【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及基于计算机视觉的集成电路板芯片表面缺陷识别方法。
技术介绍
1、随着电子设备的复杂度和集成度不断提高，电路板芯片的缺陷检测变得愈发关键，缺陷会直接影响电路板的功能和性能，通过及时发现和修复这些缺陷，可以显著提高电路板的良品率，减少因故障导致的维修成本和时间，从而提升生产效率和经济效益。随着图像处理相关技术的发展，应用图像处理技术进行缺陷识别的应用越来越丰富。图像处理技术能够快速、准确地分析电路板芯片表面的图像数据从而识别外观缺陷。因此，通过计算机视觉来对集成电路板芯片表面缺陷进行识别。
2、由于芯片内不同部件的颜色与形状有较大差异，使得当前通过阈值分割法或者其他方法对芯片表面进行形状缺陷与表面缺陷的检测时，检测方法不能适用于芯片内的所有关键部件，使得形状缺陷与表面缺陷的检测结果与实际情况有较大差异。
技术实现思路
1、为了解决由于芯片内部不同部件的颜色与形状有较大差异，使得当前的检测方法不能很好的适用于芯片内部的所有关键部件的问题，本专利技术...
【技术保护点】
1.基于计算机视觉的集成电路板芯片表面缺陷识别方法，其特征在于，包括：获取芯片封装体图像；根据像素点的灰度值，对芯片封装体图像内的像素点进行聚类，得到若干聚类簇；将每一聚类簇内的像素点，记为每一部件内的像素点；根据每一部件内的像素点，得到每一部件内的区域与每一部件的边缘；获取每一部件的边缘上的角点，根据每一部件的边缘上的角点，将每一部件的边缘分为每一部件的若干局部边缘；根据每一部件的局部边缘上像素点的分布与数量，得到每一部件的局部边缘的长度与倾斜角；根据同一部件的不同局部边缘的长度与倾斜角的差异，得到每一部件的局部边缘的缺陷表现程度，进而将所有部件内的区域分为形状缺陷...
【技术特征摘要】
1.基于计算机视觉的集成电路板芯片表面缺陷识别方法，其特征在于，包括：获取芯片封装体图像；根据像素点的灰度值，对芯片封装体图像内的像素点进行聚类，得到若干聚类簇；将每一聚类簇内的像素点，记为每一部件内的像素点；根据每一部件内的像素点，得到每一部件内的区域与每一部件的边缘；获取每一部件的边缘上的角点，根据每一部件的边缘上的角点，将每一部件的边缘分为每一部件的若干局部边缘；根据每一部件的局部边缘上像素点的分布与数量，得到每一部件的局部边缘的长度与倾斜角；根据同一部件的不同局部边缘的长度与倾斜角的差异，得到每一部件的局部边缘的缺陷表现程度，进而将所有部件内的区域分为形状缺陷区域与形状正常区域；将每一部件内的形状正常区域划分为多个等大的区域，得到每一部件内待分析区域；根据同一部件内不同待分析区域中像素点灰度值的信息熵的差异与同一部件内不同待分析区域中相同位置的像素点的灰度值的差异，得到每一部件内每一待分析区域的表面缺陷程度，进而得到含有表面缺陷的区域，完成缺陷检测；所述得到每一部件的局部边缘的缺陷表现程度的具体计算公式如下：；式中，表示第个部件的第个局部边缘的缺陷表现程度，表示第个部件的第个局部边缘与第个局部边缘的差异，表示第个部件的第个局部边缘的长度，表示第个部件的第个局部边缘的长度，表示第个部件的所有局部边缘的长度中的最大值，表示第个部件的第个局部边缘的倾斜角，表示第个部件的第个局部边缘的倾斜角，表示第个部件的所有局部边缘的倾斜角中的最大值，表示第个部件的局部边缘的数量，表示绝对值函数，表示函数，表示函数，为以自然常数为底的指数函数。
2.根据权利要求1所述的基于计算机视觉的集成电路板芯片表面缺陷识别方法，其特征在于，所述得到若干聚类簇的具体步骤如下：使用手肘法，得到通过k-means聚类算法对芯片封装体图像内所有像素点进行聚类时的最佳聚类簇的数量；令聚类簇的数量为，根据芯片封装体图像内每一像素点的灰度值，通过k-means聚类算法对芯片封装体图像内所有像素点进行聚类，得到个聚类簇。
3.根据权利要求1所述的基于计算机视觉的集成电路板芯片表面缺陷识别方法，其特征在于，所述得到每一部件内的区域与每一部件的边缘的具体步骤如下：根据第个部件内的像素点，得到若干个区域，将其记为第个部件内的区域；将第个部件内的第个区域的边缘，记为第个部件的边缘。
4.根据权利要求1所述的基于计算机视觉的集成电路板芯片表面缺陷识别方法，其特征在于，所述将每一部件的边缘分为每一部件的若干局部边缘的具体步骤如下：通过角点检测算法，获取芯片封装体图像内的所有角点，得到第个部件的边缘上的角点；将第个部件的边缘上的角点作为分段点，将第个部件的每一边缘分为多段，将每一段记为第个部件的局部边缘。<...
【专利技术属性】
技术研发人员：李元昊，任筱，陈兰英，
申请(专利权)人：陕西中融国信电子科技有限公司，
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。