芯片贴装的焊缝缺陷检测方法研究.pdfVIP

学校代码：10255 学 号：2190829 芯片贴装的焊缝缺陷检测方法研究 RESEARCH ON WELDE DEFECTS METHOD FOR CHIP MOUNTING 作者姓名：伍鸣督 专业名称：机械工程 导师姓名：丁彩红 副教授 校外导师：周法权 高级工程师 答辩日期：2022 年 1 月 11 日 万方数据 万方数据 东华大学 伍鸣督 硕士学位论文答辩委员会成员名单 姓名 职称 职务 工作单位 备注 鲍劲松 教授 答辩委员会主席 东华大学 高级工程 上海航天动力 许开州 答辩委员会委员 师 技术研究所 周亚勤 副教授 答辩委员会委员 东华大学 杨延竹 副研究员 答辩委员会委员 东华大学 郑小虎 副教授 答辩委员会委员 东华大学 李婕 讲师 答辩委员会秘书 东华大学 万方数据 东华大学硕士学位论文 摘要 芯片贴装的焊缝缺陷检测方法研究 摘 要 大功率电子器件的封装工艺里常采用焊接粘贴法把芯片贴装到基座上。检测 焊缝质量对于保证器件的可靠性具有重要意义，是一项重要的生产环节。而焊接 质量是多种因素协同作用的结果，对焊接质量的有效监测可以反作用于改进贴装 工艺参数，提高质检效率，减少缺陷产品的误检和漏检。因此本课题针对焊缝缺 陷检测方法展开了研究，具体内容如下。 在视觉检测领域，越来越多的数据集呈现出较强专业性，标注标签时强烈依赖 专家经验，增加了应用成本和开发周期。同时数据集也难以避免会存在标签噪声， 影响了模型识别效果。本文对七种缺陷中三种高度相似缺陷采用深度卷积嵌入聚 类网络（Deep Convolutional Embedded Clustering ，DCEC ）提取缺陷特征做预分类， 并将聚类结果用于清洗标签噪声。训练有监督模型后测试所得混淆矩阵得知 DCEC 可有效减少噪声标签。 对于两阶段算法中的 RPN 网络使用单一阈值筛选 Anchor 时会出现的正负样 本、难易样本不均衡问题，本文级联了三个检测器逐步提高 IOU 阈值获取高质量 的候选区域，提高了定位精度和召回率。在多阶段的检测算法中搭建更深更宽的 ResNext50 作为主干网络提取更加富有语义的缺陷特征。 针对焊缝缺陷的多尺度检测问题，本文通过优化特征融合的过程