CN117686516B - 基于机器视觉的芯片外观缺陷自动检测系统 - Google Patents
基于机器视觉的芯片外观缺陷自动检测系统 Download PDFInfo
- Publication number
- CN117686516B CN117686516B CN202410119215.9A CN202410119215A CN117686516B CN 117686516 B CN117686516 B CN 117686516B CN 202410119215 A CN202410119215 A CN 202410119215A CN 117686516 B CN117686516 B CN 117686516B
- Authority
- CN
- China
- Prior art keywords
- pin
- abnormal
- defect
- main body
- appearance
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 120
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims description 122
- 238000004519 manufacturing process Methods 0.000 claims description 27
- 239000000284 extract Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 abstract description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及芯片外观检测领域,用于解决芯片外观检测时标准化操作困难,容易因为人为因素产生误差的问题,具体为基于机器视觉的芯片外观缺陷自动检测系统,包括图像采集单元、对比分析单元、缺陷统计单元、检测效率分析单元和设备预警单元;本发明中,通过图像采集设备与智能图像分析手段对芯片的外观进行采集、外观辨别和外观缺陷判定,从而能够对芯片外观缺陷的标准进行统一,避免出现人为误差因素,提高了芯片缺陷故障检测的效率,通过对芯片所存在的缺陷进行分类统计,根据分类统计的结果对可能有设备所导致的频发故障进行判别,从而分析出芯片封装设备所存在的可能故障,提高了芯片外观缺陷分析时的数据利用率。
Description
技术领域
本发明涉及芯片外观检测领域,具体为基于机器视觉的芯片外观缺陷自动检测系统。
背景技术
半导体芯片在各个领域用途广泛,在芯片制造流程中,需要对其进行外观检测,以确定线宽等各项数据并进行分析,芯片中IC引脚的平面度和正位度是影响线路板组装质量的一个重要因素,如何在生产过程中在线检测IC引脚的平面度和正位度,从而控制和提高产品的表面质量一直是电子行业非常关注的内容,目前芯片的外观检测主要是通过人工目检方式完成,传统做法是调节显微镜载物台使待测区域出现在屏幕中央,手动划线选择测量内容并读出数据。
目前,现有技术中的芯片外观检测方式会因为人眼疲劳和手动划线产生误差,且不同操作人员的测量习惯有所不同,标准化操作困难,因此需要一种能够对芯片外观进行自动检测、并进行智能化分析的系统;
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明中,通过图像采集设备与智能图像分析手段对芯片的外观进行采集、外观辨别和外观缺陷判定,对芯片外观缺陷的标准进行统一,避免出现人为误差因素,提高了芯片缺陷故障检测的效率,通过对芯片所存在的缺陷进行分类统计,根据分类统计的结果对可能有设备所导致的频发故障进行判别,从而分析出芯片封装设备所存在的可能故障,提高了芯片外观缺陷分析时的数据利用率,增加芯片缺陷检测系统的功能性,解决芯片外观检测时标准化操作困难,容易因为人为因素产生误差的问题,而提出基于机器视觉的芯片外观缺陷自动检测系统。
本发明的目的可以通过以下技术方案实现:
基于机器视觉的芯片外观缺陷自动检测系统,包括图像采集单元、对比分析单元、缺陷统计单元、检测效率分析单元和设备预警单元,所述图像采集单元能够对芯片外观进行采集,根据采集结果生成图像信息,并将图像信息发送至对比分析单元;
所述对比分析单元获取到图像信息后,根据图像信息进行分析,提取图像信息中存在的外观缺陷,并将外观缺陷发送至缺陷统计单元;
所述缺陷统计单元获取到外观缺陷,对外观缺陷进行分类统计,将外观缺陷的分类统计结果进行阈值分析,根据阈值分析结果对设备做出预测,生成设备故障信号或设备正常信号;
所述检测效率分析单元获取到检测样本数量,并根据样本数量和检测样本所花费的时间,计算检测效率,根据检测效率进行阈值分析,生成高效率设备和低效率设备,所述检测效率分析单元将高效率设备和低效率设备发送至设备预警单元;
