[go: up one dir, main page]

CN116167988B - 一种芯片质量的检测方法、装置、电子设备及存储介质 - Google Patents

一种芯片质量的检测方法、装置、电子设备及存储介质

Info

Publication number
CN116167988B
CN116167988B CN202310097029.5A CN202310097029A CN116167988B CN 116167988 B CN116167988 B CN 116167988B CN 202310097029 A CN202310097029 A CN 202310097029A CN 116167988 B CN116167988 B CN 116167988B
Authority
CN
China
Prior art keywords
chip
edge line
substrate
detection
bar
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
CN202310097029.5A
Other languages
English (en)
Other versions
CN116167988A (zh
Inventor
马进
任杰
刘江
徐海军
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.)
Wenling Hotspur Laser Technology Co ltd
Original Assignee
Wenling Hotspur Laser Technology 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 Wenling Hotspur Laser Technology Co ltd filed Critical Wenling Hotspur Laser Technology Co ltd
Priority to CN202310097029.5A priority Critical patent/CN116167988B/zh
Publication of CN116167988A publication Critical patent/CN116167988A/zh
Application granted granted Critical
Publication of CN116167988B publication Critical patent/CN116167988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30168—Image quality inspection
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种芯片质量的检测方法、装置、电子设备及存储介质，该方法包括：根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离；根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度；统计待检测芯片图像中与基板的颜色不同的像素点个数；将突出距离、相对角度和像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果；芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。通过本申请的方式，能够确定待检测芯片的质量，提高了确定芯片质量的准确率和效率。

Description

一种芯片质量的检测方法、装置、电子设备及存储介质
技术领域
本发明涉及芯片技术领域，具体而言，涉及一种芯片质量的检测方法、装置、电子设备及存储介质。
背景技术
随着科技的发展，芯片也被广泛的应用到人们的生活中。在芯片的生产过程中，不仅需要对芯片进行制作，还需要对制作完成的芯片进行质量的检测。
现有技术中，操作员通过显微镜观察制作完成的芯片，以检测芯片的质量为合格或不合格。但是，通过操作员检测芯片的质量误差较大、且检测效率低。
发明内容
有鉴于此，本申请的目的在于提供一种芯片质量的检测方法、装置、电子设备及存储介质，能够确定待检测芯片的质量，提高了确定芯片质量的准确率和效率。
第一方面，本申请实施例提供了一种芯片质量的检测方法，该芯片质量的检测方法包括：
获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息；检测边缘线是与待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；
根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离；
根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度；
统计待检测芯片图像中与基板的颜色不同的像素点个数；
将突出距离、相对角度和像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果；芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。
在一种可能的实施方式中，该芯片质量的检测方法，还包括：
获取样本芯片的突出距离、相对角度和像素点，以及样本芯片对应的质量检测结果；
统一样本芯片的突出距离、相对角度和像素点个数的单位；
