CN115858632A - 一种氧化镓晶片检测装置的检测方法以及数据处理方法 - Google Patents
一种氧化镓晶片检测装置的检测方法以及数据处理方法 Download PDFInfo
- Publication number
- CN115858632A CN115858632A CN202310166138.8A CN202310166138A CN115858632A CN 115858632 A CN115858632 A CN 115858632A CN 202310166138 A CN202310166138 A CN 202310166138A CN 115858632 A CN115858632 A CN 115858632A
- Authority
- CN
- China
- Prior art keywords
- gallium oxide
- time period
- wafer detection
- detection device
- result
- 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.)
- Granted
Links
Images
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明公开了一种氧化镓晶片检测装置的检测方法以及数据处理方法,属于半导体检测技术领域,本发明通过趋势走向分析处理实现了对集成性氧化镓晶片检测装置的突发性异常检测,相较于现有氧化镓晶片检测装置的检测方式,本发明实时性较高,且有利于发现集成性氧化镓晶片检测装置因内外部因素而导致检测组件产生的细微变化进而引发的突发性检测误差或错误,从而有利于辅助工作人员实现对集成性氧化镓晶片检测装置的及时矫正,进而满足生产企业对集成性氧化镓晶片检测装置高准确性、高可靠性的运行需求;本发明针对集成性氧化镓晶片检测装置的复杂性构建溯源数据库,有利于实现异常组件快速定位,进一步提高集成性氧化镓晶片检测装置的检测效率。
Description
技术领域
本发明涉及半导体检测技术领域,尤其涉及一种氧化镓晶片检测装置的检测方法以及数据处理方法。
背景技术
氧化镓别名三氧化二镓,是一种宽禁带半导体,其导电性能和发光特性长期以来一直引起人们的注意,是一种透明的氧化物半导体材料,其在光电子器件方面有广阔的应用前景,这也使得对氧化镓晶片的检测需求日益凸显;为了提高检测效率,同样氧化镓晶片检测装置也正逐步朝集成化发展;通过集成化的氧化镓晶片检测装置对氧化镓晶片进行尺寸、颜色、杂质、结构、电性能和光学性能等方面的多层次检测,能够确保氧化镓晶片的质量、性能和可靠性;然而现有的集成性氧化镓晶片检测装置易受内外部因素影响(如温度、湿度、设备使用时间等)致使氧化镓晶片检测装置发生突发性变化(如尺寸测量部件发生位置偏移、激光检测部件发生亮度弱化等);这些情况的突然发生易造成集成性氧化镓晶片检测结果不准确或产生误差,进而影响氧化镓晶片的生产效率、成本和产量;因此,如何对集成性的氧化镓晶片检测装置进行实时有效检测,以保证集成性氧化镓晶片检测装置的可靠性,进而保证集成性氧化镓晶片检测装置检测结果的精度和准确性就成为了当前研究重点。
当前,缺乏针对集成性氧化镓晶片检测装置的检测方式和手段,目前现有的集成性氧化镓晶片检测装置的检测方法大多通过人工定期对检测装置维护实现或通过传感器方式实现;人工定期检测方式虽然实施性较高,但此类方法实时性较低,费时费力;而布设传感器方式虽然实时性较高,但现有传感器难以发现集成性氧化镓晶片检测装置因内外部因素而导致检测组件产生的细微变化,进而引发的突发性检测误差或错误,从而难以实现对集成性的氧化镓晶片检测装置的及时矫正,进而无法满足生产企业对集成性氧化镓晶片检测装置高准确性、高可靠性的运行需求;此外,现有的集成性氧化镓晶片检测装置缺乏简单有效的数据处理方法,无法针对集成性氧化镓晶片检测装置的细微变化组件进行快速溯源,从而进一步降低了氧化镓晶片检测装置的检测效率。
因此,亟需发明一种氧化镓晶片检测装置的数据处理方法以解决上述问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷,而提出的一种氧化镓晶片检测装置的检测方法以及数据处理方法。
为了实现上述目的,本发明采用了如下技术方案:
一种氧化镓晶片检测装置的检测方法以及数据处理方法,该检测方法以及数据处理方法具体步骤如下:
步骤1:按照时间序列实时采集集成性氧化镓晶片检测装置的晶片检测数据;所述晶片检测数据包括图像类型和数值类型;
步骤2:提取满足时间序列的所述晶片检测数据,并针对其进行趋势走向分析处理,以获取趋势走向分析处理结果;
