元器件的声扫缺陷检测方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种元器件的声扫缺陷检测方法、装置、设备和存储介质。所述方法包括：获取待检测元器件的目标声扫图像；将所述目标声扫图像输入至目标检测模型中的特征提取网络中，提取所述目标声扫图像的目标特征图；其中，所述特征提取网络中包括注意力模块；将所述目标特征图输入至所述目标检测模型中的检测头网络中，得到所述待检测元器件的缺陷检测结果。采用本方法能够通过引入训练好的目标检测模型，提高对待检测元器件进行缺陷检测的效率；进一步的，在目标检测模型中的特征提取网络中引入注意力模块，能够使提取的目标特征图所包含的特征更为全面且精准，进而提高了对待检测元器件进行缺陷检测的精确度。元器件进行缺陷检测的精确度。元器件进行缺陷检测的精确度。

【技术实现步骤摘要】
元器件的声扫缺陷检测方法、装置、设备和存储介质


[0001]本申请涉及元器件检测
，特别是涉及一种元器件的声扫缺陷检测方法、装置、设备和存储介质。

技术介绍

[0002]随着半导体制造和封装技术的发展，电子元器件已然成为电子信息产业的中流砥柱，电子元器件的技术水平和质量状态也关乎着电子信息产业的发展。为满足便携化、多功能、高整合的市场需求，电子设备不断缩减产品体积，促使其中的电子元器件越来越微型化。为了降低电子设备的失效率，减少使用方的风险，对电子元器件进行缺陷检测是十分必要的。
[0003]传统技术中，通常使用声学扫描显微镜检查技术(简称声扫)对电子元器件的缺陷检测，得到对应的声扫图像，进一步的，依赖于人工对声扫图像进行检测。
[0004]然而，人工检测主观性强、成本高，且人工检测的准确率和速度已无法满足工业要求。因此亟需一种可以高效、准确进行电子元器件缺陷检测的技术方案。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高对电子元器件进行缺陷检测的效率和精确度的元器件的声扫缺陷检测方法、装置、设备和存储介质。
[0006]第一方面，本申请提供了一种元器件的声扫缺陷检测方法，该方法包括：
[0007]获取待检测元器件的目标声扫图像；
[0008]将目标声扫图像输入至目标检测模型中的特征提取网络中，提取目标声扫图像的目标特征图；其中，特征提取网络中包括注意力模块；
[0009]将目标特征图输入至目标检测模型中的检测头网络中，得到待检测元器件的缺陷检测结果。
[0010]在其中一个实施例中，目标检测模型中的特征提取网络包括基础网络和金字塔网络，基础网络包括注意力模块；
[0011]将目标声扫图像输入至目标检测模型中的特征提取网络，提取目标声扫图像的目标特征图，包括：
[0012]将目标声扫图像输入至基础网络中，提取目标声扫图像的基础特征图；
[0013]将基础特征图输入至金字塔网络中，得到目标声扫图像的目标特征图。
[0014]在其中一个实施例中，基础网络包括自上而下的多个网络层，注意力模块位于任意两个网络层之间，且将连接注意力模块输入端的网络层作为目标网络层；
[0015]将目标声扫图像输入至基础网络中，提取目标声扫图像的基础特征图，包括：
[0016]将目标声扫图像输入至基础网络的首个网络层中，提取目标网络层输出的中间特征图；
[0017]采用注意力模块，对中间特征图进行更新；
[0018]将更新后的中间特征图输入至注意力模块连接的下一网络层，得到目标声扫图像的基础特征图。
[0019]在其中一个实施例中，注意力模块包括通道注意力模块和空间注意力模块；
[0020]采用注意力模块，对中间特征图进行更新，包括：
[0021]将中间特征图输入至通道注意力模块中，得到通道权重；
[0022]采用通道权重，对中间特征图进行更新；
[0023]将更新后的中间特征图输入至空间注意力模块中，得到空间权重；
[0024]采用空间权重，对更新后的中间特征图进行更新。
[0025]在其中一个实施例中，该方法还包括：
[0026]获取样本声扫图像；
[0027]采用样本声扫图像，对初始模型进行训练，得到目标检测模型。
[0028]在其中一个实施例中，获取样本声扫图像，包括：
[0029]对原始声扫图像依次进行阈值分割、去噪、增强对比度和缺陷标注处理，得到样本声扫图像。
[0030]第二方面，本申请还提供了一种元器件的声扫缺陷检测装置，该装置包括：
[0031]图像获取模块，用于获取待检测元器件的目标声扫图像；
[0032]特征图提取模块，用于将目标声扫图像输入至目标检测模型中的特征提取网络中，提取目标声扫图像的目标特征图；其中，特征提取网络中包括注意力模块；