将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与样本芯片对应的质量检测结果作为标签，对芯片检测模型进行训练。
在一种可能的实施方式中，获取基板和巴条分别对应检测边缘线的边缘线方程，包括：
分别提取基板、巴条对应检测边缘线的至少两个边缘点位置信息；
根据基板或巴条对应检测边缘线的边缘线点位置信息，确定基板或巴条对应检测边缘线的斜率和截距，得到基板或巴条对应检测边缘线的边缘线方程。
在一种可能的实施方式中，确定基板或巴条对应检测边缘线的斜率，包括：
将基板或巴条对应检测边缘线的边缘点位置信息代入下列斜率公式中，得到基板或巴条对应检测边缘线的斜率；
其中，k为基板或巴条对应检测边缘线的斜率，n为边缘点位置信息的个数，xi为基板或巴条对应检测边缘线的第i个边缘点位置信息的横坐标，yi为基板或巴条对应检测边缘线的第i个边缘点位置信息的纵坐标。
在一种可能的实施方式中，确定基板或巴条对应检测边缘线的截距，包括：
将基板或巴条对应检测边缘线的边缘点位置信息代入下列截距公式中，得到基板或巴条对应检测边缘线的截距；
其中，b为基板或巴条对应检测边缘线的截距，k为基板或巴条对应检测边缘线的斜率。
在一种可能的实施方式中，确定检测边缘线之间的相对角度，包括：
将所有边缘线方程的斜率代入相对角度公式中，得到检测边缘线之间的相对角度；
θ＝tan-1k1-tan-1k2；
其中，θ为检测边缘线之间的相对角度，k1为基板对应边缘线方程的斜率，k2为巴条对应边缘线方程的斜率。
在一种可能的实施方式中，获取基板对应检测边缘线的中点位置信息，包括：
提取基板对应检测边缘线的两个端点位置信息；
将两个端点位置信息中的横坐标的平均值，确定为中点位置信息中的横坐标；
将两个端点位置信息中的纵坐标的平均值，确定为中点位置信息中的纵坐标。
第二方面，本申请实施例还提供了一种芯片质量的检测装置，该芯片质量的检测装置包括：
获取模块，用于获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息；检测边缘线是与待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；
确定模块，用于根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离；
确定模块，还用于根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度；
统计模块，用于统计待检测芯片图像中与基板的颜色不同的像素点个数；
输入模块，用于将突出距离、相对角度和所述像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果；芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。
在一种可能的实施方式中，统一模块、训练模块；
获取模块，还用于获取样本芯片的突出距离、相对角度和像素点，以及样本芯片对应的质量检测结果；
统一模块，用于统一样本芯片的突出距离、相对角度和像素点个数的单位；
训练模块，用于将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与样本芯片对应的质量检测结果作为标签，对芯片检测模型进行训练。
在一种可能的实施方式中，获取模块，具体用于分别提取基板、巴条对应检测边缘线的至少两个边缘点位置信息；根据基板或巴条对应检测边缘线的边缘线点位置信息，确定基板或巴条对应检测边缘线的斜率和截距，得到基板或巴条对应检测边缘线的边缘线方程。
在一种可能的实施方式中，确定模块，具体用于将基板或巴条对应检测边缘线的边缘点位置信息代入下列斜率公式中，得到基板或巴条对应检测边缘线的斜率；其中，k为基板或巴条对应检测边缘线的斜率，n为边缘点位置信息的个数，xi为基板或巴条对应检测边缘线的第i个边缘点位置信息的横坐标，yi为基板或巴条对应检测边缘线的第i个边缘点位置信息的纵坐标。
在一种可能的实施方式中，确定模块，具体用于将基板或巴条对应检测边缘线的边缘点位置信息代入下列截距公式中，得到基板或巴条对应检测边缘线的截距；其中，b为基板或巴条对应检测边缘线的截距，k为基板或巴条对应检测边缘线的斜率。
在一种可能的实施方式中，确定模块，具体用于将所有边缘线方程的斜率代入相对角度公式中，得到检测边缘线之间的相对角度；θ＝tan-1k1-tan-1k2；其中，θ为检测边缘线之间的相对角度，k1为基板对应边缘线方程的斜率，k2为巴条对应边缘线方程的斜率。
在一种可能的实施方式中，获取模块，具体用于提取基板对应检测边缘线的两个端点位置信息；将两个端点位置信息中的横坐标的平均值，确定为中点位置信息中的横坐标；将两个端点位置信息中的纵坐标的平均值，确定为中点位置信息中的纵坐标。
第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行如第一方面任一项芯片质量的检测方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如第一方面任一项芯片质量的检测方法的步骤。
