CN118409178A - 封装器件的评估方法、装置、设备、介质和程序产品 - Google Patents
封装器件的评估方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN118409178A CN118409178A CN202410511685.XA CN202410511685A CN118409178A CN 118409178 A CN118409178 A CN 118409178A CN 202410511685 A CN202410511685 A CN 202410511685A CN 118409178 A CN118409178 A CN 118409178A
- Authority
- CN
- China
- Prior art keywords
- test
- temperature
- acquiring
- evaluated
- actual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003466 welding Methods 0.000 claims abstract description 85
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 238000004806 packaging method and process Methods 0.000 claims abstract description 61
- 238000004590 computer program Methods 0.000 claims abstract description 31
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims description 264
- 238000009661 fatigue test Methods 0.000 claims description 46
- 230000007613 environmental effect Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 18
- 230000000149 penetrating effect Effects 0.000 claims description 12
- 229910000679 solder Inorganic materials 0.000 claims description 12
- 230000001351 cycling effect Effects 0.000 claims description 8
- 238000005336 cracking Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 206010016256 fatigue Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012854 evaluation process Methods 0.000 description 4
- 230000004907 flux Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005382 thermal cycling Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004100 electronic packaging Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本申请涉及一种封装器件的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：在接收到器件评估指令的情况下，获取所述器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；获取所述待评估封装器件相应的寿命预测模型；基于所述实际温度数据、所述实际热循环频率和所述寿命预测模型，确定所述待评估封装器件中焊点的预测热循环次数；基于所述预测热循环次数，对所述待评估封装器件进行评估。采用本方法能够在提高评估准确性的同时，提高了评估效率。
Description
技术领域
本申请涉及器件热疲劳评估技术领域，特别是涉及一种封装器件的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术
随着集成电路的集成度越来越高。其中，球栅阵列（BGA，Ball Grid Array）封装器件成了复杂集成电路的主流电子封装技术，此类封装是超高密度、超细间距封装和表面安装需求而产生的先进封装技术。这类器件在服役过程中也容易因为热失配而导致元器件结构早期疲劳失效，成为板级组装工艺中的核心及难点问题。
传统技术中，对球栅阵列封装器件的评估方式，是通过依赖人工操作和数据记录，然后由人工进行评估封装器件，这种方式效率低下且易出错。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高了评估的准确性和效率的封装器件的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种封装器件的评估方法，包括：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
