CN116342611B - 微型半导体的焊线检测方法、检测装置 - Google Patents

微型半导体的焊线检测方法、检测装置 Download PDF

Info

Publication number
CN116342611B
CN116342611B CN202310626574.9A CN202310626574A CN116342611B CN 116342611 B CN116342611 B CN 116342611B CN 202310626574 A CN202310626574 A CN 202310626574A CN 116342611 B CN116342611 B CN 116342611B
Authority
CN
China
Prior art keywords
bonding wire
welding line
curve
fitting
wire
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
Application number
CN202310626574.9A
Other languages
English (en)
Other versions
CN116342611A (zh
Inventor
杨雁清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Unicomp Technology Co ltd
Original Assignee
Wuxi Unicomp Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Unicomp Technology Co ltd filed Critical Wuxi Unicomp Technology Co ltd
Priority to CN202310626574.9A priority Critical patent/CN116342611B/zh
Publication of CN116342611A publication Critical patent/CN116342611A/zh
Application granted granted Critical
Publication of CN116342611B publication Critical patent/CN116342611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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
    • G06T2207/30152—Solder
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供一种微型半导体的焊线检测方法、检测装置，所述方法包括：获取微型半导体的X射线图像，根据X射线图像获取微型半导体的焊线区域；对焊线区域进行焊线轨迹提取，获取焊线轨迹上每个像素点的坐标，形成坐标数据；根据对勾函数构建拟合曲线，根据坐标数据获取拟合曲线的拟合参数，根据拟合参数生成焊线轨迹曲线；根据焊线轨迹曲线判断检测焊线是否存在缺陷。本发明在微型半导体焊线轨迹的判定上抛弃原有僵化的模板形式，根据每个微型半导体的焊线轨迹的具体坐标，以函数拟合的方式提供了灵活精准的焊线轨迹曲线，为后续测算提供了稳定可靠的检测标准，且适配多种线型轨迹。

