abs晶片缺貨的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

以YOLOV4及U-Net為基礎之兩階段模型：晶粒表面瑕疵分割的應用

為了解決abs晶片缺貨的問題，作者詹育誠 這樣論述：

瑕疵檢測領域中，會出現一些費時的任務，如收集瑕疵樣本、標註瑕疵以及特徵工程等。在此研究中，案例公司的工程師需開發各式晶粒瑕疵檢測之演算法，但礙於工作繁忙，工程師只有些許時間可以收集瑕疵影像與設計影像特徵，更難有時間對大量的影像進行瑕疵標註。為了解決上述問題，本研究利用生成對抗網路(Generative Adversarial Network，簡稱GAN)來進行數據增強，並且透過這些虛擬影像增加不同瑕疵的形態，以解決需要收集大量瑕疵影像樣本之困擾。此外，本研究也採用了一些數位影像處理(Digital Image Processing，簡稱DIP)技巧，對虛擬瑕疵影像自動進行標註(Auto

-annotation)，省下許多對於虛擬瑕疵影像進行標註的時間。 在進行完數據增強後，透過本研究所提出的以YOLOV4及U-Net為基礎之兩階段模型作為晶粒瑕疵檢測之基底，此模型可預測出瑕疵的形狀與所在之座標、大小與機率等訊息。實驗結果顯示，本研究提出之模型之測試平均精確度(Average Precision，簡稱AP)為76.1%、交聯比(Intersection over Union，簡稱IoU)為57.7%，AP比Mask R-CNN高41.1%，且比YOLACT高出59.7%；而IoU比Mask R-CNN高26%，且比YOLACT高出57.7%。上述結果說明了本研究所提出之模

型在對於晶粒瑕疵檢測這類的小物件偵測問題，其效能優於現有的實例分割模型。