CN115830030B - 一种石英晶片的外观质量评估方法及系统 - Google Patents
一种石英晶片的外观质量评估方法及系统 Download PDFInfo
- Publication number
- CN115830030B CN115830030B CN202310145587.4A CN202310145587A CN115830030B CN 115830030 B CN115830030 B CN 115830030B CN 202310145587 A CN202310145587 A CN 202310145587A CN 115830030 B CN115830030 B CN 115830030B
- Authority
- CN
- China
- Prior art keywords
- defect
- appearance quality
- quality evaluation
- quartz wafer
- image information
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及图像处理技术领域,提供了一种石英晶片的外观质量评估方法及系统,所述方法包括:采集获得第一图像信息,输入石英晶片缺陷区域分析模型内,获得多个缺陷区域;采集多个缺陷区域内的图像,获得多个第二图像信息,输入石英晶片缺陷数量分析模型,获得包括多类缺陷数量的数量信息集合,结合预构建的缺陷评分表,计算获得多类缺陷的多个总缺陷评分;将多个总缺陷评分输入外观质量评估模型,获得外观质量评估结果,解决石英晶片的外观检测精度低,无法保障产出的石英晶片性能技术问题,实现依照裂纹、划痕、缺口等外观缺陷信息,综合进行外观质量评分,提升石英晶片的外观检测精度,为最大限度的保障产出的石英晶片性能提供支持技术效果。
Description
技术领域
本发明涉及图像处理相关技术领域,具体涉及一种石英晶片的外观质量评估方法及系统。
背景技术
石英晶片广泛应用于通讯、电脑、导航、航空航天、家用电器等领域,石英晶片的产品包括石英晶体谐振器、石英晶体振荡器,具有良好的频率稳定性,在石英晶片的生产加工阶段,不可避免的,部分石英晶片会产生一些外观缺陷(例如为裂纹、划痕、缺口),严重影响了石英晶片的性能。
基于此,需要对石英晶片进行外观质量检测评估,为挑出外观质量出现问题的石英晶片提供支持,常见的,采用人工目视方法确定石英晶片存在的外观缺陷,但,检测效率低,存在人力资源浪费,无法满足生产的需要。
综上所述,现有技术中存在石英晶片的外观检测精度低,无法保障产出的石英晶片性能的技术问题。
发明内容
本申请通过提供了一种石英晶片的外观质量评估方法及系统,旨在解决现有技术中的石英晶片的外观检测精度低,无法保障产出的石英晶片性能的技术问题。
鉴于上述问题,本申请实施例提供了一种石英晶片的外观质量评估方法及系统。
本申请公开的第一个方面,提供了一种石英晶片的外观质量评估方法,其中,所述方法包括:通过图像采集装置,采集待进行外观质量评估的目标石英晶片的图像,获得第一图像信息;将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域;通过图像采集装置,采集所述多个缺陷区域内的图像,获得多个第二图像信息;将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合;根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分;将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果。
本申请公开的另一个方面,提供了一种石英晶片的外观质量评估系统,其中,所述系统包括:第一图像采集模块,用于通过图像采集装置,采集待进行外观质量评估的目标石英晶片的图像,获得第一图像信息缺陷区域分析模块,用于将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域;第二图像采集模块,用于通过图像采集装置,采集所述多个缺陷区域内的图像,获得多个第二图像信息;缺陷数量分析模块,用于将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合;总缺陷评分获得模块,用于根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分;外观质量评估结果获得模块,用于将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了采集获得第一图像信息,输入石英晶片缺陷区域分析模型内,获得目标石英晶片存在缺陷的多个缺陷区域;采集多个缺陷区域内的图像,获得多个第二图像信息,输入石英晶片缺陷数量分析模型,获得包括多类缺陷数量的数量信息集合,结合预构建的缺陷评分表,计算获得多类缺陷的多个总缺陷评分;将多个总缺陷评分输入外观质量评估模型,获得目标石英晶片的外观质量评估结果,实现了依照裂纹、划痕、缺口等外观缺陷信息,综合进行外观质量评分,提升石英晶片的外观检测精度,为最大限度的保障产出的石英晶片性能提供支持的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种石英晶片的外观质量评估方法可能的流程示意图;
