CN117095011A - 一种二极管检测方法及系统 - Google Patents
一种二极管检测方法及系统 Download PDFInfo
- Publication number
- CN117095011A CN117095011A CN202311362537.8A CN202311362537A CN117095011A CN 117095011 A CN117095011 A CN 117095011A CN 202311362537 A CN202311362537 A CN 202311362537A CN 117095011 A CN117095011 A CN 117095011A
- Authority
- CN
- China
- Prior art keywords
- anchor frame
- result
- panel
- diode
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 113
- 238000004806 packaging method and process Methods 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000011218 segmentation Effects 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 33
- 238000005538 encapsulation Methods 0.000 claims abstract description 15
- 238000013524 data verification Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 15
- 238000012360 testing method Methods 0.000 abstract description 8
- 230000003287 optical effect Effects 0.000 abstract description 6
- 238000007796 conventional method Methods 0.000 abstract description 4
- 239000004065 semiconductor Substances 0.000 abstract description 3
- 239000000758 substrate Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012858 packaging process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- -1 etc. Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06T7/70—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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (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)
- Image Processing (AREA)
Abstract
本发明涉及半导体器件测试技术领域,提供一种二极管检测方法及系统,包括:建立封装面板的面板数据集;设定检测环境,执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;根据特征映射结果配置每个二极管的三维锚框;通过数据采集传感器执行待测封装面板的数据采集,生成检测图像;基于三维锚框对检测图像进行锚框分割识别;基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果,解决电性测试、光学显微镜检测之类的常规方法仅在某些情况下有效,检测速度较慢、准确性有限的技术问题,实现进行锚框分割识别,提高二极管检测的自动化程度和准确性,并应用于电子制造领域以确保封装面板质量符合标准的技术效果。
Description
技术领域
本发明涉及半导体器件测试相关技术领域,具体涉及一种二极管检测方法及系统。
背景技术
二极管是常见的电子元件之一,在制造和质量控制过程中,需要对二极管进行检测,以确保其性能和质量符合要求。常见的,通过将电流和电压应用到二极管上,检测其电性特性,例如导通和截止状态,可以用来确定二极管是否正常工作,但不能检测到外部物理损坏或缺陷;使用显微镜来观察二极管的微观结构,以检测缺陷或损坏,但速度较慢,准确性有限。
综上所述,现有技术中存在电性测试、光学显微镜检测之类的常规方法仅在某些情况下有效,检测速度较慢、准确性有限的技术问题。
发明内容
本申请通过提供了一种二极管检测方法及系统,旨在解决现有技术中的电性测试、光学显微镜检测之类的常规方法仅在某些情况下有效,检测速度较慢、准确性有限的技术问题。
鉴于上述问题,本申请提供了一种二极管检测方法及系统。