在其中一个实施例中，寿命预测模型的生成过程，包括：
针对每一封装器件，获取封装器件相应的多个测试板；测试板是基于封装器件的结构参数制作得到的；
获取测试板相应的热疲劳试验参数；
基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果；
基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
在其中一个实施例中，基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果，包括：
针对每一测试板，基于热疲劳试验参数，控制测试板所在环境温度的变化，以进行温度循环试验；
在进行温度循环试验中，按照预设周期，获取多张试验图像；试验图像为基于X射线所获取的灰度图像；
基于多张试验图像，获得测试板的试验结果。
在其中一个实施例中，热疲劳试验参数包括试验最高温度、试验最低温度以及单次试验时长；温度循环试验包括多个重复的温度试验；基于热疲劳试验参数，控制测试板所在环境温度的变化，包括：
针对每一温度试验，控制测试板在第一预设时长内所处的环境温度为试验最高温度，以及控制测试板在第二预设时长内所处于的环境温度为试验最低温度；第一预设时长所处时段的结束时刻在第二预设时长所处时段的开始时刻之前；第一预设时长与第二预设时长之和小于单次试验时长。
在其中一个实施例中，基于多张试验图像，获得测试板的试验结果，包括：
根据试验图像和预设图像识别模型，获取每一测试板上封装器件上的焊点情况；
针对每一焊点，获取焊点相应的设置长度；
在焊点情况中焊点上的裂纹贯穿长度大于设置长度的情况下，将焊点上的裂纹贯穿长度大于设置长度所对应的时刻，作为焊点开裂时刻。
在其中一个实施例中，获取焊点相应的设置长度，包括：
基于试验图像，获取每一焊点的直径；
将焊点的直径与预设比例的乘积，作为焊点相应的设置长度。
第二方面，本申请还提供了一种封装器件的评估装置，包括：
数据获取模块，用于在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
模型获取模块，用于获取待评估封装器件相应的寿命预测模型；
次数确定模块，用于基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
器件评估模块，用于基于预测热循环次数，对待评估封装器件进行评估。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
上述封装器件的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；获取待评估封装器件相应的寿命预测模型；基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；基于预测热循环次数，对待评估封装器件进行评估。采用本方法，基于实际温度数据和热循环频率的预测，能够更准确地反映待评估封装器件在实际工作环境中的寿命表现，从而有助于减少因环境因素导致的预测误差，提高了评估的准确性。通过智能化的评估过程，减少了人工进行数据处理的时间，提高了评估效率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对本申请实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为一个实施例中封装器件的评估方法的应用环境图；
图2为一个实施例中封装器件的评估方法的流程示意图；
图3为一个实施例中寿命预测模型的生成过程的流程示意图；
图4为一个实施例中测试板的示意图；
图5为一个实施例中试验装置的结构示意图；
图6为另一个实施例中封装器件的评估方法的流程示意图；
图7为一个实施例中封装器件的评估装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的封装器件的评估方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
服务器104在接收到终端102发送的器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；获取待评估封装器件相应的寿命预测模型；基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；基于预测热循环次数，对待评估封装器件进行评估，并将评估结果反馈至终端102。
其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备、投影设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。头戴设备可以为虚拟现实（Virtual Reality，VR）设备、增强现实（Augmented Reality，AR）设备、智能眼镜等。服务器104可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供云计算服务的云服务器。
在一个示例性的实施例中，如图2所示，提供了一种封装器件的评估方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤202至步骤208。其中：