图2为本申请实施例提供了一种石英晶片的外观质量评估方法中获得目标石英晶片存在缺陷的多个缺陷区域可能的流程示意图;
图3为本申请实施例提供了一种石英晶片的外观质量评估方法中获得目标石英晶片的外观质量评估结果可能的流程示意图;
图4为本申请实施例提供了一种石英晶片的外观质量评估系统可能的结构示意图。
附图标记说明:第一图像采集模块100,缺陷区域分析模块200,第二图像采集模块300,缺陷数量分析模块400,总缺陷评分获得模块500,外观质量评估结果获得模块600。
具体实施方式
本申请实施例提供了一种石英晶片的外观质量评估方法及系统,解决了石英晶片的外观检测精度低,无法保障产出的石英晶片性能的技术问题,实现了依照裂纹、划痕、缺口等外观缺陷信息,综合进行外观质量评分,提升石英晶片的外观检测精度,为最大限度的保障产出的石英晶片性能提供支持的技术效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一:
如图1所示,本申请实施例提供了一种石英晶片的外观质量评估方法,其中,所述方法包括:
S10:通过图像采集装置,采集待进行外观质量评估的目标石英晶片的图像,获得第一图像信息;
S20:将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域;
具体而言,所述石英晶片的外观缺陷主要包括石英晶片裂纹(图像上会出现一条明显的线条,可能在研磨、切割或者转移时造成)、中间出现高亮、崩角、缺边,利用图像采集装置,采集待进行外观质量评估的目标石英晶片全部区域的图像,获得第一图像信息;构建石英晶片缺陷区域分析模型,将所述第一图像信息作为输入数据,输入石英晶片缺陷区域分析模型内进行缺陷区域分析,获得所述目标石英晶片存在缺陷的多个缺陷区域,为进行外观质量评估提供数据支持。
如图2所示,步骤S20包括步骤:
S21:根据历史时间内进行石英晶片外观质量检测的数据,获取历史第一图像信息集合;
S22:对所述历史第一图像信息集合内的历史第一图像信息划分为多个区域,并标记出存在缺陷的区域,获得多个历史缺陷区域集合;
S23:采用所述历史第一图像信息集合以及多个历史缺陷区域集合,构建所述石英晶片缺陷区域分析模型;
S24:将所述第一图像信息输入所述石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域。
步骤S23包括步骤:
S231:基于卷积神经网络,构建所述石英晶片缺陷区域分析模型,其中,所述石英晶片缺陷区域分析模型的输入数据为第一图像信息,输出数据包括第一图像信息内存在缺陷的区域;
S232:采用所述历史第一图像信息集合和多个历史缺陷区域集合,对所述石英晶片缺陷区域分析模型进行迭代监督训练和验证,获得准确率符合预设要求的所述石英晶片缺陷区域分析模型。
具体而言,构建石英晶片缺陷区域分析模型,具体包括:在外观质量评估系统的数据存储单元中,以缺陷区域为检索内容,对历史时间(历史时间可以是上一个自然月)内的石英晶片外观质量检测的数据进行数据检索提取,获取历史第一图像信息集合;所述历史第一图像信息集合内的历史第一图像信息划分为多个区域(边缘区域:边缘易存在崩角、缺边;中间区域:中间易出现高亮、晶片),对存在缺陷的区域进行突出标记,获得多个历史缺陷区域集合;
采用所述历史第一图像信息集合以及多个历史缺陷区域集合,构建所述石英晶片缺陷区域分析模型,具体包括:以卷积神经网络为模型基础,采用所述历史第一图像信息集合和多个历史缺陷区域集合,对所述石英晶片缺陷区域分析模型进行迭代监督训练和验证,将所述历史第一图像信息集合和多个历史缺陷区域集合依照7:3的比例划分为训练数据与验证数据;
将训练数据输入所述卷积神经网络中进行迭代监督训练,采用每次根据训练得到的结果与预想结果(预想结果:多个历史缺陷区域集合)进行误差分析,进而修改缺陷区域识别参数指标可以将卷积神经网络训练至适用于进行缺陷区域分析,一步一步得到能输出和预想结果一致的模型,在模型输出趋于稳定(模型稳定:验证数据输入模型,获得验证准确率(验证准确率=验证通过次数/总验证次数×100%),在准确率符合预设要求(预设要求可以是95%)后,判定为模型稳定)后,确定石英晶片缺陷区域分析模型;
