CN110570400B - 一种芯片3d封装检测的信息处理方法和装置 - Google Patents

一种芯片3d封装检测的信息处理方法和装置 Download PDF

Info

Publication number
CN110570400B
CN110570400B CN201910762123.1A CN201910762123A CN110570400B CN 110570400 B CN110570400 B CN 110570400B CN 201910762123 A CN201910762123 A CN 201910762123A CN 110570400 B CN110570400 B CN 110570400B
Authority
CN
China
Prior art keywords
chip
image information
information
packaging
package
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
Application number
CN201910762123.1A
Other languages
English (en)
Other versions
CN110570400A (zh
Inventor
王静辉
孙显峰
孙卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shijiazhuang Galaxy Microwave Technology Co ltd
Original Assignee
Hebei Jimu Chutian Microelectronics Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei Jimu Chutian Microelectronics Technology Co ltd filed Critical Hebei Jimu Chutian Microelectronics Technology Co ltd
Priority to CN201910762123.1A priority Critical patent/CN110570400B/zh
Publication of CN110570400A publication Critical patent/CN110570400A/zh
Application granted granted Critical
Publication of CN110570400B publication Critical patent/CN110570400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了一种芯片3D封装检测的信息处理方法和装置，通过获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。达到了对芯片3D封装是否合格的智能化检测，检测结果准确、高效的技术效果。