步骤202，在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率。
需要说明的是，器件评估指令中可以包括待评估封装器件的标识信息。服务器104可以通过终端102所发送的包括待评估封装器件的标识信息的器件评估指令。其中，器件评估指令可以通过周期性的触发生成，也可以通过基于评估需求生成。
具体地，待评估器件的实际温度数据可以是基于温度传感器或其他温度测量设备进行获取的。实际温度数据可以为在待评估封装器件所在的设备中所记录的一系列温度数据，主要包括实际最高温度以及实际最低温度。实际热循环频率是指器件在工作过程中经历的温度变化次数。通过记录温度变化的事件或周期，可以获取实际热循环频率。
步骤204，获取待评估封装器件相应的寿命预测模型。
示例性地，根据待评估封装器件的类型，从已有的模型库或数据库中获取相应的寿命预测模型。具体地，根据待评估封装器件的标识信息，获取待评估器件的类型、规格、材料等信息，从而根据待评估封装器件的类型，从数据库中选定相应的寿命预测模型。需要说明的是，不仅可以通过待评估封装器件的类型，进行选定相应的寿命预测模型，还可以基于待评估器件规格、材料等信息进行获取相应的寿命预测模型。寿命预测模型通常基于大量的实验数据和统计分析建立，用于预测待评估器件在实际情况下的寿命表现。
步骤206，基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数。
示例性地，将待评估封装器件的实际温度数据和实际热循环频率输入至相应的寿命预测模型中，得出待评估封装器件中焊点的预测热循环次数。预测热循环次数是基于待评估器件的当前工作条件和器件特性进行预测的，旨在反映器件在可能经历的热循环次数。
步骤208，基于预测热循环次数，对待评估封装器件进行评估。
需要说明的是，评估结果可以通过报告、图表或其他形式展示给用户或相关决策者，以便他们根据评估结果做出决策。
具体地，根据预测热循环次数、待评估器件的规格和性能要求，对待评估封装器件进行评估。评估结果可以包括判断待评估器件是否满足预期的使用寿命、是否需要提前更换或维修等。通过准确的预测和评估，可以避免过早或过晚的器件更换或维修，从而降低了维护成本和资源浪费。
上述封装器件的评估方法中，在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；获取待评估封装器件相应的寿命预测模型；基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；基于预测热循环次数，对待评估封装器件进行评估。采用本方法，基于实际温度数据和热循环频率的预测，能够更准确地反映待评估封装器件在实际工作环境中的寿命表现，从而有助于减少因环境因素导致的预测误差，提高了评估的准确性。通过智能化的评估过程，减少了人工进行数据处理的时间，提高了评估效率。
在一个示例性的实施例中，如图3所示，示出了一个实施例中寿命预测模型的生成过程的流程示意图。寿命预测模型的生成过程包括步骤302至步骤308。其中：
步骤302，针对每一封装器件，获取封装器件相应的多个测试板；测试板是基于封装器件的结构参数制作得到的。
需要说明的是，封装器件相应的多个测试板是基于封装期间的结构参数制作得到的。具体为，根据封装器件的尺寸信息、焊球间距、测试夹具结构等结构参数，制作封装器件形影的测试板。以封装器件为BGA例，根据BGA的尺寸信息、焊球间距、测试夹具结构等结构参数，设计制作BGA所需要的PCB载板，并将BGA与PCB进行焊接组装，以形成测试板。针对每一类封装器件，可以为其制作多个测试板。
具体地，参考图4，示出了测试板的示意图。其中测试板包括待测封装器件（即参与测试的封装器件）、PCB载板、4个螺钉紧固孔以及4个中间孔。
步骤304，获取测试板相应的热疲劳试验参数。
具体地，基于封装器件在实际使用中所处的环境温度，确定封装器件相应的测试板的热疲惫试验参数。其中，热疲惫试验参数可以包括试验最高温度、试验最低温度以及单次试验时长以及循环次数。
步骤306，基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果。
具体地，基于确定的热疲劳试验参数，对每一测试板进行温度循环试验。这意味着将测试板置于能够模拟温度变化的环境中，并按照预设的参数进行多次温度循环，从而获取每一次温度循环后的试验结果。
步骤308，基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
示例性地，试验结果和热疲劳试验参数，我们就可以对预设的寿命预测模型中的待拟合参数进行拟合处理。预设寿命预测模型通常用于描述了封装器件性能参数与热循环次数之间的关系。通过调整模型中的待拟合参数，可以使模型更好地拟合试验结果，从而得到针对该封装器件的寿命预测模型。
具体地，预设寿命预测模型可以为：
；
其中，N为预测热循环次数；为封装器件实际温差，即最高温度与最低温度的差
值；为实际热循环频率；为封装器件实际运行的最高温度；为玻尔兹曼常数；、
、以及为待拟合参数。
在具体实践中，需要对生成的寿命预测模型进行验证和优化。具体地，通过将模型应用于更多测试数据或实际使用数据来实现，以确保模型的准确性和可靠性。如果需要，还可以根据验证结果对模型进行进一步的调整和优化。
本实施例中，通过基于实际测试板的温度循环试验和结果拟合，生成的寿命预测模型能够更准确地反映封装器件在实际工作环境下的寿命表现，有助于减少预测误差。并且，基于大量测试数据和拟合处理生成的寿命预测模型具有较高的稳定性和可靠性，能够提供更可靠的评估结果。
