LED半导体封装点胶缺陷检测方法、电子设备以及存储介质技术

本申请是关于一种LED半导体封装点胶缺陷检测方法。该方法包括：将待检图像输入深度自编码神经网络，输出得到重构图像；计算所述待检图像和所述重构图像对应像素点之间的误差值；根据所述误差值构建残差图像；对所述残差图像进行区域划分，得到K个区域，所述K为大于或等于2的整数；根据所述K个区域的面积确定半导体封装点胶的缺陷类型。本申请提供的方案，通过利用深度自编码神经网络对封装点胶完毕半导体图像进行重构，得到重构图像，利用重构图像与原图像的误差构建仅具有缺陷特征的残差图，通过对残差图中的不同区域的面积的大小即可判断出缺陷的类型，能够快速准确地对LED半导体的封装点胶缺陷进行检测。

【技术实现步骤摘要】
LED半导体封装点胶缺陷检测方法、电子设备以及存储介质
本申请涉及半导体
，尤其涉及一种LED半导体封装点胶缺陷检测方法、电子设备以及存储介质。
技术介绍
LED半导体：发光二极管(Light-emittingdiode,简称LED)，是一种半导体固体发光器件，是利用固体半导体芯片作为发光材料，在半导体中通过载流子发生复合放出过剩的能量而引起光子发射，直接发出红、黄、蓝、绿、青、橙、紫、白色的光。封装点胶是LED半导体生产工序之一，LED芯片放置在LED支架的碗杯内，然后利用自动点胶设备对LED支架的碗杯点胶，以使胶包覆LED芯片，完成点胶的LED支架在放入烤箱进行烘烤，待荧光粉胶成型后，即完成了LED的点胶工艺。因点胶工艺造成的产品外观缺陷有多胶，少胶，气泡，漏焊和表面杂物等。现有的LED半导体的封装点胶缺陷检测方法一般分为两类：一类是使用传统算法例如Opencv,halcon中的边缘检测，二值化，灰度统计等算子来实现，此方法如果要达到较好的检测效果，往往要进行大量算子参数的调整与算子流程设计，这样就给非专业算法开发人员例如LED工厂质检员带来不小的设计换型中的困难。反之，如果简化这些传统算法算子和参数，往往无法达到很好的缺陷异常检测效果。另一类是使用有监督的深度学习方法，例如缺陷分类和目标检测等来识别检测异常缺陷。这种方法不需要质检操作员具备算法的专业知识即可操作，但其最大问题是使用了有监督的深度学习算法，需要大量的（每种缺陷样本至少上千张）缺陷样本，而在LED半导体封装点胶生产现场，大部分缺陷样本都是非常难以收集的，这也给这种缺陷异常检测方法的使用带来了很大的困难。同时，现有使用的一些有监督的分类和目标检测算法，也不能非常准确的标识出异常缺陷的位置和面积大小。可以看出现有的LED半导体的封装点胶缺陷检测方法都存在着一定的缺点，无法快速准确地对LED半导体的封装点胶缺陷进行检测，为了能快速准确地对LED半导体的封装点胶缺陷进行检测，提出以下方案。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种LED半导体封装点胶缺陷检测方法，该LED半导体封装点胶缺陷检测方法，能够快速准确地对LED半导体的封装点胶缺陷进行检测。本申请第一方面提供一种LED半导体封装点胶缺陷检测方法，包括：将待检图像输入深度自编码神经网络，输出得到重构图像；计算该待检图像和该重构图像对应像素点之间的误差值；根据该误差值构建残差图像；对该残差图像进行区域划分，得到K个区域，该K为大于或等于2的整数；根据该K个区域的面积确定半导体封装点胶的缺陷类型；该对该残差图像进行区域划分，得到K个区域包括：利用OpenCV开源图形库算法将该待检图像进行区域划分，得到芯片区域、胶体区域和杯壳区域；利用该芯片区域、该胶体区域和该杯壳区域对该残差图像进行对应位置的区域划分，得到该残差图像上的该芯片区域、该胶体区域和该杯壳区域。