Description

微型半导体的焊线检测方法、检测装置
技术领域
本发明涉及图像处理技术领域，具体涉及一种微型半导体的焊线检测方法、检测装置。
背景技术
半导体指常温下导电性能介于导体与绝缘体之间的材料，在消费、通信***、医疗仪器等领域有广泛应用。无论从科技或是经济发展的角度来看，半导体的重要性都是非常巨大的。今日大部分的产品，如计算机、移动电话或是数字录音机当中的核心单元都和半导体有着极为密切的关联。微型半导体一般应用在手机、电脑等小型电子设备中，由于其体积微小以及封装的特性，半导体内部焊线的检测需要依靠X-Ray（X-射线）检测设备提供图像。
微型半导体的内部结构一般是多根焊线连接中间晶片与四周支架，其连接的质量直接决定了微型半导体传输性能。当焊线存在塌陷、断裂或异物干扰时就存在短路或断路的风险，因此针对每条焊线的形态检测是品质保证的重要一环。
目前的检测方式一般是：针对每款产品的焊线，创建一个或几个标准模板形状存储；检测时提取被检测产品的焊线区域，将标准模板焊线区域与被测区域匹配对准；匹配成功后进行比对，根据比对结果判定是否为不良产品。
然而，即使是同一种类产品，不同的产品的焊线的轨迹也存在明显的不同，且焊线轨迹的变化是连续的，即使创建多个标准模板也无法准确覆盖所有情况。当模板与产品相差达到一定程度（判定阈值）时便会判定为不良，因为产品焊线形状波动的特性，上述方法会造成大量误判；但如果将判定阈值调整得过于宽松，则无法识别焊线扭曲不良品，导致方法失效。
发明内容
为解决上述技术问题，本发明的第一个目的在于提出一种微型半导体的焊线检测方法。
本发明的第二个目的在于提出一种微型半导体的焊线检测装置。
本发明采用的技术方案如下：
本发明第一方面的实施例提出了一种微型半导体的焊线检测方法，包括以下步骤：获取微型半导体的X射线图像，根据所述X射线图像获取微型半导体的焊线区域；对所述焊线区域进行焊线轨迹提取，获取所述焊线轨迹上每个像素点的坐标，形成坐标数据；根据对勾函数构建拟合曲线，根据所述坐标数据获取拟合曲线的拟合参数，根据所述拟合参数生成焊线轨迹曲线；根据所述焊线轨迹曲线判断检测焊线是否存在缺陷;其中，采用以下公式（1）构建拟合曲线：
（1）
其中，y为像素点的y坐标，x为像素点的x坐标，a、b、c、d分别为第一拟合参数、第二拟合参数、第三拟合参数和第四拟参数。
根据所述焊线轨迹曲线判断检测焊线是否存在缺陷，具体包括：采用以下公式（2）获取第一评价函数，采用以下公式（3）获取第二评价函数/>；
判断所述第一评价函数的值是否大于第一设定阈值，并判断所述第二评价函数的值是否大于第二设定阈值；如果所述第一评价函数/>的值大于第一设定阈值且所述第二评价函数/>的值大于所述第二设定阈值，则判断所述微型半导体的焊线出现扭曲不良缺陷；
（2）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值；
（3）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
本发明上述提出的微型半导体的焊线检测方法还可以具有如下附加技术特征：
根据本发明的一个实施例，采用U-Net（一种图像语义分割网络）卷积神经网络获取所述微型半导体的焊线区域。
根据本发明的一个实施例，根据所述焊线轨迹曲线判断检测焊线是否存在缺陷，还包括：根据所述坐标数据计算所述焊线轨迹曲线在每个像素点的斜率；获取所述斜率的范围，如果所述斜率的范围大于设定范围，则判断所述微型半导体的焊线出现扭曲不良缺陷。
本发明第二方面的实施例提出了一种微型半导体的焊线检测装置，包括：获取模块，所述获取模块用于获取微型半导体的X射线图像，根据所述X射线图像获取微型半导体的焊线区域；提取模块，所述提取模块用于对所述焊线区域进行焊线轨迹提取，获取所述焊线轨迹上每个像素点的坐标，形成坐标数据；拟合模块，所述拟合模块用于根据对勾函数构建拟合曲线，根据所述坐标数据获取拟合曲线的拟合参数，根据所述拟合参数生成焊线轨迹曲线；判断模块，所述判断模块用于根据所述焊线轨迹曲线判断检测焊线是否存在缺陷；所述拟合模块具体采用以下公式（1）构建拟合曲线：
（1）
其中，y为像素点的y坐标，x为像素点的x坐标，a、b、c、d分别为第一拟合参数、第二拟合参数、第三拟合参数和第四拟参数。
所述判断模块具体用于：采用以下公式（2）获取第一评价函数，采用以下公式（3）获取第二评价函数/>；判断所述第一评价函数/>的值是否大于第一设定阈值，并判断所述第二评价函数/>的值是否大于第二设定阈值；如果所述第一评价函数/>的值大于第一设定阈值且所述第二评价函数/>的值大于所述第二设定阈值，则判断所述微型半导体的焊线出现扭曲不良缺陷；