将第一图像信息作为输入数据,输入所述石英晶片缺陷区域分析模型进行缺陷区域分析,获得所述目标石英晶片存在缺陷的多个缺陷区域(输出数据包括第一图像信息内存在缺陷的区域),提升石英晶片的缺陷定位效率,为进行石英晶片缺陷区域分析提供模块基础。
S30:通过图像采集装置,采集所述多个缺陷区域内的图像,获得多个第二图像信息;
S40:将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合;
具体而言,利用图像采集装置,采集所述多个缺陷区域内的图像,获得第二图像信息;构建石英晶片缺陷数量分析模型,将所述多个第二图像信息作为输入数据,输入石英晶片缺陷数量分析模型内进行缺陷数量分析,获得包括多类缺陷(多类缺陷包括不同大小的裂纹、不同大小的划痕、不同大小的缺口等)数量的数量信息集合,为进行外观质量评估提供数据支持。
步骤S40包括步骤:
S41:根据历史时间内进行石英晶片外观质量检测的数据,获取历史第二图像信息集合;
S42:对所述历史第二图像信息集合内历史第二图像信息中不同大小的多类缺陷进行标记,获得多个历史数量信息集合;
S43:采用所述历史第二图像信息集合和多个历史数量信息集合作为构建数据,基于卷积神经网络,构建并监督训练获得准确率符合预设要求的所述石英晶片缺陷数量分析模型;
S44:将所述多个第二图像信息输入所述石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的所述数量信息集合。
具体而言,构建石英晶片缺陷数量分析模型,具体包括:在外观质量评估系统的数据存储单元中,以缺陷数量为检索内容,对历史时间(历史时间可以是上一个自然月)内的石英晶片外观质量检测的数据进行数据检索提取,获取历史第二图像信息集合;所述历史第二图像信息中包括不同大小的多类缺陷(多类缺陷可以按照种类分为裂纹、划痕、缺口,可以使用红色标记裂纹、黄色标记划痕、绿色标记缺口,标记大小与裂纹/划痕/缺口大小等比例),对存在的多类缺陷进行突出标记,获得多个历史数量信息集合;
采用所述历史第二图像信息集合和多个历史数量信息集合作为构建数据,具体包括:以卷积神经网络为模型基础,采用所述历史第二图像信息集合和多个历史数量信息集合,对所述石英晶片缺陷数量分析模型进行迭代监督训练和验证(过程与石英晶片缺陷区域分析模型一致,不做重复性说明),构建并监督训练获得准确率符合预设要求的所述石英晶片缺陷数量分析模型;
将多个第二图像信息作为输入数据,依次输入所述石英晶片缺陷数量分析模型进行缺陷数量分析,获得包括多类缺陷数量(相同颜色且标记大小的缺陷,为一类缺陷)的所述数量信息集合,提升石英晶片的缺陷数据统计效率,为进行缺陷数量分析提供模块基础。
S50:根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分;
步骤S50包括步骤:
S51:根据多种缺陷类型,构建多个一级索引信息;
S52:根据不同大小的所述多种缺陷类型的缺陷,构建多个二级索引信息;
S53:对不同大小的所述多种缺陷类型的缺陷设置多个缺陷评分,结合所述多个一级索引信息和多个二级索引信息,构建获得所述缺陷评分表;
S54:根据所述数量信息集合和所述缺陷评分表,计算获得多种缺陷类型的多个总缺陷评分。
具体而言,根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分,具体包括:根据多种缺陷类型,构建多个一级索引信息,所述多个一级索引信息可以裂纹、划痕、缺口;根据不同大小的所述多种缺陷类型的缺陷,构建多个二级索引信息,所述多个二级索引信息一级、二级、三级大小的裂纹、划痕、缺口;对不同大小的所述多种缺陷类型的缺陷设置多个缺陷评分(一级、二级、三级大小的裂纹、划痕、缺口对应不同的缺陷评分,若同属于缺口,则缺口尺寸越大,评分越大),将所述多个一级索引信息作为一级标题;将多个二级索引信息作为二级标题,构建获得所述缺陷评分表;依照所述数量信息集合和所述缺陷评分表,对多种缺陷类型进行缺陷量化打分,获得多种缺陷类型的多个总缺陷评分,为保证缺陷量化标准的合规性提供基础。
S60:将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果。
步骤S60包括步骤:
S61:根据历史时间内进行石英晶片外观质量检测的数据,获取多个样本总缺陷评分集合;
S62:根据所述多个样本总缺陷评分集合进行质量评估,获得多个样本外观质量评估结果;
S63:基于所述多种缺陷类型的总缺陷评分,构建外观质量评估坐标系;
S64:将所述多个样本总缺陷评分集合分别输入所述外观质量评估坐标系,获得多个样本坐标点,并采用所述多个样本外观质量评估结果对所述多个样本坐标点进行标记,获得所述外观质量评估模型;
