[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

说明书

本发明公开了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，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。本发明所述的一种基于深度学习技术的远端芯片缺陷检测系统，本发明通过软件系统的算法，并提出一种芯片缺陷图像等级划分方法，解决了现有的芯片缺陷IC检测设备只能检测芯片的好坏，但不能对芯片缺陷进行类别划分和等级划分的问题，通过进行人工标记获取包括所有缺陷类别的标准数据集，可以提高检测的精确度，同时本系统可以在单位时间内对大量缺陷图像进行处理，提高了检测速度。

技术领域

本发明涉及芯片缺陷检测领域，特别涉及一种基于深度学习技术的远端芯片缺陷检测系统。

背景技术

现有的芯片缺陷检测系统是先通过光学视觉扫描机构对芯片进行拍摄，以获取高质量的芯片表面图像，再对图像进行处理后通过算法对芯片缺陷进行分析，而由于IC检测设备只能检测芯片的好坏，但是不能分类和分等级，且现有的设备均是通过在线实时进行检测的，在单位时间内处理量图像较少，当芯片图像量较大时，难以对大量的图像进行处理，导致处理效率较低，难以满足生产需要，为此，我们提出一种基于深度学习技术的远端芯片缺陷检测系统。

发明内容

本发明的主要目的在于提供一种基于深度学习技术的远端芯片缺陷检测系统，通过软件系统的算法，并提出一种芯片缺陷图像等级划分方法，解决了现有的芯片缺陷IC检测设备只能检测芯片的好坏，但不能对芯片缺陷进行类别划分和等级划分的问题，同时通过进行人工标记获取包括所有缺陷类别的标准数据集，可以提高检测的精确度 。

为实现上述目的，本发明采取的技术方案为：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，所述硬件系统包括用于远端缺陷图像获取的网络服务设备、用于存储缺陷图像的图像存储设备、数据库和负载均衡器，所述软件系统包括用于芯片缺陷图像预处理的图像处理软件、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。

进一步的，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，便于后续对图像进行分切；

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。