[0033]缺陷检测模块，用于将目标特征图输入至目标检测模型中的检测头网络中，得到待检测元器件的缺陷检测结果。
[0034]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0035]获取待检测元器件的目标声扫图像；
[0036]将目标声扫图像输入至目标检测模型中的特征提取网络中，提取目标声扫图像的目标特征图；其中，特征提取网络中包括注意力模块；
[0037]将目标特征图输入至目标检测模型中的检测头网络中，得到待检测元器件的缺陷检测结果。
[0038]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0039]获取待检测元器件的目标声扫图像；
[0040]将目标声扫图像输入至目标检测模型中的特征提取网络中，提取目标声扫图像的目标特征图；其中，特征提取网络中包括注意力模块；
[0041]将目标特征图输入至目标检测模型中的检测头网络中，得到待检测元器件的缺陷检测结果。
[0042]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0043]获取待检测元器件的目标声扫图像；
[0044]将目标声扫图像输入至目标检测模型中的特征提取网络中，提取目标声扫图像的目标特征图；其中，特征提取网络中包括注意力模块；
[0045]将目标特征图输入至目标检测模型中的检测头网络中，得到待检测元器件的缺陷检测结果。
[0046]上述元器件的声扫缺陷检测方法、装置、设备和存储介质，通过声扫技术对待检测元器件进行扫描，获取待检测元器件的目标声扫图像；将获取到的目标声扫图像输入至目标检测模型中包括注意力模块的特征提取网络中，提取目标声扫图像的目标特征图；进一步的，将目标特征图输入装置目标检测模型中的检测头网络中，得到待检测元器件的缺陷检测结果。上述方案，通过引入训练好的目标检测模型，提高了对待检测元器件进行缺陷检测的效率；进一步的，在目标检测模型中的特征提取网络中引入注意力模块，能够使提取的目标特征图所包含的特征更为全面且精准，进而提高了对待检测元器件进行缺陷检测的精确度。
附图说明
[0047]图1为一个实施例中元器件的声扫缺陷检测方法的流程示意图；
[0048]图2为一个实施例中YOLOv4模型的结构框图；
[0049]图3为一个实施例中提取目标声扫图像的基础特征图的流程示意图；
[0050]图4为一个实施例中CBAM注意力模块的结构框图；
[0051]图5为一个实施例中SENet注意力模块的结构框图；
[0052]图6为一个实施例中获得目标检测模型的流程示意图；
[0053]图7为另一个实施例中元器件的声扫缺陷检测方法的流程示意图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种元器件的声扫缺陷检测方法，其特征在于，所述方法包括：获取待检测元器件的目标声扫图像；将所述目标声扫图像输入至目标检测模型中的特征提取网络中，提取所述目标声扫图像的目标特征图；其中，所述特征提取网络中包括注意力模块；将所述目标特征图输入至所述目标检测模型中的检测头网络中，得到所述待检测元器件的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述目标检测模型中的特征提取网络包括基础网络和金字塔网络，所述基础网络包括注意力模块；所述将所述目标声扫图像输入至目标检测模型中的特征提取网络中，提取所述目标声扫图像的目标特征图，包括：将所述目标声扫图像输入至所述基础网络中，提取所述目标声扫图像的基础特征图；将所述基础特征图输入至所述金字塔网络中，得到所述目标声扫图像的目标特征图。3.根据权利要求2所述的方法，其特征在于，所述基础网络包括自上而下的多个网络层，所述注意力模块位于任意两个网络层之间，且将连接所述注意力模块输入端的网络层作为目标网络层；所述将所述目标声扫图像输入至所述基础网络中，提取所述目标声扫图像的基础特征图，包括：将所述目标声扫图像输入至所述基础网络的首个网络层中，提取所述目标网络层输出的中间特征图；采用所述注意力模块，对所述中间特征图进行更新；将更新后的中间特征图输入至所述注意力模块连接的下一网络层，得到所述目标声扫图像的基础特征图。4.根据权利要求3所述的方法，其特征在于，所述注意力模块包括通道注意力模块和空间注意力模块；所述采用所述注意力模块，对所述中间特征图进行更新，包括：...

【专利技术属性】
技术研发人员：赵玥，胡湘洪，罗军，路国光，王小强，
申请(专利权)人：中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室，
类型：发明
国别省市：