面向磁场图像的物理约束生成模型
计算机视觉与模式识别
2025-08-29 v1
摘要
在半导体制造中，缺陷检测和定位对于确保产品质量和产能至关重要。虽然X射线成像是可靠的无损测试方法，但对于大规模扫描却十分耗内存且耗时。磁场成像(MFI)提供了一种更高效的手段，用于定位感兴趣区域(ROI)以进行针对性X射线扫描。然而，由于专有原因，MFI数据集的有限可用性构成了使用MFI训练机器学习(ML)模型的主要瓶颈。为此，我们考虑一种基于扩散模型的ML方法，利用两种物理约束。我们提出了面向磁场图像的物理约束生成模型(PI-GenMFI)，通过整合特定物理信息来生成合成MFI样本。我们为最常见的缺陷类型：功率短路生成MFI图像。这些合成图像将作为训练数据，用于ML算法以高效定位缺陷区域。为评估生成的MFI，我们将模型与来自变分自编码器(VAE)和扩散方法的SOTA生成模型进行比较。我们提出了领域专家评估，以评估生成样本。此外，我们呈现了针对图像生成和信号处理所用各种指标的定性和定量评估，显示出在优化缺陷定位过程方面具有前景的效果。
引用
@article{arxiv.2508.20612,
title = {Physics Informed Generative Models for Magnetic Field Images},
author = {Aye Phyu Phyu Aung and Lucas Lum and Zhansen Shi and Wen Qiu and Bernice Zee and JM Chin and Yeow Kheng Lim and J. Senthilnath},
journal= {arXiv preprint arXiv:2508.20612},
year = {2025}
}