本申请公开的第一个方面,提供了一种二极管检测方法,其中,所述方法包括:建立封装面板的面板数据集,所述面板数据集通过采集封装设计信息构建,其中,所述面板数据集带有封装关键特征和特征位置标识;设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;根据特征映射结果配置每个二极管的三维锚框,其中,第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征;将待测封装面板置于检测台,通过所述数据采集传感器执行待测封装面板的数据采集,生成检测图像;基于所述三维锚框对所述检测图像进行锚框分割识别;基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果。
本申请公开的另一个方面,提供了一种二极管检测系统,其中,所述系统包括:面板数据集构建模块,用于建立封装面板的面板数据集,所述面板数据集通过采集封装设计信息构建,其中,所述面板数据集带有封装关键特征和特征位置标识;特征映射模块,用于设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;三维锚框配置模块,用于根据特征映射结果配置每个二极管的三维锚框,其中,第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征;数据采集模块,用于将待测封装面板置于检测台,通过所述数据采集传感器执行待测封装面板的数据采集,生成检测图像;锚框分割识别模块,用于基于所述三维锚框对所述检测图像进行锚框分割识别;判别分流模块,用于基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果。
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:
由于采用了建立封装面板的面板数据集;设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;根据特征映射结果配置每个二极管的三维锚框;将待测封装面板置于检测台,通过数据采集传感器执行待测封装面板的数据采集,生成检测图像;基于三维锚框对检测图像进行锚框分割识别;基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果,解决了电性测试、光学显微镜检测之类的常规方法仅在某些情况下有效,检测速度较慢、准确性有限的技术问题,实现了进行锚框分割识别,提高二极管检测的自动化程度和准确性,并应用于电子制造领域以确保封装面板质量符合标准的技术效果。
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二极管检测方法可能的流程示意图;
图2为本申请实施例提供了一种二极管检测方法中确定第三分流结果可能的流程示意图;
图3为本申请实施例提供了一种二极管检测系统可能的结构示意图。
附图标记说明:面板数据集构建模块100,特征映射模块200,三维锚框配置模块300,数据采集模块400,锚框分割识别模块500,判别分流模块600。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
如图1所示,本申请实施例提供了一种二极管检测方法,其中,所述方法包括:
Step-1:建立封装面板的面板数据集,所述面板数据集通过采集封装设计信息构建,其中,所述面板数据集带有封装关键特征和特征位置标识;
Step-2:设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;
已知的,封装面板是指将二极管、光学材料、电极等组件封装在塑料或金属基板上的一个过程,是LED显示面板制造的重要环节,从制造工艺角度,封装面板可以分为不同的类型,例如单灯板封装、双灯板封装和COB封装等;
将二极管封装到基板上,并对二极管封装过程进行检测,包括:所述面板数据集涉及大量封装面板的数据,包括封装面板的各种特征属性以及特征属性对应的位置信息等,具体的:形状尺寸(封装面板的形状和尺寸是常见的特征属性,例如长方形、正方形、圆形等,以及这些形状的具体尺寸)、材料颜色(封装面板使用的材料和颜色也是重要的特征属性,例如塑料、金属、玻璃等材料,以及各种颜色和涂层等)、电路板连接方式(例如电路板的形状、尺寸、布线方式等)、光学特性(封装面板的光学特性也是重要的特征属性,例如视角范围、亮度、色域等)、发光器件类型和发光器件排列(发光器件的类型和排列是关键的特征属性,例如LED芯片的型号、排列方式等)。
检测环境是指检测工作的环境,包括物理环境(例如温度、湿度等)和软件环境(例如操作系统、检测软件等);标准封装面板用于建立数据集和进行检测的参考面板,具有已知的和标准的特征和属性;数据采集传感器用于捕获和记录面板数据的物理或电子信号,例如摄像机、扫描仪等;特征映射是指将数据集中的每个特征与相应的标准特征进行比较和映射,以找出差异或异常;