在第一方面的第一种可能实现的方法中，该利用OpenCV开源图形库算法将该待检图像进行区域划分，得到芯片区域、胶体区域和杯壳区域包括：将该待检图像转成HSV格式图像，利用InRange算子获取该HSV格式图像的红色mask图像，将该红色mask图像进行二值化得到二值化图像，获取该二值化图像的最大连通域定义为芯片区域；获取该待检图像的R-B图像，利用积分算子获取该R-B图像的积分图像，利用预设矩形框对该积分图像进行滑动搜索，将该矩形框的四角像素和为最大值所对应的区域定义为胶体区域；将除该芯片区域和该胶体区域以外的区域定义为杯壳区域。在第一方面的第二种可能实现的方法，该根据该K个区域的面积确定半导体封装点胶的缺陷类型包括：确定第一面积，第二面积和第三面积；比较第一面积和第一面积阈值，若该第一面积大于该第一面积阈值，则判定存在第一类型缺陷；若该第一面积小于或等于该第一面积阈值，则比较第二面积和第二面积阈值，若该第二面积大于该第二面积阈值，则判定存在第二类型缺陷；若该第二面积小于或等于该第二面积阈值，则比较第三面积和第三面积阈值，若该第三面积大于该第三面积阈值，则判定存在第三类型缺陷；该第一面积、该第二面积和该第三面积分别为该杯壳区域的面积、该胶体区域的面积和该芯片区域的面积，该第一类型缺陷包括白边缺陷和溢胶缺陷，该第二类型缺陷包括少胶缺陷和多胶缺陷，该第三类型缺陷包括漏焊缺陷和叠晶缺陷。在第一方面的第三种可能实现的方法中，该将待检图像输入深度自编码神经网络之前，还包括：利用正常样品图像训练该深度自编码神经网络，该正常样品图像为无封装点胶缺陷的LED半导体产品图像。在第一方面的第四种可能实现的方法中，该深度自编码神经网络包括编码模块和解码模块；该编码模块包括N组级联的卷积层和激活层的组合，和一个全连接层，该N为大于等于5的整数；该解码模块包括M组级联的逆卷积层，卷积层和激活层的组合，该M为大于等于5的整数；该激活层采用LeakyRelu激活函数或sigmoid激活函数。在第一方面的第五种可能实现的方法中，该计算该待检图像和该重构图像对应像素点之间的误差值包括：利用PSNR峰值信噪比公式计算该待检图像和该重构图像对应像素点之间像素值的误差值；该误差值为该对应像素点之间像素值的均方误差相对于的对数值，该h为图像的比特数。结合第一方面的第五种可能实现的方法，在第六种可能实现的方法中，该PSNR峰值信噪比公式为：其中PSNR为峰值信噪比，MSE为均方误差；该均方误差的计算公式为：其中m为该待检图像或该重构图像的宽，n为该待检图像或该重构图像的高，和为该待检图像和该重构图像上对应像素点的像素值，i为图像中像素点的横坐标，j为图像中像素点的纵坐标。结合第一方面的第六种可能实现的方法，在第七种可能实现的方法中，该根据该误差值构建残差图像包括：将该误差值进行大小排序，得到排序结果；用分位数阈值将该排序结果划分为正常值和异常值；根据该正常值和该异常值对应的像素点进行二值化处理，得到残差图像。本申请第二方面提供一种电子设备，包括：处理器；以及存储器，其上存储有可执行代码，当该可执行代码被该处理器执行时，使该处理器执行如上该的方法。本申请第三方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当该可执行代码被电子设备的处理器执行时，使该处理器执行如上该的方法。本申请提供的技术方案可以包括以下有益效果：本方案通过将待检图像输入深度自编码神经网络，输出得到重构图像；计算该待检图像和该重构图像对应像素点之间的误差值；根据该误差值构建残差图像；对该残差图像进行区域划分，得到K个区域，该K为大于或等于2的整数；根据该K个区域的面积确定半导体封装点胶的缺陷类型。本申请提供的方案，通过利用深度自编码神经网络对封本文档来自技高网...