S65:将所述多个总缺陷评分输入外观质量评估模型,获得所述目标石英晶片的外观质量评估结果。
具体而言,构建外观质量评估模型,将所述多个总缺陷评分作为输入数据,输入外观质量评估模型内进行外观质量评估,获得所述目标石英晶片的外观质量评估结果;
构建外观质量评估模型,具体包括:在外观质量评估系统的数据存储单元中,以缺陷评分为检索内容,对历史时间(历史时间可以是上一个自然月)内的石英晶片外观质量检测的数据进行数据检索提取,获取多个样本总缺陷评分集合(目标石英晶片的规格、材质、形状与历史时间内样本石英晶片的规格、材质、形状一致),所述多个样本总缺陷评分集合包括多个样本石英晶片的缺陷评分数据;
根据所述多个样本总缺陷评分集合进行质量评估(质量评估:如按照评分进行评级,缺陷评分越高,外观质量等级越低,质量越差),获得多个样本外观质量评估结果;基于所述多种缺陷类型的总缺陷评分,构建外观质量评估坐标系,构建一坐标系,将裂纹的总缺陷评分定义为坐标系的横坐标信息,将划痕的总缺陷评分定义为坐标系的横坐标信息,将缺口的总缺陷评分定义为坐标系的纵坐标信息,生成外观质量评估坐标系;
将所述多个样本总缺陷评分集合依照坐标轴类型分别输入所述外观质量评估坐标系,获得多个样本坐标点,并采用所述多个样本外观质量评估结果对所述多个样本坐标点进行标记(若第一样本外观质量评估结果为所述多个样本外观质量评估结果中的任意一项,第一样本坐标点为所述多个样本坐标点中的任意一项,在进行标记过程中,在第一样本外观质量评估结果、第一样本坐标点属同一样本石英晶片情况下,采用第一样本外观质量评估结果标记在第一样本坐标点),完成标记后,获得所述外观质量评估模型;
将所述多个总缺陷评分作为输入数据,输入外观质量评估模型,获得外观质量评估结果,维护外观质量评估的客观性,为进行石英晶片的外观质量评估提供模块基础。
如图3所示,步骤S65包括步骤:
S651:将所述多个总缺陷评分输入所述外观质量评估模型内的所述外观质量评估坐标系内,获得目标坐标点;
S652:获取所述目标坐标点最接近的K个样本坐标点,其中,K为奇数;
S653:获取所述K个样本坐标点对应的K个样本外观质量评估结果;
S654:将所述K个样本外观质量评估结果中出现频率最高的样本外观质量评估结果作为所述目标石英晶片的外观质量评估结果。
具体而言,将所述多个总缺陷评分输入外观质量评估模型,获得所述目标石英晶片的外观质量评估结果,具体包括:依照坐标轴类型,将所述多个总缺陷评分输入所述外观质量评估模型内的所述外观质量评估坐标系内,获得目标坐标点;获取所述目标坐标点最接近(将所述目标坐标点作为球心,以球体形式向外延伸,最早接触到球体表面的多个坐标点即为K个样本坐标点)的K个样本坐标点,其中,K为奇数(若K为偶数,可以适度调整球体向外延伸的半径,使样本坐标点的数量满足奇数);依照K个样本坐标点进行反向数据提取,获取所述K个样本坐标点对应的K个样本外观质量评估结果;将所述K个样本外观质量评估结果中出现频率最高的样本外观质量评估结果作为所述目标石英晶片的外观质量评估结果,为代入外观质量评估模型内的所述外观质量评估坐标系进行外观质量评估提供参考。
综上所述,本申请实施例所提供的一种石英晶片的外观质量评估方法及系统具有如下技术效果:
1.由于采用了采集获得第一图像信息,输入石英晶片缺陷区域分析模型内,获得目标石英晶片存在缺陷的多个缺陷区域;采集多个缺陷区域内的图像,获得多个第二图像信息,输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合,结合预构建的缺陷评分表,计算获得多类缺陷的多个总缺陷评分;将多个总缺陷评分输入外观质量评估模型内,获得目标石英晶片的外观质量评估结果,本申请通过提供了一种石英晶片的外观质量评估方法及系统,实现了依照裂纹、划痕、缺口等外观缺陷信息,综合进行外观质量评分,提升石英晶片的外观检测精度,为最大限度的保障产出的石英晶片性能提供支持的技术效果。
2.由于采用了将多个总缺陷评分输入外观质量评估坐标系内,获得目标坐标点;获取最接近的K个样本坐标点;获取K个样本外观质量评估结果;将K个样本外观质量评估结果中出现频率最高的样本外观质量评估结果作为外观质量评估结果,为代入外观质量评估模型内的外观质量评估坐标系进行外观质量评估提供参考。
实施例二:
基于与前述实施例中一种石英晶片的外观质量评估方法相同的发明构思,如图4所示,本申请实施例提供了一种石英晶片的外观质量评估系统,其中,所述系统包括:
第一图像采集模块100,用于通过图像采集装置,采集待进行外观质量评估的目标石英晶片的图像,获得第一图像信息;
缺陷区域分析模块200,用于将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域;
