CN115222669A - Adc系统自动计算缺陷面积辅助判断产品等级的方法 - Google Patents

Adc系统自动计算缺陷面积辅助判断产品等级的方法 Download PDF

Info

Publication number
CN115222669A
CN115222669A CN202210718343.6A CN202210718343A CN115222669A CN 115222669 A CN115222669 A CN 115222669A CN 202210718343 A CN202210718343 A CN 202210718343A CN 115222669 A CN115222669 A CN 115222669A
Authority
CN
China
Prior art keywords
product
defect
grade
information
area
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
CN202210718343.6A
Other languages
English (en)
Inventor
张俊峰
巫文豪
王文瑞
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.)
Shanghai Corelli Software Co ltd
Original Assignee
Shanghai Corelli Software 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 Shanghai Corelli Software Co ltd filed Critical Shanghai Corelli Software Co ltd
Priority to CN202210718343.6A priority Critical patent/CN115222669A/zh
Publication of CN115222669A publication Critical patent/CN115222669A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30121—CRT, LCD or plasma display
    • 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
    • G06T2207/30141—Printed circuit board [PCB]
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法检测产品是否存在缺陷，检测到缺陷时，获取产品缺陷位置的图片；将该产品信息与产品对应的缺陷信息进行数据对应，保存在数据库中；通过解析设定的产品信息，从而获取设定产品的缺陷信息，即缺陷位置的图片；将缺陷位置的图片输入预设的模型中，计算缺陷面积；根据缺陷面积，以及设定的至少一个等级标准进行对比判定，确定产品品级。其优点在于自动判断缺陷等级；节约了人力；缩短了判定缺陷等级的时间，提升了效率；提升了判定缺陷等级的准确性；同一片产品重复判定缺陷等级结果相同。

