基于深度神经网络的晶圆缺陷检测技术及票据识别技术

该系统通过大量学习各类缺陷的特征，不仅可以对缺陷进行精确定位，而且还能准确判定其类别，从而实现AVI缺陷的自动化检测；同时，该系统还可实现缺陷的自动分析，实时统计各类缺陷的占比，推断各工序的健康状况，并自动将统计数据上传公司数据集成管理平台，使得相关负责人实时掌握产品线健康状况；此外，该系统还可自动报警，当缺陷数据异常，及时发出警告。
该技术每秒钟可检测60~100张缺陷图片（与设备配置有关），24小时不间歇，每天检测图片多达24×60×60×(60~100) = 520万~860万张，而普通工人即便1张/秒，8小时不间歇，每天可检测8×60×60×1 = 2.88万张。可见，该技术的检测效率是普通工人的180~300倍。
票据单据识别和手工录入方式来比，OCR（Optical Character Recognition，光学字符识别）智能录入具有强大的优势，OCR识别的速度远快于手工录入，节省了大量人力资源，优化资源配置，使人员分配于更加有意义的工作。OCR技术可以为用户提供高效率、低成本的数据采集方案，从而为业务快速发展提供有力的支撑。
上海电力大学
廖强强