基于一致纹理熵递归优化半监督网络的激光芯片亚微米不可见划痕无损检测

激光芯片作为半导体激光器的核心组件，广泛应用于各个行业，展现出巨大的未来应用潜力。平滑的发射面在芯片生产中至关重要，因为即使是不可见的划痕也会显著降低性能和寿命，从而阻碍生产效率和良率。因此，无损检测发射面上的这些不可见划痕对于提高良率和降低成本至关重要。这些亚微米级划痕在背景下几乎不可见，且缺乏标注数据集，使得传统方法极难检测。为了应对这一挑战，本文提出了一种一致纹理熵递归优化半监督网络 TexRecNet。该网络基于递归优化架构，利用前一周期的输出作为后续输入并指导网络的位置编码，迭代地提高不可见划痕边缘的检测精度。它还引入了图像纹理熵，利用大量未标记数据扩展训练集，同时保持训练信号的可靠性。最终，通过分析递归过程中获得的网络输出序列的不一致性，提出了一种具有递归一致性约束的半监督训练策略，利用递归过程的输出进行无损信号增强，并一致地优化损失函数以实现高效的端到端训练。实验结果表明，该方法利用大量无监督数据，在检测不可见划痕时实现了 75.6% 的准确率和 74.8% 的召回率，相比传统 Unet 分别提升了 8.5% 和 33.6%，从而增强了激光芯片的质量控制。