本发明专利技术提供一种半导体封装测试环节芯片外观缺陷的检测方法及系统，涉及机器视觉技术领域。方法包括：导入待检测图像和模板图像；通过模板图像对待检测图像进行超差运算，得到二值化缺陷图像；通过对二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对待检测图像和模板图像按缺陷标记进行图像裁切；将缺陷检测裁切图像和缺陷模板裁切图像在预设通道上进行叠加，形成二通道图像；将二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像。通过深度卷积神经网络和传统图像处理技术相结合，有效的解决半导体封装测试环节对芯片的外观检测，过滤掉检测的过判缺陷，提高检测的整体准确率。
【技术实现步骤摘要】
本专利技术主要涉及机器视觉，具体涉及一种半导体封装测试环节芯片外观缺陷的检测方法及系统。
技术介绍
1、在现代自动生产的过程中，机器视觉系统已广泛应用于监视、成品检验和质量控制等领域，机器视觉系统的特点是可以提高生产的柔性和自动化程度。在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来代替人工视觉，同时在大批量工业生产过程中，用人工视觉检查产品质量，效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产自动化程度，是实现计算机集成制造的基础技术。
2、基于传统的图像处理算法的外观缺陷检测通常包括直方图均衡化、滤波去噪、灰度二值化等，以得前景背景分离的简单化图像信息；随后利用数学形态学、傅里叶变换、gabor变换等算法以及机器学习模型完成缺陷的标记与检测。上述传统算法在某些特定的应用中已经取得了较好的效果，但仍然存在许多不足。
3、深度学习是机器学习研究中的一个新领域，可以通过海量样本对标注的数据进行拟合，最终训练出来的模型具有非常良好的鲁棒性，对样本数据的光照差异，数据分辨率，旋转缩放等都具有非常好的推广能力。
技术实现思路
1、本专利技术所要解决的技术问题是针对现有技术的不足，提供一种半导体封装测试环节芯片外观缺陷的检测方法及系统。
2、本专利技术解决上述技术问题的技术方案如下：
3、一种半导体封装测试环节芯片外观缺陷的检测方法，包括如下步骤：
4、导入待检测图像和模板图像；
<
p>5、通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像；6、通过对所述二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对所述待检测图像和所述模板图像按所述缺陷标记进行图像裁切，得到缺陷检测裁切图像和缺陷模板裁切图像；
7、将所述缺陷检测裁切图像和所述缺陷模板裁切图像在预设通道上进行叠加，形成二通道图像；
8、将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像。
9、本专利技术的有益效果是：通过深度卷积神经网络和传统图像处理方法相结合，有效的解决半导体封装测试环节芯片外观检测，得到一套具有强大鲁棒性和推广性的缺陷判别模型。在传统模板比对组件的基础上，使用深度学习的二通道缺陷分类模型，过滤掉传统检测的过判缺陷，提高检测的整体准确率，同时兼具传统检测方法对特定结果的精确拟合。
10、进一步地，所述通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像，具体为：
11、通过所述模板图像生成高模板和低模板；
12、通过所述高模板和所述低模板对所述待检测图像进行指定阈值的超差运算，包括：
13、用所述待检测图像像素逐像素减去所述高模板像素，得到第一差值；用所述低模板像素逐像素减去所述待检测图像像素，得到第二差值；当所述第一差值和/或所述第二差值大于预设阈值，得到所述二值化缺陷图像。
14、采用上述进一步方案的有益效果是：通过模板比对的方法来计算检测图像与模板图像之间像素的差值，对检测图像各像素点进行缺陷判断，得到缺陷图像以便于后续进一步判断。
15、进一步地，所述通过所述模板图像生成高模板和低模板，具体为：
16、将所述模板图像输入高通滤波器中生成所述高模板，将所述模板图像输入低通滤波器中生成所述低模板。
17、采用上述进一步方案的有益效果是：生成高模板与低模板来更好的对缺陷图像的进行判断。
18、进一步地，所述通过对所述二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对所述待检测图像和所述模板图像按所述缺陷标记进行图像裁切，具体为：
19、对所述二值化缺陷图像按大于或等于所述缺陷面积阈值进行标记，得到缺陷位置和缺陷大小，并分别对所述待检测图像和所述模板图像按照所述缺陷位置和所述缺陷大小进行图像裁切。
20、采用上述进一步方案的有益效果是：对缺陷位置与缺陷大小进行具体裁切，根据裁切的缺陷图更具体，更直观的进行分类预测。
21、进一步地，所述将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像，具体为：
22、将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到所述二通道图像的置信度；根据所述置信度判断所述二通道图像中的缺陷是否为真实缺陷；判断所述置信度是否超出置信度阈值，若否，则所述二通道图像为过判，若是，则所述二通道图像中的缺陷为真实缺陷。
23、采用上述进一步方案的有益效果是：基于深度学习二分类模型可以在海量训练数据的训练过程中自动更新滤波器参数，从输入的图像中学习出层次分明的特征。这种大数据驱动机制可以有效的区分出真实的缺陷和传统算法的过判，最终有效提升了缺陷检测的精度。
