CN117974662B - 一种芯片的检测方法、电子设备及存储介质 - Google Patents
一种芯片的检测方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117974662B CN117974662B CN202410381111.5A CN202410381111A CN117974662B CN 117974662 B CN117974662 B CN 117974662B CN 202410381111 A CN202410381111 A CN 202410381111A CN 117974662 B CN117974662 B CN 117974662B
- Authority
- CN
- China
- Prior art keywords
- lines
- chip
- qualified
- line
- rad
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 19
- 238000001931 thermography Methods 0.000 claims description 17
- 238000003466 welding Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005476 soldering Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910000679 solder Inorganic materials 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000003856 thermoforming Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供一种芯片的检测方法、电子设备及存储介质，涉及芯片检测领域，一种芯片的检测方法、电子设备及存储介质，本发明通过线条提取方式与热成像的方式对芯片的焊点、引脚、走线等进行检测，且可通过热成像的照片信息对芯片焊点的高度进行检测，无需3D扫描即可完成检测，且在检测的过程无需通电进行检测，检测成本较低，且检测效率较高。
Description
技术领域
本申请涉及芯片检测领域，具体而言，涉及一种芯片的检测方法、电子设备及存储介质。
背景技术
芯片检测是芯片设计、生产、制造成过程中的关键环节，检测芯片的质量、性能、功能等，以满足设计要求和市场需求，确保芯片可以长期稳定运行，目前的芯片在设计、晶圆制造、封装都需要进行测试，在晶圆制造的过程中，一般是对芯片进行拍照检测，在检测的过程中，无法对芯片的焊点进行检测，焊点一般是通过探针的检测，目前的检测方案一般要进行至少两套的检测，检测效率较差，因此需要对目前的检测方法进行改进，还有通过3D扫描的技术进行检测，检测成本较高。
发明内容
本申请实施例的目的在于提供一种芯片的检测方法、电子设备及存储介质，其能够解决检测成本较高且不连续的技术问题。
本申请实施例提供一种芯片的检测方法，包括以下步骤：
步骤一、对封装之后焊锡处理的芯片进行通过传动带送入至柔性光拍照组件下方，进行拍照处理，获取芯片的图像；
步骤二、对获取的图像进行线条提取处理，并且将提取的线条做坐标处理与类型标记处理；
步骤三、对芯片通过激光组件进行照射，并通过热成像组件对激光照射的芯片进行热成像采集；
步骤四、对采集的热成像的图像进行颜色范围区域提取处理，并且将提取的区域做坐标处理与类型标记处理；
步骤五、通过神经网络***对提取的线条坐标、标数与其内部训练成型的线条坐标、标数合并比较，对不重叠部分做标记处理，通过神经网络***对提取的颜色区域与其内部训练成型的合格的颜色区域合并比较，对不重叠部分做标记处理；
步骤六、对不重叠部分标记的线条与颜色区域进行降噪处理，并对降噪的线条进行分类处理，确定线条为焊点、引脚、连接线；若为焊点，对线条的长度、弧度进行计算，对不重叠颜色区域的面积进行计算；若为引脚、连接线，对线条的长度、弧度、交叉次数进行计算；
步骤七、若为线条，（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格；若为焊点，不重叠颜色区域大于0.5mm2、（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格，其中L计算为步骤六中计算的每段线条长度，L合格为合格芯片的对应的线条长度；rad计算为步骤六中计算的每段线条弧度，rad合格为合格芯片的对应的线条弧度。
作为优选，步骤六中，将不重叠的线条与合格的线条交叠处理，并对两条线条之间的最远距离进行测量，若两条线条之间的最远距离超过0.2mm则判断不合格。
作为优选，步骤六中所述神经网络***选择YOLOv5模型作为检测框架，准备包含合格芯片图像的数据集，并确保数据集中包含多种线条的芯片图像，以便模型能够学习到各种情况下的目标特征，使用标注好的数据集训练YOLOv5模型，在训练过程中，YOLOv5模型将从芯片图像中提取目标特征，并根据锚框机制预测目标的边界框和类别，并基于Canny边缘检测算法来提取每个对象的线条，并对线条的坐标、数量进行标记，训练完成后，对YOLOv5模型输出的结果进行优化处理。