通过采集封装设计信息构建封装面板的面板数据集,使得面板数据集带有封装关键特征和特征位置标识;与此同时,一方面,设定检测环境以确保检测的准确性和一致性,包括调整环境温度、湿度等物理条件,以及选择适当的软件平台和算法等;另一方面,将标准封装面板置于检测台,并通过数据采集传感器执行标准封装面板数据采集。这可以获取到标准封装面板的各种特征和属性数据,最终,建立数据采集结果与面板数据集的特征映射,通过比较和映射这些数据,可以找出差异或异常,进而评估封装面板的质量和一致性,可以提高检测的准确性和效率,同时也可以保证封装面板的质量。
Step-3:根据特征映射结果配置每个二极管的三维锚框,其中,第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征;
Step-4:将待测封装面板置于检测台,通过所述数据采集传感器执行待测封装面板的数据采集,生成检测图像;
Step-5:基于所述三维锚框对所述检测图像进行锚框分割识别;
Step-6:基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果。
三维锚框是指设定的三个维度的矩形区域,用于定位和识别图像中的特定对象;自适应调整锚框是指自动调整和优化的锚框,用于提高定位和识别的准确性;第一锚框和第二锚框均设定有匹配特征和异常检出特征,其中,所述匹配特征是指验证图像中对象特征的特性,判断待测封装面板是否符合预期;异常检出特征是指检测图像中异常特征的特性,判断待测封装面板是否有缺陷或问题;检测图像即通过数据采集传感器采集的待测封装面板的图像,用于后续的检测和分析。
锚框分割识别是指根据设定的锚框,对待测封装面板的图像进行分割和识别,找出锚框内的二极管和其他相关特征;判别分流是指对待测封装面板进行分类和判别的过程,分为A优等、B合格、C淘汰这三个等级。
已知的,二极管是一种用半导体材料制成的电子器件,具有单向导电性能。在二极管的两极间加上正向电压时,即二极管的阳极与阴极间加上正向电压时,二极管导通,电流可以通过;而当加反向电压时(即P极接负极,N极接正极),即二极管的阳极与阴极间加上反向电压时,二极管截止,电流不能通过。由于二极管存在这一特性,在连通正常的情况下,二极管封装中存在多个二极管并联,电流将分散到每个并联的二极管中,而不会全部通过一个二极管,在将二极管封装到基板上,若出现二极管连接故障、二极管反接,均会影响封装面板的正常工作。
根据特征映射结果配置每个二极管的三维锚框,其中第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征,可以提高锚框的适应性和检测的准确性。
将待测封装面板置于检测台,通过数据采集传感器执行待测封装面板的数据采集,生成检测图像,数据采集可以是全方位、多角度的,以便获取足够的信息用于后续的检测。
基于三维锚框对检测图像进行锚框分割识别,可以快速、准确地找出锚框内的二极管和其他相关特征,为后续的检测和分析提供准确的数据基础。
基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果,判别分流可以基于匹配特征和异常检出特征进行分类和判断,分为A优等、B合格和C淘汰三个等级,为后续的质量控制和筛选提供依据,可以提高检测的准确性和效率,同时也可以保证封装面板的质量。
所述根据特征映射结果配置每个二极管的三维锚框,还包括:
配置第一锚框,所述第一锚框为二极管主体锚框,根据所述特征映射结果的二极管主体位置,设定所述第一锚框的宽容判别线和第一锚框轮廓线,所述宽容判别线为区分分流结果的判别线,其中,所述第一锚框设置有对应二极管的主体特征;
配置第二锚框,所述第二锚框为引脚封装锚框,根据所述特征映射结果的引脚封装特征,设定所述第二锚框的第二锚框轮廓线和识别特征;
配置第三锚框,所述第三锚框依据所述第一锚框和所述第二锚框构建,其中,第三锚框轮廓线完全覆盖所述第一锚框轮廓线和所述第二锚框轮廓线,且所述第三锚框配置有信息自适应更新单元,用于接收所述第一锚框和所述第二锚框的传输数据,并完成当前检测的自适应初始化。
处理二极管的图像或数据的过程,涉配置三个不同类型的锚框来进行检测和识别,包括:所述二极管主体锚框是用于检测二极管主体部分的锚框,即二极管的主体位置。宽容判别线是用来确定是否检测到二极管主体的判别线,在第一种情况下,如果在宽容判别线以内,就被认为是检测二极管主体以A优等的等级封装到基板上,在第二种情况下,如果在宽容判别线上,就被认为是检测二极管主体以B合格或C淘汰的等级封装到基板上;
所述第一锚框轮廓线是指第一锚框的形状边界,用于判断轮廓线内是否存在二极管,且在存在的情况下,判断存在的情况下判断位置是否有效,在第二种情况下的第一种可能,如果在第一锚框轮廓线以内,就被认为是检测二极管主体以B合格的等级封装到基板上,在第二种情况下的第二种可能,如果在第一锚框轮廓线上或是之外(第一锚框轮廓线上,可能与基板上的其他电极短路;第一锚框轮廓线上,会与基板上的其他电极短路),就被认为是检测二极管主体以C淘汰的等级封装到基板上;
与第一锚框轮廓线类似的,引脚封装锚框是用于检测二极管引脚封装部分的锚框;第二锚框轮廓线是指第二锚框的形状边界,判断引脚是否与基板触点封装,是否封装好;第三锚框是一种综合了第一锚框和第二锚框信息的锚框,其轮廓线完全覆盖了第一锚框和第二锚框,用于判断是否是连续的,简单来说就是引脚是否是从二极管引出,并接到封装位置的;信息自适应更新单元是一个用于接受第一锚框和第二锚框传输数据并更新第三锚框信息的单元,与之相应的,自适应初始化意味着第三锚框能够根据第一锚框和第二锚框的数据来自动调整其自身的特征和位置,以更好地适应当前检测任务。