在一个示例性的实施例中，步骤306，包括：
步骤3062，针对每一测试板，基于热疲劳试验参数，控制测试板所在环境温度的变化，以进行温度循环试验。
步骤3064，在进行温度循环试验中，按照预设周期，获取多张试验图像；试验图像为基于X射线所获取的灰度图像。
步骤3066，基于多张试验图像，获得测试板的试验结果。
示例性地，针对每一测试板，根据相应的热疲劳试验参数，精确地控制其所在环境温度的变化。具体地，通过使用专业的温度控制设备或者系统，以确保测试板能够在设定的温度范围内进行循环变化。温度的变化可能包括快速升降温、恒定温度保持、以及温度波动等多种模式，以模拟实际工作中可能遇到的各种热疲劳情况。
X射线设备发出的高能X射线能够穿透测试板的材料，捕捉到其内部结构的详细图像。而灰度图像中的每个像素的灰度值则代表该点材料密度的不同，从而可以反映出材料在热疲劳过程中的微观变化。通过对比不同时间点的图像，可以获取测试板内部结构的变化趋势，如裂纹的产生和扩展、材料的变形等等，以确定测试板相应的试验结果。
需要说明的是，可以在试验装置上进行温度循环试验。具体地，参考图5，示出了一个实施例中试验装置的结构示意图。具体可以包括，热流罩502、温度控制系统504、X射线成像系统506以及PC端508。X射线成像系统506可以包括X射线发射装置5062和X射线接收装置5064。温度控制系统504与热流罩502通过热流管道连接，热流罩中的温度随热流管道输送的气流温度而变化，目的在于评估其焊点在温度变化下的内部物理特性。热流罩和温度控制系统可为测试板提供快速且精准的温度变化能力，其温度控制系统通过热流管道为热流罩提供冷、热气流。X射线发射装置可以固定于测试板和热流罩正上方，其内部由特殊的真空二极管激发出X射线。为得到高分辨率图像，其管电压设置为250kV左右，与热流罩的距离在2~10cm。X射线接收装置为X射线穿透测试板下方，由于透过测试板的X射线随材料的X射线吸收系数和厚度呈指数规律衰减，探测器检测到衰减后的X射线后可形成灰度不同的X射线影响图，并经由数据传输线发送至PC端保存。
将测试板放置在热流罩502中，温度控制系统504依据热疲劳试验参数，对测试板进行温度循环测试，并按照预设周期，通过X射线发射装置5062进行扫描，得到测试板中封装器件焊点的内部结构特征的图像，X射线接收装置5064将扫描后的图像经数据传输线缆传递至PC端508，以获取测试板的试验结果。
本实施例中，通过X射线获取的灰度图像能够清晰地显示测试板内部的结构和变化，能够更精确地观察和分析热疲劳过程中材料的变化情况，从而得到更加精准地试验结果。
在一个示例性的实施例中，热疲劳试验参数包括试验最高温度、试验最低温度以及单次试验时长；温度循环试验包括多个重复的温度试验；步骤3062，包括：针对每一温度试验，控制测试板在第一预设时长内所处的环境温度为试验最高温度，以及控制测试板在第二预设时长内所处于的环境温度为试验最低温度；第一预设时长所处时段的结束时刻在第二预设时长所处时段的开始时刻之前；第一预设时长与第二预设时长之和小于单次试验时长。
具体地，热疲劳试验参数包括试验最高温度、试验最低温度以及单次试验时长。温度循环试验包括多个重复的温度试验。针对每一个温度试验，首先控制测试板所处的环境温度为试验最高温度，并持续第一预设时长；然后控制测试板所处的环境温度为试验最低温度，并持续第二预设时长，即构成单次试验时长。其中，第一预设时长所处时段的结束时刻在第二预设时长所处时段的开始时刻之前。第一预设时长和第二预设时长的大小可以相同，也可以不同。第一预设时长与第二预设时长之和小于单次试验时长。
在具体实践中，如图5所示，温度控制系统504与热流罩502可以通过热流管道连接，热流罩中的温度随热流管道输送的气流产生温度循环。例如，热疲劳试验参数可以为温度范围为-50℃~100℃，高低温各保持15分钟，单次试验时长为1小时，共200次循环，试验总时长共200小时。
本实施例中，通过模拟封装器件在真实工作环境中可能遇到的温度变化，可以更准确地评估封装器件在热疲劳条件下的性能表现。并且，有助于模拟封装器件在高温和低温交替作用下的实际工作情况，从而更真实地反映封装器件的可靠性。
在一个示例性的实施例中，步骤3066，根据试验图像和预设图像识别模型，获取每一测试板上封装器件上的焊点情况；针对每一焊点，获取焊点相应的设置长度；在焊点情况中焊点上的裂纹贯穿长度大于设置长度的情况下，将焊点上的裂纹贯穿长度大于设置长度所对应的时刻，作为焊点开裂时刻。
其中，针对每一测试板，对应存在一系列的试验图像，这些试验图像是通过X射线设备在温度循环试验中获取的，它们反映了测试板上封装器件焊点的实时状态。
具体地，PC端内部可以设置有预设图像识别模型，通过预设图像识别模型，对试验图像进行识别，以获取每一测试板在不同温度试验下封装器件上的焊点情况。预设图像识别模型经过大量数据的训练和优化，能够准确地从图像中识别出焊点的位置和状态。针对每一个焊点，获取其设置长度。设置长度可以为该焊点在正常工作状态下应该保持的最小长度。
在存在焊点上的裂纹贯穿长度大于相应的设置长度，则确定该焊点出现开裂，并相应的记录焊点上的裂纹贯穿长度大于设置长度所对应的时刻，作为焊点开裂时刻。
本实施例中，通过利用预设的图像识别模型，能够更准确地从试验图像中识别出焊点的位置和状态，从而提高了焊点开裂检测的准确性。并且，相比于传统的人工检测方式，利用图像识别模型进行焊点检测能够大大提高检测效率，减少人力成本和时间成本。
