[发明专利]一种芯片封装缺陷的自动识别系统在审
申请号: | 201810876863.3 | 申请日: | 2018-08-03 |
公开(公告)号: | CN109102500A | 公开(公告)日: | 2018-12-28 |
发明(设计)人: | 邱林新 | 申请(专利权)人: | 深圳凯达通光电科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06K9/62;G01N21/88 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 环氧树脂 芯片封装 芯片图像 自动识别系统 原始图像 芯片 预处理 分类学习算法 区域特征提取 芯片图像采集 预处理模块 采集芯片 分割模块 区域缺陷 缺陷类别 缺陷识别 人力成本 特征向量 特征组合 成品率 检出 向量 出厂 采集 图像 分割 检测 | ||
1.一种芯片封装缺陷的自动识别系统,其特征在于,包括有:
芯片图像采集模块,采集芯片图像得到一帧包含有多个芯片的原始图像;
照明补偿模块,用于当所述芯片图像采集模块对芯片图像进行采集时,对待采集芯片进行光照补偿;
芯片图像预处理模块,用于对采集到的原始图像进行预处理,所述预处理包括切分处理以及放大处理,得到仅含有一个芯片的芯片图像;所述芯片图像包括晶元、围绕在晶元周边的环氧树脂区域以及位于环氧树脂区域外的基片;
芯片图像分割模块,用于从所述芯片图像中分割出环氧树脂区域;
环氧树脂区域特征提取模块,用于根据所述环氧树脂区域,提取出反映环氧树脂区域缺陷的特征组合向量;
环氧树脂缺陷识别模块,基于得到的所述特征向量组合,采用支持向量机的分类学习算法对所述环氧树脂的缺陷类别进行识别。
2.根据权利要求1所述的一种芯片封装缺陷的自动识别系统,其特征在于,所述自动识别系统还包括图像储存模块,包括有在线储存单元和训练储存单元,所述在线储存单元用于储存经过预处理后得到的芯片图像,并将对应的芯片编号也进行储存,所述芯片编号包括芯片类型、代号和批次中的一种、两种或三种的组合;所述样本储存单元用于储存训练支持向量机的多类样本图像。
3.根据权利要求1所述的一种芯片封装缺陷的自动识别系统,其特征在于,所述自动识别系统还包括识别结果输出模块,用于缺陷识别结果发送至后端处理器,进而使得后端处理器依据芯片进行环氧树脂填充时的缺陷对生产工序进行调整。
4.根据权利要求1所述的一种芯片封装缺陷的自动识别系统,其特征在于,所述芯片图像采集模块包括有高清摄像机,所述摄像机采用面阵排布的黑白CCD传感器相机。
5.根据权利要求1所述的一种芯片封装缺陷的自动识别系统,其特征在于,所述照明补偿模块包括有多个单位光源模块,所述单位光源模块由红色LED灯与蓝色LED灯采取固定排列组合得到;还包括距离调节单元,用于调节所述摄像机镜头与所述芯片的距离。
6.根据权利要求1所述的一种芯片封装缺陷的自动识别系统,其特征在于,所述从所述芯片图像中分割出环氧树脂区域的具体过程为:首先将得到的所述芯片图像进行灰度处理,得到与芯片图像对应的灰度图像以及梯度图像,将其归一化处理得到经过归一化的灰度图像和梯度图像,进而建立灰梯度概率联合矩阵;然后计算寻找分割阀值(z,s)将所述灰梯度概率联合矩阵进行分割,得到图像灰度值大于z,梯度值大于s的子矩阵;其中,z为芯片图像灰度级的分割值,s为芯片图像梯度级的分割级;最后,依据分割得到的子矩阵中元素对应的像素点对所述芯片图像进行分割,得到所述环氧树脂区域。
7.根据权利要求6所述的一种芯片封装缺陷的自动识别系统,其特征在于,所述分割阀值的计算公式为:
式中,所述(z,s)为最优分割阀值,所述pij为灰梯度概率联合矩阵PC中第i行第j列的元素值,通过可计算得到;xij代表着使得图像中灰度值等于i且梯度值等于j的像素点的个数;Hd为设定的最大的灰度级;Td为设定的最大梯度级;z为对应图像灰度级的分割值,s为对应图像梯度级的分割级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳凯达通光电科技有限公司,未经深圳凯达通光电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810876863.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种动车车顶的检测方法及系统
- 下一篇:一种关节图像处理方法及图像处理设备