基于深度学习的多模态DBC基板表面缺陷检测方法、装置、系统、介质及程序产品制造方法及图纸

本申请提供基于深度学习的多模态DBC基板表面缺陷检测方法、装置、系统、介质及程序产品，本申请利用多样化的光源和光谱技术，进行全面的缺陷成像，以突出缺陷特征，有效防止缺陷检测的遗漏；通过采用非固定的多尺度图像裁剪方法，防止小尺寸缺陷的遗漏，从而提高小目标缺陷的检测精度和准确度。经过验证，本申请所提出的基于深度学习的多模态DBC基板表面缺陷检测技术，能够高效且准确地识别并检测出上述各种缺陷类型。

【技术实现步骤摘要】

本申请涉及dbc产品缺陷检测，特别是涉及基于深度学习的多模态dbc基板表面缺陷检测方法、装置、系统、介质及程序产品。

技术介绍

1、dbc(direct bonding copper)，即直接覆铜陶瓷基板，是一种将高绝缘性的氧化铝或氮化铝陶瓷基板覆上铜金属的新型复合材料。这种材料被广泛应用于大功率半导体封装模块、高温垫片和制冷器等领域。然而，dbc陶瓷基板在生产制造过程中可能会产生一些影响产品性能的缺陷，例如，气泡、氧化，异色、裂纹、崩边、铜缺等缺陷。因此，对dbc陶瓷基板进行表面缺陷检测至关重要。

2、目前对dbc陶瓷基板的非接触式检测主要基于机器视觉技术，利用高分辨率相机与高倍率镜头对dbc陶瓷基板进行成像，通过图像处理算法对图像进行预处理以及缺陷区域进行特征提取定位，并根据特征的形态进行分类。对于一些特殊的缺陷，如内部气泡、空洞等缺陷，可以通过超声扫描显微镜检测技术或者x射线等方式对内部进行扫描，通过内部缺陷的声波反射进行成像。这些技术各有特点，通常需要根据实际的应用场景选择最合适的方案。

3、由于dbc陶瓷基板的加工过程复杂本文档来自技高网...

【技术保护点】

1.一种基于深度学习的多模态DBC基板表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的多模态DBC基板表面缺陷检测方法，其特征在于，所述通过光源组合采集DBC陶瓷基板的多模态图像，包括：通过使用白色同轴光源与多角度多光谱环形光源的组合光源采集DBC陶瓷基板的多模态图像。

3.根据权利要求1所述的基于深度学习的多模态DBC基板表面缺陷检测方法，其特征在于，所述基于图像拼接技术将采集到的多模态图像拼接形成DBC陶瓷基板整图，其包括：

4.根据权利要求3所述的基于深度学习的多模态DBC基板表面缺陷检测方法，其特征在于，在图像融合过...

【技术特征摘要】

1.一种基于深度学习的多模态dbc基板表面缺陷检测方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的多模态dbc基板表面缺陷检测方法，其特征在于，所述通过光源组合采集dbc陶瓷基板的多模态图像，包括：通过使用白色同轴光源与多角度多光谱环形光源的组合光源采集dbc陶瓷基板的多模态图像。

3.根据权利要求1所述的基于深度学习的多模态dbc基板表面缺陷检测方法，其特征在于，所述基于图像拼接技术将采集到的多模态图像拼接形成dbc陶瓷基板整图，其包括：

4.根据权利要求3所述的基于深度学习的多模态dbc基板表面缺陷检测方法，其特征在于，在图像融合过程中，对重叠区域内的图像像素进行加权平均处理，以消除图像拼接过程中在重叠区域产生的拼接缝。

5.根据权利要求1所述的基于深度学习的多模态dbc基板表面缺陷检测方法，其特征在于，所述对所述dbc陶瓷基板整图进行多尺度裁剪，其包括：将原始多模态图像按照如下多个尺寸进行裁剪：w/2*h/2、w*h、2w*2h、3w*3h，w表示原始多模态图像的宽度，h表示原始多模态图像的高度；其中，w/2*h/2尺度的裁剪图像在被送入网络模型之前进行上采样处理。

【专利技术属性】
技术研发人员：陈远明，赵亚利，陈雅君，殳治杰，
申请(专利权)人：上海轩田智能科技股份有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人