本申请实施例提供了一种芯片质量的检测方法、装置、电子设备及存储介质，该方法包括：获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息；检测边缘线是与待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；根据中点位置信息、巴条对应边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离；根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度；统计待检测芯片图像中与基板的颜色不同的像素点个数；将突出距离、相对角度和像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果；芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。本申请通过将待检测芯片的突出距离、相对角度和像素点，能够确定待检测芯片的质量，提高了确定芯片质量的准确率和效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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示出了本申请实施例提供的一种芯片质量的检测方法的流程图；
图2示出了本申请实施例提供的待检测芯片图像的示意图；
图3示出了本申请实施例提供的另一种芯片质量的检测方法的流程图；
图4示出了本申请实施例提供的一种芯片质量的检测装置的结构示意图；
图5示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“芯片技术领域”，给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕“芯片技术领域”进行描述，但是应该理解，这仅是一个示例性实施例。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
下面对本申请实施例提供的一种芯片质量的检测方法进行详细说明。
参照图1所示，为本申请实施例提供的一种芯片质量的检测方法的流程示意图，该芯片质量的检测方法的具体执行过程为：
S101、获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息。
S102、根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离。
S103、根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度。
S104、统计待检测芯片图像中与基板的颜色不同的像素点个数。
S105、将突出距离、相对角度和像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果。
本申请实施例提供了一种芯片质量的检测方法，该方法包括：获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息；检测边缘线是与待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；根据中点位置信息、巴条对应边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离；根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度；统计待检测芯片图像中与基板的颜色不同的像素点个数；将突出距离、相对角度和像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果；芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。本申请通过将待检测芯片的突出距离、相对角度和像素点，能够确定待检测芯片的质量，提高了确定芯片质量的准确率和效率。
下面对本申请实施例示例性的各步骤进行说明：
S101、获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息。
在本申请实施方式中，如图2所示，为本申请实施例提供的待检测芯片图像的示意图，图中所示的待检测芯片中包含基板和巴条，巴条指的是半导体激光巴条。获取待检测芯片图像中，基板的检测边缘线的边缘线方程、巴条的检测边缘线的边缘线方程以及基板对应检测边缘线的中点位置信息。在基板的中间会有一条基准线，该基准线会平行于基准线的左边缘线和右边缘线，或平行于基板的上边缘线和下边缘线。检测边缘线是该基准线垂直的边缘线中任一侧边缘线。比如基准线与基板的左边缘线和右边缘线平行，因此，基准线与基板和巴条的上边缘线、下边缘线垂直，也就是说，检测边缘线可以为基板的上边缘线和巴条的上边缘线，也可以为基板的下边缘线和巴条的下边缘线。其中，基板和巴条的检测边缘线必须为同侧的边缘线。中点位置信息指的是检测边缘线的中点的位置信息，包括中点的横坐标与纵坐标。
具体地，通过下述步骤确定基板或巴条对应检测边缘线的边缘线方程：
I、分别提取基板、巴条对应检测边缘线的至少两个边缘点位置信息。
在本申请实施方式中，边缘点位置信息是指检测边缘线上的像素点的位置坐标，包括像素点的横坐标以及纵坐标。若检测边缘线可以为基板的上边缘线和巴条的上边缘线，则提取基板的上边缘线的点的位置坐标、巴条的上边缘线的点的位置坐标。
II、根据基板或巴条对应检测边缘线的边缘线点位置信息，确定基板或巴条对应检测边缘线的斜率和截距，得到基板或巴条对应检测边缘线的边缘线方程。
在本申请实施方式中，检测边缘线的斜率和截距也就是边缘线方程的斜率和截距。边缘线方程为一元一次方程，因此，确定出边缘线方程中的斜率和截距即可。
进一步地，确定基板或巴条对应检测边缘线的斜率，具体包括：