通过配置不同类型的锚框来捕捉二极管不同部分的特征,可以提高检测的准确性,包括主体和引脚封装,另一方面,通过信息自适应更新单元,确保完全覆盖了主体和引脚封装,能够自动学习和适应不同类型的二极管和不同检测场景,确保了所有重要部分都能被检测到,提高适应性。
所述基于所述三维锚框对所述检测图像进行锚框分割识别,还包括:
依据所述特征位置标识分布所述第一锚框;
通过所述主体特征进行对应第一锚框的二极管主体存在识别,若识别结果为存在,则依据识别边缘绘制主体边缘轮廓线;
若所述主体边缘轮廓线在宽容判别线内完全闭合,则输出当前二极管封装的第一分流结果;
若所述主体边缘轮廓线未在宽容判别线内完全闭合,但在第一锚框轮廓线内完全闭合,则生成第二分流结果;
若所述主体边缘轮廓线未能在所述第一锚框轮廓线内完全闭合,则生成第三分流结果;
根据所述第一分流结果或所述第二分流结果或第三分流结果生成二极管主体位置分流结果,以完成锚框分割识别。
检测和识别二极管主体的位置和边缘轮廓,包括:特征位置标识是指从图像中提取的特征点或特征描述符的位置,用于识别锚框中的二极管主体;二极管主体存在识别是指确定三维锚框中是否存在二极管主体;主体边缘轮廓线是指二极管主体的外边界轮廓,通常是由于对比度或颜色变化而形成的;宽容判别线用于判断主体边缘轮廓线是否在其中完全闭合。
根据主体边缘轮廓线的闭合情况来确定输出的结果:若所述主体边缘轮廓线在宽容判别线内完全闭合,则输出当前二极管封装的第一分流结果;若所述主体边缘轮廓线未在宽容判别线内完全闭合,但在第一锚框轮廓线内完全闭合,则生成第二分流结果;若所述主体边缘轮廓线未能在所述第一锚框轮廓线内完全闭合,则生成第三分流结果;
须知的,将二极管封装到基板上,并对二极管封装过程进行检测,还包括:引脚特征连续是指在检测二极管封装时,需要确认二极管的引脚是否存在连续性,即引脚是否从二极管引出并连接到封装的位置,是为了确保引脚的正确连接和封装的质量,以避免后续的生产和使用过程中出现问题,如果引脚特征连续,则可以将待测封装面板判别为第三分流结果,即引脚不连续,表示封装过程存在问题。
一方面,通过三维锚框,可以更准确地定位和识别二极管主体,提高检测精度。另一方面,通过检测主体边缘轮廓线是否在宽容判别线内完全闭合,可以确定主体的完整性,有助于区分正常的二极管封装和可能存在缺陷的情况,同时,输出的不同分流结果可以根据图像中二极管主体的不同状态提供更多信息,不同分流结果可以指导后续的封装、检测等过程,提高生产效率和封装面板质量。
本申请实施例还包括:
依据所述特征位置标识分布所述第二锚框;
通过所述引脚封装特征对所述第二锚框轮廓线进行引脚封装状态识别,生成位置偏移结果和封装状态结果;
基于偏移结果和封装状态结果输出封装分流识别结果,根据所述二极管主体位置分流结果和所述封装分流识别结果完成锚框分割识别。
所述特征位置与所述第二锚框的分布对应,用于在图像或数据中识别并标记出特定的区域(特定的区域就是第二锚框);引脚封装特征是指识别或分析图像中的引脚封装特征,与电子元件或器件的引脚连接状态对应,具体的,包括示例性的,
第一种情况下,DIP双列直插式封装是一种常见的封装形式,在这种情况下对应的,引脚封装特征是指引脚从封装两侧引出,呈双列直插形式;
第二种情况下,SOJ封装(Small Out-Line J-Leaded Package)和小外形封装(SOP,Small Out-Line Package)也是常见的封装形式,在这种情况下对应的,引脚封装特征是SOJ封装的引脚从封装两侧引出向下呈J字形,而SOP封装的引脚从封装两侧引出呈海鸥翼状(L字形)。
第二锚框轮廓线是指第二锚框的形状边界,判断引脚是否与基板触点封装,是否封装好;引脚封装状态识别是识别引脚封装特征的状态,例如,确定引脚是否完好无损或可能存在问题;所述位置偏移结果是指计算出的特征位置与预期位置之间的差异或偏移量;封装状态结果是指引脚封装特征的状态识别结果,例如,正常或异常。
将封装状态结果作为第一部分,将位置偏移结果作为第二部分,综合得到所述封装分流识别结果形如:正常(70nm)、异常(10μm);二极管主体位置分流结果是指根据二极管主体的位置进行的分流或分类结果;锚框分割识别是指将图像或数据中的不同区域分割出来,并对其进行识别或分类的过程。
通过依据特征位置标识分布第二锚框,可以精确定位到二极管的引脚封装区域;通过引脚封装特征对第二锚框轮廓线进行引脚封装状态识别,可以判断出引脚封装是否符合规范和要求,同时生成位置偏移结果和封装状态结果;基于偏移结果和封装状态结果,可以判断出二极管的引脚封装是否正确,并输出封装分流识别结果;最后,根据二极管主体位置分流结果和封装分流识别结果,可以完成锚框分割识别,将待测封装面板分为不同的等级,为后续的质量控制和筛选提供更准确的依据。
如图2所示,本申请实施例还包括:
将所述二极管主体位置分流结果和所述封装分流识别结果发送至所述信息自适应更新单元,执行自适应更新;
当自适应更新完成后,依据所述特征位置标识分布所述第三锚框,并通过更新后的信息自适应更新单元进行引脚的连续识别,获得连续识别结果;
若结果为不连续,则直接将所述待测封装面板判别为第三分流结果。