Description

一种芯片3D封装检测的信息处理方法和装置
技术领域
本发明涉及计算机信息处理技术领域，尤其涉及一种芯片3D封装检测的信息处理方法和装置。
背景技术
芯片的3D封装主要医用的倒装焊技术，层间的连接技术，电镀技术，多层的钝化技术，完成三维的立体无引线封装的多学科技术融合的模块微组装，实现小型化，轻量化，多功能的微波通信模块。
芯片上必须制作上凸点才能实行倒装焊，雷达产品的电路板，特别是微波电路板采用的芯片，由于品种多，数量少，要求高等特点目前很少或几乎没有倒装芯片，因为倒装工艺的凸点制作难度较大，所以制作芯片的合格率需要严格把控。
但本发明申请人发现现有技术至少存在如下技术问题：
现有技术中无法实现对芯片3D封装的智能化，高效且准确的成品检测的技术问题。
发明内容
本发明实施例提供了一种芯片3D封装检测的信息处理方法和装置，解决了现有技术中无法实现对芯片3D封装的智能化，高效且准确的成品检测的技术问题。
鉴于上述问题，提出了本申请实施例以便提供一种芯片3D封装检测的信息处理方法和装置。
第一方面，本发明提供了一种芯片3D封装检测的信息处理方法，所述方法包括：获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
优选的，所述获得芯片3D封装图像信息，包括：获得初始芯片3D封装图像信息；对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息。
优选的，所述获得芯片3D封装图像信息之后，包括：对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
优选的，所述第一识别区域通过特征提取层，对所述芯片3D封装图像信息进行特征提取获得。
优选的，所述根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：获得预定凸点连接间隙阈值；判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
优选的，所述根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：获得预定对位精度阈值；判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
第二方面，本发明提供了一种芯片3D封装检测的信息处理装置，所述装置包括：
第一获得单元，所述第一获得单元用于获得芯片3D封装图像信息；
第一输入单元，所述第一输入单元用于将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
第二获得单元，所述第二获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
第一判断单元，所述第一判断单元用于根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
优选的，所述装置还包括：
第三获得单元，所述第三获得单元用于获得初始芯片3D封装图像信息；
第四获得单元，所述第四获得单元用于对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息。
优选的，所述装置还包括：
第五获得单元，所述第五获得单元用于对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；
第二输入单元，所述第二输入单元用于将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；
第六获得单元，所述第六获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；
第二判断单元，所述第二判断单元用于根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
优选的，所述装置还包括，
第一提取单元，所述第一提取单元用于所述第一识别区域通过特征提取层，对所述芯片3D封装图像信息进行特征提取获得。
优选的，所述装置还包括：
第七获得单元，所述第七获得单元用于获得预定凸点连接间隙阈值；
第三判断单元，所述第三判断单元用于判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；
第一确定单元，所述第一确定单元用于如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
优选的，所述装置还包括：
第八获得单元，所述第八获得单元用于获得预定对位精度阈值；
第四判断单元，所述第四判断单元用于判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；
第二确定单元，所述二确定单元用于如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
第三方面，本发明提供了一种芯片3D封装检测的信息处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本发明实施例提供的一种芯片3D封装检测的信息处理方法和装置，通过获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。解决了现有技术中无法实现对芯片3D封装的智能化，高效且准确的成品检测的技术问题。达到了对芯片3D封装是否合格的智能化检测，检测结果准确、高效的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种芯片3D封装检测的信息处理方法的流程示意图；
图2为本发明实施例中一种芯片3D封装检测的信息处理装置的结构示意图；
图3为本发明实施例中另一种芯片3D封装检测的信息处理装置的结构示意图。
附图标记说明：第一获得单元11，第一输入单元12，第二获得单元13，第一判断单元14，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本发明实施例提供了一种芯片3D封装检测的信息处理方法和装置，用于解决现有技术中无法实现对芯片3D封装的智能化，高效且准确的成品检测的技术问题。
本发明提供的技术方案总体思路如下：
通过获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。达到了对芯片3D封装是否合格的智能化检测，检测结果准确、高效的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种芯片3D封装检测的信息处理方法的流程示意图。如图1所示，本发明实施例提供了一种芯片3D封装检测的信息处理方法，所述方法包括：
步骤110：获得芯片3D封装图像信息；
具体而言，从仿真图像类型来说，可以是拍摄静态图像或者视频帧序列的视频图像，可以是检测装置获得的信号走势图，也可以是合成的图像等。对于本申请实施例而言，可以通过多种方式对待识别的芯片进行图像采集，从而将芯片的封装呈现在图像中，芯片3D封装是指在不改变封装体尺寸的前提下，在同一个封装体内于垂直方向叠放两个以上芯片的封装技术，它起源于快闪存储器(NOR/NAND)及SDRAM的叠层封装。主要特点包括：多功能、高效能；大容量高密度，单位体积上的功能及应用成倍提升以及低成本。
步骤120：将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
步骤130：获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
具体而言，训练模型即机器学习中的神经网络模型，神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Nuearl Newtokrs),是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。在本申请实施例中，将芯片3D封装图像信息作为输入数据，输入到训练模型中，每一组输入的训练数据中都包括芯片3D封装图像信息和预设凸点连接间隙等级信息，其中设凸点连接间隙等级信息作为监督数据，从而对芯片3D封装图像信息进行训练，获得输出数据，得到所述芯片3D封装图像信息对应的凸点连接间隙等级信息。
步骤140：根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
具体而言，由于芯片上必须制作上凸点才能实行倒装焊，要采用倒装焊工艺，制球是必须的，制球的方法和种类很多，但关键是要保证成球的一致性要好，要达到标准有较大难度，因为球很小，成球时又不能损伤脆弱的芯片，所以，判断芯片3D封装是否合格的标准之一就是判断芯片上的凸点连接间隙是否符合要求，根据芯片3D封装图像信息能够获得凸点连接间隙的大小，从而根据其大小判断是否符合要求。
优选的，所述获得芯片3D封装图像信息，包括：获得初始芯片3D封装图像信息；对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息。
