CN110927184A - 芯片封装缺陷的视觉检测方法 - Google Patents

芯片封装缺陷的视觉检测方法 Download PDF

Info

Publication number
CN110927184A
CN110927184A CN201911117564.2A CN201911117564A CN110927184A CN 110927184 A CN110927184 A CN 110927184A CN 201911117564 A CN201911117564 A CN 201911117564A CN 110927184 A CN110927184 A CN 110927184A
Authority
CN
China
Prior art keywords
chip
module
function button
detection
chip packaging
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.)
Pending
Application number
CN201911117564.2A
Other languages
English (en)
Inventor
徐泳涌
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.)
Yangzhou Difeite Measurement And Control Equipment Co Ltd
Original Assignee
Yangzhou Difeite Measurement And Control Equipment 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 Yangzhou Difeite Measurement And Control Equipment Co Ltd filed Critical Yangzhou Difeite Measurement And Control Equipment Co Ltd
Priority to CN201911117564.2A priority Critical patent/CN110927184A/zh
Publication of CN110927184A publication Critical patent/CN110927184A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
    • G01R31/2806—Apparatus therefor, e.g. test stations, drivers, analysers, conveyors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G01R31/2896—Testing of IC packages; Test features related to IC packages
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及芯片封装检测领域，公开了一种芯片封装缺陷的视觉检测方法，包括如下步骤：A)采用工业相机获取图像源；B)将图像源导入芯片封装视觉检测系统；芯片封装视觉检测系统嵌入在支持openmp的多核处理器中；C)采用基于矩的亚像素级边缘定位方法将图像源与正常芯片模板的位置进行对应；D)采用基于CRNN的OCR技术对当前被测芯片中的可变字符区域进行字符识别，或采用剪背景的方法和形态学运算方法对当前被测芯片中的固定字符区域进行识别，提取数字特征；E)将数字特征与预设的阈值和条件进行对比，通过芯片封装视觉检测系统输出芯片封装缺陷检测结果。本发明成像效果较好、定位准确、检测效率较高。

