一种芯片温度测试方法及系统技术方案

本发明专利技术涉及数据挖掘技术领域，尤其涉及一种芯片温度测试方法及系统

【技术实现步骤摘要】
一种芯片温度测试方法及系统


[0001]本专利技术涉及数据挖掘
，尤其涉及一种芯片温度测试方法及系统
。

技术介绍

[0002]传统的芯片温度测试方法多基于传感器和物理模型，使用外部传感器对芯片表面温度进行测量，并通过物理模型来估计芯片内部的温度分布
。
然而，这些方法存在测量偏差
、
复杂的标定和时间延迟等问题，限制了温度测试的准确性
。

技术实现思路

[0003]基于此，本专利技术有必要提供一种芯片温度测试方法，以解决至少一个上述技术问题
。
[0004]为实现上述目的，一种芯片温度测试方法，包括以下步骤：
[0005]步骤
S1
：通过热成像技术获取芯片测试热成像图像集，对芯片热成像图像集进行热能分析，从而获得芯片测试热成像热能图像集；
[0006]步骤
S2
：对芯片测试热成像热能图像集进行图像增强处理，从而获得增强芯片测试热成像热能图像集；基于卷积神经网络对增强芯片测试热成像热能图像集构建芯片热能检测模型；
[0007]步骤
S3
：获取温度测试芯片数据，对温度测试芯片数据进行结构数据提取，从而获得温度测试芯片结构数据，根据温度测试芯片结构数据进行预计温度计算，从而获得温度测试芯片预计温度数据；
[0008]步骤
S4
：利用热成像技术获取温度测试芯片热成像图像；利用芯片热能检测模型对温度测试芯片热成像图像进行第一温度分析，从而获得测试芯片第一温度；
[0009]步骤
S5
：基于温度测试芯片预计温度数据对温度测试芯片热成像图像进行第二温度分析，从而获得测试芯片第二温度；
[0010]步骤
S6
：对测试芯片第一温度以及测试芯片第二温度进行准确温度计算，从而获得测试芯片温度
。
[0011]本专利技术通过热成像技术获取芯片测试热成像图像集，对芯片热成像图像集进行热能分析，从而获得芯片测试热成像热能图像集；获取了芯片的热成像图像集，提供了测试芯片表面温度分布的信息
。
通过热能分析可以了解测试芯片的热能特征，为后续的温度计算和分析提供基础
。
对芯片测试热成像热能图像集进行图像增强处理，从而获得增强芯片测试热成像热能图像集；基于卷积神经网络对增强芯片测试热成像热能图像集构建芯片热能检测模型；图像增强处理可以提升图像质量，减少图像中的噪声和干扰，使得后续温度分析更加准确
。
利用卷积神经网络构建热能检测模型可以自动学习和提取图像中的热能特征，实现对芯片的热能检测和分析
。
通过芯片管理云平台获取温度测试芯片数据，对温度测试芯片数据进行结构数据提取，从而获得温度测试芯片结构数据，根据温度测试芯片结构数据进行预计温度计算，从而获得温度测试芯片预计温度数据；获取温度测试芯片的结构数
据可以提供芯片的几何形状
、
材料参数等相关信息，为后续的温度计算和分析提供基础
。
根据温度测试芯片的结构数据进行预计温度计算可以估计芯片内部的温度分布，提供温度测试的参考数据
。
利用热成像技术获取温度测试芯片热成像图像；利用芯片热能检测模型对温度测试芯片热成像图像进行第一温度分析，从而获得测试芯片第一温度；利用热成像技术将芯片数据转换为热成像图像可以直观地呈现芯片的温度分布情况
。
利用芯片热能检测模型对热成像图像进行分析可以提取图像中的热能特征，得到测试芯片的第一温度值
。
基于温度测试芯片预计温度数据对温度测试芯片热成像图像进行第二温度分析，从而获得测试芯片第二温度；基于预计温度数据对热成像图像进行分析可以进一步准确估计芯片的温度
。
对测试芯片第一温度以及测试芯片第二温度进行准确温度计算，从而获得测试芯片温度
。
通过对第一温度和第二温度进行准确的温度计算，可以得到更精确的测试芯片温度
。
通过准确的温度计算，可以得到测试芯片的实际温度值，提供了对芯片温度的准确测量
。
这对于芯片的可靠性
、
性能评估和热管理非常重要
。
[0012]可选地，步骤
S1
具体为：
[0013]步骤
S11
：通过热成像技术获取芯片测试热成像图像集；
[0014]步骤
S12
：通过区域图像分割法对芯片测试热成像图像集进行图像分割，从而获得芯片测试热成像区域图像集；
[0015]步骤
S13
：对芯片测试热成像区域图像集进行统计分析，从而获得高频热能区域图像集以及低频热能区域图像集；
[0016]步骤
S14
：对芯片测试热成像区域图像集进行潜在热能分析，从而获得潜在热能区域图像集；
[0017]步骤
S15
：对潜在热能区域图像集
、
高频热能区域图像集以及低频热能区域图像集进行时序合并，从而获得芯片测试热成像热能图像集
。
[0018]本专利技术通过热成像技术获取芯片测试热成像图像集；热成像技术是一种非接触性的测量方法，可以在不干扰芯片表面的情况下获取温度信息
