基于AttentionGAN和形态学重建的TFT阵列缺陷检测

摘要

缺陷检测在TFT阵列工艺的良率提高中起着重要作用,传统的人工识别效率低,新兴的目标检测卷积神经网络在缺陷标注上需要耗费大量人力.为了实现TFT阵列缺陷自动检测的同时尽可能地减少人工成本,提出了一种基于生成对抗网络和形态学重建的TFT阵列缺陷检测方法,该方法中用于训练网络的数据集无需人工标注,解决了人工标注成本大的问题.该方法首先通过AttentionGAN网络得到TFT阵列的显著性图,接着选定显著性图中显著性最低的像素为种子点,得到缺陷标记图像与缺陷掩膜图像,进而进行二值形态学重建的区域生长,最后得到缺陷的检测.该方法对于TFT阵列缺陷的二分类能达到F1分数为0.94的结果,为TFT阵列的自动化缺陷检测提出了一种新思路.