步骤3:判断所述趋势走向分析处理结果是否满足预设条件,以形成突发性异常结果;
步骤4:根据突发性结果提取对应时间序列的所述晶片检测数据,并根据其进行异常组件数据处理,以实现对所述集成性氧化镓晶片检测装置中异常组件的溯源,并生成溯源结果;
步骤5:根据所述溯源结果形成检测预警信息,同时将其进行可视化显示反馈,以实现工作人员对所述集成性氧化镓晶片检测装置中异常组件进行及时矫正。
进一步地,还包括:
针对图像类型的所述晶片检测数据进行数字化转换,以将图像类型的所述晶片检测数据数值化。
进一步地,所述趋势走向分析处理的具体过程如下:
将时间序列的所述晶片检测数据按照时间顺序划分,以获取至少三个时间段的所述晶片检测数据,分别标记为st1、st2和st3;
分别获取st1、st2和st3时间段的所述晶片检测数据的中位值ZW1、ZW2和ZW3;
分别根据所述中位值ZW1、ZW2和ZW3对st1、st2和st3时间段的所述晶片检测数据进行最小平稳值和最大平稳值求取,分别得到st1时间段的最小平稳值和最大平稳值、st2时间段的最小平稳值/>和最大平稳值/>、st3时间段的最小平稳值/>和最大平稳值/>,以得到趋势走向分析处理结果。
进一步地,所述预设条件包含正向条件、负向条件和其他条件;
所述其他条件是指不满足所述正向条件和负向条件中代式关系的任一情况。
进一步地,所述步骤3的具体步骤如下:
提取趋势走向分析处理结果,将其与所述预设条件进行关系判断;
若所述关系判断结果为满足正向条件或负向条件,则判断所述集成性氧化镓晶片检测装置中存在异常组件,即形成突发性异常结果;
若所述关系判断结果为满足其他条件,则判断所述集成性氧化镓晶片检测装置中不存在异常组件。
进一步地,所述异常组件数据处理的具体步骤如下:
获取所述突发性异常结果,同时根据突发性异常结果提取对应时间序列的所述晶片检测数据;
提取对应时间序列所述晶片检测数据中的溯源基础信息,所述溯源基础信息包括数值范围和单位类型;
将所述溯源基础信息输入预设溯源数据库进行搜索,获取对应异常组件的溯源结果信息;所述溯源结果信息包括所述对应异常组件的名称和定位。
进一步地,所述溯源数据库的具体构建过程如下:
获取集成性氧化镓晶片检测装置中每个组件的基本信息;
构建二维表,同时将每个组件的所述基本信息进行二维划分,形成属性-名称二维表;
同时针对属性-名称二维表中的每个组件生成若干个页面链接,同时针对每个页面链接输入每个组件的定位信息,以生成溯源数据库。
相比于现有技术,本发明的有益效果在于:
(1)本申请公开了一种氧化镓晶片检测装置的检测方法以及数据处理方法,其通过趋势走向分析处理实现了对集成性氧化镓晶片检测装置的突发性异常检测,相较于现有氧化镓晶片检测装置的检测方式和手段,本发明实时性较高,且有利于发现集成性氧化镓晶片检测装置因内外部因素而导致检测组件产生的细微变化进而引发的突发性检测误差或错误,从而有利于辅助工作人员实现对集成性氧化镓晶片检测装置的及时矫正,进而满足生产企业对集成性氧化镓晶片检测装置高准确性、高可靠性的运行需求。
(2)本申请公开了一种氧化镓晶片检测装置的检测方法以及数据处理方法,针对集成性氧化镓晶片检测装置的复杂性,通过预构建溯源数据库实现了对异常组件的快速溯源,弥补了现有集成性氧化镓晶片检测装置数据处理时效较低,无法快速进行异常组件定位的缺点,进而有利于进一步提高集成性氧化镓晶片检测装置的检测效率。
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。
图1为本发明提出的一种氧化镓晶片检测装置的检测方法以及数据处理方法的整体流程图。
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。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例一
请参阅图1所示,本实施例提供了一种氧化镓晶片检测装置的检测方法以及数据处理方法,该检测方法以及数据处理方法具体步骤如下:
步骤1:按照时间序列实时采集集成性氧化镓晶片检测装置的晶片检测数据;所述晶片检测数据包括图像类型和数值类型;
在这需要说明一点的是:该晶片检测数据包括但不限于尺寸检测数据、亮度检测数据、杂质检测数据、结构检测数据、电阻检测数据等等;
具体的,还包括:
针对图像类型的所述晶片检测数据进行数字化转换,以将图像类型的所述晶片检测数据数值化。
步骤2:提取满足时间序列的所述晶片检测数据,并针对其进行趋势走向分析处理,以获取趋势走向分析处理结果;
具体的,所述趋势走向分析处理的具体过程如下:
