在芯片制造过程中，因芯片制造各个工序环环相扣、技术复杂、材质、环境和工艺参数等因素的微变，常导致芯片出现缺陷，影响产品良率。芯片质检作为芯片生产线上的关键环节，能够积极反馈产品质量信息，让人们及时掌控各个生产环节的健康状况，质检技术DLIA芯片缺陷检测能促进芯片在生产线上的检测。

如今，人工目视检测方法因其存在效率低、精度低、成本高、劳动强度大和标准不统一等缺点，正逐步被DLIA芯片缺陷检测技术所取代。早期的DLIA芯片缺陷检测技术主要围绕机器视觉技术展开，DLIA芯片缺陷检测以其高效率、高精度、高可靠性、非接触性和客观性强等优点，得到了广泛研究和应用 ，DLIA芯片缺陷检测是基于人工设计特征的特征选择算法与模式识别分类算法的结合。

以卷积神经网络为代表的深度学习模型在计算机视觉领域成功应用，给DLIA芯片缺陷检测带来了新的启发。对于不同的认识缺陷模式，深入研究模型可以分为有监管学习、无监管学习、弱监管半监管等。有监督检测方式体现在使用标识（含类别、矩形框或者逐像素等）的缺陷影像录入网络进行培训，更加注重缺陷特征。无监督检测方式通常只需要正常的无缺陷样本进行线上培训，更加注重对正常样本的特点。