应用于超声显微镜的图像生成方法及装置制造方法及图纸

本公开提供了一种应用于超声显微镜的图像生成方法及装置，其中，图像生成方法包括：确定第一超声显微镜的目标扫描参数；其中，目标扫描参数为第一超声显微镜对目标对象进行扫描得到的；利用预先训练好的图像生成模型对目标扫描参数进行处理，得到目标对象的目标图像；其中，图像生成模型为基于第一超声显微镜以及第二超声显微镜得到的，第一超声显微镜的第一频率小于第二超声显微镜的第二频率。本公开通过预先训练好的图像生成模型对目标扫描参数进行处理，得到目标对象的目标图像，进而能够达到在不影响检测深度的同时确保较好的成像效果，也即能够使用相对较低频率的超声换能器获得较好的成像效果。能器获得较好的成像效果。能器获得较好的成像效果。

【技术实现步骤摘要】
应用于超声显微镜的图像生成方法及装置


[0001]本公开涉及声学及无损检测
，具体而言，涉及一种应用于超声显微镜的图像生成方法及装置。

技术介绍

[0002]超声显微镜是一种在半导体、材料等领域广泛使用的高分辨无损检测设备，可以实现在不破坏元器件电气性能和保持结构完整性的前提下对电子元器件等进行内部缺陷检测，较大程度的降低了电子元器件的检测成本。同时，由于高频超声检查可以比其他任何方法都更有效地检测出分层、裂缝和空洞等内部缺陷，因此，超声扫描技术被广泛地运用在印制电路板(Printed Circuit Board，PCB)制造、倒装芯片(Flip chip，FC)底部填充以及模封(Molding)等多种封装
的无损检测中。
[0003]其中，超声显微镜所用的高频聚焦超声换能器是整个超声成像系统的核心部件，其性能直接影响超声成像系统生成图像的质量。具体地，超声换能器的中心频率越高，焦区声束宽度越窄，横向成像精度越高，因此在超声显微镜检测时，所用超声换能器的频率越高越好。但是，当超声换能器的频率提高时，声强的衰减会迅速增大，其穿透能力会急剧下降，例如，使用5Mhz的超声换能器能穿透的被测物体深度约为15毫米(与被测物体材质有关)，而230MHz的超声换能器能穿透的被测物体深度约为1.6毫米(与被测物体材质有关)，因此，高频率的超声换能器无法用于测量太厚的物体。
[0004]因此，亟需一种图像生成方法能够使用相对较低频率的超声换能器获得较好的成像效果。

技术实现思路

[0005]有鉴于此，本公开实施例提出了一种应用于超声显微镜的图像生成方法及装置，能够使用相对较低频率的超声换能器获得较好的成像效果。
[0006]第一方面，本公开提供了一种应用于超声显微镜的图像生成方法，其中，包括：
[0007]确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
[0008]利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
[0009]其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
[0010]在一种可能的实施方式中，基于所述第一超声显微镜以及第二超声显微镜得到所述图像生成模型的步骤包括：
[0011]获取训练样本集；其中，所述训练样本集包括多个对象样本；
[0012]针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到
该对象样本对应的第二扫描参数；
[0013]利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
[0014]在一种可能的实施方式中，所述利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型，包括：
[0015]针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；
[0016]将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；
[0017]计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
[0018]在一种可能的实施方式中，所述第一扫描参数和所述第二扫描参数均为三维数组。
[0019]在一种可能的实施方式中，所述确定第一超声显微镜的目标扫描参数，包括：
[0020]获取所述第一超声显微镜的完整扫描参数；
[0021]从所述完整扫描参数中筛选出满足预设条件的扫描数据作为所述目标扫描数据；其中，每个所述目标对象对应有至少一个所述预设条件。
[0022]第二方面，本公开实施例还提供了一种应用于超声显微镜的图像生成装置，其中，包括：
[0023]确定模块，其配置地确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
[0024]处理模块，其配置地利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
[0025]其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
[0026]在一种可能的实施方式中，图像生成装置还包括训练模块，其配置地：
[0027]获取训练样本集；其中，所述训练样本集包括多个对象样本；
[0028]针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数；
[0029]利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。
[0030]在一种可能的实施方式中，所述训练模块具体配置为：
[0031]针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；
[0032]将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；
[0033]计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。
[0034]第三方面，本公开实施例还提供了一种存储介质，其中，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如下步骤：
[0035]确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
[0036]利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
[0037]其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
[0038]第四方面，本公开实施例还提供了一种电子设备，其中，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如下步骤：
[0039]确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；
[0040]利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；
[0041]其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。
[0042]本公开通过预先训练好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于超声显微镜的图像生成方法，其特征在于，包括：确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；利用预先训练好的图像生成模型对所述目标扫描参数进行处理，得到所述目标对象的目标图像；其中，所述图像生成模型为基于所述第一超声显微镜以及第二超声显微镜得到的，所述第一超声显微镜的第一频率小于所述第二超声显微镜的第二频率。2.根据权利要求1的图像生成方法，其特征在于，基于所述第一超声显微镜以及第二超声显微镜得到所述图像生成模型的步骤包括：获取训练样本集；其中，所述训练样本集包括多个对象样本；针对每个对象样本，利用所述第一超声显微镜对该对象样本进行扫描，得到该对象样本对应的第一扫描参数，以及利用所述第二超声显微镜对该对象样本进行扫描，得到该对象样本对应的第二扫描参数；利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型。3.根据权利要求2的图像生成方法，其特征在于，所述利用每个所述对象样本的第一扫描参数和第二扫描参数对待训练的图像生成模型进行训练，得到所述图像生成模型，包括：针对每个所述对象样本，将该对象样本的第一扫描参数转换为特征向量；将所述特征向量输入至所述待训练的图像生成模型，得到第一实际结果；计算所述第一实际结果与第二扫描参数之间的差值，若所述差值大于允许的误差值，则调整所述待训练的对比模型的参数，直至所述差值小于所述误差值。4.根据权利要求1
‑
3中任一所述的图像生成方法，其特征在于，所述第一扫描参数和所述第二扫描参数均为三维数组。5.根据权利要求1所述的图像生成方法，其特征在于，所述确定第一超声显微镜的目标扫描参数，包括：获取所述第一超声显微镜的完整扫描参数；从所述完整扫描参数中筛选出满足预设条件的扫描数据作为所述目标扫描数据；其中，每个所述目标对象对应有至少一个所述预设条件。6.一种应用于超声显微镜的图像生成装置，其特征在于，包括：确定模块，其配置地确定第一超声显微镜的目标扫描参数；其中，所述目标扫描参数为所述第一超声显微镜对目标对象进行扫描得到的；处理模块，其配置地利用预先训练好的图像生成模型对所述目标扫描参数进行处理...

【专利技术属性】
技术研发人员：吕科，吴茜，薛健，梁昊，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：