将时间序列的所述晶片检测数据按照时间顺序划分,以获取至少三个时间段的所述晶片检测数据,分别标记为st1、st2和st3;
分别获取st1、st2和st3时间段的所述晶片检测数据的中位值ZW1、ZW2和ZW3;
分别根据所述中位值ZW1、ZW2和ZW3对st1、st2和st3时间段的所述晶片检测数据进行最小平稳值和最大平稳值求取,分别得到st1时间段的最小平稳值和最大平稳值、st2时间段的最小平稳值/>和最大平稳值/>、st3时间段的最小平稳值/>和最大平稳值/>,以得到趋势走向分析处理结果;
具体的,分别根据所述中位值ZW1、ZW2和ZW3对st1、st2和st3时间段的所述晶片检测数据进行最小平稳值和最大平稳值求取的步骤如下:
分别根据中位值ZW1、ZW2将st1、st2和st3时间段的所述晶片检测数据划分为低区间数值数据和高区间数据;
分别获取st1、st2和st3时间段的低区间数值数据和高区间数据,分别利用下(1)式和(2)式进行低、高区间的平均值求取,以获取st1、st2和st3时间段的所述晶片检测数据进行最小平稳值和最大平稳值,其(1)公式如下;式中:*为a、b、c;dx表式低区间数值数据,m表示低区间数值数据个数;其(2)公式如下;式中:*为a、b、c;gx表式高区间数值数据,n表示高区间数值数据个数。
步骤3:判断所述趋势走向分析处理结果是否满足预设条件,以形成突发性异常结果;
具体的,所述预设条件包含正向条件、负向条件和其他条件;
在这需要说明一点的是:上述举例情况仅代表其他条件中一种情况,任一不满足正向条件和负向条件中代式关系的趋势走向分析处理结果均属于其他条件。
具体的,所述步骤3的具体步骤如下:
提取趋势走向分析处理结果,将其与所述预设条件进行关系判断;
若所述关系判断结果为满足正向条件或负向条件,则判断所述集成性氧化镓晶片检测装置中存在异常组件,即形成突发性异常结果;
若所述关系判断结果为满足其他条件,则判断所述集成性氧化镓晶片检测装置中不存在异常组件。
步骤4:根据突发性结果提取对应时间序列的所述晶片检测数据,并根据其进行异常组件数据处理,以实现对所述集成性氧化镓晶片检测装置中异常组件的溯源,并生成溯源结果;
具体的,所述异常组件数据处理的具体步骤如下:
获取所述突发性异常结果,同时根据突发性异常结果提取对应时间序列的所述晶片检测数据;
提取对应时间序列所述晶片检测数据中的溯源基础信息,所述溯源基础信息包括数值范围和单位类型;
将所述溯源基础信息输入预设溯源数据库进行搜索,获取对应异常组件的溯源结果信息;所述溯源结果信息包括所述对应异常组件的名称和定位。
具体的,该溯源数据库搜索过程如下:
提取所述溯源基础信息中的数值范围和单位类型;
根据所述数值范围和单位类型对溯源数据库进行遍历匹配;
在这需要说明的是:若匹配一致,则溯源数据库输出对应异常组件的名称以及页面链接。
具体的,所述溯源数据库的具体构建过程如下:
获取集成性氧化镓晶片检测装置中每个组件的基本信息;
构建二维表,同时将每个组件的所述基本信息进行二维划分,形成属性-名称二维表;
同时针对属性-名称二维表中的每个组件生成若干个页面链接,同时针对每个页面链接输入每个组件的定位信息,以生成溯源数据库。
步骤5:根据所述溯源结果形成检测预警信息,同时将其进行可视化显示反馈,以实现工作人员对所述集成性氧化镓晶片检测装置中异常组件进行及时矫正。
实施例二
基于上述第一实施例,请参阅图1所示,为方便技术理解,在本实施例中人为设定集成性氧化镓晶片检测装置中的尺寸测量组件发生突发性的位置偏移导致氧化镓晶片尺寸测量产生细微误差;
一种氧化镓晶片检测装置的检测方法以及数据处理方法,该检测方法以及数据处理方法具体步骤如下:
步骤1:按照时间序列实时采集集成性氧化镓晶片检测装置的晶片检测数据;所述晶片检测数据包括图像类型和数值类型;
在本实施例需要说明一点的是:该晶片检测数据具体为数值类型的尺寸检测数据;
步骤2:提取满足时间序列的所述尺寸检测数据,并针对其进行趋势走向分析处理,以获取趋势走向分析处理结果;
具体的,所述趋势走向分析处理的具体过程如下:
将时间序列的所述尺寸检测数据按照时间顺序划分,以获取至少三个时间段的所述尺寸检测数据,分别标记为st1、st2和st3;
分别获取st1、st2和st3时间段的所述尺寸检测数据的中位值ZW1、ZW2和ZW3;
分别根据所述中位值ZW1、ZW2和ZW3对st1、st2和st3时间段的所述尺寸检测数据进行最小平稳值和最大平稳值求取,分别得到st1时间段的最小平稳值和最大平稳值、st2时间段的最小平稳值/>和最大平稳值/>、st3时间段的最小平稳值/>和最大平稳值/>,以得到趋势走向分析处理结果。
