【技术实现步骤摘要】
一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统
本专利技术涉及AOI
，尤其涉及一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统。
技术介绍
进入二十一世纪以来，电子技术产业发展尤为迅猛，电子组装行业中元件的发展一直朝着微型化、功能化、模块化和生产设计一体化深入发展，加上电子制造业小批量、多种类的生产状况，这时候单单人工目视已经不能满足可靠而一致的检验目标，更不用说想要保存精确的信息，这就促使了生产企业为其生产线安装自动光学检测系统(AutomaticOpticalInspection，简称AOI)。AOI常用于小尺寸芯片的缺陷检测，首先利用图像采集系统将芯片转变成图像数据，并传递到图像处理系统中，然后由图像处理软件根据图像中的数据信息进行数字化处理，并从数字化处理后的信息中抽取出图像的关键特征，进而与模板特征进行匹配以得出缺陷信息。传统小尺寸芯片AOI检测方法通常是先对待测图像进行图像平滑、图像增强及图像分割处理，处理后的待测图像与标准图像进行配准以识别缺陷区域，对配准后的待测图像提取缺陷区域的特征进行缺陷...
【技术保护点】
1.一种基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，包括：/n获取小尺寸芯片的待测图像；/n对所述待测图像进行中值滤波；/n对所述待测图像进行灰度变换增强；/n通过最大类间方差法对所述待测图像进行图像分割以获取二值图像；/n对所述二值图像进行连通域标记以获取缺陷区域的像素点集合；/n获取所述缺陷区域的面积、重心、长轴、短轴及灰度值，并通过外接矩阵对所述缺陷区域进行显示标识；/n通过所述缺陷区域的面积、重心、长轴、短轴及灰度值判断所述缺陷区域是否为裂纹缺陷。/n
【技术特征摘要】
1.一种基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，包括：
获取小尺寸芯片的待测图像；
对所述待测图像进行中值滤波；
对所述待测图像进行灰度变换增强；
通过最大类间方差法对所述待测图像进行图像分割以获取二值图像；
对所述二值图像进行连通域标记以获取缺陷区域的像素点集合；
获取所述缺陷区域的面积、重心、长轴、短轴及灰度值，并通过外接矩阵对所述缺陷区域进行显示标识；
通过所述缺陷区域的面积、重心、长轴、短轴及灰度值判断所述缺陷区域是否为裂纹缺陷。
2.如权利要求1所述的基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，对所述待测图像进行中值滤波，包括：
设定3×3、5×5、7×7的三个二维窗口；
分别通过3×3二维窗口、5×5二维窗口及7×7二维窗口对所述待测图像进行中值滤波；
从经3×3二维窗口、5×5二维窗口及7×7二维窗口分别滤波后的三个图像中选取一个作为所述待测图像。
3.如权利要求2所述的基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，所述二维窗口为方形窗口。
4.如权利要求1所述的基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，所述灰度变换为分段线性灰度变换。
5.如权利要求1所述的基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，所述通过最大类间方差法对所述待测图像进行图像分割以获取二值图像，包括：
计算所述待测图像的平均灰度值并作为初始阈值；
将所述待测图像中灰度值大于所述初始阈值的区域作为目标区域并计算所述目标区域的平均灰度值；
取所述初始阈值与所述目标区域的平均灰度值之间的灰度值计算所述待测图像的类间方差；
将使所述类间方差最大的灰度值作为所述待测图像的分割阈值并根据所述分割阈值对所述待测图像进行图像分割。
6.如权利要求1所述的基于计算机视觉的小尺寸芯片裂纹检测方法，其特征在于，通过所述缺陷区域的面积、重心、长轴、短轴及灰度值判断所述缺陷区域是否为裂纹缺陷，包括：
计算所述缺陷区域长轴与短轴的长短比，获取所述缺陷区域的最低灰度...
【专利技术属性】
技术研发人员：苗瑞昌，
申请(专利权)人：武汉昕竺科技服务有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。