（2）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
（3）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
本发明上述提出的微型半导体的焊线检测装置还可以具有如下附加技术特征：
根据本发明的一个实施例，所述获取模块采用U-Net卷积神经网络获取所述微型半导体的焊线区域。
根据本发明的一个实施例，所述判断模块还用于：根据所述坐标数据计算所述焊线轨迹曲线在每个像素点的斜率；获取所述斜率的范围，如果所述斜率的范围大于设定范围，则判断所述微型半导体的焊线出现扭曲不良缺陷。
本发明的有益效果：
本发明在微型半导体焊线轨迹的判定上抛弃原有僵化的模板形式，根据每个微型半导体的焊线轨迹的具体坐标，以函数拟合的方式提供了灵活精准的焊线轨迹曲线，为后续测算提供了稳定可靠的检测标准，且适配多种线型轨迹。
附图说明
图1是根据本发明一个实施例的微型半导体的焊线检测方法的流程图；
图2是根据本发明一个具体示例的焊线区域的示意图；
图3是根据本发明一个具体示例的焊线轨迹的示意图；
图4是根据本发明一个实施的微型半导体的焊线结构剖面示意图；
图5是根据本发明一个实施的焊线弧度的范围示意图；
图6是根据本发明一个具体示例的坐标数据的拟合过程示意图；
图7是根据本发明一个具体示例的焊线轨迹曲线的示意图；
图8是根据本发明一个具体示例的残差图的示意图；
图9是根据本发明一个实施例的微型半导体的焊线检测装置的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是根据本发明一个实施例的微型半导体的焊线检测方法的流程图，如图1所示，该方法包括以下步骤：
S1，获取微型半导体的X射线图像，根据X射线图像获取微型半导体的焊线区域。
具体地，考虑到测算过程中获取焊线区域的稳定与准确，本发明采用U-Net卷积神经网络获取微型半导体的焊线区域。针对焊线区域进行语义分割，使用这种方式，能使得在测算过程中可以尽量减少由于外部干扰对数据及造成数据污染。
S2，对焊线区域进行焊线轨迹提取，获取焊线轨迹上每个像素点的坐标，形成坐标数据。
具体地，获取的焊线区域可参见图2所示，将获取到的焊线区域进行轨迹提取，轨迹提取指的是获取焊线骨架区域（焊线轨迹），焊线轨迹参见图3所示。整合焊线轨迹上的每个像素点坐标（x，y），形成一组坐标数据。图像坐标系为以图像左上角点为(0，0)点，y轴正方向竖直向下，x正方向水平向右。
S3，根据对勾函数构建拟合曲线，根据坐标数据获取拟合曲线的拟合参数，根据拟合参数生成焊线轨迹曲线。
具体地，微型半导体的焊线结构如图4所示，连接晶片1与支架2的焊线L整体呈现一种弧形，该弧形最高点偏向晶片1一侧。通过分析大量实际产品，焊线L弧度范围一般如图5所示，一般是在焊线上连接晶片1与支架2的两个焊点位置存在小幅度位置偏差。
通过获取大量的微型半导体的焊线轨迹，发明人发现微型半导体的焊线轨迹与对钩函数相似一般对勾函数公式为：，x代表横坐标，y代表纵坐标。
对勾函数其曲线的特点是，每一支只存在一个极值点，曲线有两条渐近线分别为y=x以及x=0，拐点两侧的曲线斜率不对称。这些特征都符合正确的焊线轨迹，因此本发明采用以下公式（1）构建焊线轨迹的拟合曲线：
（1）
其中，y为像素点的y坐标，x为像素点的x坐标，a、b、c、d分别为第一拟合参数、第二拟合参数、第三拟合参数和第四拟参数。
上述公式（1）为y随x变化的函数，也可以写为。
通过步骤S2获取的线轨迹上每个像素点的坐标（x，y）进行曲线拟合，将所获得的像素点的坐标（x，y）代入上述公式（1），求解当前焊线轨迹对应的最佳a、b、c、d的值。拟合过程可以采用Matlab（一种软件）实现，举例而言，将图6中的像素点的坐标采用上述公式（1）进行拟合，求解得到a = 0.8149、b = 131.3、c = -123.1、d = -95.13，根据a、b、c、d的值，即生成当前焊线的焊线轨迹曲线，该焊线轨迹曲线可参见图7所示。从图7可以看出，采用本发明上述步骤拟合的焊线轨迹曲线与原焊线轨迹（图3）基本一致。
S4，根据焊线轨迹曲线判断检测焊线是否存在缺陷。
根据本发明的一个实施例，根据焊线轨迹曲线判断检测焊线是否存在缺陷，具体包括：采用以下公式（2）获取第一评价函数，采用以下公式（3）获取第二评价函数/>；判断第一评价函数/>的值是否大于第一设定阈值，并判断第二评价函数/>的值是否大于第二设定阈值；如果第一评价函数/>的值大于第一设定阈值且第二评价函数/>的值大于第二设定阈值，则判断微型半导体的焊线出现扭曲不良缺陷。第一设定阈值和第二设定阈值根据实际情况预设。