具体而言，对于图像信息的采集，可以通过多种方式进行采集，保证图像质量并满足同一图像标准即可，这样可以提高图像识别以及各类信息获取的准确性，所以需要对采集的初始连铸坯表面图像信息按照一定标准进行预处理，例如将图像信息规范为同一尺寸，每个图像数据的像素相同，保证每个图像信息中的辨识度相同，防止由于图像规格不同，例如采集图像的距离不同，造成的识别到的裂纹清晰度不同，从而导致后期结果的不准确。初始芯片3D封装图像信息为图像规格不标准，像素尺寸均不一定相同的图像信息，芯片3D封装图像信息为经过预处理后尺寸、像素相同的图像信息。
优选的，所述获得芯片3D封装图像信息之后，包括：对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
具体而言，第一识别区域是对获得的图像即芯片3D封装图像信息进行特征提取所获得的，根据实际应用的需要，第一识别区域可以为一个或者多个，从提取获得的第一识别区域中进行信息特征提取，对于本申请实施例而言，第一识别区域可以是包含芯片3D封装的对位精度信息的区域，通过特征提取的方式将芯片图像信息中芯片3D封装的对位精度信息的区域提取出来。针对每个芯片图像信息中感兴趣区域的特征提取，可以仅对感兴趣区域进行训练，从而达到提高训练效率的效果。将第一识别区域作为输入数据，输入到第二训练模型中，每一组输入的训练数据中都包括第一识别区域和预设对位精度等级信息，其中对位精度等级信息作为监督数据，从而对第一识别区域进行训练，获得输出数据，即第一识别区域对应的对位精度等级信息。由于芯片倒装焊不同于常规的组装方式，需要专门的设备与工艺，要去很高的对位精度，一般为1-5毫米等，需要控制装焊的间隙，对微波高频段的应用尤其要控制好对位精度与装焊间隙，保护气氛，气压和时间温度等参数都需要精确控制，所以，对位精度也是芯片封装检测标准之一，得到每个芯片图像信息中第一识别区域对应的对位精度等级信息后，根据芯片3D封装图像信息能够获得对位精度等级信息的大小，从而根据其大小判断是否符合要求。
优选的，所述第一识别区域通过特征提取层，对所述芯片3D封装图像信息进行特征提取获得。
具体而言，对芯片3D封装图像信息进行特征提取，通过神经网络模型进行实现，神经网络模型可以是任意适当的可实现特征提取或目标对象识别的神经网络，包括但不限于卷积神经网络、增强学习神经网络、对抗神经网络中的生成网络等等。神经网络模型包括特征提取层，也可以根据实际需要进行部分调整，其中特征提取层可为卷积神经网络，待识别图像即植物图像信息经过特征提取层获得待识别仿真图像的第一识别区域，从所述第一识别区域中获得叶茎状态等级信息，包括叶茎的含水量、是否被虫刻蚀，或者是否有伤等特征。
优选的，所述根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：获得预定凸点连接间隙阈值；判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
具体而言，一般情况下芯片倒装焊凸点连接的间隙应控制在小于0.1毫米的范围内，可以将预设凸点连接间隙阈值设置为上述范围，也可以根据实际情况需求来进行设定，本申请对此不作具体限制，然后将神经网络模型输出的芯片3D封装图像信息对应的凸点连接间隙等级信息与预定凸点连接间隙阈值进行比较，看芯片3D封装图像信息对应的凸点连接间隙等级信息在不在阈值内，如果在阈值内，则可以确定芯片3D封装图像信息对应的芯片3D封装合格，反之则不合格。
优选的，所述根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：获得预定对位精度阈值；判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
具体而言，一般情况下芯片倒装焊对位精度应控制在1-5毫米的范围内，可以将预设对位精度阈值设置为上述范围，也可以根据实际情况需求来进行设定，本申请对此不作具体限制，然后将神经网络模型输出的芯片3D封装图像信息对应的对位精度等级信息与预定对位精度阈值进行比较，看芯片3D封装图像信息对应的对位精度等级信息在不在阈值内，如果在阈值内，则可以确定芯片3D封装图像信息对应的芯片3D封装合格，反之则不合格。对位精度和凸点连接间隙为判断芯片封装标准的条件，可以通过单独对其进行判断或者将二者结合起来共同进行判断，都可实现对芯片3D封装合格与否进行判断，从而解决了现有技术中无法实现对芯片3D封装的智能化，高效且准确的成品检测的技术问题。达到了对芯片3D封装是否合格的智能化检测，检测结果准确、高效的技术效果。
实施例二
基于与前述实施例中一种芯片3D封装检测的信息处理方法同样的发明构思，本发明还提供一种芯片3D封装检测的信息处理装置，如图2所示，所述装置包括：
第一获得单元11，所述第一获得单元11用于获得芯片3D封装图像信息；
第一输入单元12，所述第一输入单元12用于将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
第二获得单元13，所述第二获得单元13用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
第一判断单元14，所述第一判断单元14用于根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
优选的，所述装置还包括：
第三获得单元，所述第三获得单元用于获得初始芯片3D封装图像信息；
第四获得单元，所述第四获得单元用于对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息。
优选的，所述装置还包括：
第五获得单元，所述第五获得单元用于对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；
第二输入单元，所述第二输入单元用于将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；
第六获得单元，所述第六获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；
第二判断单元，所述第二判断单元用于根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
优选的，所述装置还包括，
第一提取单元，所述第一提取单元用于所述第一识别区域通过特征提取层，对所述芯片3D封装图像信息进行特征提取获得。
优选的，所述装置还包括：
第七获得单元，所述第七获得单元用于获得预定凸点连接间隙阈值；
第三判断单元，所述第三判断单元用于判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；
第一确定单元，所述第一确定单元用于如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
优选的，所述装置还包括：
第八获得单元，所述第八获得单元用于获得预定对位精度阈值；
第四判断单元，所述第四判断单元用于判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；
第二确定单元，所述二确定单元用于如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
前述图1实施例一中的一种芯片3D封装检测的信息处理方法的各种变化方式和具体实例同样适用于本实施例的一种芯片3D封装检测的信息处理装置，通过前述对一种芯片3D封装检测的信息处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种芯片3D封装检测的信息处理装置的实施方法，所以为了说明书的简洁，在此不再详述。
实施例三
基于与前述实施例中一种芯片3D封装检测的信息处理方法同样的发明构思，本发明还提供一种芯片3D封装检测的信息处理装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种芯片3D封装检测的信息处理方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中一种芯片3D封装检测的信息处理的方法同样的发明构思，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。
在具体实施过程中，该程序被处理器执行时，还可以实现实施例一中的任一方法步骤。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本发明实施例提供的一种芯片3D封装检测的信息处理方法和装置，通过获得芯片3D封装图像信息；将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格。解决了现有技术中无法实现对芯片3D封装的智能化，高效且准确的成品检测的技术问题。达到了对芯片3D封装是否合格的智能化检测，检测结果准确、高效的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.一种芯片3D封装检测的信息处理方法，其特征在于，所述方法包括：
获得芯片3D封装图像信息；
将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
