CN115308222B - 一种基于机器视觉的芯片外观不良识别系统及方法 - Google Patents
一种基于机器视觉的芯片外观不良识别系统及方法 Download PDFInfo
- Publication number
- CN115308222B CN115308222B CN202210807711.4A CN202210807711A CN115308222B CN 115308222 B CN115308222 B CN 115308222B CN 202210807711 A CN202210807711 A CN 202210807711A CN 115308222 B CN115308222 B CN 115308222B
- Authority
- CN
- China
- Prior art keywords
- chip
- image
- transmitted
- pin
- unit
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 74
- 230000007547 defect Effects 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 238000010276 construction Methods 0.000 claims abstract description 14
- 230000002787 reinforcement Effects 0.000 claims abstract description 11
- 230000001678 irradiating effect Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 71
- 238000004458 analytical method Methods 0.000 claims description 36
- 239000000284 extract Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
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
- G01N21/9501—Semiconductor wafers
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的芯片外观不良识别系统及方法,属于机器视觉检测技术领域。本发明包括以下步骤:步骤一:利用工业相机对主传送通道上定时传送的芯片图像进行采集,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定;步骤二:对采集的芯片图像进行图像加强处理,对加强处理后的芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算;步骤三:利用不同角度光线对标准芯片进行照射,并利用工业相机对光线照射时的图像进行采集,基于标准芯片在不同角度光线下的平均像素值构建缺陷预测模型。
Description
技术领域
本发明涉及机器视觉检测技术领域,具体为一种基于机器视觉的芯片外观不良识别系统及方法。
背景技术
机器视觉利用机器代替人眼来做测量和判断,机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号。
现有的芯片外观不良识别系统在对芯片外观进行识别时,通过将标准芯片图像和采集的芯片图像进行对比分析,根据分析结果判断芯片外观是否良好,但在实际环境中,由于芯片体积较小,工业相机在对芯片图像进行采集时,对于一些细微差别,无法通过图像对比得出,以及在对芯片外观进行识别时,无法实现对芯片引脚安装位置进行精确判断,导致芯片引脚在安装时即使存在一定差异也无法被识别出,以及当芯片表面出现损伤时,由于损伤程度较小,通过图像对比,无法准确识别。
发明内容
本发明的目的在于提供一种基于机器视觉的芯片外观不良识别系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于机器视觉的芯片外观不良识别方法,所述方法包括以下步骤:
步骤一:利用工业相机对主传送通道上定时传送的芯片图像进行采集,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,将芯片引脚分布存在差异的芯片推送至第一传送通道;
步骤二:对采集的芯片图像进行图像加强处理,对加强处理后的芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算,根据计算结果将与标准芯片不匹配的芯片推送至第二传送通道;
步骤三:利用不同角度光线对标准芯片进行照射,并利用工业相机对光线照射时的图像进行采集,基于标准芯片在不同角度光线下的平均像素值构建缺陷预测模型;
步骤四:根据步骤三中构建的缺陷预测模型,对经过步骤一、步骤二操作处理后在主传送通道上传送的芯片进行外观缺陷检测,并将芯片外观存在缺陷的芯片推送至第三传送通道。
进一步的,所述步骤一中根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,具体方法为:
