一种基于深度学习的封装芯片缺陷检测方法技术

本发明专利技术公开了一种基于深度学习的封装芯片缺陷检测方法，包括：对封装芯片的X射线图像进行降噪处理；对X射线图像进行图像分割，提取具有封装芯片的测试图像；基于模板匹配得到测试图像中芯片的密封圈内外边缘；建立训练数据集与目标检测模型，对目标检测网络进行训练；基于训练后的目标检测模型对测试图像进行检测，得到测试图像中缺陷区域对应的检测框；基于区域生长对检测框进行精定位修正；基于密封圈内外边缘与检测框的最短路径对芯片进行合格性判定。深入研究了以深度学习视觉检测技术为代表的计算机视觉技术，研制出电子元器件X射线检查气泡缺陷自动识别方法，解决了军工电子元器件质量检测的迫切需求。子元器件质量检测的迫切需求。子元器件质量检测的迫切需求。

【技术实现步骤摘要】
一种基于深度学习的封装芯片缺陷检测方法


[0001]本专利技术涉及封装芯片缺陷检测领域/图像处理
，具体是一种基于深度学习的封装芯片缺陷检测方法。

技术介绍

[0002]传统的人工视觉检测、自动光学检测等检测技术对元器件内部的质量检测几乎无能为力，X射线检测方式以透射原理对电子元器件进行X射线成像，其图像能反映电子元器件的内部缺陷，再由检测人员浏览X射线图像，根据检测标准进行人工判读、分析。这种人工判读分析方式受工人经验和身体状况等主观因素的影响，检测效率和可靠性低，元器件检测质量难以有效保证，给元器件的使用带来风险与隐患，已无法满足军用电子系统日益增加的需求。

技术实现思路

[0003]针对上述现有技术中的不足，本专利技术提供一种基于深度学习的封装芯片缺陷检测方法，以深度学习视觉检测技术研制电子元器件X射线检查气泡缺陷自动识别方法，解决了军工电子元器件质量检测的迫切需求。
[0004]为实现上述目的，本专利技术提供一种基于深度学习的封装芯片缺陷检测方法，包括如下步骤：
[0005]步骤1，获取封装芯片的X本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的封装芯片缺陷检测方法，其特征在于，包括如下步骤：步骤1，获取封装芯片的X射线图像，并对其进行降噪处理；步骤2，对降噪处理后的X射线图像进行图像分割，提取具有封装芯片的测试图像；步骤3，基于模板匹配得到测试图像中芯片的密封圈内外边缘；步骤4，建立训练数据集与目标检测模型，并基于训练数据集对目标检测网络进行训练；步骤5，基于训练后的目标检测模型对测试图像进行检测，得到测试图像中缺陷区域对应的检测框；步骤6，基于区域生长对检测框进行精定位修正；步骤7，基于密封圈内外边缘与检测框的最短路径对芯片进行合格性判定。2.根据权利要求1所述基于深度学习的封装芯片缺陷检测方法，其特征在于，步骤1中，所述降噪处理为双边滤波处理，具体为：式中，f(x,y)为封装芯片的X射线图像，为双边滤波处理后封装芯片的X射线图像，w(i,j)为权值，S(x,y)为以(x,y)为中心的(2N+1)
×
(2N+1)的大小范围；其中，所述权值具体为：w(i,j)＝w
r
(i,j)
·
w
s
(i,j)(i,j)式中，w
s
(i,j)为空间邻近度权值，w
r
(i,j)空间相似度权值，δ
s
、δ
r
为程序输入值。3.根据权利要求1所述基于深度学习的封装芯片缺陷检测方法，其特征在于，步骤2中，所述对降噪处理后的X射线图像进行图像分割，具体为：基于寻找目标最小外接矩形对降噪处理后的X射线图像进行图像分割，具体包括如下步骤：步骤2.1，对降噪处理后的X射线图像进行二值化处理，得到二值化图像；步骤2.2，对二值化图像进行开运算操作，以滤除二值化图像上的小字符；步骤2.3，基于OpenCV库中轮廓检测算法，对二值图像进行查找并绘制轮廓，再对绘制出的目标轮廓进行拟合，找出轮廓的最小外接矩形；步骤2.4，基于最小外接矩形的中心点在X射线图像1/3～2/3处，搜寻中心处的芯片，并截取具有中心芯片的分割图像；步骤2.5，对分割图像进行校正，得到测试图像。4.根据权利要求3所述基于深度学习的封装芯片缺陷检测方法，其特征在于，步骤2.5中，所述对分割图像进行校正，得到测试图像，具体为：步骤2.5.1，取最小外接矩形的四个角点和尺寸为800
×
600的图像四角做对应，然后根
据这四...

【专利技术属性】
技术研发人员：张小虎，杨明坤，王杰，林彬，钟立军，
申请(专利权)人：中山大学，
类型：发明
国别省市：