研究目的
为开发一种用于检测TFT-LCD制造过程中导电粒子的自动检测系统,以应对复杂背景噪声和多样化粒子外观的挑战。
研究成果
所提出的U-ResNet架构在检测导电颗粒方面显著优于传统方法,证明了数据驱动学习方法在该任务中的有效性。该研究凸显了深度卷积网络在TFT-LCD制造业自动化检测流程中的应用潜力。
研究不足
该研究承认复杂粒子模式带来的挑战,以及训练和验证所需大量数据的需求。该方法的表现可能因不同的粒子密度和尺寸而有所差异。
研究目的
为开发一种用于检测TFT-LCD制造过程中导电粒子的自动检测系统,以应对复杂背景噪声和多样化粒子外观的挑战。
研究成果
所提出的U-ResNet架构在检测导电颗粒方面显著优于传统方法,证明了数据驱动学习方法在该任务中的有效性。该研究凸显了深度卷积网络在TFT-LCD制造业自动化检测流程中的应用潜力。
研究不足
该研究承认复杂粒子模式带来的挑战,以及训练和验证所需大量数据的需求。该方法的表现可能因不同的粒子密度和尺寸而有所差异。
加载中....
您正在对论文“[计算机科学讲义] 模式识别与计算机视觉 第11259卷(首届中国会议,PRCV 2018,中国广州,2018年11月23-26日,会议录,第四部分)|| 基于U-ResNet的TFT-LCD制造过程中导电粒子检测”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期