[发明专利]一种基于视觉识别的传感器封装固化胶缺陷识别方法在审

专利信息
申请号: 202210877519.2 申请日: 2022-07-25
公开(公告)号: CN114943738A 公开(公告)日: 2022-08-26
发明(设计)人: 王小平;曹万;梁世豪;熊波 申请(专利权)人: 武汉飞恩微电子有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/10;G06V10/75
代理公司: 武汉天领众智专利代理事务所(普通合伙) 42300 代理人: 谢非
地址: 430000 湖北省武汉市东湖新技术开发*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 视觉 识别 传感器 封装 固化 缺陷 方法
【权利要求书】:

1.一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于,包括以下步骤:

S1、通过红外成像设备获取传感器芯片配件图像,根据获取的传感器芯片配件图像判断是否创建模板库,若是,则设定传感器芯片配件图像中各个检测点的坐标值,截取对应检测对象的图像,并且对图像进行预处理操作,作为传感器封装的检测模板库;

S2、在对检测的图像进行预处理完成后,提取传感器封装固化胶的识别图像,通过对识别的图像进行分割及灰度值计算,得到封装固化胶的位置范围,并且将传感器芯片配件图像与封装固化胶的位置范围进行叠合;

S3、建立标准样片的全幅画模板,用于通过红外成像设备预处理后的传感器芯片配件图像和封装固化胶图像与标准样片进行对比判断,确定可疑区域,并且对可疑区域进行识别;

S4、在对可疑区域进行识别结束后进行缺陷样本的制作,将待检样片分为多个区域拍摄清晰图像,依次对各部分待检样片的图像进行模板匹配,从全幅面标准样板中提取出与待检样片对应的子模板,并且获取待检样片的缺陷区域。

2.根据权利要求1所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述S1中对图像预处理的具体操作步骤如下:

S101、通过对红外成像设备获取的配件图像进行伽马校正,调整图像的光照条件;

S102、其次对直方图均衡化后的图像进行同态滤波,剔除不必要的背景干扰,通过使用矩阵模板法,将检测的区域进行标记显露,未检测的区域进行覆盖。

3.根据权利要求1所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述S2中对传感器封装固化胶的识别中,识别结果以图像识别结果或文字识别结果的形式进行输出。

4.根据权利要求1所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述S4中获取待检样片的可疑区域具体实施步骤如下:

S401通过归一化互关方式将模板图像在目标图像中逐行逐列移动,通过计算两幅图像中邻域像素灰度值的相似性来完成匹配;

S402、设单应性矩阵T为检样片中的模板,大小为m×n,I为模板移动时标准样片中被覆盖的区域,归一化互关匹配度量R为:

S403、当完成匹配后,将模板T与在标准样片中匹配到的对应区域I作差分,获取待检样片的可疑区域,并且用以来表示缺陷区域图像中像素点灰度值,确定当前位置为传感器封装固化胶缺陷点。

5.根据权利要求4所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述S403中获取待检样片的可疑区域,表示缺陷区域图像中像素点灰度值,为归一化后的可疑区域图像中像素点灰度值。

6.根据权利要求5所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述的具体计算方式如下:

7.根据权利要求6所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述中分为六类可疑区域图像特征值,且分别为的图像均值、图像灰度标准差、邻域梯度、Zernike矩、最小外接矩形长与体态比。

8.根据权利要求7所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述中的六类可疑区域图像特征值作为训练集输入至SVM分类器进行训练,SVM用于分类缺陷的决策函数定义。

9.根据权利要求8所述的一种基于视觉识别的传感器封装固化胶缺陷识别方法,其特征在于:所述分类缺陷的决策函数定义后,通过高斯核函数作为核函数,对原数据进行映射。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉飞恩微电子有限公司,未经武汉飞恩微电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210877519.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top