基于EasyDL的芯片表面缺陷检测方法研究.pdfVIP

INTELLIGENTI智能科技

TECHNOLOGY|

基于E次syDL的芯片表面缺陷检测方法研究

沈兆宇林忠晨薛朝阳毛俊龙姚施雨婷

(浙江安防职业技术学院人工智能学院，浙江温州325000)

摘要：芯片引脚及芯片表面划痕缺陷检测在芯片的物理性检测和智能制造生产中都具有重要意义。为了实现

对芯片引脚和表面划痕缺陷的高质量、高精度检测，文章结合Python-openCV对芯片图片进行预处理并利用百度

飞桨EasyDL平台，采用有监督训练模式训练了芯片引脚检测模型以及芯片表面划痕分类模型。首先，判断图片

亮度是否符合要求，并把不符合的图片进行增量，然后通过图像处理调整图片亮度，再通过阈值分割出芯片位置，

对图片进行标注并送入EasyDL平台进行模型训练。实验阶段数据表明，引脚模型准确率为99.6%,测量误差为

±0.1%、划痕模型准确率为100%,单张芯片图片判断引脚和划痕时间为56ms±3ms。因#匕利用图像预处理与深度

学习相结合的芯片缺陷检测，不仅保证了缺陷检测的精度，同时还保证了模型的准确率，充分满足了检测行业对

模型的高精度、高效率、高实时性的要求。

关键词：百度飞桨EasyDL;Python-openCV;缺陷检测；阈值分割；数据增强

■引言芯片接触，保证芯片不会因为人工原因损坏，在芯片产品

的品质和质量方面有着非常重要的作用。李本红旳提出了

各大工艺流程环环相扣，工艺复杂，材料、环境、

利用模板匹配算法获取芯片位置和角度，并设置合理尺寸

工艺等参数的细微变化，往往会导致芯片在生产制造过

的ROI感兴趣区域，提取指定ROI感兴趣区域内的图像,

程中出现瑕疵，从而对产品良品率造成影响。作为芯片

但是模板匹配算法必须在指定的环境下才能匹配成功。李

生产线中的关键环节，为了使人们能够及时掌控各个生

绎铃冋提出了利用阈值分割来获取芯片引脚部分，然后通

产环节的健康状况，促使质量检测技术在生产线中发挥

过模板匹配算法对芯片引脚进行缺陷检测，但是环境光线

越来越突出的作用，芯片质量检测可以主动反馈产品质量

不同，会导致引脚部分的阈值发生变化，很难设计出一款

信息。

多场景适用的分割程序。Redmon等人提出的YOLO(You

类似Python-openCV的传统机器视觉在图像检测中有OnlyLookOnce,YOLO)检测算法，是一种统一的检测器,

着非常广泛的应用。利用机器视觉系统对芯片的引脚缺陷它将整个图像分割成大小相同的网格单元，目标的中心点

与表面划痕缺陷进行检测，可以避免在实际生产测量中与落在某个网格单元中，就由该网格单元进行预测。Wei等

作者简介：沈兆宇，浙江杭州人，学生，主要研究方向：计算机视觉。

林忠晨，浙江温州人，助教，主要研究方向：计算机视觉。

薛朝阳，浙江温州人，学生，主要研究方向：数据标注。

毛俊龙，浙江宁波人，学生，主要研究方向：数据标注。

姚施雨婷，浙江嘉兴人，学生，主要研究方向：计算机视觉。