在一个示例性的实施例中，获取焊点相应的设置长度，包括：基于试验图像，获取每一焊点的直径；将焊点的直径与预设比例的乘积，作为焊点相应的设置长度。
具体地，针对每一焊点，对应存在一个设置长度。通过试验图像识别测试板的焊点情况，并获取每一焊点相应的直径，将焊点的直径与预设比例的乘积，作为焊点相应的设置长度。
本实施例中，针对每一焊点，通过直接从试验图像中获取焊点的实际直径，并基于预设比例自动计算出焊点的设置长度，实现了每一设置长度都满足该焊点的需求，从而更加精准地对焊点进行评估。
为了更好地理解本方案中封装器件的评估过程，以一示例进行说明，参考图6，示出了另一个实施例中封装器件的评估方法的流程示意图。
步骤602，针对每一封装器件，获取封装器件相应的多个测试板，并获取测试板相应的热疲劳试验参数。
步骤604，针对每一测试板的每一温度试验，控制测试板在第一预设时长内所处的环境温度为试验最高温度，以及控制测试板在第二预设时长内所处于的环境温度为试验最低温度，以进行温度循环试验。
步骤606，在进行温度循环试验中，按照预设周期，获取多张试验图像。
步骤608，根据试验图像和预设图像识别模型，获取每一测试板上封装器件上的焊点情况。
步骤610，基于试验图像，获取每一焊点的直径；将焊点的直径与预设比例的乘积，作为焊点相应的设置长度。
步骤612，在焊点情况中焊点上的裂纹贯穿长度大于设置长度的情况下，将焊点上的裂纹贯穿长度大于设置长度所对应的时刻，作为焊点开裂时刻。
步骤614，基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
步骤616，在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据、实际热循环频率以及待评估封装器件相应的寿命预测模型。
步骤618，基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；基于预测热循环次数，对待评估封装器件进行评估。
本实施例中，在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；获取待评估封装器件相应的寿命预测模型；基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；基于预测热循环次数，对待评估封装器件进行评估。采用本方法，基于实际温度数据和热循环频率的预测，能够更准确地反映待评估封装器件在实际工作环境中的寿命表现，从而有助于减少因环境因素导致的预测误差，提高了评估的准确性。通过智能化的评估过程，减少了人工进行数据处理的时间，提高了评估效率。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的封装器件的评估方法的封装器件的评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个封装器件的评估装置实施例中的具体限定可以参见上文中对于封装器件的评估方法的限定，在此不再赘述。
在一个示例性的实施例中，如图7所示，提供了一种封装器件的评估装置，包括：数据获取模块702、模型获取模块704块、次数确定模块706和器件评估模块708，其中：
数据获取模块702，用于在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
模型获取模块704，用于获取待评估封装器件相应的寿命预测模型；
次数确定模块706，用于基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
器件评估模块708，用于基于预测热循环次数，对待评估封装器件进行评估。
在一些实施例中，封装器件的评估装置，还包括：
测试板获取模块，用于针对每一封装器件，获取封装器件相应的多个测试板；测试板是基于封装器件的结构参数制作得到的；
试验参数获取模块，用于获取测试板相应的热疲劳试验参数；
结果获得模块，用于基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果；
模型得到模块，用于基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
在一些实施例中，结果获得模块，包括：
试验控制单元，用于针对每一测试板，基于热疲劳试验参数，控制测试板所在环境温度的变化，以进行温度循环试验；
图像获取单元，用于在进行温度循环试验中，按照预设周期，获取多张试验图像；试验图像为基于X射线所获取的灰度图像；
结果获得单元，用于基于多张试验图像，获得测试板的试验结果。
在一些实施例中，热疲劳试验参数包括试验最高温度、试验最低温度以及单次试验时长；温度循环试验包括多个重复的温度试验；试验控制单元，具体用于：针对每一温度试验，控制测试板在第一预设时长内所处的环境温度为试验最高温度，以及控制测试板在第二预设时长内所处于的环境温度为试验最低温度；第一预设时长所处时段的结束时刻在第二预设时长所处时段的开始时刻之前；第一预设时长与第二预设时长之和小于单次试验时长。
在一些实施例中，结果获得单元，具体用于：根据试验图像和预设图像识别模型，获取每一测试板上封装器件上的焊点情况；针对每一焊点，获取焊点相应的设置长度；在焊点情况中焊点上的裂纹贯穿长度大于设置长度的情况下，将焊点上的裂纹贯穿长度大于设置长度所对应的时刻，作为焊点开裂时刻。