作为优选，步骤六中所述神经网络***选择，准备包含合格芯片图像的数据集，使用YOLOv5对图像进行目标检测，并生成边界框，在边界框内分析每个框内像素的颜色分布，并提取边界框内像素的RGB值，根据RGB值的阈值来区分不同的颜色区域，并根据RGB值与不同颜色区域的阈值进行比较，提取颜色边界，最后将颜色边界连线处理，得到合格颜色区域。
作为优选，步骤二中对拍摄的芯片图像进行二值化、边缘检测处理，并通过边缘检测算法来识别图形中的边缘和线条，之后根据线条跟踪算法来提取和重建图像中的线条，从线条的一个端点开始，沿着线条的方向逐步移动到下一个像素，直到到达线条的终点，之后对提取的线条进行标数与坐标处理。
作为优选，步骤四中拍摄的热成像照片根据预设的多个阈值，将热图像中的像素分为不同的类别或区域，通过检测热图像中像素值发生剧烈变化的区域来提取物体的边缘信息，从某个种子点开始，根据像素间的相似性或连续性，逐步将相邻的像素合并到同一个区域中，对区域根据形态学运算进行边缘的提取，提取的区域做坐标处理与类型标记处理。
作为优选，步骤六中将合格线条的坐标、数量与步骤二中提取线条的坐标、数量进行每个线条的路径的交集计算，将没有交集的部分通过图形输出，之后对图形中线条进行长度的测量，且根据预设的阈值来进行多段式分割，对分割之后的线条进行弧度的测量。
一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的芯片检测方法。
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现上述中任一项所述的芯片检测方法。
本发明的有益效果：
本发明提供的一种芯片的检测方法、电子设备及存储介质，本发明通过线条提取方式与热成像的方式对芯片的焊点、引脚、走线等进行检测，且可通过热成像的照片信息对芯片焊点的高度进行检测，无需3D扫描即可完成检测，且在检测的过程无需通电进行检测，检测成本较低，且检测效率较高。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明的检测方法流程图；
图2为本发明的线条提取图；
图3为本发明的热成像图；
图4为本发明的线条分割示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
实施例
如图1-4所示，一种芯片的检测方法，包括以下步骤：
步骤一、对封装之后焊锡处理的芯片进行通过传动带送入至柔性光拍照组件下方，进行拍照处理，获取芯片的图像；
步骤二、对获取的图像进行线条提取处理，并且将提取的线条做坐标处理与类型标记处理；
步骤三、对芯片通过激光组件进行照射，并通过热成像组件对激光照射的芯片进行热成像采集；
步骤四、对采集的热成像的图像进行颜色范围区域提取处理，并且将提取的区域做坐标处理与类型标记处理；
步骤五、通过神经网络***对提取的线条坐标、标数与其内部训练成型的线条坐标、标数合并比较，对不重叠部分做标记处理，通过神经网络***对提取的颜色区域与其内部训练成型的合格的颜色区域合并比较，对不重叠部分做标记处理；
步骤六、对不重叠部分标记的线条与颜色区域进行降噪处理，并对降噪的线条进行分类处理，确定线条为焊点、引脚、连接线；若为焊点，对线条的长度、弧度进行计算，对不重叠颜色区域的面积进行计算；若为引脚、连接线，对线条的长度、弧度、交叉次数进行计算；
步骤七、若为线条，（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格；若为焊点，不重叠颜色区域大于0.5mm2、（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格，其中L计算为步骤六中计算的每段线条长度，L合格为合格芯片的对应的线条长度；rad计算为步骤六中计算的每段线条弧度，rad合格为合格芯片的对应的线条弧度。
如图1-4所示，本发明通过线条提取方式与热成像的方式对芯片的焊点、引脚、走线等进行检测，且可通过热成像的照片信息对芯片焊点的高度进行检测，无需3D扫描即可完成检测，且在检测的过程无需通电进行检测，检测成本较低，且检测效率较高。
如图1-4所示，本实施例中，步骤六中，将不重叠的线条与合格的线条交叠处理，并对两条线条之间的最远距离进行测量，若两条线条之间的最远距离超过0.2mm则判断不合格。
具体地，本发明通过对线条的偏移程度、偏移长度、偏移面积，从三个方面进行检查，可使得检测精度更高。
具体地，在芯片的生产过程中，部分芯片因没有封装无法进行通电进行检测，通过激光组件的照射，金属材质与塑胶材质吸热程度、散热程度不同，当照射完毕之后，即可进行拍照，等一段时间之后可进行二次拍照，可进行两次的热成像的区域面积提取。
如图1-4所示，本实施例中，步骤六中所述神经网络***选择YOLOv5模型作为检测框架，准备包含合格芯片图像的数据集，并确保数据集中包含多种线条的芯片图像，以便模型能够学习到各种情况下的目标特征，使用标注好的数据集训练YOLOv5模型，在训练过程中，YOLOv5模型将从芯片图像中提取目标特征，并根据锚框机制预测目标的边界框和类别，并基于Canny边缘检测算法来提取每个对象的线条，并对线条的坐标、数量进行标记，训练完成后，对YOLOv5模型输出的结果进行优化处理；步骤六中所述神经网络***选择，准备包含合格芯片图像的数据集，使用YOLOv5对图像进行目标检测，并生成边界框，在边界框内分析每个框内像素的颜色分布，并提取边界框内像素的RGB值，根据RGB值的阈值来区分不同的颜色区域，并根据RGB值与不同颜色区域的阈值进行比较，提取颜色边界，最后将颜色边界连线处理，得到合格颜色区域。