Description

ADC系统自动计算缺陷面积辅助判断产品等级的方法
技术领域
本发明涉及一种ADC系统自动计算缺陷面积辅助判断产品等级的方法。
背景技术
半导体、面板、PCB与PCBA产业，人工智能自动缺陷分类系统 (ADC系统)是成熟及已落地上线的智能制造系统之一，目前ADC系统应用层面仅限于较容易实现的分类，如缺陷类别与真实或虚假等缺陷。 ADC系统自动分类后仍需工程师或作业员已人工做缺陷等级的判定，如OK品或NG品、Good品或Repair品等等，实际人力无法精简，且不同工程师或作业员的判定基准不同，同一产品不同人员判定结果会可能会不同。另外，相同工程师或作业员在不同时间对于同一产品判定，可能判定结果也不会同，造成异常调查或区间匡列造成损失。
现有的人工智能自动缺陷分类系统(ADC系统)无法对缺陷等级进行判定，分类结束后仍需大量人力进行缺陷等级的判定，存在以下几大缺点：无法判断缺陷等级；ADC判图结束后仍需人工判定缺陷等级，无法精简人力；人工判定缺陷等级受人员班次和水平等因素影响，结果难以保障；人工判定缺陷等级的效率偏低。
发明内容
本发明提出了一种ADC系统自动计算缺陷面积辅助判断产品等级的方法；计算缺陷面积，根据缺陷面积的各个因素自动判断缺陷等级；无需大量人员协助ADC判定缺陷等级，节约了人力；缩短了判定缺陷等级的时间，提升了效率；提升了判定缺陷等级的准确性；同一片产品重复判定缺陷等级结果相同；克服现有技术中的缺陷。
本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，包括以下步骤：
步骤A：检测产品是否存在缺陷，检测到缺陷时，获取产品缺陷位置的图片。
步骤B、将该产品信息与产品对应的缺陷信息进行数据对应，保存在数据库中。
步骤C、通过解析设定的产品信息，从而获取设定产品的缺陷信息，即缺陷位置的图片。
步骤E、将缺陷位置的图片输入预设的模型中，计算缺陷面积。
步骤F、根据缺陷面积，以及设定的至少一个等级标准进行对比判定，确定产品品级。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：步骤A中采用自动光学检测设备AOI检测产品是否存在缺陷。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：步骤B中，产品信息包括：Lot ID/Sheet ID信息、存储Track in/读取Track out路径信息；与产品对应的缺陷信息进行数据对应。
步骤C中通过解析设定的产品信息文件的Lot ID/Sheet ID信息，追踪设定产品的存储Track in/读取Track out路径信息，从而获取设定产品的缺陷信息。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：步骤E中，采用AI模型的 Bonding Box的尺寸，计算缺陷面积。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：步骤F中设定优等品和/或合格品和/或不合格品的等级标准。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：步骤F中设定的等级标准根据单个缺陷的面积，缺陷的数量，以及缺陷总面积进行设定。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：步骤F中设定优等品标准为：缺陷数量≤5，且单个缺陷面积≤40μm2。
步骤F中设定合格品标准为：5＜缺陷数量≤20，且单个缺陷面积≤60μm2；且缺陷总面积≤1000μm2。
步骤F中设定不合格品标准为：缺陷数量＞20，或者单个缺陷面积大于60μm2，或者缺陷总面积大于1000μm2。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：还包括步骤D，将获取的缺陷位置的图片输入训练好的模型判断该图像中缺陷所属的类型。
进一步，本发明提供一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，还可以具有以下特征：还包括步骤E和步骤F。
步骤E、产品等级与产品信息对应并保存到数据库中。
步骤F、显示器显示当前产品的缺陷分类结果以及产品等级。
附图说明
图1是ADC系统自动计算缺陷面积辅助判断产品等级的方法的流程图。
具体实施方式
为了更加清晰的说明本发明的实现方式，以下结合附图及实例，对本发明进行进一步详细说明。此处所描述的具体例子仅仅用于解释本发明内容，并不用于限定本实施方式。
实施例
本实施例中，ADC系统自动计算缺陷面积辅助判断产品等级的方法，包括以下步骤：
步骤A：自动光学检测设备AOI(Automated Optical Inspection) 检测每个批次产品Lot或者每个板片Sheet是否存在缺陷，检测到缺陷时，获取产品中缺陷的位置(坐标)和缺陷位置的图片。
步骤B、将该产品信息，如Lot ID/Sheet ID信息、存储Track in/ 读取Track out路径信息；与产品对应的缺陷信息进行数据对应，保存在数据库中。
步骤C、获取原始数据。
通过解析设定的产品信息文件如Lot ID/Sheet ID信息，追踪设定产品的存储Track in/读取Track out路径信息，从而获取设定产品的缺陷信息，即缺陷的位置(坐标)和缺陷位置的图片。
步骤D、将缺陷位置的图片输入训练好的模型判断该图像中缺陷所属的类型；并将判断结果与产品信息对应保存到数据库。
缺陷的类型可以分为：凸起颗粒、划痕、凹陷等。若存在未能判定的缺陷种类的图片，进行无法分类标记，也一并存入数据库。
步骤E、将缺陷位置的图片输入预设的AI模型中，采用Bonding Box的尺寸，计算缺陷面积；并将缺陷面积与产品信息对应保存到数据库。
步骤F、根据缺陷面积，以及设定的至少一个等级标准进行对比判定，确定产品品级。
步骤F中设定优等品标准为：缺陷数量≤5，且单个缺陷面积≤ 40μm2；
步骤F中设定合格品标准为：5＜缺陷数量≤20，且单个缺陷面积≤60μm2；且缺陷总面积≤1000μm2；
步骤F中设定不合格品标准为：缺陷数量＞20，或者单个缺陷面积大于60μm2，或者缺陷总面积大于1000μm2。
步骤F中主要是根据单个缺陷的面积，缺陷的数量，以及缺陷总面积，三个方面对产品进行品级确定的。当然在涉及缺陷总面积时，需要将同一个产品的所有单个缺陷面积进行汇总计算。
另外，等级可以根据具体的产品大小或者质量要求进行相应的设定。例如手机显示屏和60寸显示屏的等级要求肯定是不一致的。
步骤G、产品等级与产品信息对应并保存到数据库中，并传输给上位机。若步骤D中存在未能判定的缺陷种类的图片，也一并传输给上位机。
步骤H、显示器显示当前产品的缺陷分类结果以及产品等级。若存在未分类的情况也一并显示，后续可以人工介入判断类型。
需要说明的是步骤D并不是步骤E的必经步骤，步骤D和步骤E 理论上可以并列进行，只是本实施例中先进行缺陷分类，再进行缺陷面积的计算。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。

Claims (9)