在一些实施例中，结果获得单元，还用于：基于试验图像，获取每一焊点的直径；将焊点的直径与预设比例的乘积，作为焊点相应的设置长度。
上述封装器件的评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储封装器件相应的寿命预测模型。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种封装器件的评估方法。
该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
针对每一封装器件，获取封装器件相应的多个测试板；测试板是基于封装器件的结构参数制作得到的；
获取测试板相应的热疲劳试验参数；
基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果；
基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
针对每一测试板，基于热疲劳试验参数，控制测试板所在环境温度的变化，以进行温度循环试验；
在进行温度循环试验中，按照预设周期，获取多张试验图像；试验图像为基于X射线所获取的灰度图像；
基于多张试验图像，获得测试板的试验结果。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一封装器件，获取封装器件相应的多个测试板；测试板是基于封装器件的结构参数制作得到的；
获取测试板相应的热疲劳试验参数；
基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果；
基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一测试板，基于热疲劳试验参数，控制测试板所在环境温度的变化，以进行温度循环试验；
在进行温度循环试验中，按照预设周期，获取多张试验图像；试验图像为基于X射线所获取的灰度图像；
基于多张试验图像，获得测试板的试验结果。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
在接收到器件评估指令的情况下，获取器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取待评估封装器件相应的寿命预测模型；
基于实际温度数据、实际热循环频率和寿命预测模型，确定待评估封装器件中焊点的预测热循环次数；
基于预测热循环次数，对待评估封装器件进行评估。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一封装器件，获取封装器件相应的多个测试板；测试板是基于封装器件的结构参数制作得到的；
获取测试板相应的热疲劳试验参数；
基于热疲劳试验参数，对测试板进行温度循环试验，获得试验结果；
基于试验结果和热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一测试板，基于热疲劳试验参数，控制测试板所在环境温度的变化，以进行温度循环试验；
在进行温度循环试验中，按照预设周期，获取多张试验图像；试验图像为基于X射线所获取的灰度图像；
基于多张试验图像，获得测试板的试验结果。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性存储器和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（Resistive Random Access Memory，ReRAM）、磁变存储器（Magnetoresistive RandomAccess Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。本申请提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器、人工智能（Artificial Intelligence，AI）处理器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种封装器件的评估方法，其特征在于，所述方法包括：
在接收到器件评估指令的情况下，获取所述器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
获取所述待评估封装器件相应的寿命预测模型；
基于所述实际温度数据、所述实际热循环频率和所述寿命预测模型，确定所述待评估封装器件中焊点的预测热循环次数；
基于所述预测热循环次数，对所述待评估封装器件进行评估。
2.根据权利要求1所述的方法，其特征在于，所述寿命预测模型的生成过程，包括：
针对每一封装器件，获取所述封装器件相应的多个测试板；所述测试板是基于所述封装器件的结构参数制作得到的；
获取所述测试板相应的热疲劳试验参数；
基于所述热疲劳试验参数，对所述测试板进行温度循环试验，获得试验结果；
基于所述试验结果和所述热疲劳试验参数，对预设寿命预测模型中的待拟合参数进行拟合处理，得到每一封装器件相应的寿命预测模型。
3.根据权利要求2所述的方法，其特征在于，所述基于所述热疲劳试验参数，对所述测试板进行温度循环试验，获得试验结果，包括：
针对每一测试板，基于所述热疲劳试验参数，控制所述测试板所在环境温度的变化，以进行温度循环试验；
在进行温度循环试验中，按照预设周期，获取多张试验图像；所述试验图像为基于X射线所获取的灰度图像；
基于多张试验图像，获得所述测试板的试验结果。
4.根据权利要求3所述的方法，其特征在于，所述热疲劳试验参数包括试验最高温度、试验最低温度以及单次试验时长；所述温度循环试验包括多个重复的温度试验；所述基于所述热疲劳试验参数，控制所述测试板所在环境温度的变化，包括：
针对每一温度试验，控制所述测试板在第一预设时长内所处的环境温度为试验最高温度，以及控制所述测试板在第二预设时长内所处于的环境温度为试验最低温度；所述第一预设时长所处时段的结束时刻在所述第二预设时长所处时段的开始时刻之前；所述第一预设时长与所述第二预设时长之和小于所述单次试验时长。
5.根据权利要求3所述的方法，其特征在于，所述基于多张试验图像，获得所述测试板的试验结果，包括：
根据所述试验图像和预设图像识别模型，获取每一测试板上封装器件上的焊点情况；
针对每一焊点，获取所述焊点相应的设置长度；
在所述焊点情况中所述焊点上的裂纹贯穿长度大于所述设置长度的情况下，将所述焊点上的裂纹贯穿长度大于所述设置长度所对应的时刻，作为焊点开裂时刻。
6.根据权利要求5所述的方法，其特征在于，所述获取所述焊点相应的设置长度，包括：
基于所述试验图像，获取每一焊点的直径；
将所述焊点的直径与预设比例的乘积，作为所述焊点相应的设置长度。
7.一种封装器件的评估装置，其特征在于，所述装置包括：
数据获取模块，用于在接收到器件评估指令的情况下，获取所述器件评估指令中待评估封装器件的实际温度数据以及实际热循环频率；
模型获取模块，用于获取所述待评估封装器件相应的寿命预测模型；
次数确定模块，用于基于所述实际温度数据、所述实际热循环频率和所述寿命预测模型，确定所述待评估封装器件中焊点的预测热循环次数；
器件评估模块，用于基于所述预测热循环次数，对所述待评估封装器件进行评估。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410511685.XA CN118409178A (zh) | 2024-04-26 | 2024-04-26 | 封装器件的评估方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410511685.XA CN118409178A (zh) | 2024-04-26 | 2024-04-26 | 封装器件的评估方法、装置、设备、介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118409178A true CN118409178A (zh) | 2024-07-30 |
Family
ID=91995747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410511685.XA Pending CN118409178A (zh) | 2024-04-26 | 2024-04-26 | 封装器件的评估方法、装置、设备、介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118409178A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735611A (zh) * | 2012-06-21 | 2012-10-17 | 宁德新能源科技有限公司 | 锂离子电池电阻焊接强度的检测方法和装置 |
| CN105241923A (zh) * | 2015-10-08 | 2016-01-13 | 电子科技大学 | 倒装焊焊点缺陷检测方法 |
| CN106156421A (zh) * | 2016-07-01 | 2016-11-23 | 电子科技大学 | 基于脉冲涡流热成像的电子封装焊点热疲劳寿命预测方法 |
| CN108664669A (zh) * | 2017-03-27 | 2018-10-16 | 无锡市五十五度科技有限公司 | 一种bga焊点热寿命预测方法、测试平台及测试机箱 |
| CN111707348A (zh) * | 2020-06-24 | 2020-09-25 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 光纤水听器寿命评价方法 |
| CN112019159A (zh) * | 2019-05-28 | 2020-12-01 | 汉能移动能源控股集团有限公司 | 光伏组件的室外寿命评估方法和装置 |
| CN115100166A (zh) * | 2022-07-05 | 2022-09-23 | 苏州盈科电子有限公司 | 焊点缺陷检测方法及装置 |
| CN117350138A (zh) * | 2023-12-06 | 2024-01-05 | 西北工业大学 | 一种芯片粘接结构热循环疲劳失效物理模型建模方法 |
-
2024
- 2024-04-26 CN CN202410511685.XA patent/CN118409178A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735611A (zh) * | 2012-06-21 | 2012-10-17 | 宁德新能源科技有限公司 | 锂离子电池电阻焊接强度的检测方法和装置 |
| CN105241923A (zh) * | 2015-10-08 | 2016-01-13 | 电子科技大学 | 倒装焊焊点缺陷检测方法 |
