CN117252844A - 一种电子元件检测方法、装置、设备及存储介质 - Google Patents
一种电子元件检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117252844A CN117252844A CN202311281035.2A CN202311281035A CN117252844A CN 117252844 A CN117252844 A CN 117252844A CN 202311281035 A CN202311281035 A CN 202311281035A CN 117252844 A CN117252844 A CN 117252844A
- Authority
- CN
- China
- Prior art keywords
- detection result
- electronic element
- sub
- information
- determining
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 230000007547 defect Effects 0.000 claims abstract description 54
- 238000003384 imaging method Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims description 36
- 238000007689 inspection Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
Abstract
本申请提出一种电子元件检测方法、装置、设备及存储介质，电子元件检测方法通过获取电子元件在电子显微镜下的成像数据，对成像数据进行识别处理，提取电子元件的关键信息，根据关键信息与预设评分策略，确定检测结果，并且通过成像数据识别关键信息，结合预设评分策略，确定检测结果，无需人工肉眼观察关键信息并进行人工判断，提高效率，另外可以识别出电子元件外观的缺陷而不局限于功能指标；当检测结果表征存在缺陷时生成对缺陷位置进行标记后的标记图像，使得工作人员可以直观、快速地了解电子元件的缺陷位置，进一步提高效率。
Description
技术领域
本申请涉及检测领域，尤其涉及一种电子元件检测方法、装置、设备及存储介质。
背景技术
在精密电子元件检测领域，目前市面上主流做法主要分为两种：电子元件功能测试方式和人工肉眼观察方式。
电子元件功能测试方式的实现原理是：模拟精密电子元件实际应用场景，搭建一套精密电子元件测试环境，设置精密电子元件各项功能指标的测试条件，通过对精密电子元件进行各项预定指标的测试，得出该精密电子元件的各项指标的测试数据，通过对测试数据的分析、对比，得出该精密电子元件是否合格的结果。该方式能精准测试精密电子元件的合格情况，但是仅局限于功能指标的测试，却无法识别出精密电子元件外观的缺陷，如残缺、划痕、尺寸大小偏差等问题，导致不满足实际场景的使用情况。而人工肉眼观察，效率低。
发明内容
本申请实施例提供一种电子元件检测方法、装置、设备及存储介质，以解决相关技术存在的至少一问题，技术方案如下：
第一方面，本申请实施例提供了一种电子元件检测的方法，包括：
获取电子元件在电子显微镜下的成像数据；
对所述成像数据进行识别处理，提取电子元件的关键信息；
根据所述关键信息与预设评分策略，确定检测结果；
当所述检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像。
在一种实施方式中，所述根据所述关键信息与预设评分策略，确定检测结果包括以下至少之一：
根据所述关键信息中电子元件的位置信息、尺寸信息以及所述预设评分策略，确定第一子检测结果；
根据所述关键信息中电子元件的引脚信息以及所述预设评分策略，确定第二子检测结果；
根据所述关键信息中电子元件的刻印信息以及所述预设评分策略，确定第三子检测结果；
根据所述关键信息中电子元件的表面信息以及所述预设评分策略，确定第四子检测结果；
其中，当所述第一子检测结果、所述第二子检测结果、所述第三子检测结果以及所述第四子检测结果中的至少之一表征存在缺陷时，则所述检测结果表征存在缺陷。
在一种实施方式中，所述根据所述关键信息中电子元件的位置信息、尺寸信息以及所述预设评分策略，确定第一子检测结果包括：
计算电子元件的各个实际坐标与基准坐标的坐标偏离值以及所述坐标偏离值对应的坐标偏离分数，将所述坐标偏离分数与坐标偏离阈值进行第一比较，确定第一比较结果；
和/或，
计算电子元件的长度与高度的第一乘积，获取成像数据的图像长度以及图像高度并计算所述图像长度与所述图像高度的第二乘积，计算所述第一乘积与所述第二乘积的比值确定实际比值，将所述实际比值与标准比值进行第二比较，确定第二比较结果；所述第一子检测结果包括所述第一比较结果，和/或所述第二比较结果。
在一种实施方式中，所述根据所述关键信息中电子元件的引脚信息以及所述预设评分策略，确定第二子检测结果包括：