（2）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值，即/>。
（3）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
具体地，将步骤S2中获取的焊线轨迹上每个像素点i的x坐标代入S4中生成焊线轨迹曲线，计算焊线轨迹曲线的/>值（/>），将/>与骤S2中获取的像素点i的y坐标/>进行比较，计算两者残差数值，被测焊线扭曲时残值数值明显更大，通过分析残差图（图8），选取残差图中差值绝对值之和，以及差值绝对值中的最大值作为判定关键参数，当这两项值都大于对应的阈值时，可以认为该产品焊线出现扭曲不良缺陷。
除了采用上述的分析残差图的方式判断，焊线轨迹曲线中的各个参数也能体现曲线对应性质。a与b确立了拟合函数的渐近线，c与d确立了对勾函数的偏移量。焊线轨迹刚好处于对钩函数的极值点处，因此可以通过分析出焊线轨迹曲线在各个点的斜率判断焊线是否存在缺陷。
根据本发明的一个实施例，根据焊线轨迹曲线判断检测焊线是否存在缺陷，还包括：根据坐标数据计算焊线轨迹曲线在每个像素点的斜率；获取斜率的范围，如果斜率的范围大于设定范围，则判断微型半导体的焊线出现扭曲不良缺陷。设定范围可以根据相关实验分析提前获取并预设。
具体地，焊线轨迹曲线在每个像素点的斜率可以通过对焊线轨迹曲线求导获取，即可以通过下述公式（4）可以分析出拟焊线轨迹曲线在各个点的斜率。
（4）
合格产品在焊线轨迹上的变化是有一定范围的，如果斜率超过一定范围，则可以判断该微型半导体的焊线出现扭曲不良缺陷。
综上所述，根据本发明实施例的微型半导体的焊线检测方法，在微型半导体焊线轨迹的判定上抛弃原有僵化的模板形式，根据每个微型半导体的焊线轨迹的具体坐标，以函数拟合的方式提供了灵活精准的焊线轨迹曲线，为后续测算提供了稳定可靠的检测标准，且适配多种线型轨迹。
与上述的方法实施例相对应，本发明还提出一种微型半导体的焊线检测装置，对于下述装置实施例未披露的内容可参照上述的方法实施例，本发明不再进行赘述。
图9是根据本发明一个实施例的微型半导体的焊线检测装置的方框示意图，如图9所示，该装置包括：获取模块10、提取模块20、拟合模块30和判断模块40。
其中，获取模块10用于获取微型半导体的X射线图像，根据X射线图像获取微型半导体的焊线区域；提取模块20用于对焊线区域进行焊线轨迹提取，获取焊线轨迹上每个像素点的坐标，形成坐标数据；拟合模块30用于根据对勾函数构建拟合曲线，根据坐标数据获取拟合曲线的拟合参数，根据拟合参数生成焊线轨迹曲线；判断模块40用于根据焊线轨迹曲线判断检测焊线是否存在缺陷。
根据本发明的一个实施例，获取模块10采用U-Net卷积神经网络获取微型半导体的焊线区域。
根据本发明的一个实施例，拟合模块30具体采用以下公式（1）构建拟合曲线：
（1）
其中，y为像素点的y坐标，x为像素点的x坐标，a、b、c、d分别为第一拟合参数、第二拟合参数、第三拟合参数和第四拟参数。
根据本发明的一个实施例，判断模块40具体用于：采用以下公式（2）获取第一评价函数，采用以下公式（3）获取第二评价函数/>；判断第一评价函数/>的值是否大于第一设定阈值，并判断第二评价函数/>的值是否大于第二设定阈值；如果第一评价函数/>的值大于第一设定阈值且第二评价函数/>的值大于第二设定阈值，则判断微型半导体的焊线出现扭曲不良缺陷；
（2）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
（3）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
根据本发明的一个实施例，判断模块40还用于：根据坐标数据计算焊线轨迹曲线在每个像素点的斜率；获取斜率的范围，如果斜率的范围大于设定范围，则判断微型半导体的焊线出现扭曲不良缺陷。
综上所述，根据本发明实施例的微型半导体的焊线检测装置，在微型半导体焊线轨迹的判定上抛弃原有僵化的模板形式，根据每个微型半导体的焊线轨迹的具体坐标，以函数拟合的方式提供了灵活精准的焊线轨迹曲线，为后续测算提供了稳定可靠的检测标准，且适配多种线型轨迹。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备（如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***）使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种微型半导体的焊线检测方法，其特征在于，包括以下步骤：
