基于深度卷积自编码器与分类器集成的 CMS HGCAL 硅传感器表面自动视觉检测
仪器与探测器
2023-03-28 v1 计算机视觉与模式识别
机器学习
摘要
在组装用于 CERN CMS 实验的高粒度量能器之前的质量控制过程中，将对一千多片 8 英寸硅传感器进行视觉检测以查找其表面异常。为自动化视觉检测，已开发一种基于深度学习的算法，可实时预选传感器表面潜在异常图像。异常检测由一个独立深度卷积神经网络集合完成：一个自编码器和一个分类器。性能在生产中获取的图像上进行评估。预选将需要人工检测的图像数量减少了 85%，召回率为 97%。生产中收集的数据可用于持续学习，以逐步提升准确率。
引用
@article{arxiv.2303.15319,
title = {Automated visual inspection of CMS HGCAL silicon sensor surface using an ensemble of a deep convolutional autoencoder and classifier},
author = {Sonja Grönroos and Maurizio Pierini and Nadezda Chernyavskaya},
journal= {arXiv preprint arXiv:2303.15319},
year = {2023}
}