将所述电子元件的引脚数量与标准数量进行第三比较，确定第三比较结果；
和/或，
计算电子元件的实际引脚坐标与标准引脚坐标的引脚偏离值以及所述引脚偏离值对应的引脚偏离分数，将所述引脚偏离分数与引脚偏离阈值进行第四比较，确定第四比较结果。
在一种实施方式中，所述根据所述关键信息中电子元件的刻印信息以及所述预设评分策略，确定第三子检测结果包括：
将所述刻印信息与标准刻印进行第一相似度计算，得到第一相似度结果；
将所述第一相似度结果与刻印相似度阈值进行第五比较，得到第三子检测结果。
在一种实施方式中，所述根据所述关键信息中电子元件的表面信息以及所述预设评分策略，确定第四子检测结果包括：
将所述表面信息与标准表面进行第二相似度计算，得到第二相似度结果；
将所述第二相似度结果与表面相似度阈值进行第六比较，得到第四子检测结果。
在一种实施方式中，所述获取电子元件在电子显微镜下的成像数据的步骤之后，还包括：
根据拉普拉斯算子确定所述成像数据的方差；
当所述方差小于清晰度阈值，返回所述获取电子元件在电子显微镜下的成像数据的步骤以获取新的成像数据。
第二方面，本申请实施例提供了一种电子元件检测装置，包括：
获取模块，用于获取电子元件在电子显微镜下的成像数据；
识别模块，用于对所述成像数据进行识别处理，提取电子元件的关键信息；
确定模块，用于根据所述关键信息与预设评分策略，确定检测结果；
生成模块，用于当所述检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像。
在一种实施方式中，所述识别模块模块还用于：
根据拉普拉斯算子确定所述成像数据的方差；
当所述方差小于清晰度阈值，返回所述获取电子元件在电子显微镜下的成像数据的步骤以获取新的成像数据。
第三方面，本申请实施例提供了一种电子设备，包括：处理器和存储器，该存储器中存储指令，该指令由该处理器加载并执行，以实现上述各方面任一种实施方式中的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被执行时实现上述各方面任一种实施方式中的方法。
上述技术方案中的有益效果至少包括：
通过获取电子元件在电子显微镜下的成像数据，对成像数据进行识别处理，提取电子元件的关键信息，根据关键信息与预设评分策略，确定检测结果，并且通过成像数据识别关键信息，结合预设评分策略，确定检测结果，无需人工肉眼观察关键信息并进行人工判断，提高效率，另外可以识别出电子元件外观的缺陷而不局限于功能指标；当检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像，使得工作人员可以直观、快速地了解电子元件的缺陷位置，进一步提高效率。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。
图1为本申请一实施例电子元件检测方法的步骤流程示意图；
图2为本申请一实施例芯片的尺寸示意图；
图3为本申请一实施例模型训练的步骤示意图；
图4(a)为本申请一实施例标准图像的正面示意图，图4(b)为标准图像的反面示意图；
图5(a)为本申请一实施例芯片缺陷的第一示意图，图5(b)为本申请一实施例芯片缺陷的第二示意图，图5(c)为本申请一实施例芯片缺陷的第三示意图，图5(d)为本申请一实施例芯片缺陷的第四示意图，图5(e)为本申请一实施例芯片缺陷的第五示意图，图5(f)为本申请一实施例芯片缺陷的第六示意图，图5(g)为本申请一实施例芯片缺陷的第七示意图；
图6为本申请一实施例的电子元件检测装置的结构框图；
图7为本申请一实施例的电子设备的结构框图；
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
参照图1，示出本申请一实施例的电子元件检测方法的流程图，该电子元件检测方法至少可以包括步骤S100-S400：
S100、获取电子元件在电子显微镜下的成像数据。
S200、对成像数据进行识别处理，提取电子元件的关键信息。
S300、根据关键信息与预设评分策略，确定检测结果。
S400、当检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像。
本申请实施例的电子元件检测方法可以通过计算机、手机、平板、车载终端、工控机等的电子控制单元、控制器、处理器等执行，也可以通过云服务器执行。例如，利用云服务器在互联网端执行。
本申请实施例的技术方案，通过获取电子元件在电子显微镜下的成像数据，对成像数据进行识别处理，提取电子元件的关键信息，根据关键信息与预设评分策略，确定检测结果，并且通过成像数据识别关键信息，结合预设评分策略，确定检测结果，无需人工肉眼观察关键信息并进行人工判断，提高效率，另外可以识别出电子元件外观的缺陷而不局限于功能指标；当检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像，使得工作人员可以直观、快速地了解电子元件的缺陷位置，进一步提高效率。
在一种实施方式中，步骤S100中，成像数据可以直接通过电子显微镜获取得到，或者从其他的途径获取到通过电子显微镜获取的电子元件的成像数据。示例性，以电子元件为半导体芯片为例，其他实施例中可以为其他类型的元件。