24、本专利技术解决上述技术问题的另一技术方案如下：
25、一种半导体封装测试环节芯片外观缺陷的检测系统，包括：导入模块、超差运算模块、连通域分析模块、通道叠加模块和分类预测模块；
26、所述导入模块，用于导入待检测图像和模板图像；
27、所述超差运算模块，用于通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像；
28、所述连通域分析模块，用于通过对所述二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对所述待检测图像和所述模板图像按所述缺陷标记进行图像裁切，得到缺陷检测裁切图像和缺陷模板裁切图像；
29、所述通道叠加模块，用于将所述缺陷检测裁切图像和所述缺陷模板裁切图像在预设通道上进行叠加，形成二通道图像；
30、所述分类预测模块，用于将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像。
31、本专利技术的有益效果是：通过深度卷积神经网络和传统图像处理方法相结合，有效的解决半导体封装测试环节芯片外观检测。在传统模板比对组件的基础上，使用深度学习的二通道缺陷分类模型，过滤掉传统检测的过判缺陷，提高检测的整体准确率。具备强大的鲁棒性，同时兼具传统检测方法对特定结果的精确拟合。
32、进一步地，所述超差运算模块中，所述通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像，具体为：
33、通过所述模板图像生成高模板和低模板；
34、通过所述高模板和所述低模板对所述待检测图像进行指定阈值的超差运算，包括：
35、用所述待检测图像像素逐像素减去所述高模板像素，得到第一差值；用所述低模板像素逐像素减去所述待检测图像像素，得到第二差值；当所述第一差值和/或所述第二差值大于预设阈值，得到所述二值化缺陷图像。
36、采用上述进一步方案的有益效果是：通过计算检测图像与模板图像之间像素的差值，对检测图像各像素点进行缺陷判断，得到缺陷图像以便于后续进一步判断。
37、进一步地，所本文档来自技高网
...
【技术保护点】
1.一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像，具体为：
3.根据权利要求2所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述通过所述模板图像生成高模板和低模板，具体为：
4.根据权利要求1所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述通过对所述二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对所述待检测图像和所述模板图像按所述缺陷标记进行图像裁切，具体为：
5.根据权利要求1所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像，具体为：
6.一种半导体封装测试环节芯片外观缺陷的检测系统，其特征在于，包括：导入模块、超差运算模块、连通域分析模块、通道叠加模块和分类预测模块；
7.根据权利要求6所述的一种半导体封装测试环节芯片外观缺陷的检测系统，其特征在于，所述超差运算模块中，所述通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像，具体为：
8.根据权利要求7所述的一种半导体封装测试环节芯片外观缺陷的检测系统，其特征在于，所述超差运算模块中，所述通过所述模板图像生成高模板和低模板，具体为：
9.根据权利要求6所述的一种半导体封装测试环节芯片外观缺陷的检测系统，其特征在于，所述连通域分析模块具体用于所述通过对所述二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对所述待检测图像和所述模板图像按所述缺陷标记进行图像裁切，具体为：
10.根据权利要求6所述的一种半导体封装测试环节芯片外观缺陷的检测系统，其特征在于，所述分类预测模块具体用于所述将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像，具体为：
...
【技术特征摘要】
1.一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述通过所述模板图像对所述待检测图像进行超差运算，得到二值化缺陷图像，具体为：
3.根据权利要求2所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述通过所述模板图像生成高模板和低模板，具体为：
4.根据权利要求1所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述通过对所述二值化缺陷图像进行连通域分析，得到缺陷标记，并分别对所述待检测图像和所述模板图像按所述缺陷标记进行图像裁切，具体为：
5.根据权利要求1所述的一种半导体封装测试环节芯片外观缺陷的检测方法，其特征在于，所述将所述二通道图像输入预先构建的深度学习二分类模型中进行分类预测，得到真实缺陷图像，具体为：
6.一种半导体封装测试环节芯片外观缺陷的检测系统，其特征在于，包括：导...
【专利技术属性】
技术研发人员：张建树，张莲莲，靳松，陈晨，李韦辰，
申请(专利权)人：北京兆维智能装备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。