详情

原文传递一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法

专利名称：	一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法
摘要：	本发明公开了一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法，涉及机器学习技术领域，该方法针对样本芯片原始的时域振动信号，根据特征提取方法，从时域、频域和时频域分别提取特征，通过输入极限学习机中进行学习和分类后得到焊点检测模型，利用焊点检测模型即能自动检测出芯片中是否存在倒装焊焊点缺失缺陷，从而快速高效将缺陷芯片和正常芯片区分出来，与传统的人力视觉检测不同，该方法机器化、自动化程度高，且检测结果客观性和准确性更好，为实现更加快速且高效的倒装焊焊点缺失缺陷检测提供了方法。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江南大学
发明人：	宿磊;韩航迪;余晓男;黄海润;李可
专利状态：	有效
申请日期：	2019-06-17T00:00:00+0800
发布日期：	2019-09-13T00:00:00+0800
申请号：	CN201910519618.1
公开号：	CN110231404A
代理机构：	无锡华源专利商标事务所(普通合伙)
代理人：	聂启新
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	214122 江苏省无锡市蠡湖大道1800号
主权项：	1.一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法，其特征在于，所述方法包括：获取样本芯片，所述样本芯片包括缺陷芯片和正常芯片，所述缺陷芯片中包含倒装焊焊点缺失缺陷，所述正常芯片中不包含倒装焊焊点缺失缺陷；利用激光扫描测振仪获取各个所述样本芯片的时域振动信号，并对所述时域振动信号进行特征提取获取时域特征；根据所述时域振动信号确定所述样本芯片的频域振动信号，并对所述频域振动信号进行特征提取获取频域特征；根据所述时域振动信号确定所述样本芯片的时频域振动信号，并对所述时频域振动信号进行特征提取获取时频域特征；将提取到的各个所述样本芯片的特征数据输入极限学习机进行学习和分类得到焊点检测模型，各个所述样本芯片的所述特征数据包括所述样本芯片的时域特征、频域特征和时频域特征；利用所述焊点检测模型检测待测芯片，确定所述待测芯片中是否存在倒装焊焊点缺失缺陷。 2.根据权利要求1所述的方法，其特征在于，获取到的所述时域特征包括但不限于平均值、标准差、均方根误差、峰峰值、偏度、峰度、波峰因数和波形因数。 3.根据权利要求1所述的方法，其特征在于，获取到的所述频域特征包括但不限于平均频率、中心频率、均方根和根方差。 4.根据权利要求1所述的方法，其特征在于，所述根据所述时域振动信号确定所述样本芯片的时频域振动信号，并对所述时频域振动信号进行特征提取获取时频域特征，包括：对所述时域振动信号进行小波包分解，并提取出表示小波包树第三层八个节点能量占比的八个所述时频域特征。 5.根据权利要求1-4任一所述的方法，其特征在于，所述将提取到的各个所述样本芯片的特征数据输入极限学习机进行学习和分类得到焊点检测模型，包括：对于每个所述样本芯片的特征数据，根据主成分分析法对提取到的所述特征数据进行特征降维；将各个所述样本芯片的特征降维后的特征数据输入极限学习机进行学习和分类得到所述焊点检测模型。
所属类别：	发明专利