CN113409251B - 一种用于集成电路制造的数据处理方法 - Google Patents
一种用于集成电路制造的数据处理方法 Download PDFInfo
- Publication number
- CN113409251B CN113409251B CN202110598632.2A CN202110598632A CN113409251B CN 113409251 B CN113409251 B CN 113409251B CN 202110598632 A CN202110598632 A CN 202110598632A CN 113409251 B CN113409251 B CN 113409251B
- Authority
- CN
- China
- Prior art keywords
- image
- circuit board
- integrated circuit
- images
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 230000007547 defect Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000012634 optical imaging Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 9
- 238000003466 welding Methods 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种用于集成电路制造的数据处理方法,属于电路板检测技术领域;相较于传统的图像检测,激光检测能实现无接触远距离测量,速度快等;利用光学成像设备与线激光检测结合,能构建完整的电路板图像,再与光学图像的配合更加完整的实现精准自动化检测;本发明方法的目的在于将上述检测方法结合之后的具体数据处理提供一种高效便捷的处理方法逻辑,采用不同的算法算例,对不同获取的图像进行预处理、分析、匹配,通过本发明构建的数据处理方法能够更好地整合两部分的数据,更加精准的确定电路板的集成电路板的形状或尺寸或孔位或电路板瑕疵,有助于提高电路板加工效率。
Description
技术领域
本发明属于电路板检测技术领域,特别涉及一种用于集成电路制造的数据处理方法。
背景技术
光学自动检测设备又叫AOI检测设备,现已成为电子制造业确保产品质量的重要检测工具和过程质量控制工具。AOI(自动光学检测),在SMT制造工艺过程中,AOI设备运用高速高精度X-Y工作平台及矢量特征视觉处理技术自动检测PCB板上各种不同贴装错误及焊接缺陷,可检测的最小元件为0.1-0.05mm片式元件及脚间距为0.3mm的IC元件,AOI设备可以对应红胶制程,锡膏制程及插件段波峰焊后的焊接等品质的检测。但是传统的光学检测检查出来的缺陷,用肉眼也完全可以看到。则阈值设定问题则是需要认真考虑的指标,如果阈值太高,则容易误判。阈值太低,又容易导致漏检。光学检测对于较小的元器件的检查具有比较大的优势,取代肉眼检查是一个发展趋势。目前采取的人工检查,对于点数较多,或者批量较大的板,由于长时间检查,人眼会产生疲劳,从而造成漏检,所以亟待开发一种电路板生产在线式自动光学检测方法,所以亟待开发一种用于集成电路制造的数据处理方法。
发明内容
(一)要解决的技术问题
1)提高图像检测与激光检测的检测效率;
2)提高图像检测与激光检测的检测精度。
(二)技术方案
一种用于集成电路制造的数据处理方法,所述方法包括如下步骤:
S1:从图像检测组及线激光检测组中获取集成电路板的图像检测图像及线激光检测图像;
S2:根据图像检测组设定的多区域检测图像对图像检测图像进行排序,而后进行图像拼接融合获得集成电路板图像检测图像;
S3:根据线激光检测图像;根据扫描速度及拍摄速度,对图像进行逐帧拼接获得完整集成电路板扫描图像
S4:根据S2获得的集成电路板图像检测图像导入Halcon软件中进行处理获取结果;
S5:根据S3获得的集成电路板扫描图像导入Halcon软件中进行处理获取结果;
S6:利用Halcon软件调用将S2、S3的图像进行处理获取结果;
S7:将S4、S5、S6获取的结果导出进行判别分析。
作为上述方案的进一步说明,所述S1中图像检测组及线激光检测组用于检测集成电路板缺陷。
作为上述方案的进一步说明,所述S1中图像检测组包含若干个光学成像装置及至少一个LED面光源,用于拍摄集成电路板的不同区域。
作为上述方案的进一步说明,所述S1中线激光检测组包括至少一个光学成像装置及至少一个线激光检测光源。
作为上述方案的进一步说明,所述S2还包括如下步骤:
S21:对集成电路板每个区域拍摄的图像提取特征点,提取后进行匹配;采用SIFT算法提取特征点,保证图像的匹配精度;
S22:根据S21确定的匹配点集对多张图像进行配准;
S23:配准后对图像进行融合获取单张融合图像;