Description

芯片封装缺陷的视觉检测方法
技术领域
本发明涉及芯片封装检测领域，特别涉及一种芯片封装缺陷的视觉检测方法。
背景技术
安装半导体集成电路芯片用的外壳，起着安放、固定、密封、保护芯片和增强电热性能的作用，而且还是沟通芯片内部世界与外部电路的桥梁--芯片上的接点用导线连接到封装外壳的引脚上，这些引脚又通过印制板上的导线与其他器件建立连接。因此，封装对集成电路都起着重要的作用。封装工艺是影响芯片功能作用的主要因素之一，由于封装工艺本身的原因，导致芯片在封装过程中存在诸多缺陷。如何在封装过程中实现对芯片质量及封装缺陷的检测成为芯片封装行业继续解决的问题。现有技术中进行芯片封装缺陷检测时，存在成像效果差、定位不准确、检测效率低的问题。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种成像效果较好、定位准确、检测效率较高的芯片封装缺陷的视觉检测方法。
本发明解决其技术问题所采用的技术方案是：构造一种芯片封装缺陷的视觉检测方法，包括如下步骤：
A)采用工业相机获取当前被测芯片的图像源；
B)将所述当前被测芯片的图像源导入到芯片封装视觉检测系统；所述芯片封装视觉检测系统嵌入在支持openmp的多核处理器中；所述支持openmp的多核处理器设置在工控机中；
C)采用基于矩的亚像素级边缘定位方法将所述当前被测芯片的图像源与正常芯片模板的位置进行对应；
D)采用基于CRNN的OCR技术对所述当前被测芯片中的可变字符区域进行字符识别，或者采用剪背景的方法和形态学运算方法对所述当前被测芯片中的固定字符区域进行识别，提取数字特征；
E)将提取的所述数字特征与预设的阈值和条件进行对比，判断是否存在封装缺陷，并通过所述芯片封装视觉检测系统输出芯片封装缺陷检测结果，当存在封装缺陷时，采用图像测量法测量瑕疵的灰阶、长度、宽度和面积。
在本发明所述的芯片封装缺陷的视觉检测方法中，在所述步骤A)中使用远心镜头获取图像源，深色芯片采用同轴光、环形光和背面条状光源，浅色芯片采用环形光和背面条状光源。
在本发明所述的芯片封装缺陷的视觉检测方法中，所述数字特征至少包括颜色值、区域的均值、方差和极值。
在本发明所述的芯片封装缺陷的视觉检测方法中，所述封装缺陷的种类至少包括崩缺、反转、污染、有无芯片、尺寸和字元。
在本发明所述的芯片封装缺陷的视觉检测方法中，所述芯片封装视觉检测系统包括：
缺陷检测模块：用于实现机械平台的在线控制、相机成像控制、对芯片封装图像进行缺陷检测，并输出检测结果，通过标记各类缺陷的位置以及缺陷种类，对芯片封装缺陷检测结果进行综合展示；
参数设置模块：用于根据用户的个性化需求进行参数调整，使得所述缺陷检测模块根据参数设定来选择检测算法或模型参数；
芯片状态模块：用于根据所述芯片封装缺陷检测结果，给出当前芯片的数据；
报告模块：用于根据所述芯片封装缺陷检测结果，按卷来生成报告，每结束一卷生成一个报告，所述报告包括检测数量、良品率、误报率、缺陷数量和具体位置；
日志模块：用于记录日常日志和重要日志；
所述缺陷检测模块、参数设置模块、芯片状态模块、报告模块和日志模块相互连接。
在本发明所述的芯片封装缺陷的视觉检测方法中，所述芯片封装视觉检测系统还包括：
主页模块：用于提供显示区、工具区和错误报表区，展现当前芯片封装缺陷检测结果、状态以及良品/不良品数量的实时检测结果；
结果页模块：用于展示当前批次当前卷的信息以及检测的芯片数量；
设定页模块：用于设定检测区域和学习图像；
参数页模块：用于修改检测参数和调整参数；
检测页模块：用于设置保存图片、检测模式和定时删除；
所述主页模块、结果页模块、设定页模块、参数页模块和检测页模块相互连接。
在本发明所述的芯片封装缺陷的视觉检测方法中，所述工具区设有新建档案功能按钮、打开档案功能按钮、删除档案功能按钮、上一张功能按钮、下一张功能按钮、缩小功能按钮、放大功能按钮、打开图片功能按钮、连续取像功能按钮、设置功能按钮、运行检测功能按钮和重置计数功能按钮。
在本发明所述的芯片封装缺陷的视觉检测方法中，通过点击所述新建档案功能按钮重新创建一个档案，不同档案对应不同型号的芯片。
在本发明所述的芯片封装缺陷的视觉检测方法中，通过点击所述打开档案功能按钮，根据芯片型号选择或切换档案。
在本发明所述的芯片封装缺陷的视觉检测方法中，通过点击所述删除档案功能按钮，删除选择的档案。