将基板或巴条对应检测边缘线的边缘点位置信息代入下列斜率公式中，得到基板或巴条对应检测边缘线的斜率。
其中，k为基板或巴条对应检测边缘线的斜率，n为边缘点位置信息的个数，xi为基板或巴条对应检测边缘线的第i个边缘点位置信息的横坐标，yi为基板或巴条对应检测边缘线的第i个边缘点位置信息的纵坐标。
进一步地，确定基板或巴条对应检测边缘线的截距，具体包括：
将基板或巴条对应检测边缘线的边缘点位置信息代入下列截距公式中，得到基板或巴条对应检测边缘线的截距。
其中，b为基板或巴条对应检测边缘线的截距，k为基板或巴条对应检测边缘线的斜率，n为边缘点位置信息的个数，xi为基板或巴条对应检测边缘线的第i个边缘点位置信息的横坐标，yi为基板或巴条对应检测边缘线的第i个边缘点位置信息的纵坐标。
具体地，通过下述步骤确定基板对应检测边缘线的中点位置信息：
I、提取基板对应检测边缘线的两个端点位置信息。
在本申请实施方式中，端点位置信息为检测边缘线的两个端点的坐标，包括横坐标与纵坐标。
II、将两个端点位置信息中的横坐标的平均值，确定为中点位置信息中的横坐标。
III、将两个端点位置信息中的纵坐标的平均值，确定为所述中点位置信息中的纵坐标。
S102、根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离。
在本申请实施方式中，突出距离为待检测芯片的质量检测特征之一。将基板的检测边缘线的中点，到巴条对应检测边缘线的距离，作为待检测芯片的突出距离。
通过下述公式确定该突出距离：
其中，d为待检测芯片的突出距离，b2为巴条对应边缘线方程的截距，k2为巴条对应边缘线方程的斜率，X为中点位置信息中的横坐标，Y为中点位置信息的纵坐标。
S103、根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度。
在本申请实施方式中，相对角度指的是基板的检测边缘线，与巴条的检测边缘线之间的角度，为待检测芯片的质量检测特征之一。
具体地，将所有边缘线方程的斜率代入相对角度公式中，得到检测边缘线之间的相对角度。
θ＝tan-1k1-tan-1k2；
其中，θ为检测边缘线之间的相对角度，k1为基板对应边缘线方程的斜率，k2为巴条对应边缘线方程的斜率。
S104、统计待检测芯片图像中与基板的颜色不同的像素点个数。
在本申请实施方式中，当待检测芯片图像中的像素点与基板的颜色不同时，说明该像素点为异常像素点，也就是该芯片的不合格处。统计出来的像素点个数就是芯片的异常像素点个数。像素点个数为待检测芯片的质量检测特征之一。
S105、将突出距离、相对角度和像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果。
在本申请实施方式中，芯片检测模型用于确定待检测芯片是否合格。质量检测结果包括合格与不合格两种检测结果。
具体地，获取样本芯片的突出距离、相对角度和像素点，以及所述样本芯片对应的质量检测结果；统一所述样本芯片的突出距离、相对角度和像素点个数的单位；将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与所述样本芯片对应的质量检测结果作为标签，对所述芯片检测模型进行训练。
参照图3所示，为本申请实施例提供的另一种芯片质量的检测方法的流程示意图，该芯片质量的检测方法的具体执行过程为：
S301、获取样本芯片的突出距离、相对角度和像素点，以及样本芯片对应的质量检测结果。
在本申请实施方式中，获取多个样本芯片图像，然后采用双边滤波对该样本芯片图像进行滤波处理，去除掉由于光源导致的噪音点。将滤波完成的图像采用3*3的sobel算子进行边缘检测，识别出样本芯片图像中基板和巴条分别对应检测边缘线的至少两个边缘点位置信息；根据基板或巴条对应检测边缘线的边缘线点位置信息，确定基板或巴条对应检测边缘线的斜率和截距，得到基板或巴条对应检测边缘线的边缘线方程；然后确定基板对应检测边缘线的中点位置信息；根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到样本芯片的突出距离；根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度，得到样本芯片的相对角度；统计待检测芯片图像中与基板的颜色不同的像素点个数，得到样本芯片的像素点个数。样本芯片对应的质量检测结果是有人工进行标定的。
这里，本实施例中的双边滤波不仅与像素值有关，而且还与像素的位置有关，能够较好的保留边缘，具体公式如下所示：
Wq＝∑p∈SGs(p)Gr(p)；
其中，Ip为样本芯片图像中的某一像素点的灰度值，Iq为样本芯片图像中除p点以外的任一像素点的灰度值，S为样本芯片图像中所有的像素点，Gr为空间距离权重，Gr为像素权重，Wq为滤波窗口像素权重的和，BF为滤波后的样本芯片图像。
S302、统一样本芯片的突出距离、相对角度和像素点个数的单位。
在本申请实施方式中，通过下述公式分别针对每个突出距离、每个相对角度和每个像素点个数进行单位的统一。
其中，M为单位统一后的数值，N为某样本芯片的突出距离或相对角度或像素点个数，A为所有突出距离或所有相对角度或所有像素点个数的最小值，B为所有突出距离或所有相对角度或所有像素点个数的最大值。
这里，由于样本芯片的突出距离、相对角度和像素点个数之间单位不统一，并且对应的数值范围不同，那么芯片检测模型的分类器在计算样本芯片间的距离的结果就会取决于范围比较大的值，这就会导致分类器的分类精度降低。因此单位统一化可避免此问题发生，一方面能够忽略特征之间单位的影响，一方面能够将特征之间的范围控制在[0,1]之间，减少计算量。