在一种实施方式中，获得成像数据后可以进行去噪、增强、裁剪等处理，得到合适大小、清晰的成像数据。
参照图2，在一种实施方式中，步骤S200中，通过识别模型对成像数据进行识别处理，从而提取电子元件的关键信息。可选地，识别模型利用光学字符识别(OCR)以及OpenCV对成像数据进行识别，提取电子元件的关键信息。其中，关键信息包括但不限于半导体芯片(以下简称芯片)的位置信息、尺寸信息、引脚信息、刻印信息以及表面信息等。
参照图3，需要说明的是，在对上述的识别模型进行训练时，获取足够多的电子显微镜下的原始数据，原始数据包括完整芯片、各种残缺芯片、划痕芯片、毛刺芯片、污点芯片、芯片刻印、芯片排脚等实际应用可能出现的情况样例。然后，可以对数据进行清洗、分析完整芯片作为标准图像，如图4(a)以及如4(b)，OCR以及OpenCV识别到标准图像的关键信息，校验关键信息是否正确，进行算法训练，识别模型中具有成像大小算法、污点算法、探伤算法、刻印识别算法等，从而确定各项指标的评分基准值，即确定基准信息并引入预设评分策略保存。可选地，基准信息包括但不限于电子元件的基准坐标、标准比值、引脚的标准数量、标准引脚坐标、标准刻印、标准表面等等，并进行存储。
在一种实施方式中，步骤S300包括步骤S310-S340中的至少之一，本申请实施例中以包括S310-S340为例进行说明：
S310、根据关键信息中电子元件的位置信息、尺寸信息以及预设评分策略，确定第一子检测结果。
在一种实施方式中，步骤S310包括S3101-S3102，第一子检测结果包括第一比较结果和第二比较结果，第一比较结果和第二比较结果均表征存在缺陷时，则第一子检测结果表征存在缺陷；其他实施方式中，步骤S310可以包括S3101或者S3102中的其中之一，此时第一子检测结果包括第一比较结果以及第二比较结果中的其中之一：
S3101、计算电子元件的各个实际坐标与基准坐标的坐标偏离值以及坐标偏离值对应的坐标偏离分数，将坐标偏离分数与坐标偏离阈值进行第一比较，确定第一比较结果。
本申请实施例中，位置信息可以包括芯片各个角的实际坐标，如左上角坐标、右上角坐标、左下角坐标以及右下角坐标。可选地，计算各个实际坐标与基准坐标的坐标偏离值，然后确定坐标偏离值对应的坐标偏离分数。需要说明的是，计算偏离值可通过计算距离、或者相似度的方式，事先配置偏离值范围，每一个偏离值范围对应的坐标偏离分数，偏离越大分数越低，例如分数为(0,9)，当坐标偏离值位于某个偏离值范围时，可能确定坐标偏离分数为5。然后，将各个坐标偏离分数与坐标偏离阈值进行第一比较，确定第一比较结果。例如，当某个坐标偏离分数小于坐标偏离阈值，则认为不合格，因此当存在至少一个坐标偏离分数小于坐标偏离阈值，则第一比较结果表征不合格，即存在缺陷。
S3102、计算电子元件的长度与高度的第一乘积，获取成像数据的图像长度以及图像高度并计算图像长度与图像高度的第二乘积，计算第一乘积与第二乘积的比值确定实际比值，将实际比值与标准比值进行第二比较，确定第二比较结果；第一子检测结果包括第一比较结果，和/或第二比较结果。
具体地，成像数据的图像长度L以及图像高度H可以通过识别模型识别而获取到，电子元件的长度l与高度h的第一乘积为(l*h)，第二乘积为(L*H)，实际比值为(l*h)/(L*H)。然后，将实际比值与标准比值进行第二比较，确定第二比较结果；标准比值基于标准芯片的图像利用同样的方式计算得到。其中，第二比较可以为确定实际比值与标准比值之间的大小偏差值，根据大小偏差值确定位于哪一个预设大小偏差范围中，每一预设大小偏差范围可以配置对应的分数，偏差越大分数越低，当大小偏差值的偏差分数小于大小偏差阈值，此时认为第二比较结果表征不合格，即存在缺陷。尺寸信息除了包括长度、宽度以外还可以包括周长、对角线长度等等，尺寸信息可以包括芯片正反两面的尺寸的信息。
S320、根据关键信息中电子元件的引脚信息以及预设评分策略，确定第二子检测结果。
在一种实施方式中，步骤S320包括S3201-S3202，第二子检测结果包括第三比较结果和第四比较结果，第三比较结果和第四比较结果均表征存在缺陷时，则第二子检测结果表征存在缺陷；其他实施方式中，步骤S320可以包括S3201或者S3202中的其中之一，此时第二子检测结果包括第三比较结果和第四比较结果中的其中之一：
S3201、将电子元件的引脚数量与标准数量进行第三比较，确定第三比较结果。
可选地，引脚信息可以包括引脚数量，将电子元件的引脚数量与标准数量进行第三比较，当引脚数量小于标准数量或者大于标准数量，得分为0，当引脚数量小于标准数量等于标准数量，得分为1，而得分为0时，则第三比较结果表征存在缺陷。
S3202、计算电子元件的实际引脚坐标与标准引脚坐标的引脚偏离值以及引脚偏离值对应的引脚偏离分数，将引脚偏离分数与引脚偏离阈值进行第四比较，确定第四比较结果。
可选地，引脚信息可以包括各个引脚的实际引脚坐标，计算电子元件的实际引脚坐标与标准引脚坐标的引脚偏离值，每一引脚偏离值确定位于哪个预设引脚偏离范围，每一引脚偏离范围对应一个具体的分数，因此可以确定每一引脚偏离值对应的引脚偏离分数，将引脚偏离分数与引脚偏离阈值进行第四比较，当至少一引脚偏离分数小于引脚偏离阈值，则第四比较结果表征存在缺陷。