步骤3:判断所述趋势走向分析处理结果是否满足预设条件,以形成突发性异常结果;
在本实施例中,所述尺寸检测数据的趋势走向分析处理结果满足正向条件,即st1时间段时间段/>时间段/>时间段/>时间段时间段/>;并根据其判断所述集成性氧化镓晶片检测装置中存在异常组件,即形成突发性异常结果。
步骤4:根据突发性结果提取对应时间序列的所述晶片检测数据,并根据其进行异常组件数据处理,以实现对所述集成性氧化镓晶片检测装置中异常组件的溯源,并生成溯源结果;
在本实施例中,所述异常组件数据处理的具体步骤如下:
获取所述突发性异常结果,同时根据突发性异常结果提取对应时间序列的所述尺寸检测数据;
提取对应时间序列所述晶片检测数据中的溯源基础信息;
在本实施例中,所述溯源基础信息具体为尺寸数据数值范围和尺寸数据单位类型;
将所述溯源基础信息输入预设溯源数据库进行遍历搜索匹配,获取对应异常组件的溯源结果信息;
在本实施例中,所述溯源结果信息具体为尺寸测量组件的名称和定位。
步骤5:根据所述溯源结果形成检测预警信息,同时将其进行可视化显示反馈,以实现工作人员对所述集成性氧化镓晶片检测装置中异常组件进行及时矫正。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种氧化镓晶片检测装置的检测方法以及数据处理方法,其特征在于,该检测方法以及数据处理方法具体步骤如下:
步骤1:按照时间序列实时采集集成性氧化镓晶片检测装置的晶片检测数据;所述晶片检测数据包括图像类型和数值类型;
步骤2:提取满足时间序列的所述晶片检测数据,并针对其进行趋势走向分析处理,以获取趋势走向分析处理结果;
步骤3:判断所述趋势走向分析处理结果是否满足预设条件,以形成突发性异常结果;
步骤4:根据突发性结果提取对应时间序列的所述晶片检测数据,并根据其进行异常组件数据处理,以实现对所述集成性氧化镓晶片检测装置中异常组件的溯源,并生成溯源结果;
步骤5:根据所述溯源结果形成检测预警信息,同时将其进行可视化显示反馈,以实现工作人员对所述集成性氧化镓晶片检测装置中异常组件进行及时矫正。
2.根据权利要求1所述的一种氧化镓晶片检测装置的检测方法以及数据处理方法,其特征在于,还包括:
针对图像类型的所述晶片检测数据进行数字化转换,以将图像类型的所述晶片检测数据数值化。
3.根据权利要求2所述的一种氧化镓晶片检测装置的检测方法以及数据处理方法,其特征在于,所述趋势走向分析处理的具体过程如下:
将时间序列的所述晶片检测数据按照时间顺序划分,以获取至少三个时间段的所述晶片检测数据,分别标记为st1、st2和st3;
分别获取st1、st2和st3时间段的所述晶片检测数据的中位值ZW1、ZW2和ZW3;
5.根据权利要求4所述的一种氧化镓晶片检测装置的检测方法以及数据处理方法,其特征在于,所述步骤3的具体步骤如下:
提取趋势走向分析处理结果,将其与所述预设条件进行关系判断;
若所述关系判断的结果为满足正向条件或负向条件,则判断所述集成性氧化镓晶片检测装置中存在异常组件,即形成突发性异常结果;
若所述关系判断的结果为满足其他条件,则判断所述集成性氧化镓晶片检测装置中不存在异常组件。
6.根据权利要求5所述的一种氧化镓晶片检测装置的检测方法以及数据处理方法,其特征在于,所述异常组件数据处理的具体步骤如下:
获取所述突发性异常结果,同时根据突发性异常结果提取对应时间序列的所述晶片检测数据;
提取对应时间序列所述晶片检测数据中的溯源基础信息,所述溯源基础信息包括数值范围和单位类型;
将所述溯源基础信息输入预设溯源数据库进行搜索,获取对应异常组件的溯源结果信息;所述溯源结果信息包括所述对应异常组件的名称和定位。
7.根据权利要求6所述的一种氧化镓晶片检测装置的检测方法以及数据处理方法,其特征在于,所述溯源数据库的具体构建过程如下:
获取集成性氧化镓晶片检测装置中每个组件的基本信息;
构建二维表,同时将每个组件的所述基本信息进行二维划分,形成属性-名称二维表;
同时针对属性-名称二维表中的每个组件生成若干个页面链接,同时针对每个页面链接输入每个组件的定位信息,以生成溯源数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310166138.8A CN115858632B (zh) | 2023-02-27 | 2023-02-27 | 一种氧化镓晶片检测装置的检测方法以及数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310166138.8A CN115858632B (zh) | 2023-02-27 | 2023-02-27 | 一种氧化镓晶片检测装置的检测方法以及数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115858632A true CN115858632A (zh) | 2023-03-28 |
