论文部分内容阅读
在电子元件的生产过程中,经常会产生各种类型的缺陷。以往的电子元件缺陷检测中用到的方法有支持向量机(SVM)、BP神经网络、卷积神经网络(CNN)等,在实验中这些方法都产生了一定的效果,但是都会遇到缺陷样本不足的问题。为此引入条件生成对抗网络来生成大量负样本以满足训练的需求,在生成缺陷样本的过程中引入光照掩膜和多尺度结构相似性损失(MS-SSIM),可以有效提升样本的真实度和多样性。在分类网络中,自定义一个九层的CNN,缺陷样本的多样性使CNN的分类能力有所提升,在实验中取得了良好的效果。