基于深度学习的芯片封装体缺陷检测方法和装置制造方法及图纸

本发明专利技术提供一种基于深度学习的芯片封装体缺陷检测方法和装置，其中，所述方法包括以下步骤：获取样本芯片封装体缺陷图像；对所述样本芯片封装体缺陷图像进行预处理；对预处理后的样本芯片封装体缺陷图像的缺陷类型和缺陷位置进行分类标注，以得到芯片封装体缺陷数据集；对所述芯片封装体缺陷数据集进行数据增强处理；搭建基于YOLOv7的目标检测模型并对所述目标检测模型进行改进，以得到改进的YOLOv7目标检测模型；通过数据增强处理后的芯片封装体缺陷数据集对所述改进的YOLOv7目标检测模型进行训练，以得到芯片封装体缺陷检测模型；通过所述芯片封装体缺陷检测模型对待检测芯片封装体进行检测，以得到所述待检测芯片封装体的缺陷类型。体的缺陷类型。体的缺陷类型。

【技术实现步骤摘要】
基于深度学习的芯片封装体缺陷检测方法和装置


[0001]本专利技术涉及芯片检测
，具体涉及一种基于深度学习的芯片封装体缺陷检测方法和一种基于深度学习的芯片封装体缺陷检测装置。

技术介绍

[0002]近年来，随着半导体行业飞速发展，芯片的封装工艺逐步得到改善，对应的自动化检测技术也成为了研究的热点。传统的人工检测技术是依靠人的肉眼检测，这样会不可避免的出现效率低，误差大，主观依赖性强的缺点，随着国家对于芯片的需求越来越大，以及对芯片的良品率的指标越来越高，人工检测将逐渐被淘汰。
[0003]人工检测由于检测效率低、精度低、成本高、劳动强度大和标准不统一等缺点，正逐渐被自动检测技术所取代。早期的自动检测技术主要围绕机器视觉技术展开，机器视觉技术以其高精度、高可靠性、非接触性和客观性强等有点，得到了广发的研究和应用。然而，经典的机器视觉检测方法需要人工设计特征，将特征提取出来后送入分类网络。这种方法也有很大的局限性，其中，人工设计特征存在主观性和复杂化的问题，需要依赖专业的知识和经验，而且这种方法的适应性较差，封装体往往种类繁多，封装体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的芯片封装体缺陷检测方法，其特征在于，包括以下步骤：获取样本芯片封装体缺陷图像；对所述样本芯片封装体缺陷图像进行预处理；对预处理后的样本芯片封装体缺陷图像的缺陷类型和缺陷位置进行分类标注，以得到芯片封装体缺陷数据集；对所述芯片封装体缺陷数据集进行数据增强处理；搭建基于YOLOv7的目标检测模型并对所述目标检测模型进行改进，以得到改进的YOLOv7目标检测模型；通过数据增强处理后的芯片封装体缺陷数据集对所述改进的YOLOv7目标检测模型进行训练，以得到芯片封装体缺陷检测模型；通过所述芯片封装体缺陷检测模型对待检测芯片封装体进行检测，以得到所述待检测芯片封装体的缺陷类型。2.根据权利要求1所述的基于深度学习的芯片封装体缺陷检测方法，其特征在于，所述数据预处理包括图像二值化和去除背景噪声。3.根据权利要求1所述的基于深度学习的芯片封装体缺陷检测方法，其特征在于，所述缺陷类型包括表面划痕、外观破损、溢胶和表面气孔。4.根据权利要求1所述的基于深度学习的芯片封装体缺陷检测方法，其特征在于，数据增强处理包括图像平移、图像缩放、水平翻转、垂直翻转、垂直水平翻转和调整图片亮度和对比度。5.根据权利要求1所述的基于深度学习的芯片封装体缺陷检测方法，其特征在于，对所述基于YOLOv7的目标检测模型进行改进，包括：使用K
‑
means算法对YOLOv7所用的anchor进行重新聚类；删除主干特征提取网络中的最后一层以及SPPCSPC，且只使用一个检测头；对所述主干特征提取网络的两个输出，加入自适应注意力特征融合机制。6.一种基于深度学习的芯片封装体缺陷检测装置，其特征在于，包括：获取单元，所述获取单元用于获取样本芯片封装体缺陷图像；...

【专利技术属性】
技术研发人员：曹元，倪郁彬，周游，利皓天，庄建军，
申请(专利权)人：常州银河电器有限公司，
类型：发明
国别省市：