[发明专利]一种自适应统计模型训练方法、焊点缺陷检测方法及系统

说明书

本发明公开了一种自适应统计模型训练方法、焊点缺陷检测方法及系统。其中训练方法包括：选取IC元件焊点样本与初始化后的自适应统计模型中的模板进行匹配；匹配成功则进行模板重要性累积，得到重要性累积值以及更新模板重要性；判断重要性累积值是否小于累积阈值；若是则判断已匹配的模板数量是否大于模板总数量；若是则更新模板数量和邻域模板重要性；对匹配距离阈值、更新概率、最小重要性模板、频率分布图以及缺陷度阈值进行更新；判断已匹配的样本数量是否大于样本总数量；若是则获得训练后的自适应统计模型。不仅有效提高了经训练得到的自适应统计模型对IC元件焊点缺陷的检测精确性，同时还保持了检测效率，避免了人为经验导致的偏差。

技术领域

本发明涉及缺陷检测技术领域，尤其涉及一种自适应统计模型训练方法、焊点缺陷检测方法及系统。

背景技术

集成电路芯片(Integrated Circuit Chip，简称IC芯片)是在硅半导体片上的、由大量微电子元器件组成的电子电路。在印刷电路板(Printed Circuit Board，PCB)中，焊点是电子元件与电路板之间衔接的桥梁，起着原件与电路板的机械固定作用以及电气连接、电信号的传递作用。

表面贴装技术(Surface Mounted Technology，SMT)是在PCB基础上进行加工的系列工艺流程的简称，是电子组装行业里最流行的一种技术和工艺。目前，在进行表面贴装时需要的程序有锡膏印刷、元件贴片和再流焊接等，这些程序难于精细控制，会导致产生较多的焊点缺陷。焊点缺陷检测是焊点质量保障的关键环节，影响电路板产品的好坏。随着对PCB功能的要求越来越高，PCB的元器件密度在不断上升，元器件尺寸越来越小，仅仅依靠人工检测方法和电气检测方法无法满足检测需求。自动光学检测(Automated OpticalInspection，AOI)是对印刷电路板的自动化视觉检测技术，用于表面贴装技术生产中的质量控制，通过机器视觉检测算法，可非接触、无损、快速、重复、可靠地检测焊点的缺陷。AOI基本工作流程为通过CCD检测PCB元器件的图像后进行处理从而检测缺陷。由于IC芯片相较于其他一般的PCB元器件来说，尺寸较小，导致在图像上显示的正常焊点和有缺陷焊点相似度很高，因此在AOI时需要优秀的检测算法才能应对，这是目前仍在攻克的技术难关。现有技术中，公开号为CN104867145A的专利文献公开了一种基于视觉背景提取模型的IC元件焊点缺陷检测方法，虽然其在一定程度上能有效地检测出IC元件焊点的缺陷，但同时也存在一些问题，具体如下：

(1)视觉背景提取模型中运用随机采样机制从合格IC焊点样本中选出样本作为模板，没有考虑到尽管是合格IC焊点样本集中也有重要的样本和不重要的样本之分，这么做导致了用一些没有针对性筛选的样本用作模板进行检测，从而降低检测精度。

(2)视觉背景提取模型中所有像素点均采用同样数量的模板，没有考虑到IC焊点样本在不同像素点由于所处的IC部位不同所需要的模板数量也不同，导致了有些像素点的模板不足，有些像素点的模板过多，一方面导致准确性不足，另一方面导致检测速率过慢。

(3)视觉背景提取模型中的分类阈值、匹配距离阈值、更新概率均采用经验值，没有考虑到在复杂的元器件装配环境中会经常需要调整参数，常用人为经验参数会极大的影响检测的准确性。

因此，如何对现有技术进行改进，或者是提供一种新的IC元件焊点缺陷检测技术成为了本领域技术人员亟待解决的技术课题。

以上信息作为背景信息给出只是为了辅助理解本公开，并没有确定或者承认任意上述内容是否可用作相对于本公开的现有技术。

发明内容

本发明提供一种自适应统计模型训练方法、焊点缺陷检测方法及系统，以解决现有技术的不足。

为实现上述目的，本发明提供以下的技术方案：

第一方面，本发明实施例提供一种自适应统计模型训练方法，所述方法包括：

从样本训练集中选取IC元件焊点样本；