S24:将单张融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形、孔及其它机械特征的公差;
S25:最后根据校准好的融合图像依据学习算法对集成电路板瑕疵进行检测。
作为上述方案的进一步说明,所述S3还包括如下步骤:
S31:对集成电路板每个道扫描区域所拍摄的图像提取特征点,提取后进行匹配;采用SURF算法提取特征点,保证图像的匹配精度;
S32:根据S31确定的匹配点集对多张图像进行配准;
S33:配准后对图像进行融合获取单张激光扫描融合图像;
S34:将单张激光扫描融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形尺寸;
S35:最后根据校准好的激光扫描融合图像依据学习算法对集成电路板瑕疵进行检测。
作为上述方案的进一步说明,所述S4还包括如下步骤:
S41:将S2的图像进行预处理设定待测数据集;
S42:对图像进行分类和标记建立输入数据集;
S43:划分数据集后进行训练学习构建新的分类网络;
S44:对图像进行缺陷判别。
作为上述方案的进一步说明,所述步骤S5还包括如下步骤:
S51:将完整集成电路板扫描图像进行预处理;预处理方式包括提高对比度和降噪;
S52:设定不同缺陷的电路板,并进行检测获取电路板灰度图像,构建缺陷灰度图像数据库;
S53:将参考灰度图像数据库及缺陷灰度图像数据库进行配准;
S54:配准后进行做差及阈值筛选;
S55:利用筛选后的阈值对在线检测的电路板进行匹配分析,判断是否存在缺陷;若小于阈值则说明该电路板合格,否则反之。
作为上述方案的进一步说明,所述S6具体的利用S2、S3的图像的缺陷图像进行比对获取比对结果。
作为上述方案的进一步说明,所述S7判别分析要素包括:集成电路板的形状或尺寸或孔位或电路板瑕疵。
具体实施方式
一种用于集成电路制造的数据处理方法,所述方法包括如下步骤:
S1:从图像检测组及线激光检测组中获取集成电路板的图像检测图像及线激光检测图像;
S2:根据图像检测组设定的多区域检测图像对图像检测图像进行排序,而后进行图像拼接融合获得集成电路板图像检测图像;
S3:根据线激光检测图像;根据扫描速度及拍摄速度,对图像进行逐帧拼接获得完整集成电路板扫描图像
S4:根据S2获得的集成电路板图像检测图像导入Halcon软件中进行处理获取结果;
S5:根据S3获得的集成电路板扫描图像导入Halcon软件中进行处理获取结果;
S6:利用Halcon软件调用将S2、S3的图像进行处理获取结果;
S7:将S4、S5、S6获取的结果导出进行判别分析。
其中,所述S1中图像检测组及线激光检测组用于检测集成电路板缺陷。
其中,所述S1中图像检测组包含若干个光学成像装置及至少一个LED面光源,用于拍摄集成电路板的不同区域。
其中,所述S1中线激光检测组包括至少一个光学成像装置及至少一个线激光检测光源。
其中,所述S2还包括如下步骤:
S21:对集成电路板每个区域拍摄的图像提取特征点,提取后进行匹配;采用SIFT算法提取特征点,保证图像的匹配精度;
S22:根据S21确定的匹配点集对多张图像进行配准;
S23:配准后对图像进行融合获取单张融合图像;
S24:将单张融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形、孔及其它机械特征的公差;
S25:最后根据校准好的融合图像依据学习算法对集成电路板瑕疵进行检测。
其中,所述S3还包括如下步骤:
S31:对集成电路板每个道扫描区域所拍摄的图像提取特征点,提取后进行匹配;采用SURF算法提取特征点,保证图像的匹配精度;
S32:根据S31确定的匹配点集对多张图像进行配准;
S33:配准后对图像进行融合获取单张激光扫描融合图像;
S34:将单张激光扫描融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形尺寸;
S35:最后根据校准好的激光扫描融合图像依据学习算法对集成电路板瑕疵进行检测。
其中,所述S4还包括如下步骤:
S41:将S2的图像进行预处理设定待测数据集;
S42:对图像进行分类和标记建立输入数据集;
S43:划分数据集后进行训练学习构建新的分类网络;
S44:对图像进行缺陷判别。
其中,所述步骤S5还包括如下步骤:
S51:将完整集成电路板扫描图像进行预处理;预处理方式包括提高对比度和降噪;
S52:设定不同缺陷的电路板,并进行检测获取电路板灰度图像,构建缺陷灰度图像数据库;
S53:将参考灰度图像数据库及缺陷灰度图像数据库进行配准;
S54:配准后进行做差及阈值筛选;
S55:利用筛选后的阈值对在线检测的电路板进行匹配分析,判断是否存在缺陷;若小于阈值则说明该电路板合格,否则反之。
其中,所述S6具体的利用S2、S3的图像的缺陷图像进行比对获取比对结果。
其中,所述S7判别分析要素包括:集成电路板的形状或尺寸或孔位或电路板瑕疵。
工作原理:
实施例
本发明所用数据处理办法基于图像检测与激光检测合一的数据处理办法;具体的从图像检测组及线激光检测组中获取集成电路板的图像检测图像及线激光检测图像,具体的图像检测组及线激光检测组用于检测集成电路板缺陷。图像检测组包含若干个光学成像装置及至少一个LED面光源,用于拍摄集成电路板的不同区域,用于构建大像素拼接图像。线激光检测组包括至少一个光学成像装置及至少一个线激光检测光源。
其次根据图像检测组设定的多区域检测图像对图像检测图像进行排序,而后进行图像拼接融合获得集成电路板图像检测图像;具体的对集成电路板每个区域拍摄的图像提取特征点,提取后进行匹配;采用SIFT算法提取特征点,保证图像的匹配精度;根据确定的匹配点集对多张图像进行配准;配准后对图像进行融合获取单张融合图像;将单张融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形、孔及其它机械特征的公差;最后根据校准好的融合图像依据学习算法对集成电路板瑕疵进行检测。
再次根据线激光检测图像;根据扫描速度及拍摄速度,对图像进行逐帧拼接获得完整集成电路板扫描图像;首先对集成电路板每个道扫描区域所拍摄的图像提取特征点,提取后进行匹配;采用SURF算法提取特征点,保证图像的匹配精度;其次根据确定的匹配点集对多张图像进行配准;配准后对图像进行融合获取单张激光扫描融合图像;将单张激光扫描融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形尺寸;最后根据校准好的激光扫描融合图像依据学习算法对集成电路板瑕疵进行检测。
至此步骤图像检测及激光检测数据整合完毕开始进入后续的分析处理;具体的:
首先根据获得的集成电路板图像检测图像导入Halcon软件中进行处理获取结果;具体的先将集成电路板图像检测图像进行预处理设定待测数据集;其次对图像进行分类和标记建立输入数据集;而后划分数据集后进行训练学习构建新的分类网络;最后对图像进行缺陷判别。
其次根据获得的集成电路板扫描图像导入Halcon软件中进行处理获取结果;先将完整集成电路板扫描图像进行预处理;预处理方式包括提高对比度和降噪;设定不同缺陷的电路板,并进行检测获取电路板灰度图像,构建缺陷灰度图像数据库;将参考灰度图像数据库及缺陷灰度图像数据库进行配准;配准后进行做差及阈值筛选;利用筛选后的阈值对在线检测的电路板进行匹配分析,判断是否存在缺陷;若小于阈值则说明该电路板合格,否则反之。
至此步骤图像检测及激光检测数据已经处理分析完毕,最后进入对比、匹配分析的步骤;先利用Halcon软件调用将集成电路板图像检测图像、集成电路板扫描图像进行处理获取结果;将上述步骤中获取的结果导出进行判别分析,具体的具体的利用两幅图像的缺陷图像进行比对获取比对结果。最后将上述三个步骤中获得的最终检测结果导出,其中各步骤中判别分析的主要因素包括:集成电路板的形状或尺寸或孔位或电路板瑕疵。
本发明的特点在于:
本发明数据处理方法应用建立在传统的图像检测基础上加入激光检测办法的前提下,将两种检测结果进行分析;相较于传统的图像检测,激光检测的优点是适应环境能力强而且检测精度更高。激光传感器检测一些细小的零部件,能实现无接触远距离测量,速度快,精度高,量程大,抗光、电干扰能力强等;利用光学成像设备与线激光检测结合,能构建完整的电路板图像,再与光学图像的配合更加完整的实现精准自动化检测;本发明方法的目的在于将上述检测方法结合之后的具体数据处理提供一种高效便捷的处理方法逻辑,采用不同的算法算例,对不同获取的图像进行预处理、分析、匹配,通过本发明构建的数据处理方法能够更好地整合两部分的数据,更加精准的确定电路板的集成电路板的形状或尺寸或孔位或电路板瑕疵,有助于提高电路板加工效率。
本发明的控制方式是通过人工启动和关闭开关来控制,动力元件的接线图与电源的提供属于本领域的公知常识,并且本发明主要用来保护机械装置,所以本发明不再详细解释控制方式和接线布置。
本发明的控制方式是通过控制器来自动控制,控制器的控制电路通过本领域的技术人员简单编程即可实现,电源的提供也属于本领域的公知常识,并且本发明主要用来保护机械装置,所以本发明不再详细解释控制方式和电路连接。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的前提下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种用于集成电路制造的数据处理方法,其特征在于,所述方法包括如下步骤:
S1:从图像检测组及线激光检测组中获取集成电路板的图像检测图像及线激光检测图像;
S2:根据图像检测组设定的多区域检测图像对图像检测图像进行排序,而后进行图像拼接融合获得集成电路板图像检测图像;
S3:根据线激光检测图像;根据扫描速度及拍摄速度,对图像进行逐帧拼接获得完整集成电路板扫描图像;
S4:根据S2获得的集成电路板图像检测图像导入Halcon软件中进行处理获取结果;