信息自适应更新单元是一种处理和更新数据的单元,能根据输入的数据自动调整和更新自身的数据和算法,以实现对新数据的快速和准确处理。
第三锚框是一种设定的矩形区域,用于判断引脚是否是从二极管引出,并接到封装位置的,还包括,将二极管主体位置分流结果和封装分流识别结果发送至信息自适应更新单元,执行自适应更新,可以基于先前的识别结果,调整和优化后续的检测过程,以实现更快速和准确的识别;
在自适应更新完成后,依据特征位置标识分布第三锚框,这个步骤是为了定位到二极管的引脚区域;通过更新后的信息自适应更新单元进行引脚的连续识别,获得连续识别结果,连续识别结果用于表示通过信息自适应更新单元进行引脚的连续识别后得到的结果;判断出引脚是否连续,即引脚是否从二极管引出并连接到封装的位置;如果连续识别结果为不连续,则直接将待测封装面板判别为第三分流结果,即引脚不连续,表示封装过程存在问题;可以快速准确地检测二极管的封装质量,对引脚的连续性进行准确的判断,大大提高了检测效率和准确性。
本申请实施例还包括:
若结果为连续,则根据所述二极管主体位置分流结果和所述封装分流识别结果对当前二极管进行综合等级汇总;
对所述待测封装面板的全部二极管进行等级评级,基于等级评级结果完成判别分流。
二极管的位置分流和封装分流识别,并最终进行等级评级和判别分流,包括:连续结果指的是通过一连串的测试或分析获得的连续数据或结果,如果连续识别结果为连续,即引脚从二极管引出并连接到封装的位置,表示封装过程不存在问题;
位置分流结果是指根据二极管的位置信息,同样分为A优等B合格或C淘汰三个不同的组别;封装分流识别结果是指根据二极管的封装方式以及偏移,分为正常、异常两个不同的组别;等级评级是对二极管进行质量评估,将其分类为不同的质量等级。
判别分流是指根据等级评级结果,决定将二极管分流到不同的生产线或流程中,以确保不同等级的封装面板得到适当的处理。通过自动化的位置和封装识别以及等级评级,可以更快速地处理大批量的二极管,提高了生产效率;通过对二极管进行等级评级和判别分流,可以有效地检测和隔离低质量或有问题的封装面板,有助于提高封装面板的质量;连续结果的使用可以提供更多的数据用于分析和决策制定,以改善生产流程和封装面板质量。
本申请实施例还包括:
对分流结果采样,并对采样结果进行数据验证;
基于数据验证结果生成三维锚框的补偿参数,依据所述补偿参数进行三维锚框的定期更新。
将所述二极管主体位置分流结果和所述封装分流识别结果发送至所述信息自适应更新单元,执行自适应更新之前,还包括,基于等级评级结果完成判别分流后,得到分流结果,所述分流结果是指在某个生产过程中将封装面板进行分类或分组的结果,分流通常用于将封装面板区分为不同的等级或质量类别之间,即通过检测台流向不同的等级的通道;采样结果是指从分流结果中随机或有选择性地选取一部分样本,并对这些样本进行检查或测试以获取数据或信息的结果,通常用于代表整个批次或流程。
数据验证是对采样结果进行分析和确认,以确保数据的准确性和可靠性,包括数据的统计分析、比对、校验等操作;补偿参数是指根据数据验证结果来调整或修正三维锚框的参数,以更准确地匹配目标对象的位置和形状;三维锚框的定期更新指根据补偿参数对已经生成的三维锚框进行定期的修正或更新,以确保它们仍然准确地适应目标对象的变化。
对得到的分流结果进行采样,通常是在所有分流结果中随机选择一部分进行进一步的检查和验证,以避免结果的片面性和误差;采样结果进行数据验证,检查这些结果是否符合预期,数据的准确性和一致性是否满足要求,如果不满足,需要对数据进行修正或者调整;
基于数据验证结果生成三维锚框的补偿参数,是基于数据验证的结果进行调整和优化的,用于定期更新三维锚框,更新可以帮助提高锚框的准确性和适应性,使其能更好地适用于各种不同的情况和环境;依据补偿参数进行三维锚框的定期更新,是自动的、实时的,可以确保锚框的准确性和适应性,定期更新可以保证锚框始终处于最佳状态,以便进行更准确、更高效的检测;总的来说,提高检测的准确性和效率,同时也可以保证封装面板的质量。
综上所述,本申请实施例所提供的一种二极管检测方法及系统具有如下技术效果:
1.通过使用计算机视觉和数据采集传感器,实现了对待测封装面板的自动化检测,减少了人工干预的需求,提高了生产线的效率。
2.采用三维锚框分割识别方法,能够更准确地识别二极管的特征,并进行判别分流操作,从而提高了检测的精确性。
3.由于方法中包括异常检出特征,因此能够检测出损坏或缺陷的二极管,确保只有符合质量标准的封装面板通过。
4.由于采用了若结果为连续,则根据二极管主体位置分流结果和封装分流识别结果对当前二极管进行综合等级汇总;对待测封装面板的全部二极管进行等级评级,基于等级评级结果完成判别分流。判别分流是指根据等级评级结果,决定将二极管分流到不同的生产线或流程中,以确保不同等级的封装面板得到适当的处理。通过自动化的位置和封装识别以及等级评级,可以更快速地处理大批量的二极管,提高了生产效率;通过对二极管进行等级评级和判别分流,可以有效地检测和隔离低质量或有问题的封装面板,有助于提高封装面板的质量;连续结果的使用可以提供更多的数据用于分析和决策制定,以改善生产流程和封装面板质量。
实施例二
基于与前述实施例中一种二极管检测方法相同的发明构思,如图3所示,本申请实施例提供了一种二极管检测系统,其中,所述系统包括:
面板数据集构建模块100,用于建立封装面板的面板数据集,所述面板数据集通过采集封装设计信息构建,其中,所述面板数据集带有封装关键特征和特征位置标识;
特征映射模块200,用于设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;
三维锚框配置模块300,用于根据特征映射结果配置每个二极管的三维锚框,其中,第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征;
数据采集模块400,用于将待测封装面板置于检测台,通过所述数据采集传感器执行待测封装面板的数据采集,生成检测图像;
锚框分割识别模块500,用于基于所述三维锚框对所述检测图像进行锚框分割识别;
判别分流模块600,用于基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果。
进一步的,所述三维锚框配置模块300用于执行以下步骤:
配置第一锚框,所述第一锚框为二极管主体锚框,根据所述特征映射结果的二极管主体位置,设定所述第一锚框的宽容判别线和第一锚框轮廓线,所述宽容判别线为区分分流结果的判别线,其中,所述第一锚框设置有对应二极管的主体特征;
配置第二锚框,所述第二锚框为引脚封装锚框,根据所述特征映射结果的引脚封装特征,设定所述第二锚框的第二锚框轮廓线和识别特征;
配置第三锚框,所述第三锚框依据所述第一锚框和所述第二锚框构建,其中,第三锚框轮廓线完全覆盖所述第一锚框轮廓线和所述第二锚框轮廓线,且所述第三锚框配置有信息自适应更新单元,用于接收所述第一锚框和所述第二锚框的传输数据,并完成当前检测的自适应初始化。
进一步的,所述锚框分割识别模块500还用于执行以下步骤:
依据所述特征位置标识分布所述第一锚框;
通过所述主体特征进行对应第一锚框的二极管主体存在识别,若识别结果为存在,则依据识别边缘绘制主体边缘轮廓线;
若所述主体边缘轮廓线在宽容判别线内完全闭合,则输出当前二极管封装的第一分流结果;
若所述主体边缘轮廓线未在宽容判别线内完全闭合,但在第一锚框轮廓线内完全闭合,则生成第二分流结果;
若所述主体边缘轮廓线未能在所述第一锚框轮廓线内完全闭合,则生成第三分流结果;
根据所述第一分流结果或所述第二分流结果或第三分流结果生成二极管主体位置分流结果,以完成锚框分割识别。
进一步的,所述锚框分割识别模块500还用于执行以下步骤:
依据所述特征位置标识分布所述第二锚框;
通过所述引脚封装特征对所述第二锚框轮廓线进行引脚封装状态识别,生成位置偏移结果和封装状态结果;
基于偏移结果和封装状态结果输出封装分流识别结果,根据所述二极管主体位置分流结果和所述封装分流识别结果完成锚框分割识别。
进一步的,所述锚框分割识别模块500还用于执行以下步骤:
将所述二极管主体位置分流结果和所述封装分流识别结果发送至所述信息自适应更新单元,执行自适应更新;
当自适应更新完成后,依据所述特征位置标识分布所述第三锚框,并通过更新后的信息自适应更新单元进行引脚的连续识别,获得连续识别结果;
若结果为不连续,则直接将所述待测封装面板判别为第三分流结果。
进一步的,所述锚框分割识别模块500还用于执行以下步骤:
若结果为连续,则根据所述二极管主体位置分流结果和所述封装分流识别结果对当前二极管进行综合等级汇总;
对所述待测封装面板的全部二极管进行等级评级,基于等级评级结果完成判别分流。
进一步的,所述一种二极管检测系统还用于执行以下步骤:
对分流结果采样,并对采样结果进行数据验证;
基于数据验证结果生成三维锚框的补偿参数,依据所述补偿参数进行三维锚框的定期更新。
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 (8)
1.一种二极管检测方法,其特征在于,所述方法包括:
建立封装面板的面板数据集,所述面板数据集通过采集封装设计信息构建,其中,所述面板数据集带有封装关键特征和特征位置标识;
设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;
根据特征映射结果配置每个二极管的三维锚框,其中,第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征;
将待测封装面板置于检测台,通过所述数据采集传感器执行待测封装面板的数据采集,生成检测图像;
基于所述三维锚框对所述检测图像进行锚框分割识别;
基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果。
2.如权利要求1所述的方法,其特征在于,所述根据特征映射结果配置每个二极管的三维锚框,还包括:
配置第一锚框,所述第一锚框为二极管主体锚框,根据所述特征映射结果的二极管主体位置,设定所述第一锚框的宽容判别线和第一锚框轮廓线,所述宽容判别线为区分分流结果的判别线,其中,所述第一锚框设置有对应二极管的主体特征;
配置第二锚框,所述第二锚框为引脚封装锚框,根据所述特征映射结果的引脚封装特征,设定所述第二锚框的第二锚框轮廓线和识别特征;
配置第三锚框,所述第三锚框依据所述第一锚框和所述第二锚框构建,其中,第三锚框轮廓线完全覆盖所述第一锚框轮廓线和所述第二锚框轮廓线,且所述第三锚框配置有信息自适应更新单元,用于接收所述第一锚框和所述第二锚框的传输数据,并完成当前检测的自适应初始化。