实施本发明的芯片封装缺陷的视觉检测方法，具有以下有益效果：由于将当前被测芯片的图像源导入到芯片封装视觉检测系统，芯片封装视觉检测系统嵌入在支持openmp的多核处理器中，采用基于矩的亚像素级边缘定位方法，采用基于CRNN的OCR技术对当前被测芯片中的可变字符区域进行字符识别，或者采用剪背景的方法或形态学运算方法对当前被测芯片中的固定字符区域进行字符识别，本发明成像效果较好、定位准确、检测效率较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明芯片封装缺陷的视觉检测方法一个实施例中的流程图；
图2为所述实施例中芯片封装视觉检测系统的结构示意图；
图3为所述实施例中主页模块的界面示意图；
图4为所述实施例中工具区的界面示意图；
图5为所述实施例中新建档案的界面示意图；
图6为所述实施例中打开档案的界面示意图；
图7为所述实施例中删除档案的界面示意图；
图8为所述实施例中结果页模块的界面示意图；
图9为所述实施例中设定页模块的界面示意图；
图10为所述实施例中参数页模块的界面示意图；
图11为所述实施例中检测页模块的界面示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明芯片封装缺陷的视觉检测方法实施例中，该芯片封装缺陷的视觉检测方法的流程图如图1所示。图1中，该芯片封装缺陷的视觉检测方法包括如下步骤：
步骤S01采用工业相机获取当前被测芯片的图像源：本步骤中，采用运动控制和两个工业相机(例如：大华工业相机)对芯片进行拍摄后，获取到当前被测芯片的图像源。具体而言，使用远心镜头进行成像，获取当前被测芯片图像源，深色芯片采用同轴光、环形光和背面条状光源，浅色芯片采用环形光和背面条状光源。
步骤S02将当前被测芯片的图像源导入到芯片封装视觉检测系统：本步骤中，将工业相机获取的当前被测芯片的图像源导入到芯片封装视觉检测系统，芯片封装视觉检测系统接收当前被测芯片的图像源，进入芯片封装视觉检测系统的专用图像处理系统。值得一提的是，本实施例中，芯片封装视觉检测系统嵌入在支持openmp的多核处理器中，换言之，芯片封装视觉检测系统依赖于openmp。该支持openmp的多核处理器设置在工控机中，配置的工控机是多核多内存通道的。该支持openmp的多核处理器通过将相关算法进行并行化，这样可以提高运算效率。
步骤S03采用基于矩的亚像素级边缘定位方法将当前被测芯片的图像源与正常芯片模板的位置进行对应：本步骤中，由于当前被测芯片的图像源的位置不固定，所以要旋转和定位，具体是采用基于矩的亚像素级边缘定位方法将当前被测芯片的图像源与正常芯片模板的位置进行对应，即进行芯片定位。
步骤S04采用基于CRNN的OCR技术对当前被测芯片中的可变字符区域进行字符识别，或者采用剪背景的方法和形态学运算方法对当前被测芯片中的固定字符区域进行识别，提取数字特征：当前被测芯片的图像源中划分为可变字符区域和不可变字符区域，当前被测芯片上的字符分为标记点、固定字符和可变字符等等。本步骤中，采用基于CRNN的OCR技术对当前被测芯片中的可变字符区域进行字符识别(识别字符是否正确)，或者采用剪背景的方法和形态学运算方法对当前被测芯片中的固定字符区域进行识别，然后提取数字特征，如：颜色值、区域的均值、方差和极值等。
步骤S05将提取的数字特征与预设的阈值和条件进行对比，判断是否存在封装缺陷，并通过芯片封装视觉检测系统输出芯片封装缺陷检测结果，当存在封装缺陷时，采用图像测量法测量瑕疵的灰阶、长度、宽度和面积：本步骤中，将上述提取的数字特征与预设的阈值和其他条件进行对比，判断是否存在封装缺陷，具体是当超出预设的阈值或者不符合条件时，则认为存在封装缺陷，然后通过芯片封装视觉检测系统输出芯片封装缺陷检测结果，当存在封装缺陷时，采用图像测量法测量瑕疵的灰阶、长度、宽度和面积。该芯片封装视觉检测系统能有效检测芯片封装缺陷，检测的缺陷种类包括崩缺、反转、污染、有无芯片、尺寸和字元等等，实现芯片封装检测功能。上述步骤S03至步骤S05的执行是在芯片封装视觉检测系统中执行的。
该芯片封装视觉检测系统涉及到计算机、图像处理、机器视觉和人工智能等多个领域，包括数字图像处理技术、光学成像技术、传感器技术、计算机软硬件技术、人机接口技术等，通过模拟人的视觉功能从客观事物图像中提取信息，进行处理并加以理解，最终用于实际检测，完成整个芯片封装的缺陷检测过程。