S5:根据S3获得的集成电路板扫描图像导入Halcon软件中进行处理获取结果;
S6:利用Halcon软件调用将S2、S3的图像进行处理获取结果;
S7:将S4、S5、S6获取的结果导出进行判别分析。
2.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S1中图像检测组及线激光检测组用于检测集成电路板缺陷。
3.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S1中图像检测组包含若干个光学成像装置及至少一个LED面光源,用于拍摄集成电路板的不同区域。
4.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S1中线激光检测组包括至少一个光学成像装置及至少一个线激光检测光源。
5.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S2还包括如下步骤:
S21:对集成电路板每个区域拍摄的图像提取特征点,提取后进行匹配;采用SIFT算法提取特征点,保证图像的匹配精度;
S22:根据S21确定的匹配点集对多张图像进行配准;
S23:配准后对图像进行融合获取单张融合图像;
S24:将单张融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形、孔及其它机械特征的公差;
S25:最后根据校准好的融合图像依据学习算法对集成电路板瑕疵进行检测。
6.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S3还包括如下步骤:
S31:对集成电路板每个道扫描区域所拍摄的图像提取特征点,提取后进行匹配;采用SURF算法提取特征点,保证图像的匹配精度;
S32:根据S31确定的匹配点集对多张图像进行配准;
S33:配准后对图像进行融合获取单张激光扫描融合图像;
S34:将单张激光扫描融合图像依据预先设定好的单张校准好的标准电路板图像进行对照,对融合图像进行校准标定,包括电路板外形尺寸;
S35:最后根据校准好的激光扫描融合图像依据学习算法对集成电路板瑕疵进行检测。
7.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S4还包括如下步骤:
S41:将S2的图像进行预处理设定待测数据集;
S42:对图像进行分类和标记建立输入数据集;
S43:划分数据集后进行训练学习构建新的分类网络;
S44:对图像进行缺陷判别。
8.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述步骤S5还包括如下步骤:
S51:将完整集成电路板扫描图像进行预处理;预处理方式包括提高对比度和降噪;
S52:设定不同缺陷的电路板,并进行检测获取电路板灰度图像,构建缺陷灰度图像数据库;
S53:将参考灰度图像数据库及缺陷灰度图像数据库进行配准;
S54:配准后进行做差及阈值筛选;
S55:利用筛选后的阈值对在线检测的电路板进行匹配分析,判断是否存在缺陷;若小于阈值则说明该电路板合格,否则反之。
9.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S6具体的利用S2、S3的图像的缺陷图像进行比对获取比对结果。
10.根据权利要求1所述的一种用于集成电路制造的数据处理方法,其特征在于:所述S7判别分析要素包括:集成电路板的形状或尺寸或孔位或电路板瑕疵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110598632.2A CN113409251B (zh) | 2021-05-31 | 2021-05-31 | 一种用于集成电路制造的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110598632.2A CN113409251B (zh) | 2021-05-31 | 2021-05-31 | 一种用于集成电路制造的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113409251A CN113409251A (zh) | 2021-09-17 |
CN113409251B true CN113409251B (zh) | 2022-06-21 |
Family
ID=77675283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110598632.2A Active CN113409251B (zh) | 2021-05-31 | 2021-05-31 | 一种用于集成电路制造的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113409251B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001289917A (ja) * | 2000-04-03 | 2001-10-19 | Toppan Printing Co Ltd | 回路基板の検査装置及び回路基板の検査方法 |