具体地，本发明先对合格的芯片进行线条、线条数量的拾取，并对合格的芯片进行热成型区域的拾取，并通过神经网络***进行学习，得到最佳的数据集，之后在检测的过程中可直接提取数据集进行比对。
如图1-4所示，本实施例中，步骤二中对拍摄的芯片图像进行二值化、边缘检测处理，并通过边缘检测算法来识别图形中的边缘和线条，之后根据线条跟踪算法来提取和重建图像中的线条，从线条的一个端点开始，沿着线条的方向逐步移动到下一个像素，直到到达线条的终点，之后对提取的线条进行标数与坐标处理。
如图1-4所示，本实施例中，步骤四中拍摄的热成像照片根据预设的多个阈值，将热图像中的像素分为不同的类别或区域，通过检测热图像中像素值发生剧烈变化的区域来提取物体的边缘信息，从某个种子点开始，根据像素间的相似性或连续性，逐步将相邻的像素合并到同一个区域中，对区域根据形态学运算进行边缘的提取，提取的区域做坐标处理与类型标记处理。
具体地，将提取的线条的坐标、标记的数字与合格数据集内部进行一一对比，若为线条，（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格；若为焊点，不重叠颜色区域大于0.5mm2、（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格，其中L计算为步骤六中计算的每段线条长度，L合格为合格芯片的对应的线条长度；rad计算为步骤六中计算的每段线条弧度，rad合格为合格芯片的对应的线条弧度。
如图1-4所示，本实施例中，步骤六中将合格线条的坐标、数量与步骤二中提取线条的坐标、数量进行每个线条的路径的交集计算，将没有交集的部分通过图形输出，之后对图形中线条进行长度的测量，且根据预设的阈值来进行多段式分割，对分割之后的线条进行弧度的测量。
具体地，在线条弧度计算时，根据线条的走向进行线条的分割，若线条的走线方向出现了超过45度的偏移，则进行线段的分割，如图4所示。
实施例
一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行实施例一中所述的芯片检测方法。
结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施例
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现实施例一中所述的芯片检测方法。
本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (7)
1.一种芯片的检测方法，其特征在于，包括以下步骤：
步骤一、对封装之后焊锡处理的芯片进行通过传动带送入至柔性光拍照组件下方，进行拍照处理，获取芯片的图像；
步骤二、对获取的图像进行线条提取处理，并且将提取的线条做坐标处理与类型标记处理；
步骤三、对芯片通过激光组件进行照射，并通过热成像组件对激光照射的芯片进行热成像采集；
步骤四、对采集的热成像的图像进行颜色范围区域提取处理，并且将提取的区域做坐标处理与类型标记处理；
步骤五、通过神经网络***对提取的线条坐标、标数与其内部训练成型的线条坐标、标数合并比较，对不重叠部分做标记处理，通过神经网络***对提取的颜色区域与其内部训练成型的合格的颜色区域合并比较，对不重叠部分做标记处理；
步骤六、对不重叠部分标记的线条与颜色区域进行降噪处理，并对降噪的线条进行分类处理，确定线条为焊点、引脚、连接线；若为焊点，对线条的长度、弧度进行计算，对不重叠颜色区域的面积进行计算；若为引脚、连接线，对线条的长度、弧度、交叉次数进行计算；
步骤七、若为线条，（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格；若为焊点，不重叠颜色区域大于0.5mm2、（（L计算-L合格）/L合格）的比例超过±2%或（（rad计算-rad合格）/rad合格）超过±2%，则判断不合格，其中L计算为步骤六中计算的每段线条长度，L合格为合格芯片的对应的线条长度；rad计算为步骤六中计算的每段线条弧度，rad合格为合格芯片的对应的线条弧度；
步骤二中对拍摄的芯片图像进行二值化、边缘检测处理，并通过边缘检测算法来识别图形中的边缘和线条，之后根据线条跟踪算法来提取和重建图像中的线条，从线条的一个端点开始，沿着线条的方向逐步移动到下一个像素，直到到达线条的终点，之后对提取的线条进行标数与坐标处理；
步骤四中拍摄的热成像照片根据预设的多个阈值，将热图像中的像素分为不同的类别或区域，通过检测热图像中像素值发生剧烈变化的区域来提取物体的边缘信息，从某个种子点开始，根据像素间的相似性或连续性，逐步将相邻的像素合并到同一个区域中，对区域根据形态学运算进行边缘的提取，提取的区域做坐标处理与类型标记处理。
2.根据权利要求1所述的一种芯片的检测方法，其特征在于：步骤六中，将不重叠的线条与合格的线条交叠处理，并对两条线条之间的最远距离进行测量，若两条线条之间的最远距离超过0.2mm则判断不合格。
3.根据权利要求2所述的一种芯片的检测方法，其特征在于：步骤六中所述神经网络***选择YOLOv5模型作为检测框架，准备包含合格芯片图像的数据集，并确保数据集中包含多种线条的芯片图像，以便模型能够学习到各种情况下的目标特征，使用标注好的数据集训练YOLOv5模型，在训练过程中，YOLOv5模型将从芯片图像中提取目标特征，并根据锚框机制预测目标的边界框和类别，并基于Canny边缘检测算法来提取每个对象的线条，并对线条的坐标、数量进行标记，训练完成后，对YOLOv5模型输出的结果进行优化处理。
4.根据权利要求3所述的一种芯片的检测方法，其特征在于：步骤六中所述神经网络***选择，准备包含合格芯片图像的数据集，使用YOLOv5对图像进行目标检测，并生成边界框，在边界框内分析每个框内像素的颜色分布，并提取边界框内像素的RGB值，根据RGB值的阈值来区分不同的颜色区域，并根据RGB值与不同颜色区域的阈值进行比较，提取颜色边界，最后将颜色边界连线处理，得到合格颜色区域。
5.根据权利要求4所述的一种芯片的检测方法，其特征在于：步骤六中将合格线条的坐标、数量与步骤二中提取线条的坐标、数量进行每个线条的路径的交集计算，将没有交集的部分通过图形输出，之后对图形中线条进行长度的测量，且根据预设的阈值来进行多段式分割，对分割之后的线条进行弧度的测量。
6.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的芯片检测方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的芯片检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410381111.5A CN117974662B (zh) | 2024-03-29 | 2024-03-29 | 一种芯片的检测方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410381111.5A CN117974662B (zh) | 2024-03-29 | 2024-03-29 | 一种芯片的检测方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117974662A CN117974662A (zh) | 2024-05-03 |
| CN117974662B true CN117974662B (zh) | 2024-06-11 |
Family
ID=90866042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410381111.5A Active CN117974662B (zh) | 2024-03-29 | 2024-03-29 | 一种芯片的检测方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117974662B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002313859A (ja) * | 2001-02-09 | 2002-10-25 | Nec Corp | 非破壊検査方法および装置ならびに半導体チップ |
| JP2004198436A (ja) * | 2004-02-09 | 2004-07-15 | Hitachi Ltd | 欠陥検査方法及びその装置 |
| CN101059459A (zh) * | 2007-06-05 | 2007-10-24 | 北京理工大学 | 显微热成像方法及其装置 |
| CN105424752A (zh) * | 2015-11-18 | 2016-03-23 | 中国电子科技集团公司第三十八研究所 | Bga芯片焊点缺陷逐点扫描测温检测方法 |
| CN114240939A (zh) * | 2022-02-24 | 2022-03-25 | 苏州浪潮智能科技有限公司 | 一种主板元器件外观缺陷检测方法、***、设备及介质 |
| CN116824122A (zh) * | 2023-07-05 | 2023-09-29 | 江苏优普纳科技有限公司 | 基于深度学习的led芯片定位方法及led芯片定位装置 |
| CN117078603A (zh) * | 2023-07-27 | 2023-11-17 | 北京邮电大学 | 基于改进的yolo模型的半导体激光芯片损伤探测方法和*** |
-
2024
- 2024-03-29 CN CN202410381111.5A patent/CN117974662B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002313859A (ja) * | 2001-02-09 | 2002-10-25 | Nec Corp | 非破壊検査方法および装置ならびに半導体チップ |
| JP2004198436A (ja) * | 2004-02-09 | 2004-07-15 | Hitachi Ltd | 欠陥検査方法及びその装置 |
| CN101059459A (zh) * | 2007-06-05 | 2007-10-24 | 北京理工大学 | 显微热成像方法及其装置 |
| CN105424752A (zh) * | 2015-11-18 | 2016-03-23 | 中国电子科技集团公司第三十八研究所 | Bga芯片焊点缺陷逐点扫描测温检测方法 |
| CN114240939A (zh) * | 2022-02-24 | 2022-03-25 | 苏州浪潮智能科技有限公司 | 一种主板元器件外观缺陷检测方法、***、设备及介质 |
| CN116824122A (zh) * | 2023-07-05 | 2023-09-29 | 江苏优普纳科技有限公司 | 基于深度学习的led芯片定位方法及led芯片定位装置 |
| CN117078603A (zh) * | 2023-07-27 | 2023-11-17 | 北京邮电大学 | 基于改进的yolo模型的半导体激光芯片损伤探测方法和*** |
