[go: up one dir, main page]

CN117474913B - 一种针痕检测机台判定方法、系统、存储介质及计算机 - Google Patents

一种针痕检测机台判定方法、系统、存储介质及计算机 Download PDF

Info

Publication number
CN117474913B
CN117474913B CN202311811289.0A CN202311811289A CN117474913B CN 117474913 B CN117474913 B CN 117474913B CN 202311811289 A CN202311811289 A CN 202311811289A CN 117474913 B CN117474913 B CN 117474913B
Authority
CN
China
Prior art keywords
image
needle mark
needle
qualified
machine
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
Application number
CN202311811289.0A
Other languages
English (en)
Other versions
CN117474913A (zh
Inventor
顾伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongshan Weilai Lighting Co ltd
Original Assignee
Jiangxi Zhaochi Photoelectric Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi Zhaochi Photoelectric Co ltd filed Critical Jiangxi Zhaochi Photoelectric Co ltd
Priority to CN202311811289.0A priority Critical patent/CN117474913B/zh
Publication of CN117474913A publication Critical patent/CN117474913A/zh
Application granted granted Critical
Publication of CN117474913B publication Critical patent/CN117474913B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种针痕检测机台判定方法、系统、存储介质及计算机，针痕检测机台判定方法，包括：获取探针与焊点接触后的原始图像，对原始图像进行增强预处理；基于预处理后的图像，确定焊点的边框及接触区域；对图像进行分形处理，以提取图像中的针痕位置和针痕面积；基于接触区域，判断针痕位置和针痕面积是否同时满足预设条件，若同时满足预设条件，则针痕合格，若不同时满足预设条件，则针痕不合格；计算针痕合格图像和针痕不合格的准确率，根据准确率是否满足要求调整机台。本发明提供的针痕检测机台判定方法提高了针痕的合格检测效率，为机台调整提供了反馈，提高机台检测的准确度。

Description

一种针痕检测机台判定方法、系统、存储介质及计算机
技术领域
本发明涉及针痕检测机台判定技术领域，具体涉及一种针痕检测机台判定方法、系统、存储介质及计算机。
背景技术
晶圆测试是半导体生产过程中至关重要的一个环节，晶圆测试可以将晶圆中存在功能缺陷的芯片提前挑选出来，避免这些存在功能缺陷的芯片进入到后期芯片封装程序中。
晶圆检测过程中，主要用到探针卡，通过探针卡上的多个探针与晶圆上的芯片电连接进行电性测试，芯片上设有与探针对应的焊点，探针与焊点接触后，施加一定的压力，就会在焊点上留下针痕，通过检测针痕可以判定探针与焊点的接触是否合格。
目前，针痕的合格与否主要通过人工来进行判定，芯片的人为判定主观性较强，判断标准不唯一，容易出现误判。虽然目前市面上也出现了一些针痕判定机台，在一定程度上提高了针痕判定的客观性，但目前机台对针痕合格与否的判定标准主要为简单的图像对比，形式比较单一，缺乏反馈，机台调整缺乏参考，影响了检测机台的进一步使用。
发明内容
基于此，本发明的目的是提供一种针痕检测机台判定方法、系统、存储介质及计算机，以解决现有技术中存在的技术问题。
本发明提出一种针痕检测机台判定方法，包括；
获取探针与焊点接触后的原始图像，对所述原始图像进行增强预处理，得到待提取图像；
基于所述待提取图像，确定所述焊点的边框，其中，所述边框内预设有接触区域；
对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积；
基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格；
获取若干判定针痕合格的图像和判定针痕不合格的图像，根据若干所述针痕合格的图像计算第一准确率，根据若干所述针痕不合格的图像计算第二准确率；
定期检测所述第一准确率和所述第二准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整；
所述对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积的步骤包括：
根据差分盒维数算法获取所述待提取图像中各像素点的盒维数；
根据各像素点对应的所述盒维数得到所述待提取图像的盒维数矩阵；
提取所述盒维数矩阵中的奇异值，根据所述奇异值寻找所述待提取图像中背景图像、针痕图像的线性分形维数关系，从而获得所述背景图像和所述针痕图像的特征维值；
将所述背景图像和所述针痕图像的特征维值与预设维值进行比较，以在所述待提取图像中分离出针痕形状和针痕位置；
根据所述针痕形状计算所述针痕面积。
优选地，所述对所述原始图像进行增强预处理的步骤包括：
对所述原始图像的像素进行归一化处理，并绘制所述原始图像的灰度直方图；
根据所述原始图像的灰度直方图，计算所述原始图像中像素点的第一灰度范围和所述原始图像中针痕轮廓像素点的第二灰度范围；
对针痕轮廓的像素灰度进行分段组合拉伸变换，得到变换图像，并计算所述变换图像中像素点的第三灰度范围和所述变换图像中针痕轮廓像素点的第四灰度范围；
根据所述第一灰度范围、所述第二灰度范围、所述第三灰度范围、所述第四灰度范围计算所述变换图像中像素点灰度值。
优选地，所述变换图像中各像素点灰度值的表达式为：
式中，表示变换图像中像素点（i，j）的灰度值，表示原始图像中像素点（i，j）的灰度值，从原始图像中的灰度直方图中直接读取，（）表示第一灰度范围，（）表示第二灰度范围，（）表示第三灰度范围，（）表示第四灰度范围，为灰度计算系数，为拉伸变换系数。
优选地，所述盒维数的表达式为：
式中，为待提取图像中像素点（i，j）的盒维数，为待提取图像的盒子数，，M为分形维尺度，Y为待提取图像的矩阵窗口。
优选地，所述基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格的步骤包括：
获取所述接触区域的边界范围，判断所述针痕位置是否位于所述接触区域的边界范围内，若位于边界范围内，则判定针痕位置合格；
根据所述接触区域的边界范围计算所述接触区域的面积；
判断所述针痕面积与所述接触区域的面积之比是否在预设范围内，若面积之比在预设范围内，则判定所述针痕面积合格；
若所述针痕位置和所述针痕面积均判定合格，则判定针痕合格，否则判定针痕不合格。
优选地，所述第一准确率的表达式为：
所述第二准确率的表达式为：
式中：YP为机台判定针痕合格的图像且实际也为针痕合格的图像，YN为机台判定针痕合格的图像但实际为针痕不合格的图像，DP为机台判定针痕不合格的图像且实际也为针痕不合格的图像，DN为机台判定针痕不合格的图像但实际为针痕合格的图像。
优选地，所述针痕检测机台判定方法还包括：根据所述第一准确率和所述第二准确率计算综合准确率；
定期检测所述第一准确率、所述第二准确率以及所述综合准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整；
所述综合准确率的表达式为：
式中，H为综合准确率，F为第一准确率，G为第二准确率。
本发明还提出一种针痕检测机台判定系统，包括；
预处理模块，用于获取探针与焊点接触后的原始图像，对所述原始图像进行增强预处理，得到待提取图像；
确定模块，用于基于所述待提取图像，确定所述焊点的边框，其中，所述边框内预设有接触区域；
分形模块，用于对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积；
第一判断模块，用于基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格；
计算模块，用于获取若干判定针痕合格的图像和判定针痕不合格的图像，根据若干所述针痕合格的图像计算第一准确率，根据若干所述针痕不合格的图像计算第二准确率；
第二判断模块，用于定期检测所述第一准确率和所述第二准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整；
所述对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积的步骤包括：
根据差分盒维数算法获取所述待提取图像中各像素点的盒维数；
根据各像素点对应的所述盒维数得到所述待提取图像的盒维数矩阵；
提取所述盒维数矩阵中的奇异值，根据所述奇异值寻找所述待提取图像中背景图像、针痕图像的线性分形维数关系，从而获得所述背景图像和所述针痕图像的特征维值；
将所述背景图像和所述针痕图像的特征维值与预设维值进行比较，以在所述待提取图像中分离出针痕形状和针痕位置；
根据所述针痕形状计算所述针痕面积。
本发明还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述针痕检测机台判定方法。
本发明还提出一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述针痕检测机台判定方法。
本发明相比于现有技术的有益效果为：本发明提供的针痕检测机台判定方法，首先获取探针与焊点接触后的原始图像，对原始图像进行增强预处理，得到待提取图像，有效的增强了图像中针痕的显示，加强图像判读和识别效果；获取焊点的接触区域边界和面积，再通过分形处理，提取待提取图像中的针痕位置和针痕面积，通过分形方法提取图像中的目标，有效的减小了图像中背景复杂、噪声大等产生的干扰，提高了目标区域提取的准确性，基于接触区域，判断针痕位置和针痕面积是否同时满足预设条件，若同时满足预设条件，则针痕合格，若不同时满足预设条件，则针痕不合格；本申请基于图像识别的方式对针痕进行检验，有效的提高了针痕检验的准确性，降低误判率。进一步的，获取机台判断针痕合格图像和不合格图像的准确率，根据准确率提供反馈，根据反馈结果可以及时发现机台检测的准确率是否满足要求，以及时对检测机台进行调整，提高机台的检测效果，适合大范围推广。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例中的针痕检测机台判定方法的流程图；
图2为本发明第四实施例中的计算机的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1，所示为本发明第一实施例中的针痕检测机台判定方法，所述针痕检测机台判定方法具体包括步骤S10至S60：
S10，获取探针与焊点接触后的原始图像，对所述原始图像进行增强预处理，得到待提取图像；
在具体实施时，晶圆上的焊点与探针接触后，会在焊点出形成针痕，针痕合格与否直接反映探针与焊点的接触情况，因此，需要对探针与焊点接触的针痕进行检测。可选的，首先获取探针与焊点接触后的原始图像，获取原始图像可以通过CMOS相机或CCD相机拍摄，获取原始图像后，对原始图像进行增强预处理，得到待提取图像，其中待提取图像中包含有背景图像和针痕轮廓的图像。
可选的，增强处理主要为了抑制背景，增强针痕的显示，调整图像清晰度，提高明暗均匀度，保留需要的信息量，加强图像判读和识别效果。
具体的，增强预处理的步骤包括：对原始图像的像素进行归一化处理，并绘制原始图像的灰度直方图；对原始图像中的像素进行归一化处理，即使得像素的取值范围为[0，1]。可以通过MATLABT绘制图像的灰度直方图。
根据原始图像的灰度直方图，计算原始图像中各像素点的第一灰度范围和原始图像中针痕轮廓像素点的第二灰度范围；具体的，根据直方图可以获得原始图像中各像素点的灰度值，假设根据原始图像中各像素点的灰度值确定第一灰度范围为（），通过直方图的波峰进一步确定针痕轮廓像素点的第二灰度范围为（），可以理解是，由于针痕轮廓包括在原始图像内，因此，，。
对针痕轮廓的像素灰度进行分段组合拉伸变换，得到变换图像，并计算变换图像中像素点的第三灰度范围和变换图像中针痕轮廓像素点的第四灰度范围；对针痕轮廓的像素灰度进行拉伸变换，得到变换图像，目的是为了突出显示原始图像中的针痕轮廓，扩展针痕轮廓的灰度范围；假设拉伸变换后的变换图像中像素点的第三灰度范围为（），拉伸变换后的变换图像中针痕轮廓中像素点的第四灰度范围为（）。
根据第一灰度范围、第二灰度范围、第三灰度范围、第四灰度范围计算变换图像中各像素点灰度值。可选的，变换图像中各像素点灰度值的表达式为：
式中，表示变换图像中像素点（i，j）的灰度值，表示原始图像中像素点（i，j）的灰度值，从原始图像中的灰度直方图中直接读取，（）表示第一灰度范围，（）表示第二灰度范围，（）表示第三灰度范围，（）表示第四灰度范围，为灰度计算系数，为拉伸变换系数。
S20，基于所述待提取图像，确定所述焊点的边框，其中，所述边框内预设有接触区域；
在具体实施时，可以用Canny边缘检测算法进行图像边缘检测，得到待提取图像中的焊点边框信息，其中焊点边框表示焊点的大小，在焊点的边框内预设有接触区域，接触区域为探针与焊点的合格连接区域；优选的，焊点的边框形状与接触区域的边缘形状同轴心且形状相似，接触区域的边缘与焊点的边框相隔预设距离，优选的，预设距离可以为6微米。
S30，对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积；
在具体实施时，可以采用差分盒维数算法对图像进行分形运算，差分盒维数算法具有敏捷、易实现、易理解等优点。具体的，根据差分盒维数算法获取所述待提取图像中各像素点的盒维数，在进行盒维数计算时，需要考虑图像矩阵窗口Y和分形维尺度M，图像矩阵窗口Y可以理解为图像的大小为Y*Y个像素；分形维尺度为将该图像分割成M*M的子块；具体的，盒维数的表达式为：
式中，为待提取图像中像素点（i，j）的盒维数，为待提取图像的盒子数，也即在分形维尺度M下的网格数目，，M为分形维尺度，Y为待提取图像的矩阵窗口。
根据各像素点对应的盒维数得到待提取图像的盒维数矩阵；具体的，根据上述盒维数的表达计算每个像素对应的盒维数，得到一个关于待提取图像的盒维数矩阵。
提取所述盒维数矩阵中的奇异值，根据所述奇异值寻找所述待提取图像中背景图像、针痕图像的线性分形维数关系，从而获得所述背景图像和所述针痕图像的特征维值；将所述背景图像和所述针痕图像的特征维值与预设维值进行比较，以在所述待提取图像中分离出针痕形状和针痕位置，根据所述针痕形状计算所述针痕面积。
在具体实施时，预设维值可以为所有像素盒维数的平均维值，大于平均维值的特征维值被忽略，从而在待提取图像中分离出针痕的形状，根据焊点的边框确定针痕在边框内的相对位置，通过对待提取图像进行分形处理，有效的减小了图像中背景复杂、噪声大等产生的干扰，提高了目标区域提取的准确性。
S40，基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格；
在具体实施时，获取接触区域的边界范围，判断针痕位置是否位于接触区域的边界范围内，若位于边界范围内，则表示探针与焊点的接触点离焊点的边缘较远，可以形成良好的电性接触，判定针痕位置合格，若位于边界范围外，则表示探针与焊点的接触点离焊点的边缘较近，容易产生虚接触导致接触不良，判定针痕位置不合格，可选的，在本实施例中，针痕与焊点边缘的位置应不小于6微米。
进一步的，根据接触区域的边界范围计算接触区域的面积；判断针痕面积与接触区域的面积之比是否在预设范围内，若面积之比在预设范围内，则判定针痕面积合格；若针痕位置和针痕面积均判定合格，则判定针痕合格，否则判定针痕不合格，可选的，在本实施例中，针痕的面积与接触区域的面积之比应在10%-25%范围内。
S50，获取若干判定针痕合格的图像和判定针痕不合格的图像，根据若干所述针痕合格的图像计算第一准确率，根据若干所述针痕不合格的图像计算第二准确率。
在具体实施时，根据步骤S40的判定规则，获取若干判定针痕合格的图像和判定针痕不合格的图像，并计算第一准确率和第二准确率。
可选的，第一准确率的表达式为：
第二准确率的表达式为：
式中：YP为机台判定针痕合格的图像且实际也为针痕合格的图像，YN为机台判定针痕合格的图像但实际为针痕不合格的图像，DP为机台判定针痕不合格的图像且实际也为针痕不合格的图像，DN为机台判定针痕不合格的图像但实际为针痕合格的图像，可以理解的是；针痕图像实际是否合格可以通过工作人员具体检查确定，此处不再赘述。
进一步的，为了提高检测机台的准确度，同时考虑第一准确率和第二准确率计算综合准确率，可选的，综合准确率的表达式为：
式中，H为考虑第一准确率和第二准确率的综合准确率，F为第一准确率，G为第二准确率。
S60，定期检测所述第一准确率和所述第二准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整。
在具体实施时，定期检查测试机台的第一准确率和第二准确率是否满足预设要求，可选的，预设要求为：第一准确率和第二准确率至少大于98%，进一步的，考虑综合准确率的影响，综合准确率至少大于95%，若第一准确率和第二准确率均大于98%，综合准确率大于95%，则判定机台针痕检测时准确度较高，满足检测要求，机台无需调整；否则判定机台的准确率不高，不满足检测要求，需要相应的对机台进行调整，调整的方法至少包括：精度调节、探针更换、程序优化等，例如，机台判定为针痕合格的图像，人工实际检查是针痕不合格的图像，可能是因为机台的精度要求较低，可以适当提高机台精度。
综上所述，本实施例提供的针痕检测机台判定方法，首先获取探针与焊点接触后的原始图像，对原始图像进行增强预处理，得到待提取图像，有效的增强了图像中针痕的显示，加强图像判读和识别效果；获取焊点的接触区域边界和面积，再通过分形处理，提取待提取图像中针痕位置和针痕面积，通过分形方法提取图像中的目标区域，有效的减小了图像中背景复杂、噪声大等产生的干扰，提高了提取目标区域的准确性，基于接触区域，判断针痕位置和针痕面积是否同时满足预设条件，若同时满足预设条件，则针痕合格，若不同时满足预设条件，则针痕不合格；本申请基于图像识别的方式对针痕进行检验，有效的提高了针痕检验的准确性，降低误判率。进一步的，获取机台判断针痕合格图像和不合格图像的准确率，根据准确率提供反馈，根据反馈结果可以及时发现机台检测的准确率是否满足要求，以及时对检测机台进行调整，提高机台的检测效果，适合大范围推广。
实施例二
本实施例提供一种针痕检测机台判定系统，包括；
预处理模块，用于获取探针与焊点接触后的原始图像，对所述原始图像进行增强预处理，得到待提取图像；
所述对所述原始图像进行增强预处理的步骤包括：
对所述原始图像的像素进行归一化处理，并绘制所述原始图像的灰度直方图；
根据所述原始图像的灰度直方图，计算所述原始图像中像素点的第一灰度范围和所述原始图像中针痕轮廓像素点的第二灰度范围；
对针痕轮廓的像素灰度进行分段组合拉伸变换，得到变换图像，并计算所述变换图像中像素点的第三灰度范围和所述变换图像中针痕轮廓像素点的第四灰度范围；
根据所述第一灰度范围、所述第二灰度范围、所述第三灰度范围、所述第四灰度范围计算所述变换图像中像素点灰度值。
所述变换图像中各像素点灰度值的表达式为：
式中，表示变换图像中像素点（i，j）的灰度值，表示原始图像中像素点（i，j）的灰度值，从原始图像中的灰度直方图中直接读取，（）表示第一灰度范围，（）表示第二灰度范围，（）表示第三灰度范围，（）表示第四灰度范围，为灰度计算系数，为拉伸变换系数。
确定模块，用于基于所述待提取图像，确定所述焊点的边框，其中，所述边框内预设有接触区域；
分形模块，用于对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积；
所述对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积的步骤包括：
根据差分盒维数算法获取所述待提取图像中各像素点的盒维数；
根据各像素点对应的所述盒维数得到所述待提取图像的盒维数矩阵；
提取所述盒维数矩阵中的奇异值，根据所述奇异值寻找所述待提取图像中背景图像、针痕图像的线性分形维数关系，从而获得所述背景图像和所述针痕图像的特征维值；
将所述背景图像和所述针痕图像的特征维值与预设维值进行比较，以在所述待提取图像中分离出针痕形状和针痕位置；
根据所述针痕形状计算所述针痕面积。
所述盒维数的表达式为：
式中，为待提取图像中像素点（i，j）的盒维数，为待提取图像的盒子数，，M为分形维尺度，Y为待提取图像的矩阵窗口。
第一判断模块，用于基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格；
所述基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格的步骤包括：
获取所述接触区域的边界范围，判断所述针痕位置是否位于所述接触区域的边界范围内，若位于边界范围内，则判定针痕位置合格；
根据所述接触区域的边界范围计算所述接触区域的面积；
判断所述针痕面积与所述接触区域的面积之比是否在预设范围内，若面积之比在预设范围内，则判定所述针痕面积合格；
若所述针痕位置和所述针痕面积均判定合格，则判定针痕合格，否则判定针痕不合格。
计算模块，用于获取若干判定针痕合格的图像和判定针痕不合格的图像，根据若干所述针痕合格的图像计算第一准确率，根据若干所述针痕不合格的图像计算第二准确率；
所述第一准确率的表达式为：
所述第二准确率的表达式为：
式中：YP为机台判定针痕合格的图像且实际也为针痕合格的图像，YN为机台判定针痕合格的图像但实际为针痕不合格的图像，DP为机台判定针痕不合格的图像且实际也为针痕不合格的图像，DN为机台判定针痕不合格的图像但实际为针痕合格的图像。
计算模块还用于根据所述第一准确率和所述第二准确率计算综合准确率；
所述综合准确率的表达式为：
式中，H为综合准确率，F为第一准确率，G为第二准确率。
第二判断模块，用于定期检测所述第一准确率和所述第二准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整。
实施例三
本发明实施例三提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的针痕检测机台判定方法。
实施例四
本发明还提出一种计算机，请参阅图2，所示为本发明实施例中的计算机，包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30，所述处理器20执行所述计算机程序30时实现上述的针痕检测机台判定方法。
其中，存储器10至少包括一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机的内部存储单元，例如该计算机的硬盘。存储器10在另一些实施例中也可以是外部存储装置，例如插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，存储器10还可以既包括计算机的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
其中，处理器20在一些实施例中可以是电子控制单元 (Electronic ControlUnit，简称ECU，又称行车电脑)、中央处理器（Central Processing Unit, CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器10中存储的程序代码或处理数据，例如执行访问限制程序等。
需要指出的是，图2示出的结构并不构成对计算机的限定，在其它实施例当中，该计算机可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
本领域技术人员可以理解，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。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明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。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
以上所述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，都应当认为是本说明书记载的范围。
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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种针痕检测机台判定方法，其特征在于，包括：
获取探针与焊点接触后的原始图像，对所述原始图像进行增强预处理，得到待提取图像；
基于所述待提取图像，确定所述焊点的边框，其中，所述边框内预设有接触区域；
对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积；
基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格；
获取若干判定针痕合格的图像和判定针痕不合格的图像，根据若干所述针痕合格的图像计算第一准确率，根据若干所述针痕不合格的图像计算第二准确率；
定期检测所述第一准确率和所述第二准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整；
所述对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积的步骤包括：
根据差分盒维数算法获取所述待提取图像中各像素点的盒维数；
根据各像素点对应的所述盒维数得到所述待提取图像的盒维数矩阵；
提取所述盒维数矩阵中的奇异值，根据所述奇异值寻找所述待提取图像中背景图像、针痕图像的线性分形维数关系，从而获得所述背景图像和所述针痕图像的特征维值；
将所述背景图像和所述针痕图像的特征维值与预设维值进行比较，以在所述待提取图像中分离出针痕形状和针痕位置；
根据所述针痕形状计算所述针痕面积；
所述对所述原始图像进行增强预处理的步骤包括：
对所述原始图像的像素进行归一化处理，并绘制所述原始图像的灰度直方图；
根据所述原始图像的灰度直方图，计算所述原始图像中像素点的第一灰度范围和所述原始图像中针痕轮廓像素点的第二灰度范围；
对针痕轮廓的像素灰度进行分段组合拉伸变换，得到变换图像，并计算所述变换图像中像素点的第三灰度范围和所述变换图像中针痕轮廓像素点的第四灰度范围；
根据所述第一灰度范围、所述第二灰度范围、所述第三灰度范围、所述第四灰度范围计算所述变换图像中像素点灰度值；
所述变换图像中各像素点灰度值的表达式为：
式中，表示变换图像中像素点（i，j）的灰度值，表示原始图像中像素点（i，j）的灰度值，从原始图像中的灰度直方图中直接读取，（）表示第一灰度范围，（）表示第二灰度范围，（）表示第三灰度范围，（）表示第四灰度范围，为灰度计算系数，为拉伸变换系数；
所述第一准确率的表达式为：
所述第二准确率的表达式为：
式中：YP为机台判定针痕合格的图像且实际也为针痕合格的图像，YN为机台判定针痕合格的图像但实际为针痕不合格的图像，DP为机台判定针痕不合格的图像且实际也为针痕不合格的图像，DN为机台判定针痕不合格的图像但实际为针痕合格的图像。
2.根据权利要求1所述的针痕检测机台判定方法，其特征在于，所述盒维数的表达式为：
式中，为待提取图像中像素点（i，j）的盒维数，为待提取图像的盒子数，，M为分形维尺度，Y为待提取图像的矩阵窗口。
3.根据权利要求1所述的针痕检测机台判定方法，其特征在于，所述基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格的步骤包括：
获取所述接触区域的边界范围，判断所述针痕位置是否位于所述接触区域的边界范围内，若位于边界范围内，则判定针痕位置合格；
根据所述接触区域的边界范围计算所述接触区域的面积；
判断所述针痕面积与所述接触区域的面积之比是否在预设范围内，若面积之比在预设范围内，则判定所述针痕面积合格；
若所述针痕位置和所述针痕面积均判定合格，则判定针痕合格，否则判定针痕不合格。
4.根据权利要求1所述的针痕检测机台判定方法，其特征在于，所述针痕检测机台判定方法还包括：根据所述第一准确率和所述第二准确率计算综合准确率；
定期检测所述第一准确率、所述第二准确率以及所述综合准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整；
所述综合准确率的表达式为：
式中，H为综合准确率，F为第一准确率，G为第二准确率。
5.一种针痕检测机台判定系统，其特征在于，包括；
预处理模块，用于获取探针与焊点接触后的原始图像，对所述原始图像进行增强预处理，得到待提取图像；
所述对所述原始图像进行增强预处理的步骤包括：
对所述原始图像的像素进行归一化处理，并绘制所述原始图像的灰度直方图；
根据所述原始图像的灰度直方图，计算所述原始图像中像素点的第一灰度范围和所述原始图像中针痕轮廓像素点的第二灰度范围；
对针痕轮廓的像素灰度进行分段组合拉伸变换，得到变换图像，并计算所述变换图像中像素点的第三灰度范围和所述变换图像中针痕轮廓像素点的第四灰度范围；
根据所述第一灰度范围、所述第二灰度范围、所述第三灰度范围、所述第四灰度范围计算所述变换图像中像素点灰度值；
所述变换图像中各像素点灰度值的表达式为：
式中，表示变换图像中像素点（i，j）的灰度值，表示原始图像中像素点（i，j）的灰度值，从原始图像中的灰度直方图中直接读取，（）表示第一灰度范围，（）表示第二灰度范围，（）表示第三灰度范围，（）表示第四灰度范围，为灰度计算系数，为拉伸变换系数；
确定模块，用于基于所述待提取图像，确定所述焊点的边框，其中，所述边框内预设有接触区域；
分形模块，用于对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积；
第一判断模块，用于基于所述接触区域，判断所述针痕位置和所述针痕面积是否同时满足预设条件，若同时满足预设条件，则判定针痕合格，若不同时满足预设条件，则判定针痕不合格；
计算模块，用于获取若干判定针痕合格的图像和判定针痕不合格的图像，根据若干所述针痕合格的图像计算第一准确率，根据若干所述针痕不合格的图像计算第二准确率；
第二判断模块，用于定期检测所述第一准确率和所述第二准确率是否均满足预设要求，若均满足预设要求，则判定机台针痕检测准确率合格，机台无需调整，否则判定机台针痕检测准确率不合格，对所述机台进行调整；
所述对所述待提取图像进行分形处理，以提取所述待提取图像中的针痕位置和针痕面积的步骤包括：
根据差分盒维数算法获取所述待提取图像中各像素点的盒维数；
根据各像素点对应的所述盒维数得到所述待提取图像的盒维数矩阵；
提取所述盒维数矩阵中的奇异值，根据所述奇异值寻找所述待提取图像中背景图像、针痕图像的线性分形维数关系，从而获得所述背景图像和所述针痕图像的特征维值；
将所述背景图像和所述针痕图像的特征维值与预设维值进行比较，以在所述待提取图像中分离出针痕形状和针痕位置；
根据所述针痕形状计算所述针痕面积；
所述第一准确率的表达式为：
所述第二准确率的表达式为：
式中：YP为机台判定针痕合格的图像且实际也为针痕合格的图像，YN为机台判定针痕合格的图像但实际为针痕不合格的图像，DP为机台判定针痕不合格的图像且实际也为针痕不合格的图像，DN为机台判定针痕不合格的图像但实际为针痕合格的图像。
6.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一所述的针痕检测机台判定方法。
7.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一所述的针痕检测机台判定方法。
CN202311811289.0A 2023-12-27 2023-12-27 一种针痕检测机台判定方法、系统、存储介质及计算机 Active CN117474913B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311811289.0A CN117474913B (zh) 2023-12-27 2023-12-27 一种针痕检测机台判定方法、系统、存储介质及计算机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311811289.0A CN117474913B (zh) 2023-12-27 2023-12-27 一种针痕检测机台判定方法、系统、存储介质及计算机

Publications (2)

Publication Number Publication Date
CN117474913A CN117474913A (zh) 2024-01-30
CN117474913B true CN117474913B (zh) 2024-09-10

Family

ID=89627820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311811289.0A Active CN117474913B (zh) 2023-12-27 2023-12-27 一种针痕检测机台判定方法、系统、存储介质及计算机

Country Status (1)

Country Link
CN (1) CN117474913B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578318A (zh) * 2022-09-08 2023-01-06 山东万腾电子科技有限公司 基于图像处理的探针针痕检测方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07312382A (ja) * 1994-05-17 1995-11-28 Tokyo Electron Ltd プローブ装置
US8892388B2 (en) * 2010-09-30 2014-11-18 Schlumberger Technology Corporation Box counting enhanced modeling
CN102621154B (zh) * 2012-04-10 2014-05-28 河海大学常州校区 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法
CN104112133B (zh) * 2014-07-30 2018-06-15 福州大学 一种复杂光照下人脸检测预处理方法
CN110853047B (zh) * 2019-10-12 2023-09-15 平安科技（深圳）有限公司 智能图像分割及分类方法、装置及计算机可读存储介质
CN111222511B (zh) * 2020-04-13 2020-07-24 中山大学 一种红外无人机目标检测方法及系统
CN111681222B (zh) * 2020-04-16 2023-11-14 江苏京创先进电子科技有限公司 一种刀痕崩边自动检测判断方法及其应用的划片机
EP4280153A4 (en) * 2021-11-05 2024-04-24 Contemporary Amperex Technology Co., Limited Defect detection method, apparatus and system
DE202022106314U1 (de) * 2022-11-10 2022-11-21 Debotosh Bhattacharjee Ein Kantenerkennungssystem, das die fraktale Dimension auf der Grundlage der differentiellen Boxenzählung nutzt
CN116596975A (zh) * 2023-05-12 2023-08-15 广东电网有限责任公司 一种电力作业现场安监对象跟踪方法、系统、设备和介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578318A (zh) * 2022-09-08 2023-01-06 山东万腾电子科技有限公司 基于图像处理的探针针痕检测方法及系统

Also Published As

Publication number Publication date
CN117474913A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
US11189019B2 (en) Method for detecting defects, electronic device, and computer readable medium
US11779084B2 (en) Method for measuring foot size and shape by using image processing
WO2017020829A1 (zh) 解像力测试方法和解像力测试装置
CN112308854B (zh) 一种芯片表面瑕疵的自动检测方法、系统及电子设备
CN113628161B (zh) 缺陷检测方法、装置及计算机可读存储介质
CN111325728B (zh) 产品缺陷检测方法、装置、设备及存储介质
WO2017071406A1 (zh) 金针类元件的引脚检测方法和系统
CN114170165A (zh) 一种芯片表面缺陷检测方法和装置
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN115272199A (zh) 一种pcb载板缺陷检测方法、系统、电子设备及介质
CN116664540A (zh) 基于高斯线检测的橡胶密封圈表面缺陷检测方法
CN114723650A (zh) 晶圆缺陷检测方法和装置、设备及存储介质
CN117474913B (zh) 一种针痕检测机台判定方法、系统、存储介质及计算机
CN114445318B (zh) 一种缺陷检测方法、装置、电子设备和存储介质
CN119151886A (zh) 一种基于计算机视觉的pcba板表面缺陷检测方法
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN117152219A (zh) 一种图像配准方法、系统和设备
Nguyen et al. Deep Learning-Enhanced Defects Detection for Printed Circuit Boards
CN116129427A (zh) 基于设计版图的扫描电子显微镜图像轮廓提取方法、装置
JP4247993B2 (ja) 画像検査装置、画像検査方法、制御プログラムおよび可読記憶媒体
CN118641555B (zh) 一种集成电路芯片缺陷检测方法及系统
JP2021156629A (ja) 補正プログラム、補正方法、および情報処理装置
US20250078249A1 (en) Method of inspecting a mark engraved on a semiconductor package
CN117036351A (zh) 元件缺陷检测方法及系统、存储介质
Kieu et al. Deep Learning-Enhanced Defects Detection for Printed Circuit Boards

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
TR01 Transfer of patent right

Effective date of registration: 20241107

Address after: Building A, 5th Floor, No. 6 Tongfu South Road, Guzhen Town, Zhongshan City, Guangdong Province, 528400

Patentee after: Zhongshan Weilai Lighting Co.,Ltd.

Country or region after: China

Address before: No. 199, Hujia Road, Qingshanhu District, Nanchang City, Jiangxi Province, 330000

Patentee before: JIANGXI ZHAOCHI PHOTOELECTRIC CO.,LTD.

Country or region before: China

TR01 Transfer of patent right