JP2008256865A (ja) * | 2007-04-03 | 2008-10-23 | Ricoh Co Ltd | 光走査装置および画像形成装置 |
CN103308524A (zh) * | 2012-03-16 | 2013-09-18 | 西安中科麦特电子技术设备有限公司 | Pcb自动光学检测*** |
CN104112269A (zh) * | 2014-05-12 | 2014-10-22 | 北京联合大学 | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及*** |
CN105090790A (zh) * | 2015-08-21 | 2015-11-25 | 北京凌云光技术有限责任公司 | 长幅面大功率线光源装置及*** |
CN105378450A (zh) * | 2013-02-18 | 2016-03-02 | 赛拉诺斯股份有限公司 | 用于多元分析的***和方法 |
CN106770368A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市研创精密设备有限公司 | 一种应用于电路板检测机的照明机构 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN107632030A (zh) * | 2017-09-27 | 2018-01-26 | 徐国峰 | 激光标识型印刷电路板检测机 |
CN207379952U (zh) * | 2017-09-22 | 2018-05-18 | 上海梓威自动化科技有限公司 | 一种子弹壳检测灯检机的转盘检测机构 |
CN110473165A (zh) * | 2019-07-02 | 2019-11-19 | 深圳市格灵人工智能与机器人研究院有限公司 | 一种电路板焊接质量检测方法及装置 |
CN111340701A (zh) * | 2020-02-24 | 2020-06-26 | 南京航空航天大学 | 一种基于聚类法筛选匹配点的电路板图像拼接方法 |
-
2021
- 2021-05-31 CN CN202110598632.2A patent/CN113409251B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001289917A (ja) * | 2000-04-03 | 2001-10-19 | Toppan Printing Co Ltd | 回路基板の検査装置及び回路基板の検査方法 |
JP2008256865A (ja) * | 2007-04-03 | 2008-10-23 | Ricoh Co Ltd | 光走査装置および画像形成装置 |
CN103308524A (zh) * | 2012-03-16 | 2013-09-18 | 西安中科麦特电子技术设备有限公司 | Pcb自动光学检测*** |
CN105378450A (zh) * | 2013-02-18 | 2016-03-02 | 赛拉诺斯股份有限公司 | 用于多元分析的***和方法 |
CN104112269A (zh) * | 2014-05-12 | 2014-10-22 | 北京联合大学 | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及*** |
CN105090790A (zh) * | 2015-08-21 | 2015-11-25 | 北京凌云光技术有限责任公司 | 长幅面大功率线光源装置及*** |
CN106770368A (zh) * | 2016-12-30 | 2017-05-31 | 深圳市研创精密设备有限公司 | 一种应用于电路板检测机的照明机构 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN207379952U (zh) * | 2017-09-22 | 2018-05-18 | 上海梓威自动化科技有限公司 | 一种子弹壳检测灯检机的转盘检测机构 |
CN107632030A (zh) * | 2017-09-27 | 2018-01-26 | 徐国峰 | 激光标识型印刷电路板检测机 |
CN110473165A (zh) * | 2019-07-02 | 2019-11-19 | 深圳市格灵人工智能与机器人研究院有限公司 | 一种电路板焊接质量检测方法及装置 |
