[发明专利]一种基于神经网络的柔性IC基板表面缺陷分层分类方法

说明书

本发明公开了一种基于神经网络的柔性IC基板表面缺陷分层分类方法，该方法包括下述步骤：构建基于神经网络的柔性IC基板缺陷分层分类树状模型，包括根节点、分支节点和叶节点；根节点对不同批次IC基板进行身份辨识并选择性激活对应分支节点模型；分支节点对应不同的批次，每个分支节点模型通过均衡概率分布的数据集组织策略结合支持向量机对IC基板健康状态进行二分类，叶节点协同根节点对输出的缺陷数据进行分类并溯源缺陷位置，利用基于多尺度特征稠密金字塔连接的YOLOv3检测器执行缺陷分类和位置溯源。本发明实现IC基板多批次身份识别和缺陷类型快速分类和定位，提高了深度学习模型在非平衡数据集下的学习性能及缺陷检测准确率。

技术领域

本发明涉及高密度柔性IC基板缺陷识别技术领域，具体涉及一种基于神经网络的柔性IC基板表面缺陷分层分类方法。

背景技术

高密度柔性IC基板广泛应用于具有小型化、轻量化和可移动特性的电子产品中，电子产品性能的完整性和可靠性极大程度上取决于柔性基板的品质。IC基板表面不同的缺陷将不同程度导致产品功能紊乱，甚至严重的将会导致产品直接报废。

随着IC产业飞速发展，高端芯片不断提高的密集化和微型化封装需求，使得与其匹配的高密度芯片封装基板的制造工艺越发复杂化和繁琐化，导致基板生产过程中缺陷出现的风险、缺陷的类型和缺陷检测难度都显著增加。目前，主流IC基板检测方法都将焦点集中在微调神经网络结构以探索更优性能智能算法的方式以适用基板缺陷图像的高分辨率和多样性。尽管包括各种深度学习技术在内的多种先进智能算法已广泛应用于高密度IC基板图像识别与分类，但检测耗时和分类准确性始终难以突破瓶颈并达到相对理想的平衡。更为重要的是，现有智能检测算法大都使用单个多分类器，它们面对多批次的基板类型和多类型的基板缺陷表现出不想理的诊断性能，甚至大多数情况下无能为力。因此，设计一种新的IC基板缺陷智能诊断系统成为一种迫切的需要，在高密度IC基板质量控制领域具有重要的应用价值。

智能缺陷检测在IC基板表面芯片贴装过程中具有重要作用，其检测准确性和有效性影响着基板质量控制过程中的合格率；其实时性影响着产品的生产效率。目前主要是由人为主导的半自动式缺陷诊断方法，尚无法应对日益增加的基板批次和新的缺陷类型。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于神经网络的柔性IC基板表面缺陷分层分类方法，解决高密度IC基板质量控制过程中的基板多批次身份自动识别和相应批次上多种缺陷类型智能快速分类和定位难题，同时提高了深度学习模型在非平衡数据集下的学习性能，获得了更高的缺陷检测准确率。

本发明的第二目的在于提供一种基于神经网络的柔性IC基板表面缺陷分层分类系统。

本发明的第三目的在于提供一种计算设备。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种基于神经网络的柔性IC基板表面缺陷分层分类方法，包括下述步骤：

构建基于神经网络的柔性IC基板缺陷分层分类树状模型，包括根节点、分支节点和叶节点；

根节点对不同批次的IC基板进行身份辨识并选择性激活对应分支节点模型；

分支节点对应不同的批次，每个分支节点模型通过均衡概率分布的数据集组织策略结合支持向量机对IC基板的健康状态进行二分类，

叶节点协同根节点对输出的缺陷数据进行分类并溯源缺陷位置，利用基于多尺度特征稠密金字塔连接的YOLOv3检测器执行缺陷分类和位置溯源。

作为优选的技术方案，所述根节点的输入来自多尺度成像模块的低模态通道，为大幅面基板图像。

作为优选的技术方案，所述根节点采用优化后的DCNN网络对不同批次的IC基板进行身份辨识，优化后的DCNN网络设有输入层、卷积层、池化层、全连接层和输出层；