可选地，引脚信息还可包括各个引脚的坐标以及间距。
S330、根据关键信息中电子元件的刻印信息以及预设评分策略，确定第三子检测结果。
在一种实施方式中，步骤S330包括S3301-S3302：
S3301、将刻印信息与标准刻印进行第一相似度计算，得到第一相似度结果。
S3302、将第一相似度结果与刻印相似度阈值进行第五比较，得到第三子检测结果。
可选地，将刻印信息与标准刻印进行第一相似度计算，得到第一相似度结果，如果刻印信息出现缺失时，刻印信息与标准刻印会存在差异，第一相似度结果会减低，因此当第一相似度结果小于刻印相似度阈值时，第五比较结果表征存在缺陷。可选地，刻印信息可以为芯片的型号、编码、标号，芯片背面的焊点数量，如图2中的A1、8302、ARUZ、#01B等。
S340、根据关键信息中电子元件的表面信息以及预设评分策略，确定第四子检测结果。
在一种实施方式中，步骤S340包括S3401-S3402：
S3401、将表面信息与标准表面进行第二相似度计算，得到第二相似度结果。
S3402、将第二相似度结果与表面相似度阈值进行第六比较，得到第四子检测结果。
类似地，将表面信息与标准表面进行第二相似度计算，如果芯片的表面存在刮痕、裂痕、污点等情况，此时第二相似度计算结果会减小，第二相似度计算结果小于表面相似度阈值，此时第四子检测结果表征存在缺陷。
需要说明的是，当第一子检测结果、第二子检测结果、第三子检测结果以及第四子检测结果中的至少之一表征存在缺陷时，则检测结果表征存在缺陷。
在一种实施方式中，本申请实施例的步骤S400中，当检测结果表征存在缺陷时，系统可以对缺陷位置进行标记，生成对缺陷位置进行标记后的标记图像，并可以进行告警通知工作人员介入，从而使得工作人员可以直观、快速地查看具体哪个位置存在缺陷，方便进行人工的第二次判定，确定当前的元件是否核验合格，大大提高效率。如图5(a)、图5(b)、图5(c)、图5(d)、图5(e)、图5(f)、图5(g)。
需要说明的是，标记的方式不作具体限定，本申请实施例中以“圆圈”的方式标记，其他实施例中可以为其他方式，不作具体限定；检测到的检测结果可以反馈至数据库供识别模型进行训练、修正。
在一种实施方式中，本申请实施例的方法还步骤S1-S2，可以在步骤S100之后通过识别模块执行：
S1、根据拉普拉斯算子确定成像数据的方差。
S2、当方差小于清晰度阈值，返回获取电子元件在电子显微镜下的成像数据的步骤以获取新的成像数据。
本申请实施例中，事先通过大量的原始数据进行训练、统计和分析，从而确定一个代表清晰度的清晰度阈值C。可选地，通过识别模型的opencv技术，利用拉普拉斯算子计算成像数据的二阶导数，用于反映图片的边缘信息并计算方差，同样事物的图片，清晰度高的，相对应的经过拉普拉斯算子滤波后的图片的方差也就越大。因此，当方差小于清晰度阈值，认为当前的成像数据是模糊的，返回获取电子元件在电子显微镜下的成像数据的步骤以获取新的成像数据，以保证关键信息提取的准确率。同时，可以发送告警通知，使工作人员调节电子显微镜或者检测电子显微镜是不是存在故障。
通过本申请实施例的方法，至少能够达到效果：
1)、本发明实施例引入了OCR识别、OpenCV识别、AI学习算法、系统评分策略机制，通过多维度的统计分析数据，有效解决了测试电子元件功能指标+人工肉眼观察的检验模式不足之处，极大电子元件的检测效率和检测准确率，减轻了核查员的工作负担，节约了工作人员的工作时间，提高了工作效率，有利于提升电子元件的合格率；
2)、可以在终端的web实现，无需安装app，无需搭建专业的电子测试系统，无需进行物理测试，不会损伤被检测的电子元件；
3)、基于预设评分策略机制，支持灵活制定合适的标准
4)、多维度的统计分析，减少评分误差，提高识别精确度，并提高检测效率；
5)、成本低、可行性高，适用性广，支持质量溯源。
参照图6，示出了本申请一实施例的电子元件检测装置的结构框图，该装置可以包括：
获取模块，用于获取电子元件在电子显微镜下的成像数据；
识别模块，用于对成像数据进行识别处理，提取电子元件的关键信息；
确定模块，用于根据关键信息与预设评分策略，确定检测结果；
生成模块，用于当检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
参照图7，示出了本申请一实施例电子设备的结构框图，该电子设备包括：存储器310和处理器320，存储器310内存储有可在处理器320上运行的指令，处理器320加载并执行该指令实现上述实施例中的电子元件检测方法。其中，存储器310和处理器320的数量可以为一个或多个。