Step1:在采集的芯片图像中,以芯片第一引脚所在拐角为坐标原点构建坐标系,对表示芯片第一引脚的图像进行提取,将提取图像重叠覆盖在芯片其余各引脚图像上;
Step2:在坐标系中利用坐标对重叠处理后芯片各引脚的对角位置进行表示,利用坐标对芯片各引脚的对角距离进行计算,根据计算结果判断芯片各引脚规格是否一致,若不一致,则表示采集图像中芯片外观不良;
Step3:若Step2中判断采集图像中芯片各引脚规格一致,则利用坐标对芯片各引脚之间的水平距离进行计算,若计算结果均与标准值一致,则表示采集图像中芯片外观良好,若计算结果与标准值不一致,则表示采集图像中芯片外观不良。
进一步的,所述步骤二中对芯片图像外部轮廓的相对偏转角进行计算,具体方法为:
1)选取外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,以x为间隔在垂线两侧依次选取第i偏转点;
2)对第i偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算;
3)重复1)、2)对选取的外部轮廓构成的封闭图像中所有线段对应的相对偏转角进行计算;
4)相对偏转角计算结果判断芯片外观是否不良,当计算的偏转角为零时,表示芯片外部轮廓良好,当计算的偏转角不为零时,表示芯片外部轮廓不良。
进一步的,所述步骤二中相对偏转角的计算公式θi为:
其中,x表示设定的间隔距离,避免设定的间隔距离过小,导致偏转角计算结果存在误差,i=2,3,4,表示偏转点序号,ix表示第i个偏转点距离垂线的水平距离,y表示垂线长度,y1表示在芯片外部轮廓发生倾斜时以第i偏转点向垂线作垂线,垂足到第一偏转点之间的距离,/>表示芯片标准外部轮廓中第i偏转点与第一偏转点构成的夹角,/>表示芯片外部轮廓发生扭曲时第i偏转点与第一偏转点构成的夹角,利用相对偏转角对芯片外部轮廓是否符合标准进行判断,该过程无需测量大量数据,减少数据处理过程,进一步提高了识别精度。
进一步的,所述步骤三中基于标准芯片在不同角度光线下的平均像素值构建缺陷预测模型,具体方法为:
(1)基于工业相机在不同角度光线下采集的芯片标准图像,对不同角度光线下芯片的平均像素值进行计算,根据平均像素值对像素值与光线角度之间的关系进行描述,则:
fα=kp;
其中,p表示当光线角度为α时对应的光线强度,k表示关系系数,f表示在光线强度为p时标准芯片对应的平均像素值,α表示光线的照射角度;
(2)基于(1)中描述关系构建缺陷预测模型,具体的缺陷预测模型Wα为:
其中,f′α表示在光线强度为p时采集芯片对应的平均像素值,α表示光线的照射角度,α=1、2、3、4、5,分别对应的光线照射角度为30°、60°、90°、120°、150°,当Wα=0时,表示芯片表面无损伤,当Wα≠0时,表示芯片表面有损伤。
一种基于机器视觉的芯片外观不良识别系统,所述系统包括芯片图像采集模块、芯片引脚检测模块、芯片规格检测模块、芯片表面缺陷检测模块和芯片传送模块;
所述芯片图像采集模块用于利用工业相机对主传送通道上定时传送的芯片图像进行采集,以及利用工业相机在芯片被不同角度光线照射时的芯片图像进行采集,并将第一次采集的芯片图像传输至芯片引脚检测模块和芯片规格检测模块,将第二次采集的芯片图像传输至芯片表面缺陷检测模块;
所述芯片引脚检测模块用于对芯片图像采集模块传输的第一次采集的芯片图像进行接收,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,并将处理结果和计算的芯片各引脚之间的水平距离传输至芯片传送模块;
所述芯片规格检测模块用于对芯片图像采集模块传输的第一次采集的芯片图像进行接收,对采集的芯片图像进行图像加强处理,之后对芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算,并将计算结果传输至芯片传送模块;
所述芯片表面缺陷检测模块用于对芯片图像采集模块传输的第二次采集的芯片图像进行接收,基于芯片在不同角度光线下的平均像素值构建缺陷预测模型,利用缺陷预测模型对芯片表面是否存在损伤进行判断,并将判断结果传输至芯片传送模块;
所述芯片传送模块用于对芯片引脚检测模块、芯片规格检测模块和芯片表面缺陷检测模块传输的信息进行接收,根据接收信息将主传送通道上的芯片分别推送至相应的传送通道。
进一步的,所述芯片图像采集模块包括图像第一采集单元和图像第二采集单元;
所述图像第一采集单元利用工业相机垂直对主传送通道上定时传送的芯片图像进行采集,并将采集的芯片图像传输至芯片引脚检测模块和芯片规格检测模块;
所述图像第二采集单元利用在主传送通道上设置的多个工业相机,对芯片在不同角度光线照射时的芯片图像进行采集,并将采集的芯片图像传输至芯片表面缺陷检测模块。
进一步的,所述芯片引脚检测模块包括引脚图像重叠处理单元、引脚对角距离计算单元和引脚水平距离计算单元;
所述引脚图像重叠处理单元对图像第一采集单元传输的芯片图像进行接收,以芯片第一引脚所在拐角为坐标原点构建坐标系,对表示芯片第一引脚的图像进行提取,将提取图像重叠覆盖在芯片其余各引脚图像上,并将重叠处理后的芯片图像传输至引脚对角距离计算单元;
所述引脚对角距离计算单元对引脚图像重叠处理单元传输的芯片图像进行接收,根据接收的芯片图像,利用坐标系坐标对重叠处理后芯片各引脚的对角位置进行表示,利用坐标对芯片各引脚的对角距离进行计算,并将计算结果传输至引脚水平距离计算单元;
