های RF, ، با دقت متوسط (AP) بیش از 87%. این برتری مدل را در شناسایی ریزساختارهای پیچیدهٔ چیپ‌های RF.

کاربرد در دنیای واقعی و کارهای آینده

در حال حاضر، این روش شناسایی روی خطوط تولید برای چیپ‌های RF. ثابت شده است که در محیط‌های صنعتی واقعی مؤثر و عملی است. این روش پتانسیل بالایی در پرداختن به چالش‌های دنیای واقعی در چیپ فرکانس رادیویی تولید، به‌ویژه در زمینه بازرسی با سرعت بالا.

کار آینده بر بهینه‌سازی عملکرد بخش‌بندی برای سیم‌های باند بزرگ‌تر در چیپ‌های RF, ، که کاربردپذیری این روش را در وظایف پیچیدهٔ تشخیص در داخل ... بیش‌تر افزایش می‌دهد. چیپ فرکانس رادیویی فرآیند تولید.

ایوت وو

ایوت وو - متخصص توسعه بازار و کاربردهای تراشه ایوت وو یک مهندس کاربردهای تراشه متمرکز بر بازار است. مسئولیت اصلی او کاوش عمیق و تعریف نیازهای بازار و ادغام کارآمد منابع در سراسر زنجیره صنعت بالادستی و پایین‌دستی - از طراحی تراشه تا کاربردهای نهایی - برای حل نیازهای بسیار تخصصی و پیچیده محصول نهایی مشتریان است. او با بهره‌گیری از بینش عمیق خود در مورد روندهای فناوری و سناریوهای کاربرد مشتری، نقش حیاتی را به عنوان پلی بین فناوری و بازار ایفا می‌کند. او در ترجمه نیازهای بازار به مشخصات فنی دقیق و بیان راه‌حل‌های فنی پیچیده به ارزش شفاف مشتری، و اطمینان از اینکه محصولات به طور دقیق به بازار پاسخ می‌دهند، عالی است...

مقالات بیشتر از ایوت وو را بخوانید