在一种实施方式中，电子设备还包括通信接口330，用于与外界设备进行通信，进行数据交互传输。如果存储器310、处理器320和通信接口330独立实现，则存储器310、处理器320和通信接口330可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(PeripheralComponentInterconnect，PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器310、处理器320及通信接口330集成在一块芯片上，则存储器310、处理器320及通信接口330可以通过内部接口完成相互间的通信。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的电子元件检测方法。
本申请实施例还提供了一种芯片，该芯片包括，包括处理器，用于从存储器中调用并运行存储器中存储的指令，使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片，包括：输入接口、输出接口、处理器和存储器，输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连，处理器用于执行存储器中的代码，当代码被执行时，处理器用于执行申请实施例提供的方法。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(fieldprogrammablegate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。
进一步地，可选的，上述存储器可以包括只读存储器和随机存取存储器，还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以包括只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(doubledata date SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种电子元件检测方法，其特征在于，包括：
获取电子元件在电子显微镜下的成像数据；
对所述成像数据进行识别处理，提取电子元件的关键信息；
根据所述关键信息与预设评分策略，确定检测结果；
当所述检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像。
2.根据权利要求1所述电子元件检测方法，其特征在于：所述根据所述关键信息与预设评分策略，确定检测结果包括以下至少之一：
根据所述关键信息中电子元件的位置信息、尺寸信息以及所述预设评分策略，确定第一子检测结果；
根据所述关键信息中电子元件的引脚信息以及所述预设评分策略，确定第二子检测结果；
根据所述关键信息中电子元件的刻印信息以及所述预设评分策略，确定第三子检测结果；
根据所述关键信息中电子元件的表面信息以及所述预设评分策略，确定第四子检测结果；
其中，当所述第一子检测结果、所述第二子检测结果、所述第三子检测结果以及所述第四子检测结果中的至少之一表征存在缺陷时，则所述检测结果表征存在缺陷。
3.根据权利要求2所述电子元件检测方法，其特征在于：所述根据所述关键信息中电子元件的位置信息、尺寸信息以及所述预设评分策略，确定第一子检测结果包括：
计算电子元件的各个实际坐标与基准坐标的坐标偏离值以及所述坐标偏离值对应的坐标偏离分数，将所述坐标偏离分数与坐标偏离阈值进行第一比较，确定第一比较结果；
和/或，
计算电子元件的长度与高度的第一乘积，获取成像数据的图像长度以及图像高度并计算所述图像长度与所述图像高度的第二乘积，计算所述第一乘积与所述第二乘积的比值确定实际比值，将所述实际比值与标准比值进行第二比较，确定第二比较结果；所述第一子检测结果包括所述第一比较结果，和/或所述第二比较结果。
4.根据权利要求2所述电子元件检测方法，其特征在于：所述根据所述关键信息中电子元件的引脚信息以及所述预设评分策略，确定第二子检测结果包括：
将所述电子元件的引脚数量与标准数量进行第三比较，确定第三比较结果；
和/或，
计算电子元件的实际引脚坐标与标准引脚坐标的引脚偏离值以及所述引脚偏离值对应的引脚偏离分数，将所述引脚偏离分数与引脚偏离阈值进行第四比较，确定第四比较结果。
5.根据权利要求2所述电子元件检测方法，其特征在于：所述根据所述关键信息中电子元件的刻印信息以及所述预设评分策略，确定第三子检测结果包括：
将所述刻印信息与标准刻印进行第一相似度计算，得到第一相似度结果；
将所述第一相似度结果与刻印相似度阈值进行第五比较，得到第三子检测结果。
6.根据权利要求2所述电子元件检测方法，其特征在于：所述根据所述关键信息中电子元件的表面信息以及所述预设评分策略，确定第四子检测结果包括：
将所述表面信息与标准表面进行第二相似度计算，得到第二相似度结果；
将所述第二相似度结果与表面相似度阈值进行第六比较，得到第四子检测结果。
7.根据权利要求1-6任一项所述电子元件检测方法，其特征在于：所述获取电子元件在电子显微镜下的成像数据的步骤之后，还包括：
根据拉普拉斯算子确定所述成像数据的方差；
当所述方差小于清晰度阈值，返回所述获取电子元件在电子显微镜下的成像数据的步骤以获取新的成像数据。
8.一种电子元件检测装置，其特征在于，包括：
获取模块，用于获取电子元件在电子显微镜下的成像数据；
识别模块，用于对所述成像数据进行识别处理，提取电子元件的关键信息；
