System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于芯片外部目检的智能化缺陷分析方法及系统技术方案_技高网

基于芯片外部目检的智能化缺陷分析方法及系统技术方案

技术编号:40957416 阅读:2 留言:0更新日期:2024-04-18 20:34
本发明专利技术提供一种基于芯片外部目检的智能化缺陷检测系统及方法,本发明专利技术提供的系统包括物料传输组件将待检测件从第一位置传输至第二位置;物料控制组件将待检测件从第一采样方向移动至第N采样方向;光源向待检测件于对应第一采样方向至第N采样方向形成的各检测面发射光线;成像模块获取待检测件从第一采样方向至第N采样方向形成的检测面的图像数据;数据处理模块存储预训练的神经网络模型,获取成像模块的图像数据经神经网络模型输出识别结果;分拣模块为设置有第一分拣区至第N分拣区;控制模块根据识别结果向分拣模块发送信号,控制分拣模块将待检测件分拣至第一分拣区至第N分拣区中的任一区域。本发明专利技术通过神经网络确定缺陷区域和识别结果。

【技术实现步骤摘要】

本专利技术属于图像识别神经网络,具体涉及基于芯片外部目检的智能化缺陷分析方法及系统


技术介绍

1、随着电子行业的迅速发展,半导体芯片在各领域用途广泛,在芯片制造过程当中,表面缺陷是不可避免的,需要对其进行外观检测,以控制产品质量并且保证后续生产环节正常进行。

2、传统的芯片外观检测主要通过人工的方式,依靠检测人员手动将待检测芯片放置于平台上,通过目测进行人工检测,发现缺陷后剔除不合格产品,在该检测过程当中,由于工人长时间工作后容易产生视觉疲劳,造成误检和漏检测;另外,传统的人工方式其自动化程度较低,效率低下,也无法及时对异常件进行处理,并且无法将相应的测量结果存档,无法适应当今人工成本上升、检测精度和速度要求高的工作需求。

3、鉴于此,亟待提出基于芯片外部目检的智能化缺陷分析方法及系统。


技术实现思路

1、为此,本专利技术提供基于芯片外部目检的智能化缺陷分析方法及系统,通过神经网络模型执行对芯片表面缺陷的判断和识别。

2、本专利技术的第一方面提供基于芯片外部目检的智能化缺陷分析系统,包括:

3、物料传输组件,被配置为将待检测件从第一位置传输至第二位置;

4、物料控制组件,被配置为将所述待检测件从第一采样方向移动至第n采样方向;

5、光源,被配置为向所述待检测件于对应所述第一采样方向至所述第n采样方向形成的各检测面发射光线;

6、成像模块,被配置为获取所述待检测件从所述第一采样方向至第n采样方向形成的检测面的图像数据;

7、数据处理模块,被配置为存储预训练的神经网络模型,获取所述成像模块的图像数据经所述神经网络模型输出识别结果;

8、分拣模块,被配置为设置有第一分拣区至第n分拣区;

9、控制模块,被配置为根据所述识别结果向所述分拣模块发送信号,控制所述分拣模块将待检测件分拣至第一分拣区至第n分拣区的对应区域。

10、进一步的,所述物料传输组件包括

11、物料输送盘,经控制电机控制,将待检测件从第一位置传输至第二位置;

12、取料机械手,被配置为抓取所述物料输送盘上的待检测件。

13、本专利技术的第二方面提供基于芯片外部目检的智能化缺陷分析方法,包括如下步骤:

14、包括如下步骤:

15、s1、获取参照数据集;

16、s2、获取训练数据集;

17、s3、确定缺陷定义域,并确定各缺陷定义域的缺陷阈值;

18、s4、通过训练数据集迭代训练,得到最优缺陷阈值;

19、s5、输入待检测图像,输出识别结果。

20、进一步的,所述确定缺陷定义域,包括如下步骤:

21、确定所述缺陷定义域,包括如下步骤:

22、将所述被检测面按照预设的网格尺寸分割为多个样本实例;

23、每一样本示例,确定灰度均值的分布区域后,确定该样本实例中至少包括的第一灰度和第二灰度,且拟合任意第一灰度和第二灰度之间的拟合边界线;

24、确定具有第一拟合边界线的第一缺陷定义域;

25、确定具有第二拟合边界线的第二缺陷定义域;

26、判断缺陷定义域的缺陷类型,根据所述缺陷区域类型向参照数据集中的图像进行最大边界拟合,确定缺陷阈值。

27、进一步的,所述步骤s4具体为,

28、迭代训练;

29、每一次迭代时,以上一次训练的最大拟合边界作为拟合边界限定线;

30、按照预设的递减训练分割率,将拟合边界分割为多个边界实例;

31、每一边界实例,确定新的连续性阈值,确定推理延长线;

32、以所述拟合边界限定线为基准值,推理延长线的连接点拟合设置为不超过拟合边界限定线,得到新的最大拟合边界;

33、拟合边界线与所述最大拟合边界之间的区域范围则为新的缺陷阈值;

34、重复上述步骤至递减训练分割率至预定值后获得最优缺陷阈值。

35、本专利技术的上述技术方案,相比现有技术具有以下优点:

36、本专利技术通过神经网络模型进行训练,实现了对芯片外部图像检测的缺陷识别。

本文档来自技高网...

【技术保护点】

1.基于芯片外部目检的智能化缺陷分析系统,其特征在于,包括:

2.根据权利要求1所述的基于芯片外部目检的智能化缺陷分析系统,其特征在于,所述物料传输组件包括

3.基于芯片外部目检的智能化缺陷分析方法,其特征在于,应用于权利要求1-2任一所述的系统,包括如下步骤:

4.根据权利要求3所述的基于芯片目检的智能化缺陷分析方法,其特征在于,执行步骤S3之前,还包括如下步骤:

5.根据权利要求4所述的基于芯片目检的智能化缺陷分析方法,其特征在于,确定所述缺陷定义域,包括如下步骤:

6.根据权利要求5所述的基于芯片目检的智能化缺陷分析方法,其特征在于,所述最大边界拟合的具体步骤为,

7.根据权利要求6所述的基于芯片目检的智能化缺陷分析方法,其特征在于,所述步骤S4具体为,

【技术特征摘要】

1.基于芯片外部目检的智能化缺陷分析系统,其特征在于,包括:

2.根据权利要求1所述的基于芯片外部目检的智能化缺陷分析系统,其特征在于,所述物料传输组件包括

3.基于芯片外部目检的智能化缺陷分析方法,其特征在于,应用于权利要求1-2任一所述的系统,包括如下步骤:

4.根据权利要求3所述的基于芯片目检的智能化缺陷分析方法,其特征在于,...

【专利技术属性】
技术研发人员:李品李涛杨燕赵雅梅
申请(专利权)人:北京京瀚禹电子工程技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1