摘要：芯片制造过程中的微小缺陷（5-7像素）检测是质量控制的关键环节，但现有目标检测算法在处理此类微小目标时存在特征信息丢失、检测精度低和漏检率高等问题。针对上述问题，本文提出了一种基于YOLO11的改进检测方法YOLO11-P2-MDH。
论文概述
在YOLO11网络架构中引入P2高分辨率检测分支（stride=4），该分支在网络浅层提取并保留高分辨率特征图，有效缓解了多次下采样导致的微小目标空间信息丢失问题。其次，设计了P2_MDH微缺陷增强模块，该模块采用深度可分离卷积结构降低计算复杂度，结合轻量级通道感知机制自适应调整特征权重，并通过残差连接保持特征传递的稳定性，从而增强了微缺陷的局部特征表达能力。
在自建的芯片微缺陷数据集上进行了充分的实验验证，该数据集包含7810张图像和12119个标注框，涵盖划痕（Scratch）、针孔（Pin）、污染（Contamination）和封装（Package）4类典型缺陷。实验结果表明：改进模型的mAP@0.5达到98.1%，mAP@0.5:0.95达到90.5%，精确率为98.5%，召回率为95.9%，相比基线YOLO11模型分别提升了2.3%、3.8%、1.7%和2.4%。同时，模型参数量仅为2.66M，单张图像推理时间为4.9ms，在保持轻量化的同时满足了工业实时检测的需求。
本文所提方法有效解决了芯片微缺陷检测中的关键技术难题，为工业微小目标检测提供了新的解决思路，具有重要的理论意义和应用价值。
统计信息
论文目录
配套项目
项目代码：基于改进YOLO11算法的芯片微缺陷检测系统设计与实现 需要另外购买。
作者信息
作者：Bob (张家梁)
原创声明：本项目为原创作品