。
这使得热成像技术成为评估芯片热特性的理想选择，而无需物理接触或传感器
。
热成像图像集提供了芯片表面温度的整体视觉呈现
。
通过色彩编码或灰度图像的形式，可以直观地观察芯片上的热分布情况和热点位置
。
热成像技术能够捕捉芯片表面的多维温度信息
。
通过获取热成像图像集，可以了解芯片不同区域的温度分布情况，为进一步分析提供数据基础
。
区域图像分割法可以将芯片热成像图像集中的热能区域与背景进行分离
。
这些热能区域通常代表芯片上的重要特征
、
热点或问题区域
。
通过精确的区域提取，可以获得与芯片热能相关的目标区域图像集
。
区域图像分割可以去除背景或不相关区域的影响，从而减少或排除噪声数据
。
这有助于提高对于芯片热能区域的分析精度和结果准确性
。
通过区域图像分割，可以将芯片测试热成像区域图像集中的目标区域与背景进行区分，从而更直观地展示和呈现研究人员关注的热能特征
。
通过统计分析芯片测试热成像区域图像集，可以得到不同热能区域的频率分布情况
。
这有助于了解芯片热能的整体分布特征，包括高频热能区域和低频热能区域
。
统计分析可以帮助鉴别可能存在问题或异常的热能区域
。
高频热能区域可能表示芯片上的热点或集中的热能聚集，而低频热能区域可能反映了其他热能特征
。
通过识别这些可疑区域，可以进一步进行问题排查和改本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种芯片温度测试方法，其特征在于，包括以下步骤：步骤
S1
：通过热成像技术获取芯片测试热成像图像集，对芯片热成像图像集进行热能分析，从而获得芯片测试热成像热能图像集；步骤
S2
：对芯片测试热成像热能图像集进行图像增强处理，从而获得增强芯片测试热成像热能图像集；基于卷积神经网络对增强芯片测试热成像热能图像集构建芯片热能检测模型；步骤
S3
：获取温度测试芯片数据，对温度测试芯片数据进行结构数据提取，从而获得温度测试芯片结构数据，根据温度测试芯片结构数据进行预计温度计算，从而获得温度测试芯片预计温度数据；步骤
S4
：利用热成像技术获取温度测试芯片热成像图像；利用芯片热能检测模型对温度测试芯片热成像图像进行第一温度分析，从而获得测试芯片第一温度；步骤
S5
：基于温度测试芯片预计温度数据对温度测试芯片热成像图像进行第二温度分析，从而获得测试芯片第二温度；步骤
S6
：对测试芯片第一温度以及测试芯片第二温度进行准确温度计算，从而获得测试芯片温度
。2.
根据权利要求1所述的方法，其特征在于，步骤
S1
具体为：步骤
S11
：通过热成像技术获取芯片测试热成像图像集；步骤
S12
：通过区域图像分割法对芯片测试热成像图像集进行图像分割，从而获得芯片测试热成像区域图像集；步骤
S13
：对芯片测试热成像区域图像集进行统计分析，从而获得高频热能区域图像集以及低频热能区域图像集；步骤
S14
：对芯片测试热成像区域图像集进行潜在热能分析，从而获得潜在热能区域图像集；步骤
S15
：对潜在热能区域图像集
、
高频热能区域图像集以及低频热能区域图像集进行时序合并，从而获得芯片测试热成像热能图像集
。3.
根据权利要求2所述的方法，其特征在于，步骤
S14
中的潜在热能分析具体为：通过芯片潜在热能区域识别算法对芯片测试热成像区域图像集进行潜在热能区域识别，从而获得潜在热能区域图像集；其中，芯片潜在热能区域识别算法的函数公式具体为：其中
E
为芯片潜在热能区域的能量值，
x
为特定像素点的横轴坐标，
y
为特定像素点的纵轴坐标，
n
为图像集中的像素点总数，
i
为图像集中的像素点序号，
x
i
为芯片测试热成像区域图像集中第
i
个像素点的横轴坐标，
y
i
为芯片测试热成像区域图像集中第
i
个像素点的纵轴坐标
。4.
根据权利要求1所述的方法，其特征在于，步骤
S2
具体为：步骤
S21
：通过高通滤波方法对芯片测试热成像热能图像集进行细节增强处理，从而获得滤波芯片测试热成像热能图像集；步骤
S22
：通过自适应对比度增强技术对滤波芯片测试热成像热能图像集进行视觉效
果增加，从而获得增强芯片测试热成像热能图像集；步骤
S23:
基于卷积神经网络算法对增强芯片测试热成像热能图像集构建芯片热能检测模型
。5.
根据权利要求4所述的方法，其特征在于，步骤
S23
具体为：按照预设的时间划分比例对增强芯片测试热成像热能图像集进行时序提取，从而获得卷积时序数据；使用卷积操作技术对增强芯片测试热成像热能图像集进行局部特征提取，从而获得卷积结构数据；根据卷积时序数据以及卷积结构数据构建时空
3D
卷积神经网络...

【专利技术属性】
技术研发人员：罗小凌，黄爱华，徐定向，
申请(专利权)人：上海根根信息技术有限公司，
类型：发明
国别省市：