基于改进YOLO v8网络的缺陷锡球检测方法技术

本发明专利技术公开了一种基于改进YOLO v8网络的缺陷锡球检测方法，方法包括：采集芯片BGA封装的灰度图像，组建用于缺陷锡球检测的训练数据集；构建改进YOLO v8网络，并通过训练数据集进行训练；对训练后的改进YOLO v8网络通过测试数据集进行测试，得到最终的改进YOLO v8网络；通过最终的改进YOLO v8网络对实测的芯片BGA图像进行缺陷锡球检测，得到检测结果，所述检索结果包括和缺陷锡球对应的检测框及测试指标。本发明专利技术通过改进YOLO v8网络，在头部网络中采用一对多检测头辅助一对一检测头的设计；改进网络损失函数的计算方式；在目标检测任务上表现更加出色，能够更准确地检测和定位目标物体。

【技术实现步骤摘要】

本专利技术涉及芯片缺陷检测，尤其涉及一种基于改进yolo v8网络的缺陷锡球检测方法。

技术介绍

1、作为一种重要的表面贴装技术，ball grid array（bga）封装已经成为微电子高密度封装技术的主流。bga封装具有小间距的i/o管脚、优秀的电热性能和轻量化等优点，其中制备高精度、小直径的焊球是bga封装技术的关键。然而，在生产和运输过程中，锡球可能会受损或出现其他缺陷，这直接影响了电子产品的可靠性。因此，检测bga封装中的锡球缺陷非常重要。

2、传统的bga缺陷检测主要依赖于人工目视检查或简单的图像处理算法，存在检测效率低、误检率高的问题。近年来，随着机器视觉技术的迅猛发展，基于深度学习的目标检测算法在工业缺陷检测领域展现出巨大潜力。其中，基于卷积神经网络(cnn)的目标检测模型，能够自动从图像中提取特征，精准定位并识别出缺陷锡球，大大提高了bga缺陷检测的精度、效率和自动化水平。

3、目前，常见的基于深度学习的bga缺陷检测方法主要分为两类：双阶段检测模型和单阶段检测模型。双阶段模型如faster r-cnn，首先生成候本文档来自技高网...

【技术保护点】

1.一种基于改进YOLO v8网络的缺陷锡球检测方法，其特征在于：包括：

2.根据权利要求1所述的一种基于改进YOLO v8网络的缺陷锡球检测方法，其特征在于：构建改进YOLO v8网络，并通过训练数据集进行训练，包括：

3.根据权利要求2所述的一种基于改进YOLO v8网络的缺陷锡球检测方法，其特征在于：改进YOLO v8网络包括骨干网络、颈部网络和检测头网络，在骨干网络中引入双层路由的注意力机制BRA模块，替换c2f模块中的bottleneck子模块，采用SPP-ELAN模块替换快速空间金字塔池化SPPF模块。

4.根据权利要求3所述的一种基于改进...

【技术特征摘要】

1.一种基于改进yolo v8网络的缺陷锡球检测方法，其特征在于：包括：

2.根据权利要求1所述的一种基于改进yolo v8网络的缺陷锡球检测方法，其特征在于：构建改进yolo v8网络，并通过训练数据集进行训练，包括：

3.根据权利要求2所述的一种基于改进yolo v8网络的缺陷锡球检测方法，其特征在于：改进yolo v8网络包括骨干网络、颈部网络和检测头网络，在骨干网络中引入双层路由的注意力机制bra模块，替换c2f模块中的bottleneck子模块，采用spp-elan模块替换快速空间金字塔池化sppf模块。

4.根据权利要求3所述的一种基于改进yolo v8网络的缺陷锡球检测方法，其特征在于：在检测头网络中，需要构建针对大中小三种尺度的三组检测头，每组检测头包含1个一对一检测头和1个一对多检测头； 一对一...

【专利技术属性】
技术研发人员：王鸣昕，张志勇，费米，王晨晨，
申请(专利权)人：中电鹏程智能装备有限公司，
类型：发明
国别省市：