所述引脚水平距离计算单元对引脚对角距离计算单元传输的计算结果进行接收,若计算结果不一致,则表示采集图像中芯片外观不良,若计算结果一致,则利用坐标对芯片各引脚之间的水平距离进行计算,若水平距离计算结果均与标准值一致,则表示采集图像中芯片外观良好,若水平距离计算结果与标准值不一致,则表示采集图像中芯片外观不良,并将芯片分析结果传输至芯片传送模块。
进一步的,所述芯片规格检测模块包括芯片图像外部轮廓提取单元、偏转点选取单元和相对偏转角计算单元;
所述芯片图像外部轮廓提取单元对图像第一采集单元传输的芯片图像进行接收,利用接收的芯片图像对采集芯片的外部轮廓进行提取,并将提取的芯片外部轮廓传输至偏转点选取单元;
所述偏转点选取单元对芯片图像外部轮廓提取单元传输的提取的芯片外部轮廓进行接收,选取外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,以x为间隔在垂线两侧依次选取第i偏转点,其中,x表示设定的间隔距离,表示偏转点序号,并将选取的偏转点传输至相对偏转角计算单元;
所述相对偏转角计算单元对偏转点选取单元传输的选取的偏转点进行接收,根据选取的偏转点构建相对偏角计算公式利用构建的相对偏角计算公式对第i偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算,当计算出的偏转角为零时,表示芯片外部轮廓良好,当计算出的偏转角不为零时,表示芯片外部轮廓不良,其中,y表示垂线长度,y1表示在芯片外部轮廓发生倾斜时以第i偏转点向垂线作垂线,垂足到第一偏转点之间的距离,/>表示芯片标准外部轮廓中第i偏转点与第一偏转点构成的夹角,/>示芯片外部轮廓发生扭曲时第i偏转点与第一偏转点构成的夹角,并将芯片分析结果传输至芯片传送模块。
进一步的,所述芯片表面缺陷检测模块包括关系描述单元和缺陷预测模型构建单元;
所述关系描述单元利用工业相机对标准芯片在图像第二采集单元所处环境下的芯片图像进行采集,根据采集图像对不同角度光线下芯片的平均像素值进行计算,基于计算结果对平均像素值与光线角度之间的关系进行描述,并将描述关系传输至缺陷预测模型构建单元;
所述缺陷预测模型构建单元对关系描述单元传输的标准芯片中平均像素值与光线角度之间的描述关系和图像第二采集单元传输的芯片图像进行接收,根据图像第二采集单元传输的芯片图像对采集芯片中平均像素值与光线角度之间满足的关系进行描述,判断采集芯片中平均像素值与光线角度之间满足的关系是否与标准芯片满足的关系一致,若一致,则表示芯片表面无损伤,当不一致,表示芯片表面有损伤,并将芯片分析结果传输至芯片传送模块;
所述芯片传送模块包括第一传送单元、第二传送单元和第三传送单元;
所述第一传送单元对引脚水平距离计算单元传输的芯片分析结果进行接收,当分析采集图像中芯片外观不良时,将芯片引脚分布存在差异的芯片推送至第一传送通道,当分析采集图像中芯片外观良好,则芯片从主传送通道传输;
所述第二传送单元对相对偏转角计算单元传输的芯片分析结果进行接收,当分析采集图像中芯片外部轮廓良好,则将芯片从主传送通道传输,当分析采集图像中芯片外部轮廓不良时,将不良芯片推送至第二传送通道;
所述第三传送单元对缺陷预测模型构建单元传输的芯片分析结果进行接收,当分析采集图像中芯片表面无损伤,则将芯片从主传送通道传输,当分析采集图像中芯片表面有损伤,则将不良芯片推送至第三传送通道。
与现有技术相比,本发明所达到的有益效果是:
1.本发明通过根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对芯片各引脚之间的对角距离进行计算,可初步判断安装的芯片引脚规格是否一致,对重叠处理后芯片各引脚之间的水平距离进行确定,用于判断安装的芯片引脚间距是否符合标准,将图像信号转换为数字信号,有利于提高系统对芯片引脚的识别精度。
2.本发明通过选取芯片外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,并以一定间隔距离在与垂线相交的外部轮廓线段上寻找第二、三、四偏转点,对第二、三、四偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算,此过程涉及到的测量数据较少,有利于提高结果计算精度,减少数据处理过程,以及利用三点构成的夹角对偏转角进行计算,与常规的利用坐标系对两点之间的夹角进行计算相比,实现将小角转换为大角进行比较,精度更高。
3.本发明通过利用不同角度光线对芯片进行照射,并利用工业相机对芯片在不同环境下的图像进行采集,根据采集图像对标准芯片图像平均像素值与光线角度之间的关系进行描述,基于描述关系构建缺陷预测模型,对采集芯片在不同角度光线照射下对应的平均像素值与标准值进行差值计算,进而判断芯片外部是否发生损伤,利用不同角度光线照射在同一平面,平面图像平均像素值存在差异,对芯片外部损伤情况进行判断,提高了系统识别效果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于机器视觉的芯片外观不良识别系统及方法的工作流程示意图;
图2是本发明一种基于机器视觉的芯片外观不良识别系统及方法的工作原理结构示意图。
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。
请参阅图1和图2,本发明提供技术方案:一种基于机器视觉的芯片外观不良识别方法,方法包括以下步骤:
步骤一:利用工业相机对主传送通道上定时传送的芯片图像进行采集,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,将芯片引脚分布存在差异的芯片推送至第一传送通道,具体方法为:
Step1:在采集的芯片图像中,以芯片第一引脚所在拐角为坐标原点构建坐标系,对表示芯片第一引脚的图像进行提取,将提取图像重叠覆盖在芯片其余各引脚图像上;
Step2:在坐标系中利用坐标对重叠处理后芯片各引脚的对角位置进行表示,利用坐标对芯片各引脚的对角距离进行计算,根据计算结果判断芯片各引脚规格是否一致,若不一致,则表示采集图像中芯片外观不良;
Step3:若Step2中判断采集图像中芯片各引脚规格一致,则利用坐标对芯片各引脚之间的水平距离进行计算,若计算结果均与标准值一致,则表示采集图像中芯片外观良好,若计算结果与标准值不一致,则表示采集图像中芯片外观不良;
步骤二:对采集的芯片图像进行图像加强处理,对加强处理后的芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算,根据计算结果将与标准芯片不匹配的芯片推送至第二传送通道,具体方法为:
1)选取外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,以x为间隔在垂线两侧依次选取第i偏转点;
2)对第i偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算,具体的计算公式θi为:
其中,x表示设定的间隔距离,避免设定的间隔距离过小,导致偏转角计算结果存在误差,i=2,3,4,表示偏转点序号,ix表示第i个偏转点距离垂线的水平距离,y表示垂线长度,y1表示在芯片外部轮廓发生倾斜时以第i偏转点向垂线作垂线,垂足到第一偏转点之间的距离,/>表示芯片标准外部轮廓中第i偏转点与第一偏转点构成的夹角,/>表示芯片外部轮廓发生扭曲时第i偏转点与第一偏转点构成的夹角;
3)重复1)、2)对选取的外部轮廓构成的封闭图像中所有线段对应的相对偏转角进行计算;
4)相对偏转角计算结果判断芯片外观是否不良,当计算的偏转角为零时,表示芯片外部轮廓良好,当计算的偏转角不为零时,表示芯片外部轮廓不良;
步骤三:利用不同角度光线对标准芯片进行照射,并利用工业相机对光线照射时的图像进行采集,基于标准芯片在不同角度光线下的平均像素值构建缺陷预测模型,具体方法为:
(1)基于工业相机在不同角度光线下采集的芯片标准图像,对不同角度光线下芯片的平均像素值进行计算,根据平均像素值对像素值与光线角度之间的关系进行描述,则:
fα=kp;
其中,p表示当光线角度为α时对应的光线强度,k表示关系系数,f表示在光线强度为p时标准芯片对应的平均像素值,α表示光线的照射角度;
(2)基于(1)中描述关系构建缺陷预测模型,具体的缺陷预测模型Wα为:
其中,f′α表示在光线强度为p时采集芯片对应的平均像素值,α表示光线的照射角度,α=1、2、3、4、5,分别对应的光线照射角度为30°、60°、90°、120°、150°,当Wα=0时,表示芯片表面无损伤,当Wα≠0时,表示芯片表面有损伤;
步骤四:根据步骤三中构建的缺陷预测模型,对经过步骤一、步骤二操作处理后在主传送通道上传送的芯片进行外观缺陷检测,并将芯片外观存在缺陷的芯片推送至第三传送通道。
一种基于机器视觉的芯片外观不良识别系统,系统包括芯片图像采集模块、芯片引脚检测模块、芯片规格检测模块、芯片表面缺陷检测模块和芯片传送模块;
芯片图像采集模块用于利用工业相机对主传送通道上定时传送的芯片图像进行采集,以及利用工业相机在芯片被不同角度光线照射时的芯片图像进行采集,并将第一次采集的芯片图像传输至芯片引脚检测模块和芯片规格检测模块,将第二次采集的芯片图像传输至芯片表面缺陷检测模块;
芯片图像采集模块包括图像第一采集单元和图像第二采集单元;
图像第一采集单元利用工业相机垂直对主传送通道上定时传送的芯片图像进行采集,并将采集的芯片图像传输至芯片引脚检测模块和芯片规格检测模块;
图像第二采集单元利用在主传送通道上设置的多个工业相机,对芯片在不同角度光线照射时的芯片图像进行采集,并将采集的芯片图像传输至芯片表面缺陷检测模块;
芯片引脚检测模块用于对芯片图像采集模块传输的第一次采集的芯片图像进行接收,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,并将处理结果和计算的芯片各引脚之间的水平距离传输至芯片传送模块;
芯片引脚检测模块包括引脚图像重叠处理单元、引脚对角距离计算单元和引脚水平距离计算单元;
引脚图像重叠处理单元对图像第一采集单元传输的芯片图像进行接收,以芯片第一引脚所在拐角为坐标原点构建坐标系,对表示芯片第一引脚的图像进行提取,将提取图像重叠覆盖在芯片其余各引脚图像上,并将重叠处理后的芯片图像传输至引脚对角距离计算单元;
引脚对角距离计算单元对引脚图像重叠处理单元传输的芯片图像进行接收,根据接收的芯片图像,利用坐标系坐标对重叠处理后芯片各引脚的对角位置进行表示,利用坐标对芯片各引脚的对角距离进行计算,并将计算结果传输至引脚水平距离计算单元;
引脚水平距离计算单元对引脚对角距离计算单元传输的计算结果进行接收,若计算结果不一致,则表示采集图像中芯片外观不良,若计算结果一致,则利用坐标对芯片各引脚之间的水平距离进行计算,若水平距离计算结果均与标准值一致,则表示采集图像中芯片外观良好,若水平距离计算结果与标准值不一致,则表示采集图像中芯片外观不良,并将芯片分析结果传输至芯片传送模块;
