01
SEM基础与成像原理
工作原理 · 电子束与样品相互作用 · 二次电子/背散射电子成像 · 图像特点与伪影
原理成像
02
缺陷识别概述
颗粒/划痕/桥接/空洞等分类 · 对良率影响 · 人工目检局限性
分类良率
03
图像预处理基础
噪声类型 · 滤波去噪 · 直方图均衡化 · 图像增强
去噪增强
04
图像分割技术
阈值分割(Otsu/自适应) · 边缘检测(Canny/Sobel) · 形态学操作
分割边缘
05
特征提取与选择
缺陷标记 · 几何/灰度特征 · 纹理 · 归一化
特征归一化
06
机器学习分类器
KNN · SVM · 决策树 · 随机森林 · 评估指标
分类评估
07
深度学习入门
CNN基础 · 卷积/池化/全连接 · 激活函数
CNN激活
08
经典CNN架构
LeNet-5 · AlexNet · VGGNet · ResNet · 迁移学习
架构迁移
09
目标检测基础
滑动窗口 · 边界框回归 · IoU · NMS
检测IoU
10
YOLO系列算法
YOLOv1~v8 · 网络结构 · Anchor · 损失函数
YOLOAnchor
11
语义分割与实例分割
FCN · U-Net · Mask R-CNN · 像素级标注
分割Mask
12
数据增强技术
几何/颜色变换 · MixUp · CutMix · GAN生成
增强GAN
13
数据集构建与标注
采集规范 · LabelImg/CVAT · COCO/Pascal VOC · 数据划分
标注数据集
14
模型训练与调优
学习率策略 · 优化器 · 正则化 · 早停法
调优正则
15
模型评估与验证
混淆矩阵 · ROC/PR曲线 · K折交叉验证 · 过拟合诊断
评估验证
16
模型部署与推理优化
量化(INT8/FP16) · ONNX · TensorRT · 边缘端部署
部署加速
17
实战项目一：晶圆颗粒缺陷检测
传统图像处理 + 机器学习
实战晶圆
18
实战项目二：光刻胶划痕识别
基于CNN分类
实战CNN
19
实战项目三：金属层桥接检测
基于YOLO目标检测
实战YOLO
20
实战项目四：通孔空洞分割
基于U-Net语义分割
实战U-Net
21
实战项目五：多类型缺陷混合检测
集成多种算法
实战集成
22
异常检测与无监督学习
Autoencoder · VAE · GAN用于缺陷检测
无监督GAN
23
小样本学习与少样本缺陷检测
原型网络 · 匹配网络 · 数据合成
小样本原型
24
主动学习与半监督学习
不确定性采样 · 一致性正则 · 伪标签
主动半监督
25
模型可解释性
Grad-CAM · Saliency Map · LIME · 可视化
可解释可视化
26
多模态融合
SEM+EDS融合 · 图像与文本 · 多传感器
多模态融合
27
自动化缺陷分类系统设计
流水线架构 · 数据管道 · 模型服务 · 监控告警
系统流水线
28
工业场景中的挑战与对策
光照不均 · 尺度变化 · 类别不平衡 · 实时性
挑战对策
29
前沿技术展望
ViT · DETR · 自监督学习(SimCLR/MoCo) · SAM
TransformerSAM
30
课程总结与项目答辩
知识体系回顾 · 常见问题 · 项目展示 · 职业发展
总结答辩