3.如权利要求2所述的方法,其特征在于,所述基于所述三维锚框对所述检测图像进行锚框分割识别,还包括:
依据所述特征位置标识分布所述第一锚框;
通过所述主体特征进行对应第一锚框的二极管主体存在识别,若识别结果为存在,则依据识别边缘绘制主体边缘轮廓线;
若所述主体边缘轮廓线在宽容判别线内完全闭合,则输出当前二极管封装的第一分流结果;
若所述主体边缘轮廓线未在宽容判别线内完全闭合,但在第一锚框轮廓线内完全闭合,则生成第二分流结果;
若所述主体边缘轮廓线未能在所述第一锚框轮廓线内完全闭合,则生成第三分流结果;
根据所述第一分流结果或所述第二分流结果或第三分流结果生成二极管主体位置分流结果,以完成锚框分割识别。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
依据所述特征位置标识分布所述第二锚框;
通过所述引脚封装特征对所述第二锚框轮廓线进行引脚封装状态识别,生成位置偏移结果和封装状态结果;
基于偏移结果和封装状态结果输出封装分流识别结果,根据所述二极管主体位置分流结果和所述封装分流识别结果完成锚框分割识别。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
将所述二极管主体位置分流结果和所述封装分流识别结果发送至所述信息自适应更新单元,执行自适应更新;
当自适应更新完成后,依据所述特征位置标识分布所述第三锚框,并通过更新后的信息自适应更新单元进行引脚的连续识别,获得连续识别结果;
若结果为不连续,则直接将所述待测封装面板判别为第三分流结果。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
若结果为连续,则根据所述二极管主体位置分流结果和所述封装分流识别结果对当前二极管进行综合等级汇总;
对所述待测封装面板的全部二极管进行等级评级,基于等级评级结果完成判别分流。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
对分流结果采样,并对采样结果进行数据验证;
基于数据验证结果生成三维锚框的补偿参数,依据所述补偿参数进行三维锚框的定期更新。
8.一种二极管检测系统,其特征在于,用于实施权利要求1-7任意一项所述的一种二极管检测方法,包括:
面板数据集构建模块,用于建立封装面板的面板数据集,所述面板数据集通过采集封装设计信息构建,其中,所述面板数据集带有封装关键特征和特征位置标识;
特征映射模块,用于设定检测环境,并将标准封装面板置于检测台,通过数据采集传感器执行标准封装面板数据采集,建立数据采集结果与面板数据集的特征映射;
三维锚框配置模块,用于根据特征映射结果配置每个二极管的三维锚框,其中,第三锚框为自适应调整锚框,第一锚框和第二锚框均设定有匹配特征和异常检出特征;
数据采集模块,用于将待测封装面板置于检测台,通过所述数据采集传感器执行待测封装面板的数据采集,生成检测图像;
锚框分割识别模块,用于基于所述三维锚框对所述检测图像进行锚框分割识别;
判别分流模块,用于基于锚框分割识别结果进行待测封装面板判别分流,获得判别分流结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311362537.8A CN117095011B (zh) | 2023-10-20 | 2023-10-20 | 一种二极管检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311362537.8A CN117095011B (zh) | 2023-10-20 | 2023-10-20 | 一种二极管检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117095011A true CN117095011A (zh) | 2023-11-21 |
CN117095011B CN117095011B (zh) | 2024-01-23 |
Family
ID=88770308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311362537.8A Active CN117095011B (zh) | 2023-10-20 | 2023-10-20 | 一种二极管检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117095011B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914720A (zh) * | 2020-07-27 | 2020-11-10 | 长江大学 | 一种输电线路绝缘子爆裂识别方法及装置 |
CN114581652A (zh) * | 2020-12-01 | 2022-06-03 | 北京四维图新科技股份有限公司 | 目标对象的检测方法、装置、电子设备以及存储介质 |
CN114972774A (zh) * | 2022-04-20 | 2022-08-30 | 平安科技(深圳)有限公司 | 特定区域的图像描述生成方法、装置、设备及存储介质 |