芯片规格检测模块用于对芯片图像采集模块传输的第一次采集的芯片图像进行接收,对采集的芯片图像进行图像加强处理,之后对芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算,并将计算结果传输至芯片传送模块;
芯片规格检测模块包括芯片图像外部轮廓提取单元、偏转点选取单元和相对偏转角计算单元;
芯片图像外部轮廓提取单元对图像第一采集单元传输的芯片图像进行接收,利用接收的芯片图像对采集芯片的外部轮廓进行提取,并将提取的芯片外部轮廓传输至偏转点选取单元;
偏转点选取单元对芯片图像外部轮廓提取单元传输的提取的芯片外部轮廓进行接收,选取外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,以x为间隔在垂线两侧依次选取第i偏转点,其中,x表示设定的间隔距离,表示偏转点序号,并将选取的偏转点传输至相对偏转角计算单元;
相对偏转角计算单元对偏转点选取单元传输的选取的偏转点进行接收,根据选取的偏转点构建相对偏角计算公式利用构建的相对偏角计算公式对第i偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算,当计算出的偏转角为零时,表示芯片外部轮廓良好,当计算出的偏转角不为零时,表示芯片外部轮廓不良,其中,y表示垂线长度,y1表示在芯片外部轮廓发生倾斜时以第i偏转点向垂线作垂线,垂足到第一偏转点之间的距离,/>表示芯片标准外部轮廓中第i偏转点与第一偏转点构成的夹角,/>表示芯片外部轮廓发生扭曲时第i偏转点与第一偏转点构成的夹角,并将芯片分析结果传输至芯片传送模块;
芯片表面缺陷检测模块用于对芯片图像采集模块传输的第二次采集的芯片图像进行接收,基于芯片在不同角度光线下的平均像素值构建缺陷预测模型,利用缺陷预测模型对芯片表面是否存在损伤进行判断,并将判断结果传输至芯片传送模块;
芯片表面缺陷检测模块包括关系描述单元和缺陷预测模型构建单元;
关系描述单元利用工业相机对标准芯片在图像第二采集单元所处环境下的芯片图像进行采集,根据采集图像对不同角度光线下芯片的平均像素值进行计算,基于计算结果对平均像素值与光线角度之间的关系进行描述,并将描述关系传输至缺陷预测模型构建单元;
缺陷预测模型构建单元对关系描述单元传输的标准芯片中平均像素值与光线角度之间的描述关系和图像第二采集单元传输的芯片图像进行接收,根据图像第二采集单元传输的芯片图像对采集芯片中平均像素值与光线角度之间满足的关系进行描述,判断采集芯片中平均像素值与光线角度之间满足的关系是否与标准芯片满足的关系一致,若一致,则表示芯片表面无损伤,当不一致,表示芯片表面有损伤,并将芯片分析结果传输至芯片传送模块;
芯片传送模块用于对芯片引脚检测模块、芯片规格检测模块和芯片表面缺陷检测模块传输的信息进行接收,根据接收信息将主传送通道上的芯片分别推送至相应的传送通道;
芯片传送模块包括第一传送单元、第二传送单元和第三传送单元;
第一传送单元对引脚水平距离计算单元传输的芯片分析结果进行接收,当分析采集图像中芯片外观不良时,将芯片引脚分布存在差异的芯片推送至第一传送通道,当分析采集图像中芯片外观良好,则芯片从主传送通道传输;
第二传送单元对相对偏转角计算单元传输的芯片分析结果进行接收,当分析采集图像中芯片外部轮廓良好,则将芯片从主传送通道传输,当分析采集图像中芯片外部轮廓不良时,将不良芯片推送至第二传送通道;
第三传送单元对缺陷预测模型构建单元传输的芯片分析结果进行接收,当分析采集图像中芯片表面无损伤,则将芯片从主传送通道传输,当分析采集图像中芯片表面有损伤,则将不良芯片推送至第三传送通道。
实施例:设第一偏转点所在线段长度为24cm,x=4cm,y=12cm,测量的y1=10cm,对第3偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算,则:
则,第3偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角为6.6°,判断芯片外部轮廓发生扭曲,将芯片推送至第二传送通道。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (9)
1.一种基于机器视觉的芯片外观不良识别方法,其特征在于:所述方法包括以下步骤:
步骤一:利用工业相机对主传送通道上定时传送的芯片图像进行采集,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,将芯片引脚分布存在差异的芯片推送至第一传送通道;
步骤二:对采集的芯片图像进行图像加强处理,对加强处理后的芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算,根据计算结果将与标准芯片不匹配的芯片推送至第二传送通道;
步骤三:利用不同角度光线对标准芯片进行照射,并利用工业相机对光线照射时的图像进行采集,基于标准芯片在不同角度光线下的平均像素值构建缺陷预测模型,具体方法为:
(1)基于工业相机在不同角度光线下采集的芯片标准图像,对不同角度光线下芯片的平均像素值进行计算,根据平均像素值对像素值与光线角度之间的关系进行描述,则:
fα=kp;