所述设备预警单元获取到故障异常信号后,生成相应的故障异常预警,所述设备预警单元获取到高效率设备和低效率设备后,生成设备正常提醒或设备异常提醒。
作为本发明的一种优选实施方式,所述图像采集单元在对芯片外观进行采集时,通过霍夫变换对图像进行处理,获取所采集的图像中芯片的外观,所述图像采集单元获取到的芯片的外观分为引脚外观和主体外观;
所述图像采集单元在采集引脚外观后,对引脚数量和引脚位置进行提取,记录为实际引脚数量;
所述图像采集单元将引脚位置与预设的引脚位置进行重合对比,将预设的引脚位置中未与引脚位置重合的位置记录为偏差位置,所述图像采集单元通过像素数量计算偏差位置的面积,记录为引脚面积偏差;
所述图像采集单元对主体外观进行获取时,标记主体外观上的缺失、凹凸、污渍点,统一记录为主体异常区域。
作为本发明的一种优选实施方式,所述对比分析单元将实际引脚数量和设计引脚数量进行对比,若实际引脚数量等于设计引脚数量,则生成引脚数量正常信号,若实际引脚数量大于或小于设计引脚数量,则生成引脚数量异常信号;
所述对比分析单元将引脚面积偏差与预设的引脚面积偏差进行对比,若引脚面积偏差大于等于预设的引脚面积偏差阈值,则生成引脚偏移信号,若引脚面积偏差小于预设的引脚面积偏差阈值,则生成引脚正常信号;
所述对比分析单元在生成引脚偏移信号后,若同时生成引脚数量异常信号,则生成引脚缺失信号,所述对比分析单元在生成引脚偏移信号后,若同时生成引脚数量正常信号,则生成引脚受损信号,其中引脚受损信号和引脚缺失信号为引脚缺陷类型。
作为本发明的一种优选实施方式,所述对比分析单元获取到主体异常区域后,生成主体异常信号,所述对比分析单元未获取到主体异常区域后,生成主体正常信号,其中主体异常信号为主体缺陷类型;
所述对比分析单元获取到主体异常区域后,对主体异常区域的面积进行计算,记录为异常面积值。
作为本发明的一种优选实施方式,所述缺陷统计单元创建两组集合,记录为主体异常集合与引脚异常集合,所述引脚异常集合包含两组子集,分别为引脚缺失集合与引脚受损集合,所述缺陷统计单元每获取到一次主体缺陷类型后,在主体异常集合中添加一组元素,元素的值为主体异常区域的异常面积值,所述缺陷统计单元每获取到一次引脚受损信号后,则在引脚受损集合中增加一组元素,所述缺陷统计单元每获取到一次引脚缺失信号后,则在引脚缺失集合中增加一组元素。
作为本发明的一种优选实施方式,所述缺陷统计单元统计主体异常集合中的元素数量和引脚异常集合中的元素数量,将二组集合中的总数量记录为异常总频次,所述缺陷统计单元获取到外观缺陷检测的总检测次数,记录为母数频次;
所述缺陷统计单元计算异常总频次在母数频次中的占比,记录为异常占比值,所述缺陷统计单元将异常占比值与预设的异常阈值进行对比,若异常占比值大于预设的异常阈值,则生成设备生产异常信号;
所述缺陷统计单元计算主体异常集合中的元素数量在母数频次中的占比,记录为主体异常占比值,所述缺陷统计单元将主体异常占比值与预设的主体异常阈值进行对比,若主体异常占比值大于预设的主体异常阈值,则生成主体生产异常信号;
所述缺陷统计单元计算引脚异常集合中的元素数量在母数频次中的占比,记录为引脚异常占比值,所述缺陷统计单元将引脚异常占比值与预设的引脚异常阈值进行对比,若引脚异常占比值大于预设的引脚异常阈值,则生成引脚生产异常信号。
作为本发明的一种优选实施方式,所述缺陷统计单元统计引脚缺失集合和引脚受损集合中的元素数量,并通过引脚缺失集合/引脚受损集合计算缺损比例,所述缺陷统计单元将缺损比例与预设的比例范围进行对比,若缺损比例大于预设的比例范围最大值,则生成引脚生产缺失信号,若缺损比例小于预设的比例范围最小值,则生成引脚生产受损信号,若缺损比例位于预设的比例范围内,则不作出反应。
作为本发明的一种优选实施方式,所述检测效率分析单元获取到检测效率后,将检测效率符合预设的检测标准的记录为高效率设备,将检测效率未符合预设的检测标准的记录为低效率设备。
与现有技术相比,本发明的有益效果是:
本发明中,通过图像采集设备与智能图像分析手段对芯片的外观进行采集、外观辨别和外观缺陷判定,从而能够对芯片外观缺陷的标准进行统一,避免出现人为误差因素,同时提高了芯片缺陷故障检测的效率。
本发明中,通过对芯片所存在的缺陷进行分类统计,根据分类统计的结果对可能有设备所导致的频发故障进行判别,从而分析出芯片封装设备所存在的可能故障,提高了芯片外观缺陷分析时的数据利用率,增加芯片缺陷检测系统的功能性。
本发明中,通过对芯片的检测速度进行统计,根据芯片的检测速度统计结果实现对芯片检测效率的分析,实现了检测设备的自检功能。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明做进一步的说明。
图1为本发明的系统框图;
图2为本发明的系统流程图。
具体实施方式
下面将结合实施例对本发明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。
实施例一
请参阅图1-图2所示,基于机器视觉的芯片外观缺陷自动检测系统,包括图像采集单元、对比分析单元、缺陷统计单元、检测效率分析单元和设备预警单元,图像采集单元能够对芯片外观进行采集,图像采集单元在对芯片外观进行采集时,根据采集结果生成图像信息并通过霍夫变换对图像进行处理,获取所采集的图像中芯片的外观,图像采集单元获取到的图像信息分为引脚外观和主体外观,并将图像信息发送至对比分析单元;
图像采集单元在采集引脚外观后,对引脚数量和引脚位置进行提取,记录为实际引脚数量;
图像采集单元将引脚位置与预设的引脚位置进行重合对比,将预设的引脚位置中未与引脚位置重合的位置记录为偏差位置,图像采集单元通过像素数量计算偏差位置的面积,记录为引脚面积偏差;
图像采集单元对主体外观进行获取时,标记主体外观上的缺失、凹凸、污渍点,统一记录为主体异常区域;
对比分析单元获取到图像信息后,根据图像信息进行分析,提取图像信息中存在的外观缺陷,并将外观缺陷发送至缺陷统计单元,对比分析单元将实际引脚数量和设计引脚数量进行对比,若实际引脚数量等于设计引脚数量,则生成引脚数量正常信号,若实际引脚数量大于或小于设计引脚数量,则生成引脚数量异常信号;
对比分析单元将引脚面积偏差与预设的引脚面积偏差进行对比,若引脚面积偏差大于等于预设的引脚面积偏差阈值,则生成引脚偏移信号,若引脚面积偏差小于预设的引脚面积偏差阈值,则生成引脚正常信号;
对比分析单元在生成引脚偏移信号后,若同时生成引脚数量异常信号,则生成引脚缺失信号,对比分析单元在生成引脚偏移信号后,若同时生成引脚数量正常信号,则生成引脚受损信号,其中引脚受损信号和引脚缺失信号为引脚缺陷类型;
对比分析单元获取到主体异常区域后,生成主体异常信号,对比分析单元未获取到主体异常区域后,生成主体正常信号,其中主体异常信号为主体缺陷类型;
对比分析单元获取到主体异常区域后,对主体异常区域的面积进行计算,记录为异常面积值。
缺陷统计单元获取到外观缺陷,对外观缺陷进行分类统计,统计时缺陷统计单元创建两组集合,记录为主体异常集合与引脚异常集合,引脚异常集合包含两组子集,分别为引脚缺失集合与引脚受损集合,缺陷统计单元每获取到一次主体缺陷类型后,在主体异常集合中添加一组元素,元素的值为主体异常区域的异常面积值,缺陷统计单元每获取到一次引脚受损信号后,则在引脚受损集合中增加一组元素,缺陷统计单元每获取到一次引脚缺失信号后,则在引脚缺失集合中增加一组元素;
缺陷统计单元统计主体异常集合中的元素数量和引脚异常集合中的元素数量,将二组集合中的总数量记录为异常总频次,缺陷统计单元获取到外观缺陷检测的总检测次数,记录为母数频次;
缺陷统计单元将外观缺陷的分类统计结果进行阈值分析,根据阈值分析结果对设备作出预测,生成设备故障信号或设备正常信号,缺陷统计单元在生成设备生产异常信号、主体生产异常信号、引脚生产异常信号中的任意一组后,生成设备故障信号,缺陷统计单元在同时未生成设备生产异常信号、主体生产异常信号、引脚生产异常信号时,生成设备正常信号;
具体过程为:
缺陷统计单元计算异常总频次在母数频次中的占比,记录为异常占比值,缺陷统计单元将异常占比值与预设的异常阈值进行对比,若异常占比值大于预设的异常阈值,则生成设备生产异常信号;
缺陷统计单元计算主体异常集合中的元素数量在母数频次中的占比,记录为主体异常占比值,缺陷统计单元将主体异常占比值与预设的主体异常阈值进行对比,若主体异常占比值大于预设的主体异常阈值,则生成主体生产异常信号;
缺陷统计单元计算引脚异常集合中的元素数量在母数频次中的占比,记录为引脚异常占比值,缺陷统计单元将引脚异常占比值与预设的引脚异常阈值进行对比,若引脚异常占比值大于预设的引脚异常阈值,则生成引脚生产异常信号。
缺陷统计单元统计引脚缺失集合和引脚受损集合中的元素数量,并通过引脚缺失集合/引脚受损集合计算缺损比例,缺陷统计单元将缺损比例与预设的比例范围进行对比,若缺损比例大于预设的比例范围最大值,则生成引脚生产缺失信号,若缺损比例小于预设的比例范围最小值,则生成引脚生产受损信号,若缺损比例位于预设的比例范围内,则不作出反应,缺陷统计单元生成引脚生产缺失信号后,表明设备在生产芯片时,芯片的引脚具有大概率出现缺失,从而通过引脚生产缺失信号提醒管理人员对设备进行查看,缺陷统计单元在生成引脚生产受损信号后,表明设备在生产芯片时,芯片的引脚具有大概率受损发生偏移或弯折,从而提醒管理人员对芯片生产设备进行查看。
实施例二
请参阅图1-图2所示,检测效率分析单元获取到检测样本数量,并根据样本数量和检测样本所花费的时间,计算检测效率,检测效率分析单元获取到检测效率后,根据检测效率进行阈值分析,将检测效率符合预设的检测标准的记录为高效率设备,将检测效率未符合预设的检测标准的记录为低效率设备,检测效率分析单元将高效率设备和低效率设备发送至设备预警单元,设备预警单元获取到故障异常信号后,生成相应的故障异常预警,设备预警单元获取到高效率设备和低效率设备后,生成设备正常提醒或设备异常提醒,实现芯片外观缺陷自动检测系统与管理人员的人机交互。
本发明中,通过图像采集设备与智能图像分析手段对芯片的外观进行采集、外观辨别和外观缺陷判定,从而能够对芯片外观缺陷的标准进行统一,避免出现人为误差因素,同时提高了芯片缺陷故障检测的效率,通过对芯片所存在的缺陷进行分类统计,根据分类统计的结果对可能有设备所导致的频发故障进行判别,从而分析出芯片封装设备所存在的可能故障,提高了芯片外观缺陷分析时的数据利用率,增加芯片缺陷检测系统的功能性,通过对芯片的检测速度进行统计,根据芯片的检测速度统计结果实现对芯片检测效率的分析,实现了检测设备的自检功能。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (2)
1.基于机器视觉的芯片外观缺陷自动检测系统,其特征在于,包括图像采集单元、对比分析单元、缺陷统计单元、检测效率分析单元和设备预警单元,所述图像采集单元能够对芯片外观进行采集,根据采集结果生成图像信息,并将图像信息发送至对比分析单元;
所述对比分析单元获取到图像信息后,根据图像信息进行分析,提取图像信息中存在的外观缺陷,并将外观缺陷发送至缺陷统计单元;
所述缺陷统计单元获取到外观缺陷,对外观缺陷进行分类统计,将外观缺陷的分类统计结果进行阈值分析,根据阈值分析结果对设备做出预测,生成设备故障信号或设备正常信号;
所述检测效率分析单元获取到检测样本数量,并根据样本数量和检测样本所花费的时间,计算检测效率,根据检测效率进行阈值分析,生成高效率设备和低效率设备,所述检测效率分析单元将高效率设备和低效率设备发送至设备预警单元;
所述设备预警单元获取到故障异常信号后,生成相应的故障异常预警,所述设备预警单元获取到高效率设备和低效率设备后,生成设备正常提醒或设备异常提醒;
所述图像采集单元在对芯片外观进行采集时,通过霍夫变换对图像进行处理,获取所采集的图像中芯片的外观,所述图像采集单元获取到的芯片的外观分为引脚外观和主体外观;
所述图像采集单元在采集引脚外观后,对引脚数量和引脚位置进行提取,记录为实际引脚数量;
所述图像采集单元将引脚位置与预设的引脚位置进行重合对比,将预设的引脚位置中未与引脚位置重合的位置记录为偏差位置,所述图像采集单元通过像素数量计算偏差位置的面积,记录为引脚面积偏差;
所述图像采集单元对主体外观进行获取时,标记主体外观上的缺失、凹凸、污渍点,统一记录为主体异常区域;
所述对比分析单元将实际引脚数量和设计引脚数量进行对比,若实际引脚数量等于设计引脚数量,则生成引脚数量正常信号,若实际引脚数量大于或小于设计引脚数量,则生成引脚数量异常信号;
所述对比分析单元将引脚面积偏差与预设的引脚面积偏差进行对比,若引脚面积偏差大于等于预设的引脚面积偏差阈值,则生成引脚偏移信号,若引脚面积偏差小于预设的引脚面积偏差阈值,则生成引脚正常信号;
所述对比分析单元在生成引脚偏移信号后,若同时生成引脚数量异常信号,则生成引脚缺失信号,所述对比分析单元在生成引脚偏移信号后,若同时生成引脚数量正常信号,则生成引脚受损信号,其中引脚受损信号和引脚缺失信号为引脚缺陷类型;
所述对比分析单元获取到主体异常区域后,生成主体异常信号,所述对比分析单元未获取到主体异常区域后,生成主体正常信号,其中主体异常信号为主体缺陷类型;
所述对比分析单元获取到主体异常区域后,对主体异常区域的面积进行计算,记录为异常面积值;
所述缺陷统计单元创建两组集合,记录为主体异常集合与引脚异常集合,所述引脚异常集合包含两组子集,分别为引脚缺失集合与引脚受损集合,所述缺陷统计单元每获取到一次主体缺陷类型后,在主体异常集合中添加一组元素,元素的值为主体异常区域的异常面积值,所述缺陷统计单元每获取到一次引脚受损信号后,则在引脚受损集合中增加一组元素,所述缺陷统计单元每获取到一次引脚缺失信号后,则在引脚缺失集合中增加一组元素;
所述缺陷统计单元统计主体异常集合中的元素数量和引脚异常集合中的元素数量,将二组集合中的总数量记录为异常总频次,所述缺陷统计单元获取到外观缺陷检测的总检测次数,记录为母数频次;
所述缺陷统计单元计算异常总频次在母数频次中的占比,记录为异常占比值,所述缺陷统计单元将异常占比值与预设的异常阈值进行对比,若异常占比值大于预设的异常阈值,则生成设备生产异常信号;
所述缺陷统计单元计算主体异常集合中的元素数量在母数频次中的占比,记录为主体异常占比值,所述缺陷统计单元将主体异常占比值与预设的主体异常阈值进行对比,若主体异常占比值大于预设的主体异常阈值,则生成主体生产异常信号;
所述缺陷统计单元计算引脚异常集合中的元素数量在母数频次中的占比,记录为引脚异常占比值,所述缺陷统计单元将引脚异常占比值与预设的引脚异常阈值进行对比,若引脚异常占比值大于预设的引脚异常阈值,则生成引脚生产异常信号;
所述缺陷统计单元统计引脚缺失集合和引脚受损集合中的元素数量,并通过引脚缺失集合/引脚受损集合计算缺损比例,所述缺陷统计单元将缺损比例与预设的比例范围进行对比,若缺损比例大于预设的比例范围最大值,则生成引脚生产缺失信号,若缺损比例小于预设的比例范围最小值,则生成引脚生产受损信号,若缺损比例位于预设的比例范围内,则不作出反应。
2.根据权利要求1所述的基于机器视觉的芯片外观缺陷自动检测系统,其特征在于,所述检测效率分析单元获取到检测效率后,将检测效率符合预设的检测标准的记录为高效率设备,将检测效率未符合预设的检测标准的记录为低效率设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410119215.9A CN117686516B (zh) | 2024-01-29 | 2024-01-29 | 基于机器视觉的芯片外观缺陷自动检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410119215.9A CN117686516B (zh) | 2024-01-29 | 2024-01-29 | 基于机器视觉的芯片外观缺陷自动检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117686516A CN117686516A (zh) | 2024-03-12 |
CN117686516B true CN117686516B (zh) | 2024-05-10 |
Family
ID=90126745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410119215.9A Active CN117686516B (zh) | 2024-01-29 | 2024-01-29 | 基于机器视觉的芯片外观缺陷自动检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117686516B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及系统 |
CN109785316A (zh) * | 2019-01-22 | 2019-05-21 | 湖南大学 | 一种芯片表观缺陷检测方法 |
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 |
CN114219799A (zh) * | 2021-12-22 | 2022-03-22 | 葛伟杰 | 一种智能制造用次品分析方法及系统 |
CN114609144A (zh) * | 2022-03-16 | 2022-06-10 | 科达制造股份有限公司 | 一种基于ai视觉分级分色的瓷砖产线及控制方法 |
CN116228678A (zh) * | 2023-01-31 | 2023-06-06 | 广东科信电子有限公司 | 芯片封装缺陷自动识别和处理方法 |
CN116353898A (zh) * | 2023-04-23 | 2023-06-30 | 龙岩烟草工业有限责任公司 | 烟包外观缺陷识别方法、装置及烟包生产系统 |
CN117011260A (zh) * | 2023-07-28 | 2023-11-07 | 西安电子科技大学重庆集成电路创新研究院 | 一种芯片外观缺陷自动检测方法、电子设备及存储介质 |
CN117094609A (zh) * | 2023-10-20 | 2023-11-21 | 山东卓越精工集团有限公司 | 一种基于机器视觉的铝型材生产质量智能管理系统 |
CN117250208A (zh) * | 2023-11-20 | 2023-12-19 | 青岛天仁微纳科技有限责任公司 | 基于机器视觉的纳米压印晶圆缺陷精准检测系统及方法 |
-
2024
- 2024-01-29 CN CN202410119215.9A patent/CN117686516B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及系统 |
CN109785316A (zh) * | 2019-01-22 | 2019-05-21 | 湖南大学 | 一种芯片表观缺陷检测方法 |
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 |
CN114219799A (zh) * | 2021-12-22 | 2022-03-22 | 葛伟杰 | 一种智能制造用次品分析方法及系统 |
CN114609144A (zh) * | 2022-03-16 | 2022-06-10 | 科达制造股份有限公司 | 一种基于ai视觉分级分色的瓷砖产线及控制方法 |
CN116228678A (zh) * | 2023-01-31 | 2023-06-06 | 广东科信电子有限公司 | 芯片封装缺陷自动识别和处理方法 |
CN116353898A (zh) * | 2023-04-23 | 2023-06-30 | 龙岩烟草工业有限责任公司 | 烟包外观缺陷识别方法、装置及烟包生产系统 |
CN117011260A (zh) * | 2023-07-28 | 2023-11-07 | 西安电子科技大学重庆集成电路创新研究院 | 一种芯片外观缺陷自动检测方法、电子设备及存储介质 |
CN117094609A (zh) * | 2023-10-20 | 2023-11-21 | 山东卓越精工集团有限公司 | 一种基于机器视觉的铝型材生产质量智能管理系统 |
CN117250208A (zh) * | 2023-11-20 | 2023-12-19 | 青岛天仁微纳科技有限责任公司 | 基于机器视觉的纳米压印晶圆缺陷精准检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117686516A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3282248B1 (en) | Inspection apparatus and quality control system for surface mounting line | |
US7062081B2 (en) | Method and system for analyzing circuit pattern defects | |
CN112053318B (zh) | 基于深度学习的二维pcb缺陷实时自动检测与分类装置 | |
CN110366031A (zh) | 一种数字化车间mes系统基于视觉的异常状态监测与故障诊断方法 | |
CN101576508A (zh) | 芯片外观缺陷自动检测装置及检测方法 | |
CN114219799A (zh) | 一种智能制造用次品分析方法及系统 | |
CN103676868A (zh) | 一种fpc制造关键工序自动监控与智能分析系统 | |
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 | |
US6807454B2 (en) | Method for automatically controlling defect -specification in a semiconductor manufacturing process | |
CN109979840A (zh) | 监控缺陷观察设备晶圆载台精度偏移量的方法 | |
CN113758524A (zh) | 一种电路板加工监测系统 | |
CN115015286A (zh) | 基于机器视觉的芯片检测方法及系统 | |
CN110763979A (zh) | 一种基于mes系统的led晶圆点测自动化系统 | |
CN117686516B (zh) | 基于机器视觉的芯片外观缺陷自动检测系统 | |
WO2023113773A1 (en) | Manufacturing defect detection augmented training sets | |
CN117237747A (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN116840240A (zh) | 电源分配器视觉检测系统 | |
CN114324382A (zh) | 面板端子清洁度检测方法及面板端子清洁度检测装置 | |
CN106443238B (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
CN110087066B (zh) | 一种应用于网上巡查的一键自动巡检方法 | |
CN111157812A (zh) | 一种基于电磁感应的电力设备故障监测方法 | |
KR100472776B1 (ko) | 반도체 장치의 웨이퍼 결함 검사 방법 | |
CN111539933B (zh) | 一种直插元件检测方法及系统 | |
CN112506749B (zh) | 一种硬盘报错信息的现场区分方法和系统 |
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 |