| CN106156421A (zh) * | 2016-07-01 | 2016-11-23 | 电子科技大学 | 基于脉冲涡流热成像的电子封装焊点热疲劳寿命预测方法 |
| CN108664669A (zh) * | 2017-03-27 | 2018-10-16 | 无锡市五十五度科技有限公司 | 一种bga焊点热寿命预测方法、测试平台及测试机箱 |
| CN112019159A (zh) * | 2019-05-28 | 2020-12-01 | 汉能移动能源控股集团有限公司 | 光伏组件的室外寿命评估方法和装置 |
| CN111707348A (zh) * | 2020-06-24 | 2020-09-25 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 光纤水听器寿命评价方法 |
| CN115100166A (zh) * | 2022-07-05 | 2022-09-23 | 苏州盈科电子有限公司 | 焊点缺陷检测方法及装置 |
| CN117350138A (zh) * | 2023-12-06 | 2024-01-05 | 西北工业大学 | 一种芯片粘接结构热循环疲劳失效物理模型建模方法 |
Non-Patent Citations (1)
| Title |
|---|
| 付桂翠 等: "《电子元器件可靠性技术基础 第2版》", 31 December 2022, 北京航空航天大学出版社, pages: 246 - 247 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7840844B2 (en) | Techniques for prioritizing test dependencies | |
| US20090158072A1 (en) | System and Method to Identify Power Savings | |
| CN102954865A (zh) | 用于电子产品的高加速寿命试验系统及其方法 | |
| CN113946986A (zh) | 基于加速退化试验的产品平均失效前时间评估方法和装置 | |
| CN114741284B (zh) | 任务可靠性评估方法、装置、计算机设备和存储介质 | |
| CN114780371A (zh) | 基于多曲线拟合的压测指标分析方法、装置、设备及介质 | |
| US10049442B2 (en) | Video inspection system with augmented display content | |
| CN114355094A (zh) | 基于多源信息的产品可靠性薄弱环节综合评估方法和装置 | |
| CN113946983A (zh) | 产品可靠性薄弱环节评估方法、装置和计算机设备 | |
| US9880550B2 (en) | Updating of a recipe for evaluating a manufacturing stage of an electrical circuit | |
| CN118409178A (zh) | 封装器件的评估方法、装置、设备、介质和程序产品 | |
| CN117350244A (zh) | 基于拉丁超立方抽样的bga封装电迁移可靠性评估方法 | |
| CN112834911A (zh) | 一种电迁移测试方法、装置、设备及存储介质 | |
| CN111680389A (zh) | 设备寿命量化方法、装置、计算机设备和存储介质 | |
| CN113627755B (zh) | 智能终端工厂的测试方法、装置、设备及存储介质 | |
| KR102434442B1 (ko) | 검사 대상의 결함 검사를 고속으로 수행하는 방법 및 이를 수행하는 장치들 | |
| JP2014215168A (ja) | 放射線測定装置、放射線測定方法及び放射線測定プログラム | |
| CN117113914B (zh) | 基于数字孪生的电路板可靠性预测方法、系统及存储介质 | |
| Yuan et al. | Multiple clues inspired banding detector in high dynamic range videos | |
| CN117852719B (zh) | 一种工程数据的全流程管理方法和系统 | |
| Hsieh et al. | Understanding and predicting electronic vibration stress using ultrasound excitation, thermal profiling, and neural network modeling | |
| CN118536090B (zh) | 一种基于仓储温湿度监测生成粮温场图方法 | |
| Abo et al. | Sampling density and frequency as data quality determinants in smart grids | |
| US7865315B2 (en) | Methods and apparatus for calibrating striation density models for materials | |
| CN112307131B (zh) | 设备巡检方法、系统、电子设备及存储介质 |
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 |