摘要：為了準確地檢測芯片的表面缺陷,提出了一種基于反向傳播神經網絡(BPNN)的檢測算法。首先,中值濾波方法被用于濾除芯片表面圖像的噪聲;然后,提取芯片表面缺陷的Hu不變矩特征和局部二值模式(LBP)特征,并采用核主成分分析(KPCA)算法降維級聯(lián)后的特征;最后,離線學習芯片表面正常模式和各種缺陷模式的BPNN模型。在線檢測時使用BPNN判斷芯片是否存在表面缺陷,使用最近鄰(NearestNeighbor,NN)算法具體分類缺陷的模式。提出算法在芯片表面圖像數據庫中的檢測準確率為88.41%,可以應用于芯片生產線中的表面缺陷檢測。