第二图像采集模块300,用于通过图像采集装置,采集所述多个缺陷区域内的图像,获得多个第二图像信息;
缺陷数量分析模块400,用于将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合;
总缺陷评分获得模块500,用于根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分;
外观质量评估结果获得模块600,用于将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果。
进一步的,所述系统包括:
历史第一图像信息获取模块,用于根据历史时间内进行石英晶片外观质量检测的数据,获取历史第一图像信息集合;
缺陷区域标记模块,用于对所述历史第一图像信息集合内的历史第一图像信息划分为多个区域,并标记出存在缺陷的区域,获得多个历史缺陷区域集合;
缺陷区域分析模型构建模块,用于采用所述历史第一图像信息集合以及多个历史缺陷区域集合,构建所述石英晶片缺陷区域分析模型;
缺陷区域获取模块,用于将所述第一图像信息输入所述石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域。
进一步的,所述系统包括:
第一图像信息输出模块,用于基于卷积神经网络,构建所述石英晶片缺陷区域分析模型,其中,所述石英晶片缺陷区域分析模型的输入数据为第一图像信息,输出数据包括第一图像信息内存在缺陷的区域;
第一训练模块,用于采用所述历史第一图像信息集合和多个历史缺陷区域集合,对所述石英晶片缺陷区域分析模型进行迭代监督训练和验证,获得准确率符合预设要求的所述石英晶片缺陷区域分析模型。
进一步的,所述系统包括:
历史第二图像信息获取模块,用于根据历史时间内进行石英晶片外观质量检测的数据,获取历史第二图像信息集合;
多类缺陷标记模块,用于对所述历史第二图像信息集合内历史第二图像信息中不同大小的多类缺陷进行标记,获得多个历史数量信息集合;
第二训练模块,用于采用所述历史第二图像信息集合和多个历史数量信息集合作为构建数据,基于卷积神经网络,构建并监督训练获得准确率符合预设要求的所述石英晶片缺陷数量分析模型;
缺陷数量标记模块,用于将所述多个第二图像信息输入所述石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的所述数量信息集合。
进一步的,所述系统包括:
一级索引信息构建模块,用于根据多种缺陷类型,构建多个一级索引信息;
二级索引信息构建模块,用于根据不同大小的所述多种缺陷类型的缺陷,构建多个二级索引信息;
缺陷评分表构建模块,用于对不同大小的所述多种缺陷类型的缺陷设置多个缺陷评分,结合所述多个一级索引信息和多个二级索引信息,构建获得所述缺陷评分表;
总缺陷评分获取模块,用于根据所述数量信息集合和所述缺陷评分表,计算获得多种缺陷类型的多个总缺陷评分。
进一步的,所述系统包括:
样本总缺陷评分集合获取模块,用于根据历史时间内进行石英晶片外观质量检测的数据,获取多个样本总缺陷评分集合;
质量评估模块,用于根据所述多个样本总缺陷评分集合进行质量评估,获得多个样本外观质量评估结果;
外观质量评估坐标系构建模块,用于基于所述多种缺陷类型的总缺陷评分,构建外观质量评估坐标系;
样本坐标点标记模块,用于将所述多个样本总缺陷评分集合分别输入所述外观质量评估坐标系,获得多个样本坐标点,并采用所述多个样本外观质量评估结果对所述多个样本坐标点进行标记,获得所述外观质量评估模型;
外观质量评估结果获得模块,用于将所述多个总缺陷评分输入外观质量评估模型,获得所述目标石英晶片的外观质量评估结果。
进一步的,所述系统包括:
目标坐标点获得模块,用于将所述多个总缺陷评分输入所述外观质量评估模型内的所述外观质量评估坐标系内,获得目标坐标点;
样本坐标点获取模块,用于获取所述目标坐标点最接近的K个样本坐标点,其中,K为奇数;
样本外观质量评估结果获取模块,用于获取所述K个样本坐标点对应的K个样本外观质量评估结果;
外观质量评估结果确定模块,用于将所述K个样本外观质量评估结果中出现频率最高的样本外观质量评估结果作为所述目标石英晶片的外观质量评估结果。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (5)
1.一种石英晶片的外观质量评估方法,其特征在于,所述方法包括:
通过图像采集装置,采集待进行外观质量评估的目标石英晶片的图像,获得第一图像信息;
将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域;
通过图像采集装置,采集所述多个缺陷区域内的图像,获得多个第二图像信息;