其中,p表示当光线角度为α时对应的光线强度,k表示关系系数,f表示在光线强度为p时标准芯片对应的平均像素值,α表示光线的照射角度;
(2)基于(1)中描述关系构建缺陷预测模型,具体的缺陷预测模型Wα为:
其中,fα′表示在光线强度为p时采集芯片对应的平均像素值,α表示光线的照射角度,α=1、2、3、4、5,分别对应的光线照射角度为30°、60°、90°、120°、150°,当Wα=0时,表示芯片表面无损伤,当Wα≠0时,表示芯片表面有损伤;
步骤四:根据步骤三中构建的缺陷预测模型,对经过步骤一、步骤二操作处理后在主传送通道上传送的芯片进行外观缺陷检测,并将芯片外观存在缺陷的芯片推送至第三传送通道。
2.根据权利要求1所述的一种基于机器视觉的芯片外观不良识别方法,其特征在于:所述步骤一中根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,具体方法为:
Step1:在采集的芯片图像中,以芯片第一引脚所在拐角为坐标原点构建坐标系,对表示芯片第一引脚的图像进行提取,将提取图像重叠覆盖在芯片其余各引脚图像上;
Step2:在坐标系中利用坐标对重叠处理后芯片各引脚的对角位置进行表示,利用坐标对芯片各引脚的对角距离进行计算,根据计算结果判断芯片各引脚规格是否一致,若不一致,则表示采集图像中芯片外观不良;
Step3:若Step2中判断采集图像中芯片各引脚规格一致,则利用坐标对芯片各引脚之间的水平距离进行计算,若计算结果均与标准值一致,则表示采集图像中芯片外观良好,若计算结果与标准值不一致,则表示采集图像中芯片外观不良。
3.根据权利要求2所述的一种基于机器视觉的芯片外观不良识别方法,其特征在于:所述步骤二中对芯片图像外部轮廓的相对偏转角进行计算,具体方法为:
1)选取外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,以x为间隔在垂线两侧依次选取第i偏转点;
2)对第i偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算;
3)重复1)、2)对选取的外部轮廓构成的封闭图像中所有线段对应的相对偏转角进行计算;
4)相对偏转角计算结果判断芯片外观是否不良,当计算的偏转角为零时,表示芯片外部轮廓良好,当计算的偏转角不为零时,表示芯片外部轮廓不良。
4.根据权利要求3所述的一种基于机器视觉的芯片外观不良识别方法,其特征在于:所述步骤二中相对偏转角的计算公式θi为:
其中,x表示设定的间隔距离,表示偏转点序号,ix表示第i个偏转点距离垂线的水平距离,y表示垂线长度,y1表示在芯片外部轮廓发生倾斜时以第i偏转点向垂线作垂线,垂足到第一偏转点之间的距离,/>表示芯片标准外部轮廓中第i偏转点与第一偏转点构成的夹角,/>表示芯片外部轮廓发生扭曲时第i偏转点与第一偏转点构成的夹角。
5.一种基于机器视觉的芯片外观不良识别系统,其特征在于:所述系统包括芯片图像采集模块、芯片引脚检测模块、芯片规格检测模块、芯片表面缺陷检测模块和芯片传送模块;
所述芯片图像采集模块用于利用工业相机对主传送通道上定时传送的芯片图像进行采集,以及利用工业相机在芯片被不同角度光线照射时的芯片图像进行采集,并将第一次采集的芯片图像传输至芯片引脚检测模块和芯片规格检测模块,将第二次采集的芯片图像传输至芯片表面缺陷检测模块;
所述芯片引脚检测模块用于对芯片图像采集模块传输的第一次采集的芯片图像进行接收,根据芯片外部构造情况对采集图像中芯片引脚进行图像重叠处理,并对重叠处理后芯片各引脚之间的水平距离进行确定,并将处理结果和计算的芯片各引脚之间的水平距离传输至芯片传送模块;
所述芯片规格检测模块用于对芯片图像采集模块传输的第一次采集的芯片图像进行接收,对采集的芯片图像进行图像加强处理,之后对芯片图像的外部轮廓进行提取,并对芯片图像外部轮廓的相对偏转角进行计算,并将计算结果传输至芯片传送模块;
所述芯片表面缺陷检测模块用于对芯片图像采集模块传输的第二次采集的芯片图像进行接收,基于芯片在不同角度光线下的平均像素值构建缺陷预测模型,利用缺陷预测模型对芯片表面是否存在损伤进行判断,并将判断结果传输至芯片传送模块;
所述芯片表面缺陷检测模块包括关系描述单元和缺陷预测模型构建单元;
所述关系描述单元利用工业相机对标准芯片在图像第二采集单元所处环境下的芯片图像进行采集,根据采集图像对不同角度光线下芯片的平均像素值进行计算,基于计算结果对平均像素值与光线角度之间的关系进行描述,并将描述关系传输至缺陷预测模型构建单元;
所述缺陷预测模型构建单元对关系描述单元传输的标准芯片中平均像素值与光线角度之间的描述关系和图像第二采集单元传输的芯片图像进行接收,根据图像第二采集单元传输的芯片图像对采集芯片中平均像素值与光线角度之间满足的关系进行描述,判断采集芯片中平均像素值与光线角度之间满足的关系是否与标准芯片满足的关系一致,若一致,则表示芯片表面无损伤,当不一致,表示芯片表面有损伤,并将芯片分析结果传输至芯片传送模块;
所述芯片传送模块用于对芯片引脚检测模块、芯片规格检测模块和芯片表面缺陷检测模块传输的信息进行接收,根据接收信息将主传送通道上的芯片分别推送至相应的传送通道。
6.根据权利要求5所述的一种基于机器视觉的芯片外观不良识别系统,其特征在于:所述芯片图像采集模块包括图像第一采集单元和图像第二采集单元;
所述图像第一采集单元利用工业相机垂直对主传送通道上定时传送的芯片图像进行采集,并将采集的芯片图像传输至芯片引脚检测模块和芯片规格检测模块;