其中，所述获得芯片3D封装图像信息，包括：
获得初始芯片3D封装图像信息；
对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息；
其中，所述获得芯片3D封装图像信息之后，包括：
对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；
将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；
获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；
根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
所述根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：
获得预定凸点连接间隙阈值；
判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；
如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格；
所述根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：
获得预定对位精度阈值；
判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；
如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
2.如权利要求1所述的方法，其特征在于，所述第一识别区域通过特征提取层，对所述芯片3D封装图像信息进行特征提取获得。
3.一种芯片3D封装检测的信息处理装置，其特征在于，所述装置包括：
第一获得单元，所述第一获得单元用于获得芯片3D封装图像信息；
第一输入单元，所述第一输入单元用于将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
第二获得单元，所述第二获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
第一判断单元，所述第一判断单元用于根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
第三获得单元，所述第三获得单元用于获得初始芯片3D封装图像信息；
第四获得单元，所述第四获得单元用于对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息；
第五获得单元，所述第五获得单元用于对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；
第二输入单元，所述第二输入单元用于将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；
第六获得单元，所述第六获得单元用于获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；
第二判断单元，所述第二判断单元用于根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
第七获得单元，所述第七获得单元用于获得预定凸点连接间隙阈值；
第三判断单元，所述第三判断单元用于判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；
第一确定单元，所述第一确定单元用于如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格；
第八获得单元，所述第八获得单元用于获得预定对位精度阈值；
第四判断单元，所述第四判断单元用于判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；
第二确定单元，所述二确定单元用于如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
4.一种芯片3D封装检测的信息处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
获得芯片3D封装图像信息；
将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
其中，所述获得芯片3D封装图像信息，包括：
获得初始芯片3D封装图像信息；
对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息；
其中，所述获得芯片3D封装图像信息之后，包括：
对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；
将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；
获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；
根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
所述根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：
获得预定凸点连接间隙阈值；
判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；
如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格；
所述根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：
获得预定对位精度阈值；
判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；
如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
获得芯片3D封装图像信息；
将所述芯片3D封装图像信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述芯片3D封装图像信息和预设凸点连接间隙等级信息；
获得所述第一训练模型的输出信息，其中，所述输出信息包括所述芯片3D封装图像信息对应的凸点连接间隙等级信息；
根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
其中，所述获得芯片3D封装图像信息，包括：
获得初始芯片3D封装图像信息；
对所述初始芯片3D封装图像信息进行预处理，获得所述芯片3D封装图像信息，其中，所述芯片3D封装图像信息为尺寸、像素相同的图像信息；
其中，所述获得芯片3D封装图像信息之后，包括：
对所述芯片3D封装图像信息进行特征提取，获得第一识别区域，所述第一识别区域包含所述芯片3D封装的对位精度信息；
将所述第一识别区域输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一识别区域和预设对位精度等级信息；
获得所述第一训练模型的输出信息，其中，所述输出信息包括所述第一识别区域对应的对位精度等级信息；
根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格；
所述根据所述芯片3D封装图像信息对应的凸点连接间隙等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：
获得预定凸点连接间隙阈值；
判断所述芯片3D封装图像信息对应的凸点连接间隙等级信息是否在所述预定凸点连接间隙阈值之内；
如果所述芯片3D封装图像信息对应的凸点连接间隙等级信息在所述预定凸点连接间隙阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格；
所述根据所述芯片3D封装图像信息对应的对位精度等级信息，判断所述芯片3D封装图像信息对应的芯片3D封装是否合格，包括：
获得预定对位精度阈值；
判断所述芯片3D封装图像信息对应的对位精度等级信息是否在所述预定对位精度阈值之内；
如果所述芯片3D封装图像信息对应的对位精度等级信息在所述预定对位精度阈值之内，确定所述芯片3D封装图像信息对应的芯片3D封装合格。
CN201910762123.1A 2019-08-19 2019-08-19 一种芯片3d封装检测的信息处理方法和装置 Active CN110570400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910762123.1A CN110570400B (zh) 2019-08-19 2019-08-19 一种芯片3d封装检测的信息处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910762123.1A CN110570400B (zh) 2019-08-19 2019-08-19 一种芯片3d封装检测的信息处理方法和装置