将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合;
根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分;
将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果;
其中,根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分,包括:
根据多种缺陷类型,构建多个一级索引信息;
根据不同大小的所述多种缺陷类型的缺陷,构建多个二级索引信息;
对不同大小的所述多种缺陷类型的缺陷设置多个缺陷评分,结合所述多个一级索引信息和多个二级索引信息,构建获得所述缺陷评分表;
根据所述数量信息集合和所述缺陷评分表,计算获得多种缺陷类型的多个总缺陷评分;
其中,将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果,包括:
根据历史时间内进行石英晶片外观质量检测的数据,获取多个样本总缺陷评分集合;
根据所述多个样本总缺陷评分集合进行质量评估,获得多个样本外观质量评估结果;
基于所述多种缺陷类型的总缺陷评分,构建外观质量评估坐标系;
将所述多个样本总缺陷评分集合分别输入所述外观质量评估坐标系,获得多个样本坐标点,并采用所述多个样本外观质量评估结果对所述多个样本坐标点进行标记,获得所述外观质量评估模型;
将所述多个总缺陷评分输入外观质量评估模型,获得所述目标石英晶片的外观质量评估结果;
其中,将所述多个总缺陷评分输入外观质量评估模型,获得所述目标石英晶片的外观质量评估结果,包括:
将所述多个总缺陷评分输入所述外观质量评估模型内的所述外观质量评估坐标系内,获得目标坐标点;
获取所述目标坐标点最接近的K个样本坐标点,其中,K为奇数;
获取所述K个样本坐标点对应的K个样本外观质量评估结果;
将所述K个样本外观质量评估结果中出现频率最高的样本外观质量评估结果作为所述目标石英晶片的外观质量评估结果。
2.根据权利要求1所述的方法,其特征在于,将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域,包括:
根据历史时间内进行石英晶片外观质量检测的数据,获取历史第一图像信息集合;
对所述历史第一图像信息集合内的历史第一图像信息划分为多个区域,并标记出存在缺陷的区域,获得多个历史缺陷区域集合;
采用所述历史第一图像信息集合以及多个历史缺陷区域集合,构建所述石英晶片缺陷区域分析模型;
将所述第一图像信息输入所述石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域。
3.根据权利要求2所述的方法,其特征在于,采用所述历史第一图像信息集合以及多个历史缺陷区域集合,构建所述石英晶片缺陷区域分析模型,包括:
基于卷积神经网络,构建所述石英晶片缺陷区域分析模型,其中,所述石英晶片缺陷区域分析模型的输入数据为第一图像信息,输出数据包括第一图像信息内存在缺陷的区域;
采用所述历史第一图像信息集合和多个历史缺陷区域集合,对所述石英晶片缺陷区域分析模型进行迭代监督训练和验证,获得准确率符合预设要求的所述石英晶片缺陷区域分析模型。
4.根据权利要求1所述的方法,其特征在于,将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合,包括:
根据历史时间内进行石英晶片外观质量检测的数据,获取历史第二图像信息集合;
对所述历史第二图像信息集合内历史第二图像信息中不同大小的多类缺陷进行标记,获得多个历史数量信息集合;
采用所述历史第二图像信息集合和多个历史数量信息集合作为构建数据,基于卷积神经网络,构建并监督训练获得准确率符合预设要求的所述石英晶片缺陷数量分析模型;
将所述多个第二图像信息输入所述石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的所述数量信息集合。
5.一种石英晶片的外观质量评估系统,其特征在于,用于实施权利要求1-4任一一项所述的一种石英晶片的外观质量评估方法,包括:
第一图像采集模块,用于通过图像采集装置,采集待进行外观质量评估的目标石英晶片的图像,获得第一图像信息;
缺陷区域分析模块,用于将所述第一图像信息输入石英晶片缺陷区域分析模型内,获得所述目标石英晶片存在缺陷的多个缺陷区域;
第二图像采集模块,用于通过图像采集装置,采集所述多个缺陷区域内的图像,获得多个第二图像信息;
缺陷数量分析模块,用于将所述多个第二图像信息输入石英晶片缺陷数量分析模型内,获得包括多类缺陷数量的数量信息集合;