所述图像第二采集单元利用在主传送通道上设置的多个工业相机,对芯片在不同角度光线照射时的芯片图像进行采集,并将采集的芯片图像传输至芯片表面缺陷检测模块。
7.根据权利要求6所述的一种基于机器视觉的芯片外观不良识别系统,其特征在于:所述芯片引脚检测模块包括引脚图像重叠处理单元、引脚对角距离计算单元和引脚水平距离计算单元;
所述引脚图像重叠处理单元对图像第一采集单元传输的芯片图像进行接收,以芯片第一引脚所在拐角为坐标原点构建坐标系,对表示芯片第一引脚的图像进行提取,将提取图像重叠覆盖在芯片其余各引脚图像上,并将重叠处理后的芯片图像传输至引脚对角距离计算单元;
所述引脚对角距离计算单元对引脚图像重叠处理单元传输的芯片图像进行接收,根据接收的芯片图像,利用坐标系坐标对重叠处理后芯片各引脚的对角位置进行表示,利用坐标对芯片各引脚的对角距离进行计算,并将计算结果传输至引脚水平距离计算单元;
所述引脚水平距离计算单元对引脚对角距离计算单元传输的计算结果进行接收,若计算结果不一致,则表示采集图像中芯片外观不良,若计算结果一致,则利用坐标对芯片各引脚之间的水平距离进行计算,若水平距离计算结果均与标准值一致,则表示采集图像中芯片外观良好,若水平距离计算结果与标准值不一致,则表示采集图像中芯片外观不良,并将芯片分析结果传输至芯片传送模块。
8.根据权利要求7所述的一种基于机器视觉的芯片外观不良识别系统,其特征在于:所述芯片规格检测模块包括芯片图像外部轮廓提取单元、偏转点选取单元和相对偏转角计算单元;
所述芯片图像外部轮廓提取单元对图像第一采集单元传输的芯片图像进行接收,利用接收的芯片图像对采集芯片的外部轮廓进行提取,并将提取的芯片外部轮廓传输至偏转点选取单元;
所述偏转点选取单元对芯片图像外部轮廓提取单元传输的提取的芯片外部轮廓进行接收,选取外部轮廓构成的封闭图形中的任意线段中点作为第一偏转点,以第一偏转点为垂足做一条垂线与外部轮廓相交,以x为间隔在垂线两侧依次选取第i偏转点,其中,x表示设定的间隔距离,表示偏转点序号,并将选取的偏转点传输至相对偏转角计算单元;
所述相对偏转角计算单元对偏转点选取单元传输的选取的偏转点进行接收,根据选取的偏转点构建相对偏角计算公式
利用构建的相对偏角计算公式对第i偏转点与第一偏转点构成的夹角,相较于标准夹角的偏转角进行计算,当计算出的偏转角为零时,表示芯片外部轮廓良好,当计算出的偏转角不为零时,表示芯片外部轮廓不良,其中,y表示垂线长度,y1表示在芯片外部轮廓发生倾斜时以第i偏转点向垂线作垂线,垂足到第一偏转点之间的距离,/>表示芯片标准外部轮廓中第i偏转点与第一偏转点构成的夹角,/>表示芯片外部轮廓发生扭曲时第i偏转点与第一偏转点构成的夹角,并将芯片分析结果传输至芯片传送模块。
9.根据权利要求8所述的一种基于机器视觉的芯片外观不良识别系统,其特征在于:所述芯片传送模块包括第一传送单元、第二传送单元和第三传送单元;
所述第一传送单元对引脚水平距离计算单元传输的芯片分析结果进行接收,当分析采集图像中芯片外观不良时,将芯片引脚分布存在差异的芯片推送至第一传送通道,当分析采集图像中芯片外观良好,则芯片从主传送通道传输;
所述第二传送单元对相对偏转角计算单元传输的芯片分析结果进行接收,当分析采集图像中芯片外部轮廓良好,则将芯片从主传送通道传输,当分析采集图像中芯片外部轮廓不良时,将不良芯片推送至第二传送通道;
所述第三传送单元对缺陷预测模型构建单元传输的芯片分析结果进行接收,当分析采集图像中芯片表面无损伤,则将芯片从主传送通道传输,当分析采集图像中芯片表面有损伤,则将不良芯片推送至第三传送通道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807711.4A CN115308222B (zh) | 2022-07-11 | 2022-07-11 | 一种基于机器视觉的芯片外观不良识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807711.4A CN115308222B (zh) | 2022-07-11 | 2022-07-11 | 一种基于机器视觉的芯片外观不良识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115308222A CN115308222A (zh) | 2022-11-08 |
CN115308222B true CN115308222B (zh) | 2024-02-09 |
Family
ID=83857505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807711.4A Active CN115308222B (zh) | 2022-07-11 | 2022-07-11 | 一种基于机器视觉的芯片外观不良识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115308222B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051541B (zh) * | 2023-03-06 | 2023-07-18 | 杭州深度视觉科技有限公司 | 基于频闪光源的轴承端面平缓磨伤检测方法及装置 |
CN116343213B (zh) * | 2023-05-31 | 2023-08-25 | 成都数之联科技股份有限公司 | 模型训练及芯片的字符识别方法、装置、设备和介质 |
CN117038494B (zh) * | 2023-10-10 | 2023-12-15 | 天津芯成半导体有限公司 | 一种用于芯片加工产业的辅助智能检测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765378A (zh) * | 2018-05-07 | 2018-11-06 | 上海理工大学 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
CN109785316A (zh) * | 2019-01-22 | 2019-05-21 | 湖南大学 | 一种芯片表观缺陷检测方法 |
CN110992326A (zh) * | 2019-11-27 | 2020-04-10 | 江苏理工学院 | 一种qfn芯片引脚图像快速倾斜校正方法 |
CN112348840A (zh) * | 2020-10-19 | 2021-02-09 | 江苏师范大学 | 基于像素区域生长的qfp芯片引脚缺陷判别方法 |
WO2021253482A1 (zh) * | 2020-06-16 | 2021-12-23 | 湖南大学 | 缺陷检测系统、方法及图像采集系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022043365A (ja) * | 2018-11-19 | 2022-03-16 | 株式会社日立ハイテク | 検査装置、検査方法、欠陥検出プログラム |
-
2022
- 2022-07-11 CN CN202210807711.4A patent/CN115308222B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765378A (zh) * | 2018-05-07 | 2018-11-06 | 上海理工大学 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
CN109785316A (zh) * | 2019-01-22 | 2019-05-21 | 湖南大学 | 一种芯片表观缺陷检测方法 |
CN110992326A (zh) * | 2019-11-27 | 2020-04-10 | 江苏理工学院 | 一种qfn芯片引脚图像快速倾斜校正方法 |
WO2021253482A1 (zh) * | 2020-06-16 | 2021-12-23 | 湖南大学 | 缺陷检测系统、方法及图像采集系统 |
CN112348840A (zh) * | 2020-10-19 | 2021-02-09 | 江苏师范大学 | 基于像素区域生长的qfp芯片引脚缺陷判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115308222A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115308222B (zh) | 一种基于机器视觉的芯片外观不良识别系统及方法 | |
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
CN112345534B (zh) | 一种基于视觉的泡罩板中颗粒的缺陷检测方法及系统 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN116721107A (zh) | 一种电缆生产质量智能监控系统 | |
CN115184380A (zh) | 基于机器视觉的印刷电路板焊点异常检测方法 | |
CN116563279A (zh) | 基于计算机视觉的量测开关检测方法 | |
CN114994060A (zh) | 一种机器视觉下的磁环外观缺陷智能检测系统及方法 | |
CN110728269B (zh) | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 | |
CN115731228A (zh) | 一种镀金芯片缺陷检测系统和方法 | |
TW419634B (en) | Automatic detection system and method using bar code positioning | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
Li et al. | Detection of small size defects in belt layer of radial tire based on improved faster r-cnn | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN114943738A (zh) | 一种基于视觉识别的传感器封装固化胶缺陷识别方法 | |
CN112800797B (zh) | 一种dm码的区域定位方法及系统 |
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 |