CN116386028A (zh) * | 2023-04-06 | 2023-07-04 | 扬州市管件厂有限公司 | 一种用于三通管件加工的图像分层识别方法及装置 |
-
2023
- 2023-10-20 CN CN202311362537.8A patent/CN117095011B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914720A (zh) * | 2020-07-27 | 2020-11-10 | 长江大学 | 一种输电线路绝缘子爆裂识别方法及装置 |
CN114581652A (zh) * | 2020-12-01 | 2022-06-03 | 北京四维图新科技股份有限公司 | 目标对象的检测方法、装置、电子设备以及存储介质 |
CN114972774A (zh) * | 2022-04-20 | 2022-08-30 | 平安科技(深圳)有限公司 | 特定区域的图像描述生成方法、装置、设备及存储介质 |
CN116386028A (zh) * | 2023-04-06 | 2023-07-04 | 扬州市管件厂有限公司 | 一种用于三通管件加工的图像分层识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117095011B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190197356A1 (en) | Data generation apparatus, data generation method, and data generation program | |
US10885618B2 (en) | Inspection apparatus, data generation apparatus, data generation method, and data generation program | |
US20030202703A1 (en) | Apparatus and computer-readable medium for assisting image classification | |
KR100598381B1 (ko) | 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법 | |
US20010020194A1 (en) | Method and system for manufacturing semiconductor devices, and method and system for inspecting semiconductor devices | |
US20230129522A1 (en) | Artificial intelligence vision inspection system for wiring harness | |
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 | |
KR102168724B1 (ko) | 이미지 검사를 이용한 이상 판별 방법 및 장치 | |
WO2018087932A1 (ja) | 保存画像の再分類システム及び再分類方法 | |
CN114549512A (zh) | 一种电路板缺陷检测方法、装置、设备及介质 | |
CN109285791B (zh) | 设计布局为主的快速在线缺陷诊断、分类及取样方法及系统 | |
CN116718600B (zh) | 一种用于对线束产品进行智能化检测的检测装置 | |
JP5045591B2 (ja) | 検査領域の領域設定データの作成方法および基板外観検査装置 | |
CN116385770A (zh) | Pcb缺陷板标注和存储方法、系统、电子设备及存储介质 | |
CN113077416A (zh) | 一种基于图像处理的焊点焊接缺陷检测方法与系统 | |
US20090080762A1 (en) | Appearance for inspection method | |
CN111421954B (zh) | 智能判定回馈方法及装置 | |
CN117095011B (zh) | 一种二极管检测方法及系统 | |
CN117589770A (zh) | Pcb贴片板检测方法、装置、设备及介质 | |
CN117455887A (zh) | 基于机器视觉的pcb来料检测方法、装置、设备及介质 | |
KR100574648B1 (ko) | 결함 유형 분류 방법 및 시스템 | |
CN116577638A (zh) | 一种电路板智能测试系统、方法、装置及介质 | |
CN114782431A (zh) | 一种印刷电路板缺陷检测模型训练方法及缺陷检测方法 | |
CN116203036A (zh) | 引线框架的瑕疵检测方法及基于标准引线框架的检测模板 | |
KR20210106038A (ko) | 딥러닝 기반의 ai 기술을 활용한 2차전지 분리막 자동 검사장치 |
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 |