本发明将芯片封装视觉检测系统嵌入在支持openmp的多核处理器中，采用基于矩的亚像素级边缘定位方法，采用基于CRNN的OCR技术对当前被测芯片中的可变字符区域进行字符识别，或者采用剪背景的方法或形态学运算方法对当前被测芯片中的固定字符区域进行字符识别，本发明成像效果较好、定位准确、检测效率较高。
图2为本实施例中芯片封装视觉检测系统的结构示意图，图2中，该芯片封装视觉检测系统包括相互连接的缺陷检测模块1、参数设置模块2、芯片状态模块3、报告模块4和日志模块5。
其中，缺陷检测模块1用于实现机械平台的在线控制、相机成像控制、对芯片封装图像进行缺陷检测，并输出检测结果，包括：良品/不良品、缺陷类型分类，缺陷出现频率等。通过标记各类缺陷的位置以及缺陷种类，对芯片封装缺陷检测结果进行综合展示；参数设置模块2用于根据用户的个性化需求进行参数调整，使得缺陷检测模块根据参数设定来选择检测算法或模型参数，以获得用户期望的检测水平。
芯片状态模块3用于根据芯片封装缺陷检测结果，给出当前芯片的数据，包括：当前芯片的状态得分，尺寸，区域面积等数据。报告模块4用于根据芯片封装缺陷检测结果，按卷来生成报告，每结束一卷生成一个报告，报告包括检测数量、良品率、误报率、缺陷数量和具体位置。日志模块5用于记录日常日志和重要日志，日常日志就是记录程序运行所产生的所有日志，重要日志就是参数修改等重要记录。
该芯片封装视觉检测系统具有强大的分析运算能力，能够快速完成芯片封装检测分析工作；具有完善的全生命周期管理能力，支持从检测对象建立到检测结果输出的全过程管理；具有良好的开放性，支持检测模型不断丰富完善以及系统功能的升级、更新；具有标准数据库文件接口(Sqllite3)；具有友好的人机交互方式，支持windows xp/win7/win8/win10等主流操作系统。
该芯片封装视觉检测系统还包括相互连接的主页模块6、结果页模块7、设定页模块8、参数页模块9和检测页模块10。其中，主页模块6用于提供显示区、工具区和错误报表区，展现当前芯片封装缺陷检测结果、状态以及良品/不良品数量的实时检测结果。图3为本实施例中主页模块的界面示意图，运行系统之后就会跳转到主页，主页有显示区和工具区以及错误报表区等，能展现当前检测结果、状态、良品/不良品数量的实时检测结果。
图4为本实施例中工具区的界面示意图，工具区设有新建档案功能按钮、打开档案功能按钮、删除档案功能按钮、上一张功能按钮、下一张功能按钮、缩小功能按钮、放大功能按钮、打开图片功能按钮、连续取像功能按钮、设置功能按钮、运行检测功能按钮和重置计数功能按钮。
图5为本实施例中新建档案的界面示意图，通过点击新建档案功能按钮重新创建一个档案，不同档案对应不同型号的芯片。
图6为本实施例中打开档案的界面示意图，通过点击打开档案功能按钮，根据芯片型号选择或切换档案。
图7为本实施例中删除档案的界面示意图，通过点击删除档案功能按钮，删除选择的档案。
结果页模块7用于展示当前批次当前卷的信息以及检测的芯片数量。图8为本实施例中结果页模块的界面示意图。
设定页模块8用于设定检测区域和学习图像等操作。图9为本实施例中设定页模块的界面示意图。
参数页模块9用于修改检测参数和调整参数，换言之，可以修改检测参数，调整参数达到期望的检测水平。图10为本实施例中参数页模块的界面示意图。
检测页模块10用于设置保存图片、检测模式和定时删除等设置。图11为本实施例中检测页模块的界面示意图。
该芯片封装视觉检测系统运行的硬件环境如下：(1)CPU：基本配置1.5Ghz；优选配置2.0Ghz及以上。(2)硬盘：足够的硬盘空间。(3)内存：基本配置2G；优选配置2G及以上。该芯片封装视觉检测系统运行的软件环境如下：采用Windows XP、Windows 7及以上Windows版本的操作系统。
总之，本实施例中，由于将芯片封装视觉检测系统嵌入在支持openmp的多核处理器中，采用基于矩的亚像素级边缘定位方法，采用基于CRNN的OCR技术对当前被测芯片中的可变字符区域进行字符识别，或者采用剪背景的方法或形态学运算方法对当前被测芯片中的固定字符区域进行字符识别，成像方法使用远心镜头，深色芯片采用同轴光+环形光+背面条状光源，浅色芯片采用环形光+背面条状光源，本发明成像效果较好、定位准确、检测效率较高。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种芯片封装缺陷的视觉检测方法，其特征在于，包括如下步骤：