总缺陷评分获得模块,用于根据所述数量信息集合,结合预构建的缺陷评分表,计算获得所述多类缺陷的多个总缺陷评分;
外观质量评估结果获得模块,用于将所述多个总缺陷评分输入外观质量评估模型内,获得所述目标石英晶片的外观质量评估结果;
一级索引信息构建模块,用于根据多种缺陷类型,构建多个一级索引信息;
二级索引信息构建模块,用于根据不同大小的所述多种缺陷类型的缺陷,构建多个二级索引信息;
缺陷评分表构建模块,用于对不同大小的所述多种缺陷类型的缺陷设置多个缺陷评分,结合所述多个一级索引信息和多个二级索引信息,构建获得所述缺陷评分表;
总缺陷评分获取模块,用于根据所述数量信息集合和所述缺陷评分表,计算获得多种缺陷类型的多个总缺陷评分;
样本总缺陷评分集合获取模块,用于根据历史时间内进行石英晶片外观质量检测的数据,获取多个样本总缺陷评分集合;
质量评估模块,用于根据所述多个样本总缺陷评分集合进行质量评估,获得多个样本外观质量评估结果;
外观质量评估坐标系构建模块,用于基于所述多种缺陷类型的总缺陷评分,构建外观质量评估坐标系;
样本坐标点标记模块,用于将所述多个样本总缺陷评分集合分别输入所述外观质量评估坐标系,获得多个样本坐标点,并采用所述多个样本外观质量评估结果对所述多个样本坐标点进行标记,获得所述外观质量评估模型;
外观质量评估结果获得模块,用于将所述多个总缺陷评分输入外观质量评估模型,获得所述目标石英晶片的外观质量评估结果;
目标坐标点获得模块,用于将所述多个总缺陷评分输入所述外观质量评估模型内的所述外观质量评估坐标系内,获得目标坐标点;
样本坐标点获取模块,用于获取所述目标坐标点最接近的K个样本坐标点,其中,K为奇数;
样本外观质量评估结果获取模块,用于获取所述K个样本坐标点对应的K个样本外观质量评估结果;
外观质量评估结果确定模块,用于将所述K个样本外观质量评估结果中出现频率最高的样本外观质量评估结果作为所述目标石英晶片的外观质量评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310145587.4A CN115830030B (zh) | 2023-02-22 | 2023-02-22 | 一种石英晶片的外观质量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310145587.4A CN115830030B (zh) | 2023-02-22 | 2023-02-22 | 一种石英晶片的外观质量评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830030A CN115830030A (zh) | 2023-03-21 |
CN115830030B true CN115830030B (zh) | 2023-05-05 |
Family
ID=85522020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310145587.4A Active CN115830030B (zh) | 2023-02-22 | 2023-02-22 | 一种石英晶片的外观质量评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830030B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229126B (zh) * | 2023-05-09 | 2023-07-25 | 日照皓诚电子科技有限公司 | 一种石英晶体镀膜智能检测方法、系统、设备及介质 |
CN117151551B (zh) * | 2023-10-31 | 2024-02-06 | 江苏富松模具科技有限公司 | 一种定转子矽钢片的冲压质量管理方法及系统 |
CN117549205B (zh) * | 2024-01-11 | 2024-04-02 | 东晶电子金华有限公司 | 一种石英晶片的抛光方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706490A (zh) * | 2021-08-19 | 2021-11-26 | 中科苏州智能计算技术研究院 | 一种晶片缺陷检测方法 |
CN114926462A (zh) * | 2022-07-19 | 2022-08-19 | 苏州翔楼新材料股份有限公司 | 一种金属材料表面缺陷的智能检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3715150B2 (ja) * | 1998-10-27 | 2005-11-09 | 株式会社日立製作所 | 画像自動収集装置およびその方法 |