CN111340701A (zh) * | 2020-02-24 | 2020-06-26 | 南京航空航天大学 | 一种基于聚类法筛选匹配点的电路板图像拼接方法 |
Non-Patent Citations (6)
Title |
---|
A Wireless Headstage for Combined Optogenetics and Multichannel Electrophysiological Recording;Gabriel Gagnon-Turcotte 等;《IEEE Transactions on Biomedical Circuits and Systems》;20170228;第11卷(第1期);1-14 * |
Laser cleaning of printed circuit boards;W.D.Song 等;《Applied Surface Science》;20030315;第208-209卷;463-467 * |
PCB光电检孔机关键技术研究及其***实现;黄永林;《中国博士学位论文全文数据库 信息科技辑》;20110715(第07(2011年)期);I135-40 * |
一种PCB表观检查机的无阴影高均匀照明方法;谢煜 等;《光电子·激光》;20120731;第23卷(第7期);1279-1284 * |
基于光学图像和红外热像的电路板故障检测技术研究;王娇;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20180415(第04(2018年)期);I135-418 * |
红外热成像技术在通信电源电路板故障检测中的应用;陈华 等;《通信电源技术》;20210110;第38卷(第1期);114-116 * |
Also Published As
Publication number | Publication date |
---|---|
CN113409251A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945184B (zh) | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 | |
CN112053318B (zh) | 基于深度学习的二维pcb缺陷实时自动检测与分类装置 | |
CN104992449B (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错*** | |
CN112362679B (zh) | 影像辨识装置、影像辨识方法及其计算机程序产品 | |
TWI715051B (zh) | 機器學習方法及應用機器學習方法的自動光學檢測設備 | |
CN113030123B (zh) | 一种基于物联网的aoi检测反馈*** | |
CN113822882A (zh) | 基于深度学习的电路板表面缺陷检测方法与检测装置 | |
CN116718600B (zh) | 一种用于对线束产品进行智能化检测的检测装置 | |
CN111275674A (zh) | 一种芯片烧录检测方法、***和计算机可读存储介质 | |
CN116152244A (zh) | 一种smt缺陷检测方法、*** | |
CN115170497A (zh) | 一种基于ai视觉检测技术的pcba在线检测平台 | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测***及方法 | |
CN111307817B (zh) | 一种智能产线pcb生产过程的在线检测方法及*** | |
Leta et al. | Computer vision system for printed circuit board inspection | |
CN113409251B (zh) | 一种用于集成电路制造的数据处理方法 | |
CN112308816B (zh) | 影像辨识装置、影像辨识方法及其存储介质 | |
CN115100166A (zh) | 焊点缺陷检测方法及装置 | |
CN114638792A (zh) | 一种用于插件电路板电解电容极性缺陷检测的方法 | |
WO2022003919A1 (ja) | 検査データ作成方法、検査データ作成装置および検査装置 | |
CN114062391A (zh) | 自动光学检测设备的检测方法及*** | |
CN113418935B (zh) | 一种电路板生产在线式自动光学检测方法 | |
CN117745689A (zh) | 用于贴片电阻多种缺陷的检测方法和检测*** | |
CN215179785U (zh) | 一种电子零配件智能综合检验*** | |
CN111539933B (zh) | 一种直插元件检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |