[发明专利]一种基于深度学习技术的远端芯片缺陷检测系统

权利要求书

1.一种基于深度学习技术的远端芯片缺陷检测系统，包括硬件系统、软件系统和训练模块，其特征在于：所述硬件系统包括网络服务设备、图像存储设备、数据库和负载均衡器，所述软件系统包括图像处理软件、算法处理软件和服务器终端平台软件，所述检测系统的检测流程包括以下步骤：

步骤一，通过网络服务设备，使用5G网络传输进行对接，获取现有芯片缺陷的待检图片，并将待检图片存储至图像存储设备，启动缺陷测试软件，输入测试软件SN码后开始读取待检图片存储文件夹中的芯片缺陷图像信息；

步骤二，采用图像处理软件对芯片缺陷图像进行预处理；预处理包括多芯片缺陷图像分切至单幅缺陷图像和单一芯片缺陷图像的旋转与校正；多芯片缺陷图像分切至单幅缺陷图像包括图像滤波、二值化处理、投影特征提取、投影区域标记、投影区域划分；单一芯片缺陷图像的旋转与校正用于消除单一芯片缺陷图像中的中间部位，采用边缘检测算子获取芯片边缘图像，并提取边缘图像中的最长直线，通过数学模型计算最长直线的倾斜角度，得到倾斜角度值后，将图像进行旋转校正；

步骤三，进行人工标记获取包括所有缺陷类别的标准数据集，并将获取的标准数据集存储至数据库中；

步骤四，采用算法处理软件进行芯片缺陷区域特征提取，并对提取后的芯片缺陷进行类别划分和等级划分；

步骤五，启动服务器终端平台软件，输入SN码后，将检测结果通过5G网络传输至显示设备，输出检测结果。

2.根据权利要求1所述的一种基于深度学习技术的远端芯片缺陷检测系统，其特征在于：多芯片缺陷图像分切至单幅缺陷图像的具体流程如下：

图像滤波：在输入多个芯片缺陷图像后，采用中值滤波器对多芯片缺陷图像进行去噪声处理，以消除生产过程中微粒和灰尘造成的图像噪声；

二值化处理：提取多芯片缺陷图像滤波后图像的灰度直方图，设定阈值后，进行二值化处理，以有效区分背景与芯片主体机构；

投影特征提取：提取多芯片缺陷图像的二值化图像的行列统计特征，观察芯片主体与框架的分布状态；

投影区域标记：在确定单芯片框架分布状态后，对芯片框架的位置进行标记；

投影区域划分：在对芯片框架的位置进行标记后，沿框架的外轮廓对标记的框架位置进行区域的划分，从而可以得到单一的芯片缺陷图像。

3.根据权利要求1所述的一种基于深度学习技术的远端芯片缺陷检测系统，其特征在于：步骤三中所述的缺陷类别分别为崩边、划伤、胶多余物、金层颗粒、裂纹、桥变形、图形缺损、异色九大类别，且每一种缺陷类别在标准数据集中人工标记的样品数量不少于500个。

4.根据权利要求1所述的一种基于深度学习技术的远端芯片缺陷检测系统，其特征在于：步骤四的具体流程如下：

采用模板匹配定位算法对单一芯片缺陷区域ROI进行精确定位；

采用阈值分割算法将缺陷图像ROI从背景区域中分割；

对芯片缺陷图像ROI的特征进行提取；

通过神经网络缺陷分类算法对标准数据集中人工标记的样品进行学习，并将学习结果与提取的芯片缺陷图像ROI的特征进行关联，从而对提取的芯片缺陷图像进行类别划分；

根据缺陷图像ROI特征的几何特征和灰度特征将分类后缺陷图像进行等级划分。

5.根据权利要求4所述的一种基于深度学习技术的远端芯片缺陷检测系统，其特征在于：所述缺陷图像ROI的特征包含几何特征和灰度特征，其中几何特征又包含面积特征、周长特征、紧凑性特征特征、重心坐标特征、矩形度特征、占空比特征和偏心率特征，灰度特征又包含灰度方差特征、灰度均值特征和灰度熵特征。