CN110209928A (zh) * | 2019-04-28 | 2019-09-06 | 平安科技(深圳)有限公司 | 一种信息推荐方法、装置及存储介质 |
CN115600933B (zh) * | 2022-12-13 | 2023-03-21 | 浙江万胜智能科技股份有限公司 | 一种基于物联网的电表电能质量检测方法及系统 |
-
2023
- 2023-02-22 CN CN202310145587.4A patent/CN115830030B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706490A (zh) * | 2021-08-19 | 2021-11-26 | 中科苏州智能计算技术研究院 | 一种晶片缺陷检测方法 |
CN114926462A (zh) * | 2022-07-19 | 2022-08-19 | 苏州翔楼新材料股份有限公司 | 一种金属材料表面缺陷的智能检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115830030A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115830030B (zh) | 一种石英晶片的外观质量评估方法及系统 | |
US7720647B2 (en) | System and method for filtering a point cloud | |
US20090048782A1 (en) | System and method for filtering a point cloud | |
US8312401B2 (en) | Method for smart defect screen and sample | |
WO2020107712A1 (zh) | 基于用户数据实现天线方位角纠偏的方法 | |
CN112216356A (zh) | 一种基于机器学习的高熵合金硬度预测方法 | |
US10719655B2 (en) | Method and system for quickly diagnosing, classifying, and sampling in-line defects based on CAA pre-diagnosis database | |
CN105868534A (zh) | 一种基于多目标优化抽样的水文模型不确定性分析方法 | |
Duncan et al. | E cient approximation and optimization algorithms for computational metrology | |
CN105843870B (zh) | 重复性和再现性的分析方法及其应用 | |
CN111445320B (zh) | 目标社群识别方法、装置、计算机设备及存储介质 | |
CN102683165A (zh) | 智能缺陷筛选及取样方法 | |
CN105956159A (zh) | 一种评价图像质量客观方法综合效率的算法 | |
CN106815830A (zh) | 图像的缺陷检测方法 | |
CN108830444A (zh) | 一种探空观测数据的评估和修正方法及装置 | |
CN111581197B (zh) | 对数据集中的数据表进行抽样和校验的方法及装置 | |
CN104809336B (zh) | 一种考虑空间相关性的区域要素抽样方法 | |
US20060126917A1 (en) | Method and system for measuring geometrical characters of a figure | |
CN116319255A (zh) | 一种基于kpi的根因定位方法、装置、设备及存储介质 | |
CN116307858A (zh) | 测绘成果质量检查与评分系统 | |
CN112630793B (zh) | 一种确定平面异常点的方法和相关装置 | |
Fisher et al. | The road to quality control: the industrial application of statistical quality control by Homer M. Sarasohn | |
CN112328951B (zh) | 一种分析样品的实验数据的处理方法 | |
CN108764609A (zh) | 一种基于多源制造工艺信息的固有可靠性评估方法 | |
CN103364023A (zh) | 一种基于总体最小二乘的仪表图像中心点提取方法 |
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 |