获取微型半导体的X射线图像，根据所述X射线图像获取微型半导体的焊线区域；
对所述焊线区域进行焊线轨迹提取，获取所述焊线轨迹上每个像素点的坐标，形成坐标数据；
根据对勾函数构建拟合曲线，根据所述坐标数据获取拟合曲线的拟合参数，根据所述拟合参数生成焊线轨迹曲线；
根据所述焊线轨迹曲线判断检测焊线是否存在缺陷；
其中，采用以下公式（1）构建拟合曲线：
（1）
其中，y为像素点的y坐标，x为像素点的x坐标，a、b、c、d分别为第一拟合参数、第二拟合参数、第三拟合参数和第四拟参数；
根据所述焊线轨迹曲线判断检测焊线是否存在缺陷，具体包括：
采用以下公式（2）获取第一评价函数L 1 ，采用以下公式（3）获取第二评价函数L 2 ；
判断所述第一评价函数的值是否大于第一设定阈值，并判断所述第二评价函数/>的值是否大于第二设定阈值；
如果所述第一评价函数的值大于第一设定阈值且所述第二评价函数/>的值大于所述第二设定阈值，则判断所述微型半导体的焊线出现扭曲不良缺陷；
（2）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值；
（3）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
2.根据权利要求1所述的微型半导体的焊线检测方法，其特征在于，采用U-Net卷积神经网络获取所述微型半导体的焊线区域。
3.根据权利要求2所述的微型半导体的焊线检测方法，其特征在于，根据所述焊线轨迹曲线判断检测焊线是否存在缺陷，还包括：
根据所述坐标数据计算所述焊线轨迹曲线在每个像素点的斜率；
获取所述斜率的范围，如果所述斜率的范围大于设定范围，则判断所述微型半导体的焊线出现扭曲不良缺陷。
4.一种微型半导体的焊线检测装置，其特征在于，包括：
获取模块，所述获取模块用于获取微型半导体的X射线图像，根据所述X射线图像获取微型半导体的焊线区域；
提取模块，所述提取模块用于对所述焊线区域进行焊线轨迹提取，获取所述焊线轨迹上每个像素点的坐标，形成坐标数据；
拟合模块，所述拟合模块用于根据对勾函数构建拟合曲线，根据所述坐标数据获取拟合曲线的拟合参数，根据所述拟合参数生成焊线轨迹曲线；
判断模块，所述判断模块用于根据所述焊线轨迹曲线判断检测焊线是否存在缺陷；
其中，所述拟合模块具体采用以下公式（1）构建拟合曲线：
（1）
其中，y为像素点的y坐标，x为像素点的x坐标，a、b、c、d分别为第一拟合参数、第二拟合参数、第三拟合参数和第四拟参数；
所述判断模块具体用于：
采用以下公式（2）获取第一评价函数，采用以下公式（3）获取第二评价函数/>；
判断所述第一评价函数的值是否大于第一设定阈值，并判断所述第二评价函数/>的值是否大于第二设定阈值；
如果所述第一评价函数的值大于第一设定阈值且所述第二评价函数/>的值大于所述第二设定阈值，则判断所述微型半导体的焊线出现扭曲不良缺陷；
（2）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值；
（3）
其中，为焊线轨迹上像素点i的x坐标，/>为焊线轨迹上像素点i的y坐标，/>为焊线轨迹曲线在/>处的值。
5.根据权利要求4所述的微型半导体的焊线检测装置，其特征在于，所述获取模块采用U-Net卷积神经网络获取所述微型半导体的焊线区域。
6.根据权利要求5所述的微型半导体的焊线检测装置，其特征在于，所述判断模块还用于：
根据所述坐标数据计算所述焊线轨迹曲线在每个像素点的斜率；
获取所述斜率的范围，如果所述斜率的范围大于设定范围，则判断所述微型半导体的焊线出现扭曲不良缺陷。
CN202310626574.9A 2023-05-31 2023-05-31 微型半导体的焊线检测方法、检测装置 Active CN116342611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310626574.9A CN116342611B (zh) 2023-05-31 2023-05-31 微型半导体的焊线检测方法、检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310626574.9A CN116342611B (zh) 2023-05-31 2023-05-31 微型半导体的焊线检测方法、检测装置