CN115858632B CN115858632B (zh) | 2023-05-12 |
Family
ID=85658933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310166138.8A Active CN115858632B (zh) | 2023-02-27 | 2023-02-27 | 一种氧化镓晶片检测装置的检测方法以及数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115858632B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787817A (zh) * | 2024-02-28 | 2024-03-29 | 西安航科创星电子科技有限公司 | 一种基于导电铜浆的陶瓷片感电容器生产及溯源方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110161030A1 (en) * | 2009-12-31 | 2011-06-30 | Semiconductor Manufacturing International (Shanghai) Corporation | Method And Device For Monitoring Measurement Data In Semiconductor Process |
CN106470118A (zh) * | 2015-08-21 | 2017-03-01 | 睿石网云(北京)科技有限公司 | 一种应用系统性能异常检测方法和系统 |
WO2019241444A1 (en) * | 2018-06-12 | 2019-12-19 | The Regents Of The University Of California | Risk prediction of in-hospital cardiac arrests using continuous electrocardiographic telemetry monitoring data |
CN110619620A (zh) * | 2018-06-04 | 2019-12-27 | 杭州海康威视数字技术股份有限公司 | 导致表面缺陷的异常定位方法、装置、系统及电子设备 |
CN114218690A (zh) * | 2021-11-15 | 2022-03-22 | 国家能源(山东)新能源有限公司 | 风电机组的叶片断裂预警方法和装置 |
CN115307912A (zh) * | 2022-06-23 | 2022-11-08 | 中国南方航空股份有限公司 | 一种航空发动机燃油喷嘴积碳状态大数据检测系统 |
-
2023
- 2023-02-27 CN CN202310166138.8A patent/CN115858632B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110161030A1 (en) * | 2009-12-31 | 2011-06-30 | Semiconductor Manufacturing International (Shanghai) Corporation | Method And Device For Monitoring Measurement Data In Semiconductor Process |
CN106470118A (zh) * | 2015-08-21 | 2017-03-01 | 睿石网云(北京)科技有限公司 | 一种应用系统性能异常检测方法和系统 |
CN110619620A (zh) * | 2018-06-04 | 2019-12-27 | 杭州海康威视数字技术股份有限公司 | 导致表面缺陷的异常定位方法、装置、系统及电子设备 |
WO2019241444A1 (en) * | 2018-06-12 | 2019-12-19 | The Regents Of The University Of California | Risk prediction of in-hospital cardiac arrests using continuous electrocardiographic telemetry monitoring data |