Publications (2)

Publication Number Publication Date
CN110570400A CN110570400A (zh) 2019-12-13
CN110570400B true CN110570400B (zh) 2022-11-11

Family

ID=68775761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910762123.1A Active CN110570400B (zh) 2019-08-19 2019-08-19 一种芯片3d封装检测的信息处理方法和装置

Country Status (1)

Country Link
CN (1) CN110570400B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111429444B (zh) * 2020-04-02 2024-03-26 苏州杰锐思智能科技股份有限公司 芯片外观的检测方法及装置、电子设备、存储介质
CN112630375B (zh) * 2020-07-31 2022-03-29 南通贝得彩色印刷有限公司 一种彩色印刷装置的环保检测方法和装置
CN112504321A (zh) * 2020-12-09 2021-03-16 柳州市东南仪器仪表有限公司 一种提高仪表校准精度的信息处理方法和装置
CN112649716B (zh) * 2020-12-18 2023-04-07 安徽诚越电子科技有限公司 一种超级电容使用安全的检测方法及装置
CN114724985B (zh) * 2022-04-02 2022-12-06 安徽钜芯半导体科技有限公司 一种光伏模块芯片的封装传动控制系统
CN116128382B (zh) * 2023-04-14 2023-06-30 深圳市宇芯数码技术有限公司 一种芯片质量检测系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103543167A (zh) * 2013-10-08 2014-01-29 华南理工大学 一种基于知识库的三维x射线断层扫描检测系统及方法
CN106441411A (zh) * 2016-08-31 2017-02-22 成都铁安科技有限责任公司 一种轨道机车及车辆走行部检测方法及检测系统
CN107590807A (zh) * 2017-09-29 2018-01-16 百度在线网络技术（北京）有限公司 用于检测图像质量的方法和装置
CN107635095A (zh) * 2017-09-20 2018-01-26 广东欧珀移动通信有限公司 拍摄照片的方法、装置、存储介质及拍摄设备
CN108305240A (zh) * 2017-05-22 2018-07-20 腾讯科技（深圳）有限公司 图像质量检测方法及装置
CN108701214A (zh) * 2017-12-25 2018-10-23 深圳市大疆创新科技有限公司 图像数据处理方法、装置及设备
CN109242000A (zh) * 2018-08-09 2019-01-18 百度在线网络技术（北京）有限公司 图像处理方法、装置、设备及计算机可读存储介质
CN109330559A (zh) * 2018-08-13 2019-02-15 平安科技（深圳）有限公司 皮质醇含量的测评方法、装置、计算机设备及计算机存储介质
CN109886298A (zh) * 2019-01-16 2019-06-14 江苏大学 一种基于卷积神经网络的焊缝质量检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103543167A (zh) * 2013-10-08 2014-01-29 华南理工大学 一种基于知识库的三维x射线断层扫描检测系统及方法
CN106441411A (zh) * 2016-08-31 2017-02-22 成都铁安科技有限责任公司 一种轨道机车及车辆走行部检测方法及检测系统
CN108305240A (zh) * 2017-05-22 2018-07-20 腾讯科技（深圳）有限公司 图像质量检测方法及装置
CN107635095A (zh) * 2017-09-20 2018-01-26 广东欧珀移动通信有限公司 拍摄照片的方法、装置、存储介质及拍摄设备
CN107590807A (zh) * 2017-09-29 2018-01-16 百度在线网络技术（北京）有限公司 用于检测图像质量的方法和装置
CN108701214A (zh) * 2017-12-25 2018-10-23 深圳市大疆创新科技有限公司 图像数据处理方法、装置及设备
CN109242000A (zh) * 2018-08-09 2019-01-18 百度在线网络技术（北京）有限公司 图像处理方法、装置、设备及计算机可读存储介质
CN109330559A (zh) * 2018-08-13 2019-02-15 平安科技（深圳）有限公司 皮质醇含量的测评方法、装置、计算机设备及计算机存储介质
CN109886298A (zh) * 2019-01-16 2019-06-14 江苏大学 一种基于卷积神经网络的焊缝质量检测方法

