一种基于芯片探针的外观视觉检测方法技术

本发明专利技术公开了一种基于芯片探针的外观视觉检测方法，包含如下步骤：获得探针产品圆柱外观的图像；原始图像进行预处理，补正图像；分割操作得到图像中的物体信息；将所述图像中物体信息制作大量的训练数据集；将数据集作为样本对神经网络进行训练；最后将获取的图像放入训练好的模型中进行识别。本发明专利技术可实现对不同类型芯片探针外观的全自动化检测，可降低检测成本，减少检测时间，且可提高检测效率和检测准确率，有效推动半导体行业的智能制造。有效推动半导体行业的智能制造。有效推动半导体行业的智能制造。

【技术实现步骤摘要】
一种基于芯片探针的外观视觉检测方法


[0001]本专利技术涉及视觉检测领域，特别涉及一种基于芯片探针的外观视觉检测方法。

技术介绍

[0002]随着科技的进步，机器逐渐取代人力成为工业发展的主流，在工业生产中很多需要人工操作的环节逐渐由机器完成。针对探针量产过程中，部分产品难免会出现原材不良、TOP间隙、异色等外观缺陷，工厂内部多采用人工进行检测，检测效率低、成本高且容易出现误检，给产品出厂后的使用带了很多隐患，任何细小的缺陷都可能会引起消费者的投诉和不满。
[0003]因此，借助缺陷检测技术，我们有必要提供一种检测精度和效率高、能替代人工检测，降低人力成本的芯片探针外观缺陷检测方法。

技术实现思路

[0004]本专利技术的目的是提供一种基于芯片探针的外观视觉检测方法，旨在解决现有人工检测外观效率低的现状。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于芯片探针的外观视觉检测方法，包括以下步骤：
[0006]步骤1：通过取像工具对探针进行360
°
取像，获得原始图像；
[0007]步骤2:对照片进行预处理；
[0008]步骤3：通过分割操作得到原始图像中的物体信息；
[0009]步骤4：将物体信息制作大量的训练数据集；
[0010]步骤5：将训练数据集作为样本对神经网络进行训练；
[0011]步骤6：最后将获取的原始图像放入训练好的神经网络中进行识别。
[0012]进一步的，步骤2中，利用矫正畸变和模糊处理对原始图像进行预处理。
[0013]进一步的，步骤1中，将取像模组取得的图像数据归一化为1448x1228像素的原始图像。
[0014]归一化采用的是最大最小值法：x
’
为归一化之后的值，x为需要归一化处理的数值，输入图像每个像素值范围是0到255之间的数值，对于计算机来说这个数值太大了，所以像素值归一化处理一般是将像素值除以255，得到0到1之间的数值来进行计算。
[0015]本专利技术提供的一种基于芯片探针的外观视觉检测方法，其优点在于：
[0016]本专利技术所述的基于芯片探针的外观视觉检测方法，可实现芯片探针外观的全自动化检测，可降低检测成本，减少检测时间，且可提高检测效率和检测准确率，有效推动半导体行业的智能制造。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本专利技术所述方法的流程示意图。
具体实施方式
[0019]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0021]请参阅图1，本专利技术提供的一种实施例：一种基于芯片探针的外观视觉检测方法，包括以下步骤：
[0022]步骤1：通过取像工具对探针进行360
°
取像，获得原始图像；
[0023]在本实施例中，所述取像工具为相机，通过相机对探针进行360
°
的取像，作为原始图像供后续使用；
[0024]步骤2:对照片进行预处理；
[0025]具体的，本步骤中，利用矫正畸变和模糊处理对原始图像进行预处理，之后进行补正原始图像，减少原始图像的噪声以及降低细节层次；
[0026]步骤3：通过分割操作得到原始图像中的物体信息；
[0027]步骤4：将物体信息制作大量的训练数据集；
[0028]步骤5：将训练数据集作为样本对神经网络进行训练；
[0029]步骤6：最后将获取的原始图像放入训练好的神经网络中进行识别。
[0030]同时，步骤1中，将取像工具取得的图像数据归一化为1448x1228像素的原始图像，
[0031]归一化采用的是最大最小值法：x
’
为归一化之后的值，x为需要归一化处理的数值，输入图像每个像素值范围是0到255之间的数值，对于计算机来说这个数值太大了，所以像素值归一化处理一般是将像素值除以255，得到0到1之间的数值来进行计算。
[0032]进一步的，所述步骤2中，当预处理完后，采用亮度进行判别，判别产品不同色系，具体判别不同色系通过色彩H、S值进行判断，通过判别不同色系解决产品本身弧度会导致光照不均的问题；
[0033]同时，步骤2中，为获取矫正畸变中的畸变系数，使用畸变矫正模型实现标准待矫
正畸变原始图像的矫正，并输出矫正后图像的目的，矫正模型公式如下(泰勒级数展开式前3项)：
[0034][0035]其中(x，y)是理想坐标，x
dr
和y
dr
是畸变后的像素点坐标，且：r2＝x2+y2。
[0036]进一步的，所述步骤3具体为：
[0037]步骤3.1：采用传统算法形状匹配算法定位，具体包括；
[0038]步骤3.11：使用几何基元拟合轮廓，并将轮廓中每9个色块再分为一个像素创建标准的亚像素轮廓模板；
[0039]步骤3.12：基于灰度的模板匹配，匹配到轮廓后进行裁切；
[0040]步骤3.2：动态阈值分割，具体包括；
[0041]步骤3.21：使用中值滤波方法完成图像的平滑处理；
[0042]步骤3.22：以当前像素为中心，计算窗口内图像的平均灰度
[0043]步骤3.23：依靠滤波处理，确定设定区域的背景灰度值，然后，将图像连同其局部背景做出比较。
[0044]进一步的，所述步骤4具体包括：
[0045]步骤4.1：先分割500张带有缺陷的图，标注缺陷所在的区域，标注方式为涂抹标注，后续收集漏检图，用于迭代模型；此500张带有缺陷的图为预先扫描的图。
[0046]步骤4.2：存储标注数据文件，作为深度学习的训练数据集。
[0047]所述步骤5具体为：
[0048]步骤5.1：构建卷积神经网络；具体包括：(1)整理数据集，在载入数据集后需要对图片进行预处理；(2)搭建顺序网络模型；(3)对搭建好的网络进行编译；(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于芯片探针的外观视觉检测方法，其特征在于：包括以下步骤：步骤1：通过取像工具对探针进行360
°
取像，获得原始图像；步骤2:对照片进行预处理；步骤3：通过分割操作得到原始图像中的物体信息；步骤4：将物体信息制作大量的训练...

【专利技术属性】
技术研发人员：陈威宇，
申请(专利权)人：苏州嘉展科技有限公司，
类型：发明
国别省市：