CN114218690A (zh) * | 2021-11-15 | 2022-03-22 | 国家能源(山东)新能源有限公司 | 风电机组的叶片断裂预警方法和装置 |
CN115307912A (zh) * | 2022-06-23 | 2022-11-08 | 中国南方航空股份有限公司 | 一种航空发动机燃油喷嘴积碳状态大数据检测系统 |
Non-Patent Citations (2)
Title |
---|
HAN LI等: ""Trend extraction based on variable time window length median filter"", 《2010 CONFERENCE ON CONTROL AND FAULT-TOLERANT SYSTEMS (SYSTOL)》 * |
袁华等: ""基于二进制序列数据的确定事件周期性检测研究"", 《管理工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787817A (zh) * | 2024-02-28 | 2024-03-29 | 西安航科创星电子科技有限公司 | 一种基于导电铜浆的陶瓷片感电容器生产及溯源方法 |
CN117787817B (zh) * | 2024-02-28 | 2024-05-07 | 西安航科创星电子科技有限公司 | 一种基于导电铜浆的陶瓷片感电容器生产及溯源方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115858632B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103187343B (zh) | 智能型缺陷诊断方法 | |
CN106935683B (zh) | 一种太阳能电池片高速视觉定位及矫正系统及其方法 | |
CN103187329B (zh) | 一种晶圆良率分析方法 | |
CN115858632A (zh) | 一种氧化镓晶片检测装置的检测方法以及数据处理方法 | |
CN111950396B (zh) | 一种仪表读数神经网络识别方法 | |
CN204924967U (zh) | 全自动aoi整机的图像采集机构 | |
CN117250208B (zh) | 基于机器视觉的纳米压印晶圆缺陷精准检测系统及方法 | |
CN109990711B (zh) | 一种冲孔镀镍钢带的外观质量检测方法 | |
CN111127445A (zh) | 基于深度学习的配网线路高温区域检测方法与系统 | |
CN102967605A (zh) | 电路板的标记检知及偏移量检知的方法及其置件方法 | |
TW201909010A (zh) | 設計佈局為主的快速線上缺陷診斷、分類及取樣方法及系統 | |
CN111103307A (zh) | 一种基于深度学习的pcb板缺陷检测方法 | |
CN110930057A (zh) | 基于lof算法的配电变压器检验结果可信度的量化评判方法 | |
CN116258682A (zh) | 基于PSPNet和改进YOLOv7的PCB锡膏缺陷检测方法 | |
CN108333881A (zh) | 一种应用于直写式曝光机的拼接调试方法 | |
CN104843982A (zh) | 视觉测量补偿系统及其方法 | |
CN113421065A (zh) | 一种基于物联网的半导体生产智能分拣系统 | |
CN116934732A (zh) | 一种光伏组件的检测方法、装置及电子设备 | |
CN114926417B (zh) | 高密度柔性fpc表面弱划痕的显微成像检测方法及系统 | |
CN206864487U (zh) | 一种太阳能电池片高速视觉定位及矫正系统 | |
CN206271665U (zh) | 薄膜电池刻线宽度的测量系统 | |
CN112102252B (zh) | 一种微带天线焊点外观缺陷的检测方法及装置 | |
CN113869112A (zh) | 一种基于机器视觉的仪表自动读数方法装置 | |
CN108831851B (zh) | 一种提高太阳能电池el不良分类效率的分选方法 | |
Kuo et al. | Application of big data science in high reliability automotive wafer yield management system and failure analysis |
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 |