Publications (2)

Publication Number Publication Date
CN116342611A CN116342611A (zh) 2023-06-27
CN116342611B true CN116342611B (zh) 2023-09-08

Family

ID=86880851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310626574.9A Active CN116342611B (zh) 2023-05-31 2023-05-31 微型半导体的焊线检测方法、检测装置

Country Status (1)

Country Link
CN (1) CN116342611B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160641A (zh) * 2015-08-04 2015-12-16 成都多贝科技有限责任公司 基于图像处理的x射线焊缝区域提取方法
CN111724369A (zh) * 2020-06-17 2020-09-29 北京智机科技有限公司 一种u型焊缝检测方法
CN112529884A (zh) * 2020-12-17 2021-03-19 中国石油大学(华东) 一种基于压痕特征图像识别的焊点质量评价方法
CN115018827A (zh) * 2022-08-03 2022-09-06 山东亿昌装配式建筑科技有限公司 一种建材焊缝质量自动检测方法
CN115115644A (zh) * 2022-08-31 2022-09-27 启东市德立神起重运输机械有限公司 一种基于人工智能的车辆焊接缺陷检测方法
CN115533380A (zh) * 2022-10-17 2022-12-30 吉林大学 一种焊缝缺陷识别与自动补焊方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160641A (zh) * 2015-08-04 2015-12-16 成都多贝科技有限责任公司 基于图像处理的x射线焊缝区域提取方法
CN111724369A (zh) * 2020-06-17 2020-09-29 北京智机科技有限公司 一种u型焊缝检测方法
CN112529884A (zh) * 2020-12-17 2021-03-19 中国石油大学(华东) 一种基于压痕特征图像识别的焊点质量评价方法
CN115018827A (zh) * 2022-08-03 2022-09-06 山东亿昌装配式建筑科技有限公司 一种建材焊缝质量自动检测方法
CN115115644A (zh) * 2022-08-31 2022-09-27 启东市德立神起重运输机械有限公司 一种基于人工智能的车辆焊接缺陷检测方法
CN115533380A (zh) * 2022-10-17 2022-12-30 吉林大学 一种焊缝缺陷识别与自动补焊方法

Also Published As

Publication number Publication date
CN116342611A (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
CN115578389B (zh) 一种沟槽mos器件的缺陷检测方法
WO2017032308A1 (zh) 一种pcb板检测方法及装置
KR101417696B1 (ko) 패턴 측정 방법, 패턴 측정 장치 및 기록 매체
CN103500459A (zh) 一种基于规则化参数的印刷电路板缺陷检测方法
US20080175469A1 (en) Pattern Inspection Apparatus and Semiconductor Inspection System
CN110838097A (zh) 一种基于机器视觉的输送带偏移测量方法
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN115358983A (zh) 刀具缺陷检测方法、检测设备和计算机可读存储介质
CN116342611B (zh) 微型半导体的焊线检测方法、检测装置
CN111027474A (zh) 人脸区域获取方法、装置、终端设备和存储介质
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN113379726A (zh) 线路检测方法、装置、设备及计算机可读存储介质
CN109190310B (zh) 基于matlab平台的干涉条纹波面重建方法
CN115861315B (zh) 缺陷检测方法和装置
JP2020071022A (ja) 架線摩耗検出装置及び架線摩耗検出方法
CN116309397A (zh) 焊锡缺陷的检测方法、检测装置、计算机设备和存储介质
CN115080909A (zh) 影响物联感知设备数据的分析方法、电子设备及存储介质
CN114494118A (zh) 目标对象宽度的检测方法及目标对象长度的检测方法
CN111504608B (zh) 辉度均匀检测***及辉度均匀检测方法
Hassan et al. Compressed air leakage detection and quantification through infrared thermography
CN113963018A (zh) 图像运动与静止的判断方法及装置
CN111751609A (zh) 一种用于50Hz轨道信号检测及状态鉴别的方法及***
JPH11132743A (ja) 画像信号処理による欠陥検査装置
US20220253996A1 (en) Method, apparatus, and device for labeling images

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