【技术保护点】
1.一种LED半导体封装点胶缺陷检测方法，其特征在于，包括：/n将待检图像输入深度自编码神经网络，输出得到重构图像；/n计算所述待检图像和所述重构图像对应像素点之间的误差值；/n根据所述误差值构建残差图像；/n对所述残差图像进行区域划分，得到K个区域，所述K为大于或等于2的整数；/n根据所述K个区域的面积确定半导体封装点胶的缺陷类型；/n所述对所述残差图像进行区域划分，得到K个区域包括：/n利用OpenCV 开源图形库算法将所述待检图像进行区域划分，得到芯片区域、胶体区域和杯壳区域；/n利用所述芯片区域、所述胶体区域和所述杯壳区域对所述残差图像进行对应位置的区域划分，得到所述残差图像上的所述芯片区域、所述胶体区域和所述杯壳区域。/n

【技术特征摘要】
1.一种LED半导体封装点胶缺陷检测方法，其特征在于，包括：
将待检图像输入深度自编码神经网络，输出得到重构图像；
计算所述待检图像和所述重构图像对应像素点之间的误差值；
根据所述误差值构建残差图像；
对所述残差图像进行区域划分，得到K个区域，所述K为大于或等于2的整数；
根据所述K个区域的面积确定半导体封装点胶的缺陷类型；
所述对所述残差图像进行区域划分，得到K个区域包括：
利用OpenCV开源图形库算法将所述待检图像进行区域划分，得到芯片区域、胶体区域和杯壳区域；
利用所述芯片区域、所述胶体区域和所述杯壳区域对所述残差图像进行对应位置的区域划分，得到所述残差图像上的所述芯片区域、所述胶体区域和所述杯壳区域。


2.根据权利要求1所述的一种LED半导体封装点胶缺陷检测方法，其特征在于，所述利用OpenCV开源图形库算法将所述待检图像进行区域划分，得到芯片区域、胶体区域和杯壳区域包括：
将所述待检图像转成HSV格式图像，利用InRange算子获取所述HSV格式图像的红色mask图像，将所述红色mask图像进行二值化得到二值化图像，获取所述二值化图像的最大连通域定义为芯片区域；
获取所述待检图像的R-B图像，利用积分算子获取所述R-B图像的积分图像，利用预设矩形框对所述积分图像进行滑动搜索，将所述矩形框的四角像素和为最大值所对应的区域定义为胶体区域；
将除所述芯片区域和所述胶体区域以外的区域定义为杯壳区域。


3.根据权利要求1所述的一种LED半导体封装点胶缺陷检测方法，其特征在于，所述根据所述K个区域的面积确定半导体封装点胶的缺陷类型包括：
确定第一面积，第二面积和第三面积；
比较第一面积和第一面积阈值，若所述第一面积大于所述第一面积阈值，则判定存在第一类型缺陷；
若所述第一面积小于或等于所述第一面积阈值，则比较第二面积和第二面积阈值，若所述第二面积大于所述第二面积阈值，则判定存在第二类型缺陷；
若所述第二面积小于或等于所述第二面积阈值，则比较第三面积和第三面积阈值，若所述第三面积大于所述第三面积阈值，则判定存在第三类型缺陷；
所述第一面积、所述第二面积和所述第三面积分别为所述杯壳区域的面积、所述胶体区域的面积和所述芯片区域的面积，所述第一类型缺陷包括白边缺陷和溢胶缺陷，所述第二类型缺陷包括少胶缺陷和多胶缺陷，所述第三类型缺陷包括漏焊缺陷和叠晶缺陷。

【专利技术属性】
技术研发人员：陈健，姜涌，吴垠，
申请(专利权)人：惠州高视科技有限公司，
类型：发明
国别省市：广东;44