A)采用工业相机获取当前被测芯片的图像源；
B)将所述当前被测芯片的图像源导入到芯片封装视觉检测系统；所述芯片封装视觉检测系统嵌入在支持openmp的多核处理器中；所述支持openmp的多核处理器设置在工控机中；
C)采用基于矩的亚像素级边缘定位方法将所述当前被测芯片的图像源与正常芯片模板的位置进行对应；
D)采用基于CRNN的OCR技术对所述当前被测芯片中的可变字符区域进行字符识别，或者采用剪背景的方法和形态学运算方法对所述当前被测芯片中的固定字符区域进行识别，提取数字特征；
E)将提取的所述数字特征与预设的阈值和条件进行对比，判断是否存在封装缺陷，并通过所述芯片封装视觉检测系统输出芯片封装缺陷检测结果，当存在封装缺陷时，采用图像测量法测量瑕疵的灰阶、长度、宽度和面积。
2.根据权利要求1所述的芯片封装缺陷的视觉检测方法，其特征在于，在所述步骤A)中使用远心镜头获取图像源，深色芯片采用同轴光、环形光和背面条状光源，浅色芯片采用环形光和背面条状光源。
3.根据权利要求1所述的芯片封装缺陷的视觉检测方法，其特征在于，所述数字特征至少包括颜色值、区域的均值、方差和极值。
4.根据权利要求1所述的芯片封装缺陷的视觉检测方法，其特征在于，所述封装缺陷的种类至少包括崩缺、反转、污染、有无芯片、尺寸和字元。
5.根据权利要求1至4任意一项所述的芯片封装缺陷的视觉检测方法，其特征在于，所述芯片封装视觉检测系统包括：
缺陷检测模块：用于实现机械平台的在线控制、相机成像控制、对芯片封装图像进行缺陷检测，并输出检测结果，通过标记各类缺陷的位置以及缺陷种类，对芯片封装缺陷检测结果进行综合展示；
参数设置模块：用于根据用户的个性化需求进行参数调整，使得所述缺陷检测模块根据参数设定来选择检测算法或模型参数；
芯片状态模块：用于根据所述芯片封装缺陷检测结果，给出当前芯片的数据；
报告模块：用于根据所述芯片封装缺陷检测结果，按卷来生成报告，每结束一卷生成一个报告，所述报告包括检测数量、良品率、误报率、缺陷数量和具体位置；
日志模块：用于记录日常日志和重要日志；
所述缺陷检测模块、参数设置模块、芯片状态模块、报告模块和日志模块相互连接。
6.根据权利要求5所述的芯片封装缺陷的视觉检测方法，其特征在于，所述芯片封装视觉检测系统还包括：
主页模块：用于提供显示区、工具区和错误报表区，展现当前芯片封装缺陷检测结果、状态以及良品/不良品数量的实时检测结果；
结果页模块：用于展示当前批次当前卷的信息以及检测的芯片数量；
设定页模块：用于设定检测区域和学习图像；
参数页模块：用于修改检测参数和调整参数；
检测页模块：用于设置保存图片、检测模式和定时删除；
所述主页模块、结果页模块、设定页模块、参数页模块和检测页模块相互连接。
7.根据权利要求6所述的芯片封装缺陷的视觉检测方法，其特征在于，所述工具区设有新建档案功能按钮、打开档案功能按钮、删除档案功能按钮、上一张功能按钮、下一张功能按钮、缩小功能按钮、放大功能按钮、打开图片功能按钮、连续取像功能按钮、设置功能按钮、运行检测功能按钮和重置计数功能按钮。
8.根据权利要求7所述的芯片封装缺陷的视觉检测方法，其特征在于，通过点击所述新建档案功能按钮重新创建一个档案，不同档案对应不同型号的芯片。
9.根据权利要求7所述的芯片封装缺陷的视觉检测方法，其特征在于，通过点击所述打开档案功能按钮，根据芯片型号选择或切换档案。
10.根据权利要求7所述的芯片封装缺陷的视觉检测方法，其特征在于，通过点击所述删除档案功能按钮，删除选择的档案。
CN201911117564.2A 2019-11-15 2019-11-15 芯片封装缺陷的视觉检测方法 Pending CN110927184A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911117564.2A CN110927184A (zh) 2019-11-15 2019-11-15 芯片封装缺陷的视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911117564.2A CN110927184A (zh) 2019-11-15 2019-11-15 芯片封装缺陷的视觉检测方法