Non-Patent Citations (1)
| Title |
|---|
| 基于线激光锁相热成像的芯片裂纹成像检测;许颖，王青原等;激光与光电子学进展;20200331;第2020卷(第06期);202-210 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117974662A (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109974582B (zh) | 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法 | |
| US5901241A (en) | Labeled projection of digital images | |
| CN110930390B (zh) | 基于半监督深度学习的芯片管脚缺失检测方法 | |
| US8103376B2 (en) | System and method for the on-machine 2-D contour measurement | |
| US20150269723A1 (en) | Stereo vision measurement system and method | |
| CN113205063A (zh) | 一种输电导线缺陷的视觉识别及定位方法 | |
| JP2004340832A (ja) | 回路基板の外観検査方法及び回路基板の外観検査装置 | |
| CN113724231A (zh) | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 | |
| Said et al. | Automated detection and classification of non-wet solder joints | |
| CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
| CN107644417B (zh) | 应变片外观缺损检测方法 | |
| CN115308222B (zh) | 一种基于机器视觉的芯片外观不良识别***及方法 | |
| Said et al. | Robust automatic void detection in solder balls | |
| CN112581452A (zh) | 工业配件表面缺陷检测方法、***、智能设备和存储介质 | |
| CN116309518A (zh) | 一种基于计算机视觉的pcb电路板检测方法及*** | |
| CN112801111A (zh) | 基于梯度方向的图像直线边缘点分类方法及装置 | |
| Teramoto et al. | Automated solder inspection technique for BGA-mounted substrates by means of oblique computed tomography | |
| CN117974662B (zh) | 一种芯片的检测方法、电子设备及存储介质 | |
| Ghidoni et al. | Automatic color inspection for colored wires in electric cables | |
| JP7404817B2 (ja) | 学習装置、検出装置、学習方法、及び学習プログラム | |
| JP4796535B2 (ja) | 画像処理による多導体電線の追跡方法、装置及びプログラム並びにこれを用いた多導体電線の異常検出方法、装置及びプログラム | |
| CN112798608B (zh) | 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法 | |
| CN114332069A (zh) | 一种基于机器视觉的接插件检测方法及装置 | |
| CN114037682A (zh) | 一种光学元件表面疵病二维自动检测方法 | |
| US12039747B1 (en) | Polarity discrimination detection method and apparatus for multiple stacked electronic components and device |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: No. 530 Xiangfu Road, Liaobu Town, Dongguan City, Guangdong Province, 523000 Applicant after: Dongguan Changsheng electronic products Co.,Ltd. Address before: 523000 floor 3, Block E, Kehong Industrial Park, Yangwu second industrial zone, Dalingshan Town, Dongguan City, Guangdong Province Applicant before: Dongguan Changsheng electronic products Co.,Ltd. Country or region before: China |