S303、将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与样本芯片对应的质量检测结果作为标签，对芯片检测模型进行训练。
在本申请实施方式中，芯片检测模型采用的模型如下：
其中，V为超球体体积V(r)，C为惩罚系数，R为超球体半径r，O为超球体参数为中心，εi为松弛变量，m为样本芯片的数量。
这里，假设产生的超球体参数为中心和对应的超球体半径r大于零，超球体体积被最小化，中心支持线性组合；跟传统SVM方法相似，可以要求所有训练数据点到中心的距离严格小于r。但是同时构造一个惩罚系数C的松弛变量εi。采用拉格朗日对偶求解之后，可以判断新的训练数据点是否在内，如果z到中心的距离小于或者等于半径r，则合格，如果在超球体以外，则是不合格。
本申请实施例提供了另一种芯片质量的检测方法，该方法包括：获取样本芯片的突出距离、相对角度和像素点，以及样本芯片对应的质量检测结果；统一样本芯片的突出距离、相对角度和像素点个数的单位；将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与样本芯片对应的质量检测结果作为标签，对芯片检测模型进行训练。本申请能够得到准确率较高的芯片检测模型，以检测出待检测芯片的质量检测结果。
基于同一发明构思，本申请实施例中还提供了与芯片质量的检测方法对应的芯片质量的检测装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述芯片质量的检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图4所示，为本申请实施例提供的一种芯片质量的检测装置的示意图，该芯片质量的检测包括：
获取模块401，用于获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及基板对应检测边缘线的中点位置信息；检测边缘线是与待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；
确定模块402，用于根据中点位置信息、巴条对应的边缘线方程，确定基板对应检测边缘线的中点到巴条对应检测边缘线的距离，得到待检测芯片的突出距离；
确定模块402，还用于根据所有边缘线方程的斜率，确定检测边缘线之间的相对角度；
统计模块403，用于统计待检测芯片图像中与基板的颜色不同的像素点个数；
输入模块404，用于将突出距离、相对角度和所述像素点个数输入到芯片检测模型中，得到待检测芯片的质量检测结果；芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。
在一种可能的实施方式中，统一模块405、训练模块406；
获取模块401，还用于获取样本芯片的突出距离、相对角度和像素点，以及样本芯片对应的质量检测结果；
统一模块405，用于统一样本芯片的突出距离、相对角度和像素点个数的单位；
训练模块406，用于将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与样本芯片对应的质量检测结果作为标签，对芯片检测模型进行训练。
在一种可能的实施方式中，获取模块401，具体用于分别提取基板、巴条对应检测边缘线的至少两个边缘点位置信息；根据基板或巴条对应检测边缘线的边缘线点位置信息，确定基板或巴条对应检测边缘线的斜率和截距，得到基板或巴条对应检测边缘线的边缘线方程。
在一种可能的实施方式中，确定模块402，具体用于将基板或巴条对应检测边缘线的边缘点位置信息代入下列斜率公式中，得到基板或巴条对应检测边缘线的斜率；其中，k为基板或巴条对应检测边缘线的斜率，n为边缘点位置信息的个数，xi为基板或巴条对应检测边缘线的第i个边缘点位置信息的横坐标，yi为基板或巴条对应检测边缘线的第i个边缘点位置信息的纵坐标。
在一种可能的实施方式中，确定模块402，具体用于将基板或巴条对应检测边缘线的边缘点位置信息代入下列截距公式中，得到基板或巴条对应检测边缘线的截距；其中，b为基板或巴条对应检测边缘线的截距，k为基板或巴条对应检测边缘线的斜率。
在一种可能的实施方式中，确定模块402，具体用于将所有边缘线方程的斜率代入相对角度公式中，得到检测边缘线之间的相对角度；θ＝tan-1k1-tan-1k2；其中，θ为检测边缘线之间的相对角度，k1为基板对应边缘线方程的斜率，k2为巴条对应边缘线方程的斜率。
在一种可能的实施方式中，获取模块401，具体用于提取基板对应检测边缘线的两个端点位置信息；将两个端点位置信息中的横坐标的平均值，确定为中点位置信息中的横坐标；将两个端点位置信息中的纵坐标的平均值，确定为中点位置信息中的纵坐标。
本申请实施例提供了一种芯片质量的检测装置，该装置通过将待检测芯片的突出距离、相对角度和像素点，能够确定待检测芯片的质量，提高了确定芯片质量的准确率和效率。
如图5所示，本申请实施例提供的一种电子设备500，包括：处理器501、存储器502和总线，存储器502存储有处理器501可执行的机器可读指令，当电子设备运行时，处理器501与存储器502之间通过总线通信，处理器501执行机器可读指令，以执行如上述芯片质量的检测方法的步骤。
具体地，上述存储器502和处理器501能够为通用的存储器和处理器，这里不做具体限定，当处理器501运行存储器502存储的计算机程序时，能够执行上述芯片质量的检测方法。
对应于上述芯片质量的检测方法，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述芯片质量的检测方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，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单元中，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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述信息处理方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上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，可轻易想到变化或替换，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)

1.一种芯片质量的检测方法，其特征在于，所述芯片质量的检测方法包括：
获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及所述基板对应检测边缘线的中点位置信息；所述检测边缘线是与所述待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；
根据所述中点位置信息、所述巴条对应的边缘线方程，确定所述基板对应检测边缘线的中点到所述巴条对应检测边缘线的距离，得到待检测芯片的突出距离；
根据所有边缘线方程的斜率，确定所述检测边缘线之间的相对角度；
统计所述待检测芯片图像中与所述基板的颜色不同的像素点个数；
将所述突出距离、所述相对角度和所述像素点个数输入到芯片检测模型中，得到所述待检测芯片的质量检测结果；所述芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。
2.根据权利要求1所述的芯片质量的检测方法，其特征在于，所述芯片质量的检测方法，还包括：
获取样本芯片的突出距离、相对角度和像素点，以及所述样本芯片对应的质量检测结果；
统一所述样本芯片的突出距离、相对角度和像素点个数的单位；
将单位统一后的突出距离、相对角度和像素点个数作为样本数据，与所述样本芯片对应的质量检测结果作为标签，对所述芯片检测模型进行训练。
3.根据权利要求1所述的芯片质量的检测方法，其特征在于，获取基板和巴条分别对应检测边缘线的边缘线方程，包括：
分别提取所述基板、所述巴条对应检测边缘线的至少两个边缘点位置信息；
根据所述基板或所述巴条对应检测边缘线的边缘线点位置信息，确定所述基板或所述巴条对应检测边缘线的斜率和截距，得到所述基板或所述巴条对应检测边缘线的边缘线方程。
4.根据权利要求3所述的芯片质量的检测方法，其特征在于，确定所述基板或所述巴条对应检测边缘线的斜率，包括：
将所述基板或所述巴条对应检测边缘线的边缘点位置信息代入下列斜率公式中，得到所述基板或所述巴条对应检测边缘线的斜率；
其中，k为基板或巴条对应检测边缘线的斜率，n为边缘点位置信息的个数，xi为基板或巴条对应检测边缘线的第i个边缘点位置信息的横坐标，yi为基板或巴条对应检测边缘线的第i个边缘点位置信息的纵坐标。
5.根据权利要求4所述的芯片质量的检测方法，其特征在于，确定所述基板或所述巴条对应检测边缘线的截距，包括：
将所述基板或所述巴条对应检测边缘线的边缘点位置信息代入下列截距公式中，得到所述基板或所述巴条对应检测边缘线的截距；
其中，b为基板或巴条对应检测边缘线的截距，k为基板或巴条对应检测边缘线的斜率。
6.根据权利要求1所述的芯片质量的检测方法，其特征在于，所述确定所述检测边缘线之间的相对角度，包括：
将所有边缘线方程的斜率代入相对角度公式中，得到所述检测边缘线之间的相对角度；
θ＝tan-1k1-tan-1k2；
其中，θ为检测边缘线之间的相对角度，k1为基板对应边缘线方程的斜率，k2为巴条对应边缘线方程的斜率。
7.根据权利要求1所述的芯片质量的检测方法，其特征在于，获取所述基板对应检测边缘线的中点位置信息，包括：
提取所述基板对应检测边缘线的两个端点位置信息；
将两个端点位置信息中的横坐标的平均值，确定为所述中点位置信息中的横坐标；
将两个端点位置信息中的纵坐标的平均值，确定为所述中点位置信息中的纵坐标。
8.一种芯片质量的检测装置，其特征在于，所述芯片质量的检测装置包括：
获取模块，用于获取待检测芯片图像中的基板和巴条分别对应检测边缘线的边缘线方程，及所述基板对应检测边缘线的中点位置信息；所述检测边缘线是与所述待检测芯片图像中的基准线垂直的边缘线中任一侧边缘线；
确定模块，用于根据所述中点位置信息、所述巴条对应的边缘线方程，确定所述基板对应检测边缘线的中点到所述巴条对应检测边缘线的距离，得到待检测芯片的突出距离；
所述确定模块，还用于根据所有边缘线方程的斜率，确定所述检测边缘线之间的相对角度；
统计模块，用于统计所述待检测芯片图像中与所述基板的颜色不同的像素点个数；
输入模块，用于将所述突出距离、所述相对角度和所述像素点个数输入到芯片检测模型中，得到所述待检测芯片的质量检测结果；所述芯片检测模型是通过样本芯片的突出距离、相对角度和像素点，以及对应的质量检测结果训练得到的。
9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一项所述的芯片质量的检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的芯片质量的检测方法的步骤。
CN202310097029.5A 2023-01-19 2023-01-19 一种芯片质量的检测方法、装置、电子设备及存储介质 Active CN116167988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310097029.5A CN116167988B (zh) 2023-01-19 2023-01-19 一种芯片质量的检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310097029.5A CN116167988B (zh) 2023-01-19 2023-01-19 一种芯片质量的检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116167988A CN116167988A (zh) 2023-05-26
CN116167988B true CN116167988B (zh) 2025-10-21

Family

ID=86414286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310097029.5A Active CN116167988B (zh) 2023-01-19 2023-01-19 一种芯片质量的检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116167988B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572965A (zh) * 2014-10-31 2016-05-11 Lg电子株式会社 背光单元和包括背光单元的显示装置
CN108573086A (zh) * 2018-02-28 2018-09-25 江门市华凯科技有限公司 一种集成电路芯片自动识别的控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8908919B2 (en) * 2012-05-29 2014-12-09 The Johns Hopkins University Tactical object finder
CN115619811B (zh) * 2022-12-16 2023-04-14 北京远舢智能科技有限公司 一种烟支数量的确定方法、装置、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572965A (zh) * 2014-10-31 2016-05-11 Lg电子株式会社 背光单元和包括背光单元的显示装置
CN108573086A (zh) * 2018-02-28 2018-09-25 江门市华凯科技有限公司 一种集成电路芯片自动识别的控制方法

Also Published As

Publication number Publication date
CN116167988A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
JP6121425B2 (ja) ラスタ画像のエッジ検出によるベルト摩耗の測定
CN115861291B (zh) 基于机器视觉的贴片电路板生产缺陷检测方法
CN110634137A (zh) 一种基于视觉感知的桥梁变形的监测方法、装置及设备
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN117557820B (zh) 一种基于机器视觉的量子点光学膜损伤检测方法及系统
CN112233076B (zh) 基于红色圆标靶图像处理的结构振动位移测量方法及装置
CN116228780A (zh) 基于计算机视觉的硅片缺陷检测方法及系统
CN112132237B (zh) 一种纯净像元光谱库建立方法及装置
CN116167988B (zh) 一种芯片质量的检测方法、装置、电子设备及存储介质
CN110874837B (zh) 一种基于局部特征分布的缺陷自动检测方法
CN116681647A (zh) 一种基于无监督生成式的彩涂板表面缺陷检测方法和装置
CN120913185A (zh) 人工智能驱动的热敏纸生产废料智能识别方法
CN111062927A (zh) 一种无人机图像质量检测的方法、系统及设备
CN119992556B (zh) 基于视频图像的仪表智能分析方法及系统
CN113191997B (zh) 一种基于机器视觉的卡簧测量方法
CN118279305B (zh) 基于双目视觉的金属面板开关生产线自动检测方法
CN112146834B (zh) 结构振动位移测量方法及装置
CN115546215B (zh) 用于晶体管线宽的测量结果的评估方法、设备和介质
WO2021217854A1 (zh) 假阳性过滤方法、装置、设备及存储介质
CN115479904B (zh) 一种饲料单宁快速检测方法及系统
CN117314901A (zh) 一种尺度自适应的芯片检测神经网络系统
CN114742142A (zh) 液晶显示屏的检测方法及液晶显示屏检测设备
CN113920305A (zh) 一种避雷器仪表的识别方法及装置
CN116452878B (zh) 一种基于深度学习算法与双目视觉的考勤方法及系统
CN119762518B (zh) 一种直线边缘及角点检测方法、装置及存储介质

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
GR01 Patent grant
GR01 Patent grant