Publications (1)

Publication Number Publication Date
CN110927184A true CN110927184A (zh) 2020-03-27

Family

ID=69853054

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911117564.2A Pending CN110927184A (zh) 2019-11-15 2019-11-15 芯片封装缺陷的视觉检测方法

Country Status (1)

Country Link
CN (1) CN110927184A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200776A (zh) * 2020-09-25 2021-01-08 杭州加速科技有限公司 芯片封装缺陷检测方法和检测装置
CN113112503A (zh) * 2021-05-10 2021-07-13 上海贝德尔生物科技有限公司 一种基于机器视觉实现药品标签自动检测的方法
CN113256598A (zh) * 2021-06-09 2021-08-13 合肥中科星翰科技有限公司 一种用于芯片生产的视觉检测系统
CN113433068A (zh) * 2021-07-02 2021-09-24 合肥图迅电子科技有限公司 一种用于检测盖膜后的芯片字符的检测装置
CN113625155A (zh) * 2021-08-11 2021-11-09 湖南省计量检测研究院 一种基于大数据的多功能通讯芯片检测系统
CN116774017A (zh) * 2023-08-22 2023-09-19 南京宏泰半导体科技股份有限公司 一种基于机器学习的芯片测试效率提升系统及方法
CN117274239A (zh) * 2023-11-13 2023-12-22 江苏永鼎股份有限公司 芯片封装工艺缺陷快速检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108710876A (zh) * 2018-04-20 2018-10-26 江苏理工学院 一种基于机器视觉的电池表面标识缺陷检测方法及系统
CN108982508A (zh) * 2018-05-23 2018-12-11 江苏农林职业技术学院 一种基于特征模板匹配和深度学习的塑封体ic芯片缺陷检测方法
CN109142383A (zh) * 2018-08-10 2019-01-04 惠州太初科技有限公司 一种基于形态学的字符缺陷检测方法及装置
CN110263740A (zh) * 2019-06-26 2019-09-20 四川新网银行股份有限公司 基于ocr技术的不同类型印刷体文档转录方法
US20190311747A1 (en) * 2018-04-06 2019-10-10 Deluxe Entertainment Services Group Inc. Conformance of media content to original camera source using optical character recognition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190311747A1 (en) * 2018-04-06 2019-10-10 Deluxe Entertainment Services Group Inc. Conformance of media content to original camera source using optical character recognition
CN108710876A (zh) * 2018-04-20 2018-10-26 江苏理工学院 一种基于机器视觉的电池表面标识缺陷检测方法及系统
CN108982508A (zh) * 2018-05-23 2018-12-11 江苏农林职业技术学院 一种基于特征模板匹配和深度学习的塑封体ic芯片缺陷检测方法
CN109142383A (zh) * 2018-08-10 2019-01-04 惠州太初科技有限公司 一种基于形态学的字符缺陷检测方法及装置
CN110263740A (zh) * 2019-06-26 2019-09-20 四川新网银行股份有限公司 基于ocr技术的不同类型印刷体文档转录方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘力双等: "二维图像测量系统设计综述", 《工具技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200776A (zh) * 2020-09-25 2021-01-08 杭州加速科技有限公司 芯片封装缺陷检测方法和检测装置
CN113112503A (zh) * 2021-05-10 2021-07-13 上海贝德尔生物科技有限公司 一种基于机器视觉实现药品标签自动检测的方法
CN113112503B (zh) * 2021-05-10 2022-11-22 上海合乐医疗科技有限公司 一种基于机器视觉实现药品标签自动检测的方法
CN113256598A (zh) * 2021-06-09 2021-08-13 合肥中科星翰科技有限公司 一种用于芯片生产的视觉检测系统
CN113433068A (zh) * 2021-07-02 2021-09-24 合肥图迅电子科技有限公司 一种用于检测盖膜后的芯片字符的检测装置
CN113625155A (zh) * 2021-08-11 2021-11-09 湖南省计量检测研究院 一种基于大数据的多功能通讯芯片检测系统
CN113625155B (zh) * 2021-08-11 2024-06-11 湖南省计量检测研究院 一种基于大数据的多功能通讯芯片检测系统
CN116774017A (zh) * 2023-08-22 2023-09-19 南京宏泰半导体科技股份有限公司 一种基于机器学习的芯片测试效率提升系统及方法
CN117274239A (zh) * 2023-11-13 2023-12-22 江苏永鼎股份有限公司 芯片封装工艺缺陷快速检测方法
CN117274239B (zh) * 2023-11-13 2024-02-20 江苏永鼎股份有限公司 芯片封装工艺缺陷快速检测方法

