AOI-SSL：用于光学检测中引线键合半导体高效分割的自监督框架
计算机视觉与模式识别
2026-05-13 v1
摘要
在引线键合半导体的自动光学检测中，分割模型通常是特定于器件的，并且当出现新器件或分布偏移时必须重新训练。我们引入了AOI-SSL，这是一个用于引线键合半导体语义分割的训练高效框架，它结合了小领域自监督预训练的视觉Transformer与上下文推理，从而最大限度地减少了对标记样本的需求。我们在一个小型工业检测数据集上预训练了最先进的自监督算法，并发现掩码自编码器在这种小数据设置中最有效，它在改善下游分割的同时减少了标记微调的工作量。我们进一步引入了上下文感知的、补丁级别的检索方法，这些方法可以直接从密集的编码器嵌入中预测掩码，而几乎不需要额外的训练。我们表明，在这种设置下，简单的基于相似性的检索与当前文献中使用的更复杂的基于注意力的聚合方法性能相当。此外，我们的实验表明，在固定的微调计算预算下，与从头训练和使用ImageNet预训练骨干相比，自监督预训练显著提高了分割质量。最后，结果揭示，当针对单个器件图像时，基于检索的分割优于微调，允许对困难样本进行近乎即时的适应。
引用
@article{arxiv.2605.12430,
title = {AOI-SSL: Self-Supervised Framework for Efficient Segmentation of Wire-bonded Semiconductors In Optical Inspection},
author = {Joaquín Figueira and Rob Van Gastel and Giacomo D'Amicantonio and Zhuoran Liu and Ioan Gabriel Bucur and Faysal Boughorbel and Egor Bondarev},
journal= {arXiv preprint arXiv:2605.12430},
year = {2026}
}
备注
Accepted to the AI4RWC Workshop at CVPR 2026