确定模块，用于根据所述关键信息与预设评分策略，确定检测结果；
生成模块，用于当所述检测结果表征存在缺陷时，生成对缺陷位置进行标记后的标记图像。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器中存储指令，所述指令由所述处理器加载并执行，以实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311281035.2A CN117252844A (zh) | 2023-09-28 | 2023-09-28 | 一种电子元件检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311281035.2A CN117252844A (zh) | 2023-09-28 | 2023-09-28 | 一种电子元件检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117252844A true CN117252844A (zh) | 2023-12-19 |
Family
ID=89127610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311281035.2A Pending CN117252844A (zh) | 2023-09-28 | 2023-09-28 | 一种电子元件检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252844A (zh) |
-
2023
- 2023-09-28 CN CN202311281035.2A patent/CN117252844A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107543828B (zh) | 一种工件表面缺陷检测方法及系统 | |
| US11189019B2 (en) | Method for detecting defects, electronic device, and computer readable medium | |
| TW201517192A (zh) | 晶片對資料庫的影像檢測方法 | |
| CN114266773B (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
| CN112508846A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
| CN110346704B (zh) | 板卡测试中测试文件的确定方法、装置、设备及存储介质 | |
| CN112200776A (zh) | 芯片封装缺陷检测方法和检测装置 | |
| CN113222913B (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
| CN113030123B (zh) | 一种基于物联网的aoi检测反馈系统 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
| CN113850749A (zh) | 训练缺陷侦测器的方法 | |
| CN113160161A (zh) | 目标边缘处缺陷的检测方法和装置 | |
| CN113284094A (zh) | 获取玻璃基板缺陷信息的方法、装置、存储介质及设备 | |
| CN109741295B (zh) | 产品质量检测方法及装置 | |
| CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
| CN114677348A (zh) | 一种基于视觉的ic芯片缺陷的检测方法、系统和存储介质 | |
| JP2014126445A (ja) | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム | |
| CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
| KR20160105082A (ko) | 기판 검사 장치 및 그 검사 방법 | |
| CN113822836A (zh) | 标记图像的方法 | |
| JP2010129814A (ja) | 観察条件決定支援装置および観察条件決定支援方法 | |
| CN117252844A (zh) | 一种电子元件检测方法、装置、设备及存储介质 | |
| CN112330583A (zh) | 产品缺陷检测方法、装置、设备和存储介质 | |
| CN115861161A (zh) | 机器学习系统、学习数据收集方法以及存储介质 | |
| CN111460198A (zh) | 一种图片时间戳的审核方法及装置 |
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 |