Also Published As

Publication number Publication date
CN110570400A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110570400B (zh) 一种芯片3d封装检测的信息处理方法和装置
CN107657249A (zh) 多尺度特征行人重识别的方法、装置、存储介质及处理器
CN107014827A (zh) 基于影像处理的输电线路缺陷分析方法、装置和系统
CN104182974B (zh) 一种基于特征点进行图像匹配的加速方法
CN116563293B (zh) 一种基于机器视觉的光伏载具生产质量检测方法及系统
CN106658169A (zh) 一种基于深度学习多层次分割新闻视频的通用方法
CN111008561A (zh) 一种牲畜的数量确定方法、终端及计算机存储介质
CN108009481A (zh) 一种cnn模型的训练方法及装置、人脸识别方法及装置
CN109858476A (zh) 标签的扩充方法和电子设备
CN103383774A (zh) 图像处理方法及其设备
CN113223027A (zh) 基于PolarMask的未成熟柿子分割方法及系统
CN103226831A (zh) 利用分块布尔运算的图像匹配方法
CN113393211A (zh) 一种智能化提高自动化生产效率的方法及系统
CN116579164A (zh) 一种数字孪生智能制造系统
CN112836607B (zh) 一种羊只产期预警的方法
CN103673991A (zh) 基于机器视觉的电子连接器制造过程监测方法
CN106663212A (zh) 文字识别装置、文字识别方法以及程序
CN109472289B (zh) 关键点检测方法和设备
CN111275128A (zh) 图像识别模型训练方法及系统和图像识别方法
CN114724985B (zh) 一种光伏模块芯片的封装传动控制系统
CN116091844A (zh) 一种基于边缘计算的图像数据处理方法及系统
CN108537287A (zh) 基于图模型的图像闭环检测方法及装置
CN104408195B (zh) 爬虫程序工作状态的判断方法和装置
CN114781598A (zh) 一种基于分层神经网络分布式训练的故障预测方法
CN114815819A (zh) 一种生产线机器人随行跟踪系统

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
CB03 Change of inventor or designer information

Inventor after: Sun Zhuo

Inventor after: Sun Xianfeng

Inventor before: Wang Jinghui

Inventor before: Sun Xianfeng

Inventor before: Sun Zhuo

CB03 Change of inventor or designer information
TR01 Transfer of patent right

Effective date of registration: 20230406

Address after: 050000 building 3, zone a, Optical Valley Science and Technology Park, No. 99, Yuyuan Road, Luquan Economic Development Zone, Shijiazhuang City, Hebei Province

Patentee after: Shijiazhuang Galaxy Microwave Technology Co.,Ltd.

Address before: 050000 Optical Valley Science Park A-1, No. 99, Yuyuan Road, Luquan District, Shijiazhuang, Hebei

Patentee before: Hebei Jimu Chutian Microelectronics Technology Co.,Ltd.

TR01 Transfer of patent right