【技术实现步骤摘要】
本专利技术涉及算法领域，特别指一种蚀刻引线框架误报库建立及误报在线判定筛选方法。
技术介绍
1、引线框架是半导体行业内集成电路芯片的载体，应用非常广泛，质量要求高，品质的高低会直接影响最终半导体产品的性能和寿命；半导体行业属于高精密制造行业，对引线框架的质量要求严格，对引线框架的质量控制通过对引线框架的检测工序完成，通过检测工序将存在脏点、划伤等存在瑕疵缺陷的引线框架筛选排除。
2、在引线框架检测工序中采用高分辨率相机进行成像，细小缺陷的成像面积只有十几个像素；目前主流的检测方法是模板匹配方法，实时拍摄的产品图像与标准模板图像进行比较检测，由于产品的工艺特点，产品成像的一致性，存在各种干扰造成瑕疵缺陷的误报；如产品尺寸的一致性波动、产品本身复杂的背景纹理波动、成像系统波动等，都可能造成实时产品图像与标准模板之间存在差异；因此，在采用图像检测方法筛选瑕疵缺陷产品时，由于产品成像的不一致以及上述因素影响，造成大量的误报，从而将非瑕疵缺陷产品误报为瑕疵缺陷产品，因此需要一种高效精准的处理方法以便滤除自动检测中存在的大量误报。
3、目前消除误报的方法是通过人工对机检的结果进行复判，通过肉眼将其中的误报挑选出来，这种方式费时费力，效率很低，同时需要复判人员具有一定的技术门槛，需要对真实缺陷和误报区域比较了解，同时在整个复判过程中人工需要长期保持高度的注意力，才有可能得到较好的误报消除效果。
技术实现思路
1、本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种
2、本专利技术采用的技术方案如下：一种蚀刻引线框架误报库建立及误报在线判定筛选方法，包括如下步骤：
3、s1、网络模型预训练：采集蚀刻引线框架的缺陷图片和误报图片；对采集的缺陷图片和误报图片进行分类标注后，依据分类标注类别通过特征提取网络进行训练，得到蚀刻引线框架的特征网络；
4、s2、产品建模：通过光学相机平台，采集一片无缺陷的蚀刻引线框架图片，作为模板图；将所述模板图划分为x张等面积的模板单元图像；
5、s3、建库检测图像采集及其单元图像划分：拍摄采集至少两张蚀刻引线框架图片作为建库检测图像，同时对采集的建库检测图像以与步骤s2中模板单元图像相同面积的方式划分为x张建库单元图像；
6、s4、建库单元图像匹配及提取缺陷图像：将步骤s3中的建库单元图像与步骤s2中的模板单元图像逐个分析匹配，以单元图像的像素灰度值作为匹配标准，当建库单元图像与模板单元图像的像素灰度差异值大于差异阈值t1时，标记为异常单元图像；当该建库检测图像匹配后统计的异常单元图像面积大于异常阈值t2时，将该建库检测图像提取为候选缺陷图像；
7、s5、筛选误报图像：重复上述步骤s3至s4，直至将所有建库检测图像匹配完成后，提取得到所有建库检测图像中的候选缺陷图像后，根据图像中有无缺陷逐张对候选缺陷图像进行筛选，将无缺陷的图像筛选为误报图像；
8、s6、误报图像缩放：将步骤s5中筛选出的误报图像逐张缩放至128*128像素尺寸的图像；
9、s7、误报图像转换：将步骤s6中缩放后的误报图像输入所述步骤s1中训练的蚀刻引线框架的特征网络，并输出误报图像高维特征矢量a；所述误报图像高维特征矢量a为包括128维的向量数组；
10、s8、误报图像归一化运算：将步骤s7中输出的误报图像高维特征矢量a进行归一化运算，得到误报图像特征矢量a^；所述误报图像特征矢量a^为128维的向量数组；所述归一化运算公式为a^=ai/|ai|，其中，所述ai为误报图像高维特征矢量a的128维向量数组中第i个向量数值；所述|ai|为ai的模长，|a|=(向量a各分量二次幂相加结果)的开方；
11、s9、建立误报图像特征库：将步骤s8中归一化运算得到的误报图像特征矢量a^保存，形成误判图像特征库；
12、s10、在线待检测图像采集及其单元图像划分：拍摄采集蚀刻引线框架的待检测图像，同时对采集的待检测图像以与步骤s2中模板单元图像相同面积的方式划分为x张检测单元图像：
13、s11、检测单元图像匹配及提取缺陷图像：将步骤s10中的检测单元图像与步骤s2中的模板单元图像逐个分析匹配，以单元图像的像素灰度值作为匹配标准，当检测单元图像与模板单元图像的像素灰度差异值大于差异阈值t1时，标记为异常单元图像；当该待检测图像匹配后统计的异常单元图像面积大于异常阈值t2时，将该待检测图像提取为候选缺陷图像：
14、s12、候选缺陷图像缩放：将步骤s11中筛选出的候选缺陷图像缩放至128*128像素尺寸的图像；
15、s13、候选缺陷图像转换：将步骤s12中缩放后的候选缺陷图像输入所述步骤s1中训练的蚀刻引线框架的特征网络，并输出候选图像高维特征矢量b；所述候选图像高维特征矢量b为包括128维的向量数组；
16、s14、候选缺陷图像归一化运算及提取特征矢量：将步骤s13中输出的候选图像高维特征矢量b进行归一化运算，得到候选图像特征矢量b^；所述候选图像特征矢量b^为128维的向量数组；所述归一化运算公式为b^=bi/|bi|，其中，所述bi为候选图像高维特征矢量b的128维的向量数组中中第i个向量数值；所述|bi|为bi的模长，|b|=(向量b各分量二次幂相加结果)的开方；
17、s15、特征距离计算：将步骤s14中归一化运算后得到的候选图像特征矢量b^与步骤s9中建立的误报特征库内的多个误报图像特征矢量a^逐个检索比对，利用l2范式距离公式分别计算候选图像特征矢量b^与多个误报图像特征矢量a^之间的特征距离，取其中最小距离值，作为待检测图像与误报图像库最终的评价值l；l2范式距离公式为，公式中a表示误报图像高维特征矢量，b表示候选图像高维特征矢量，n=128，i表示128维向量数组中第i维，ai、bi分别表示a、b特征中第i维的向量数值；
