MMF-YOLO晶圆模具表面微缺陷检测算法

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：冯金秋, 燕芳, 杨阳, 李海宇

单位：内蒙古科技大学 自动化与电气工程学院，内蒙古 包头 014010

摘要：针对晶圆模具表面微缺陷检测中面临的目标小、尺度变化大、背景复杂、检测精度较低等问题，提出了结合边缘信息聚焦和上下文信息融合扩散的微缺陷检测算法MMF-YOLO。使用边缘信息聚焦模块（edge information focusing module，EIFM）改进原网络中的C3k2，从多尺度边缘信息中选择与目标高度相关的关键特征。使用上下文信息融合扩散金字塔网络（context-fusion diffusion pyramid network，CFD-PN）结构，对颈部网络进行优化，通过提取各层次网络中特征在空间分辨率和语义信息上的不同表征，减少信息融合过程中特征的混淆和丢失。同时，引入ADown（adaptive down-sampling module）下采样模块，优化了卷积层中的参数数量和计算冗余，以减少模型的复杂度。使用特征尺度缩放检测头（feature scale-aware detection head，FSDH），通过使用共享卷积，减少网络储存开销。实验结果表明，MMF-YOLO算法相较于基线YOLOv11n，在晶圆模具表面微缺陷数据集上，mAP@0.5提升了6.93个百分点，更适用于晶圆模具表面微缺陷检测任务和嵌入式平台部署与推理。

关键词：机器视觉,微缺陷检测,边缘信息增强,上下文融合扩散金字塔,YOLOv11