Similar Documents

Publication Publication Date Title
CN110927184A (zh) 芯片封装缺陷的视觉检测方法
US11748873B2 (en) Product defect detection method, device and system
CN111693534B (zh) 表面缺陷的检测方法、模型训练方法、装置、设备和介质
US8625906B2 (en) Image classification standard update method, program, and image classification device
CN111161246A (zh) 一种产品缺陷检测方法、装置与系统
US11189019B2 (en) Method for detecting defects, electronic device, and computer readable medium
JP2011158373A (ja) 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置
CN112734691A (zh) 一种工业制品缺陷检测方法、装置、终端设备及存储介质
TW201310359A (zh) 用於識別材料中之缺陷之系統及方法
Li et al. System design for PCB defects detection based on AOI technology
TW201317904A (zh) 標籤檢測系統、裝置及其檢測標籤的方法
CN113222913A (zh) 一种电路板缺陷检测定位方法、装置和存储介质
TWI776176B (zh) 手部作業動作評分裝置、方法及電腦可讀取存儲介質
WO2024002187A1 (zh) 缺陷检测方法、缺陷检测设备及存储介质
CN111912846A (zh) 一种基于机器视觉的表面缺陷与边缘毛刺检测方法
CN113111903A (zh) 智能产线监测系统及监测方法
CN112070762A (zh) 液晶面板的mura缺陷检测方法、装置、存储介质及终端
EP3904865A1 (en) Image processing device, image processing method, and image processing program
CN114226262A (zh) 瑕疵检测方法、瑕疵分类方法及其系统
JP2004296592A (ja) 欠陥分類装置、欠陥分類方法およびプログラム
CN116309471A (zh) 一种质量缺陷预警方法、装置、电子设备以及介质
CN110909735A (zh) 基于卷积神经网络的智能电能表芯片视觉识别比对系统及方法
CN115905016A (zh) 一种BIOS Setup搜索功能测试方法、装置、电子设备及存储介质
CN115100393A (zh) 一种基于深度学习的pcb焊接缺陷检测方法
Devyatkin et al. Computer vision system for image-based automated dial meter reading

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200327

RJ01 Rejection of invention patent application after publication