[发明专利]一种微型芯片外观缺陷的智能识别方法

权利要求书

1.一种微型芯片外观缺陷的智能识别方法，包括微型芯片外观缺陷的智能识别系统，所述微型芯片外观缺陷的智能识别系统包括电源模块、发声模块、照明发光模块、CCD相机组、传送装置、芯片格子装置、总控制器模块、板载计算机和带有吸盘的机械手；

所述电源模块用于对整个系统进行供电；

所述发声模块用于提示系统的工作状态或者用于报警；

所述照明发光模块用于对照亮待检测芯片，利于相机收集芯片更多的特征；

所述CCD相机组用于收集待检测芯片的特征信息，为算法部分提供分析数据；

所述芯片格子装置用于放置待检测芯片；

所述传送装置用于将待检测芯片移动至CCD相机组的检测区域，以及将检测完成后的芯片移出检测区域；

所述总控制器模块用于对智能检测系统的各个模块发布各种指令；

所述板载计算机用于为算法部分提供计算力，从而得出输出结果；

所述带有吸盘的机械手，用于区分产品的质量合格和不合格，自动化地将不合格芯片抓取，其特征在于，包括如下步骤：

放置芯片至所述芯片格子装置；

利用所述传送装置传送芯片；

之后灰度化相机图像；

然后芯片定位，利用所述CCD相机组对芯片进行检测；

实施缺陷样本均衡处理；

进行大封装芯片缺陷样本的知识迁移；

芯片定位，利用所述CCD相机组对芯片进行检测，包括：

利用八方向Sobel算子边缘提取，检测出图像不同的方向边缘；

寻找芯片四周边缘顶点；

利用八方向Sobel算子边缘提取，检测出图像不同的方向边缘，具体步骤为：

定义算子模板，模板内的数值为模板权值，其作用是与对应位置的像素值进行加权运算，提取的边缘信息；模板中各个位置的权重是由该位置到中心点的距离以及该位置在模板中所在的方向决定，等距离的点具有相同的权重，用加权平均法将原始RGB彩色图变成灰度图，具体公式为：

O(x，y)＝β₁*O_R(x，Y)+β₂*O_G(x，Y)+β₃*O_B(x，y) (1)

其中O_R(x，Y)是原始图像的红通道像素值，O_G(x,y)是原始图像的绿通道像素值，O_B(x，y)是原始图像的蓝通道像素值；

β₁，β₂，β₃这三个参数分别是关于红通道像素值，绿通道像素值，蓝通道像素值融合为灰度图时的权重，是根据人的亮度感知系统来调节的，设置为β₁＝0.3，β₂＝0.59，β₃＝0.11，是被广泛使用的标准化权重数值；

采用加权平均法将原始RGB彩色图变成灰度图；

获取梯度图像。

2.如权利要求1所述的微型芯片外观缺陷的智能识别方法，其特征在于，进行大封装芯片缺陷样本的知识迁移，具体为：

利用大封装芯片样本的数据训练检测模型的知识迁移到小型芯片的缺陷检测模型中，减少小型芯片外观缺陷检测模型随机初始化带来的噪声和降低模型收敛困难的风险。

3.如权利要求2所述的微型芯片外观缺陷的智能识别方法，其特征在于，利用大封装芯片样本的数据训练检测模型的知识迁移到小型芯片的缺陷检测模型中，包括：

分别搭建大型封装芯片缺陷检测模型和小型芯片缺陷检测模型；

将大型封装芯片缺陷检测模型迁移至小型芯片缺陷检测模型中，实现迁移学习。