18、s15、误报图像判定筛选：将步骤s15中选取的评价值l与误报筛选阈值t3进行比对，当l≤t3时，判定该待检测图像为误报图像，反之则为缺陷图像；
19、s16、在线误报筛选：重复上述步骤s10至s15，在线将待检测图像逐张通过灰度值对比筛选候选缺陷图像后，通过候选缺陷图像的候选特征矢量b^与误报图像库内的多个误报图像特征矢量a^进行l2范式距离公式计算特征距离本文档来自技高网...
【技术保护点】
1.一种蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S1中缺陷图像种类包括脏污图像、划伤图像；所述误报图像种类包括纹理误报图像、边缘误报图像。
3.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S1中特征提取网络为PPLCNetV2网络；所述网络模型预训练步骤为将采集的图片缩放至分辨率为128*128的像素尺寸的图像后，输入至PPLCNetV2网络，通过PPLCNetV2网络将图像转换为高维特征矢量，高维特征矢量为包括128维特征的向量数据组。
4.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S2、步骤S3及步骤S10中拍摄采集模板图像、建库检测图像以及待检测图像的相机分辨率相同。
5.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S2、步骤S3及步骤S10中将模板图像、建库检测图像以及在线待检
6.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S4中建库单元图像与模板单元图像基于像素灰度值匹配分析时，两者的像素灰度值越接近则说明两者的像素灰度差异值越小，反之则越大，当两者的像素差异值大于设置的差异阈值T1时，则判定该建库单元图像为差异图像；
7.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S4及步骤S11中异常阈值T2为单张的建库检测图像或单张的待检测图像中存在差异图像的面积临界值，当单张的建库检测图像或单张的待检测图像中的建库单元图像或检测单元图像的差异图像面积大于T2时，判定该张建库检测图像或待检测图像为候选缺陷图像；
8.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S15中通过候选图像特征矢量b^与误报图像库中的误报图像特征矢量a^通过L2范式距离公式计算得到的候选图像特征矢量b^与多个误报图像特征矢量a^之间的特征距离的范围值为0至1。
9.根据权利要求8所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤S16中的误报筛选阈值T3为候选图像特征矢量b^与误报图像特征矢量a^基于L2范式距离公式的特征距离的临界判定值；当候选图像特征矢量b^与误报图像特征矢量a^基于L2范式距离公式计算得到的特征距离越小，则表示两者越接近，当选定的代表最小特征距离的评价值L小于T3时，则判定候选缺陷图像为误报图像，反之则为缺陷图像。
10.根据权利要求9所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述误报筛选阈值T3的范围值为0.05至0.15。
...【技术特征摘要】
1.一种蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤s1中缺陷图像种类包括脏污图像、划伤图像；所述误报图像种类包括纹理误报图像、边缘误报图像。
3.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤s1中特征提取网络为pplcnetv2网络；所述网络模型预训练步骤为将采集的图片缩放至分辨率为128*128的像素尺寸的图像后，输入至pplcnetv2网络，通过pplcnetv2网络将图像转换为高维特征矢量，高维特征矢量为包括128维特征的向量数据组。
4.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤s2、步骤s3及步骤s10中拍摄采集模板图像、建库检测图像以及待检测图像的相机分辨率相同。
5.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤s2、步骤s3及步骤s10中将模板图像、建库检测图像以及在线待检测图像划分为单元图像的数量x取值范围为280至360张。
6.根据权利要求1所述的蚀刻引线框架误报库建立及误报在线判定筛选方法，其特征在于：所述步骤s4中建库单元图像与模板单元图像基于像素灰度值匹配分析时，两者的像素灰度值越接近则说明两者的像素灰度差异值越小，反之则...
【专利技术属性】
技术研发人员：肖波，肖贤军，朱为，王威，吴韬，何礼强，谢昌锋，涂丹，王林泉，文欢梅，
申请(专利权)人：深圳市睿阳精视科技有限公司，
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。