1.一种ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：包括以下步骤：
步骤A：检测产品是否存在缺陷，检测到缺陷时，获取产品缺陷位置的图片；
步骤B、将该产品信息与产品对应的缺陷信息进行数据对应，保存在数据库中；
步骤C、通过解析设定的产品信息，从而获取设定产品的缺陷信息，即缺陷位置的图片；
步骤E、将缺陷位置的图片输入预设的模型中，计算缺陷面积；
步骤F、根据缺陷面积，以及设定的至少一个等级标准进行对比判定，确定产品品级。
2.如权利要求1所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：步骤A中采用自动光学检测设备AOI检测产品是否存在缺陷。
3.如权利要求1所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：
步骤B中，产品信息包括：Lot ID/Sheet ID信息、存储Track in/读取Track out路径信息；与产品对应的缺陷信息进行数据对应；
步骤C中通过解析设定的产品信息文件的LotID/SheetID信息，追踪设定产品的存储Track in/读取Track out路径信息，从而获取设定产品的缺陷信息。
4.如权利要求1所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：
步骤E中，采用AI模型的Bonding Box的尺寸，计算缺陷面积。
5.如权利要求1所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：
步骤F中设定优等品和/或合格品和/或不合格品的等级标准。
6.如权利要求5所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：
步骤F中设定的等级标准根据单个缺陷的面积，缺陷的数量，以及缺陷总面积进行设定。
7.如权利要求5所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：
步骤F中设定优等品标准为：缺陷数量≤5，且单个缺陷面积≤40μm2；
步骤F中设定合格品标准为：5＜缺陷数量≤20，且单个缺陷面积≤60μm2；且缺陷总面积≤1000μm2；
步骤F中设定不合格品标准为：缺陷数量＞20，或者单个缺陷面积大于60μm2，或者缺陷总面积大于1000μm2。
8.如权利要求1-7中任意一项所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：
还包括步骤D，将获取的缺陷位置的图片输入训练好的模型判断该图像中缺陷所属的类型。
9.如权利要求8所述的ADC系统自动计算缺陷面积辅助判断产品等级的方法，其特征在于：还包括步骤E和步骤F；
步骤E、产品等级与产品信息对应并保存到数据库中；
步骤F、显示器显示当前产品的缺陷分类结果以及产品等级。
CN202210718343.6A 2022-06-23 2022-06-23 Adc系统自动计算缺陷面积辅助判断产品等级的方法 Pending CN115222669A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210718343.6A CN115222669A (zh) 2022-06-23 2022-06-23 Adc系统自动计算缺陷面积辅助判断产品等级的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210718343.6A CN115222669A (zh) 2022-06-23 2022-06-23 Adc系统自动计算缺陷面积辅助判断产品等级的方法

Publications (1)

Publication Number Publication Date
CN115222669A true CN115222669A (zh) 2022-10-21

Family

ID=83609887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210718343.6A Pending CN115222669A (zh) 2022-06-23 2022-06-23 Adc系统自动计算缺陷面积辅助判断产品等级的方法

Country Status (1)

Country Link
CN (1) CN115222669A (zh)

Similar Documents

Publication Publication Date Title
TWI757825B (zh) 基於假點缺陷檢測之pcb檢修系統及檢修方法
CN109949305B (zh) 产品表面缺陷检测方法、装置及计算机设备
CN109060817B (zh) 人工智能复检系统及其方法
CN112053318A (zh) 基于深度学习的二维pcb缺陷实时自动检测与分类装置
JP2000057349A (ja) 欠陥の分類方法およびその装置並びに教示用データ作成方法
JP5718781B2 (ja) 画像分類装置および画像分類方法
CN116465315B (zh) 一种网版质量自动化检测方法及系统
CN113222913B (zh) 一种电路板缺陷检测定位方法、装置和存储介质
CN110648001A (zh) 一种轨道交通信号系统的巡检方法和系统
CN110186375A (zh) 智能化高铁白车身焊接装配特征检测装置及检测方法
CN113111903A (zh) 智能产线监测系统及监测方法
CN207008009U (zh) 一种缺陷检测维修系统以及维修装置
JP2020042669A (ja) 検査装置及び機械学習方法
KR20220046824A (ko) 리튬 이차 전지의 용접부 검사 방법
JP2006251561A (ja) 欠陥画素リペア方法
CN115222669A (zh) Adc系统自动计算缺陷面积辅助判断产品等级的方法
CN111738991A (zh) 一种焊缝缺陷的数字射线检测模型的创建方法
JP3806461B2 (ja) 物品外観検査装置
CN115546140A (zh) 一种显示面板检测方法、系统及电子装置
CN214201239U (zh) 一种印刷电路板远程光学检修系统
CN110087066B (zh) 一种应用于网上巡查的一键自动巡检方法
CN113727022A (zh) 巡检图像的采集方法及装置、电子设备、存储介质
CN1459628A (zh) 电路板板材表面瑕疵检测即时汇报装置
JP2011232302A (ja) 画像検査方法及び画像検査装置
TW202219494A (zh) 缺陷檢測方法及檢測裝置

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