原文传递
一种基于特征模板匹配和深度学习的塑封体IC芯片缺陷检测方法
| 专利名称： | 一种基于特征模板匹配和深度学习的塑封体IC芯片缺陷检测方法 |
| 摘要： | 本发明公开了一种基于特征模板匹配和深度学习的塑封体IC芯片缺陷检测方法，包括如下步骤：(1)图像采集和预处理；(2)建立IC芯片定位模板和字符定位模板；(3)基于特征模板匹配的芯片定位和字符检测；(4)字符缺陷判别；(5)卷积神经网络深度学习架构的创建和训练；(6)IC芯片引脚缺陷检测和分类。本发明可以有效的检测塑封体中的IC芯片的字符缺陷，并能够完成引脚的缺陷分类，具备较高的准确率，能满足塑封体中IC芯片的在线检测需求。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 江苏农林职业技术学院 |
| 发明人： | 崔明;周伟;仲瑶;吴燕 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810500001.0 |
| 公开号： | CN108982508A |
| 代理机构： | 南京苏高专利商标事务所(普通合伙) 32204 |
| 代理人： | 王安琪 |
| 分类号： | G01N21/88(2006.01)I;G;G01;G01N;G01N21;G01N21/88 |
| 申请人地址： | 212400 江苏省镇江市句容市文昌东路19号 |
| 主权项： | 1.一种基于特征模板匹配和深度学习的塑封体IC芯片缺陷检测方法，其特征在于，包括如下步骤：(1)图像采集和预处理；采集塑封体中的IC芯片图像，包括正常芯片图像和缺陷芯片图像；对采集到的芯片图像进行图像预处理，滤除噪声对特征信息的干扰，以利于后续的模板匹配和缺陷检测；(2)建立IC芯片定位模板和字符定位模板；利用采集的正常芯片图像建立IC芯片定位模板和字符定位模板；利用梯度算法对预处理后的图像边缘检测，并利用图像处理算法对边缘图像进行手动修改，得到IC芯片定位模板和字符定位模板；(3)基于特征模板匹配的芯片定位和字符检测；利用建立好的IC芯片定位模板和特征模板匹配法对预处理后的图像进行IC芯片定位，得到芯片的位置和角度信息，并利用IC芯片的定位信息建立字符检测ROI区域；利用字符定位模板对ROI区域中的图像进行字符检测，得到字符的位置和角度信息；(4)字符缺陷判别；设置合适的最小匹配分值检测芯片的字符缺失和字符印错缺陷；利用芯片定位和字符检测得到的位置和角度信息，并根据设置的偏角阈值和距离阈值，检测芯片是否存在字符偏斜缺陷；(5)卷积神经网络深度学习架构的创建和训练；创建卷积神经网络深度学习架构，并利用大量已知缺陷类型的引脚样本图像对深度学习架构训练，获得基于IC芯片引脚缺陷检测和分类的深度学习架构参数，为下一步的引脚缺陷分类奠定基础；(6)IC芯片引脚缺陷检测和分类；根据芯片的位置和角度信息，提取引脚区域图像输入训练好引脚缺陷识别深度学习架构，实现IC芯片引脚缺陷检测和分类。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
