[发明专利]用于半导体脱焊智能检测的神经网络训练方法

权利要求书

1.一种用于半导体脱焊智能检测的神经网络训练方法，其特征在于，包括：

获取焊接完成的半导体的高精度训练图像；

将所述训练图像通过第一卷积神经网络，以提取出对应于所述训练图像的训练特征图；

将参考图像通过第二卷积神经网络，以提取出对应于所述参考图像的参考特征图，其中，所述参考图像为半导体焊接合格的图像；

将所述训练特征图和参考特征图放大n倍，以获得对应于训练特征图的第一放大特征图和对应于参考特征图的第二放大特征图；

获取第一放大特征图中的多个第一感兴趣区域和第二放大特征图中的多个第二感兴趣区域；

计算相对应的感兴趣区域之间的距离损失函数，以获得多个距离损失函数值；

将所述训练特征图通过分类器，以获得分类损失函数值；以及

基于所述距离损失函数值和分类损失函数值的加权和，更新所述第一卷积神经网络和分类器的参数。

2.根据权利要求1所述的用于半导体脱焊智能检测的神经网络训练方法，其中，所述第一卷积神经网络与第二卷积神经网络具有相同的网络结构，且所述第一卷积神经网络和所述第二卷积神经网络为深度残差网络。

3.根据权利要求1所述的用于半导体脱焊智能检测的神经网络训练方法，其中，所述n为大于等于5的正整数。

4.根据权利要求1所述的用于半导体脱焊智能检测的神经网络训练方法，其中，获取第一放大特征图中的多个第一感兴趣区域和第二放大特征图中的多个第二感兴趣区域，包括：

确定第一放大特征图和第二放大特征图中焊接引脚的位置；以及

用矩形候选框圈住焊接引脚并以焊接引脚位置为中心放大，以获得包含引脚周围区域的感兴趣区域。

5.根据权利要求1所述的用于半导体脱焊智能检测的神经网络训练方法，其中，计算相对应的感兴趣区域之间的距离损失函数，以获得多个距离损失函数值，包括：

计算相对应的感兴趣区域之间的欧式距离，以获得多个距离损失函数值。

6.根据权利要求1所述的用于半导体脱焊智能检测的神经网络训练方法，其中，计算相对应的感兴趣区域之间的距离损失函数，以获得多个距离损失函数值，包括：

计算相对应的感兴趣区域之间的余弦距离，以获得多个距离损失函数值。

7.一种基于深度神经网络的半导体脱焊智能检测方法，其特征在于，包括：

获取待检测的焊接完成的半导体的高精度图像；

将所述图像输入根据如权利要求1到6中任意一项所述的用于半导体脱焊智能检测的神经网络训练方法所训练的第一卷积神经网络和分类器，所述分类器的输出表示对应于半导体脱焊检测合格的第一概率和对应于半导体脱焊检测不合格的第二概率；以及

基于所述第一概率和第二概率，确定所述半导体脱焊检测是否合格。