買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東工業(yè)大學(xué)申請(qǐng)的專(zhuān)利一種芯片焊接線缺陷檢測(cè)方法及裝置獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114494174B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210072322.1，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種芯片焊接線缺陷檢測(cè)方法及裝置是由陳玉冰;陳新度;吳磊設(shè)計(jì)研發(fā)完成，并于2022-01-21向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種芯片焊接線缺陷檢測(cè)方法及裝置在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種芯片焊接線缺陷檢測(cè)方法，包括以下：獲取目標(biāo)芯片的正上方以及多張其他方向的圖像作為第一圖像集；對(duì)所述第一圖像集進(jìn)行預(yù)處理操作得到第二圖像集；對(duì)所述第二圖像集中的圖像通過(guò)群智能優(yōu)化算法進(jìn)行分割得到第三圖像集；將所述第三圖像集中的目標(biāo)芯片的正上方圖像輸入預(yù)訓(xùn)練的第一深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行二維的缺陷檢測(cè)，若存在芯片焊接線缺陷則直接輸出缺陷類(lèi)型；若不存在芯片焊接線缺陷則結(jié)合所述第三圖像集中的多張其他方向的圖像進(jìn)行三維重建得到重建的三維數(shù)據(jù)；將重建的所述三維數(shù)據(jù)輸入預(yù)訓(xùn)練第二深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行三維的缺陷檢測(cè)。本發(fā)明通過(guò)二維和三維融合檢測(cè)的方法既彌補(bǔ)了二維信息不全面的缺點(diǎn)又避免了僅用三維檢測(cè)技術(shù)的計(jì)算量大和速度慢的缺點(diǎn)。

本發(fā)明授權(quán)一種芯片焊接線缺陷檢測(cè)方法及裝置在權(quán)利要求書(shū)中公布了：1.一種芯片焊接線缺陷檢測(cè)方法，其特征在于，包括以下： 獲取目標(biāo)芯片的正上方以及多張其他方向的圖像作為第一圖像集； 對(duì)所述第一圖像集進(jìn)行預(yù)處理操作得到第二圖像集； 對(duì)所述第二圖像集中的圖像通過(guò)群智能優(yōu)化算法進(jìn)行分割得到第三圖像集； 將所述第三圖像集中的目標(biāo)芯片的正上方圖像輸入預(yù)訓(xùn)練的第一深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行二維的缺陷檢測(cè)，若存在芯片焊接線缺陷則直接輸出缺陷類(lèi)型； 若不存在芯片焊接線缺陷則結(jié)合所述第三圖像集中的多張其他方向的圖像進(jìn)行三維重建得到重建的三維數(shù)據(jù)； 將重建的所述三維數(shù)據(jù)輸入預(yù)訓(xùn)練第二深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行三維的缺陷檢測(cè)，若仍不存在三維缺陷，則判斷所述目標(biāo)芯片為合格芯片，若存在三維缺陷則輸出缺陷類(lèi)型； 具體的，對(duì)所述第二圖像集中的圖像通過(guò)群智能優(yōu)化算法進(jìn)行分割得到第三圖像集，包括， 對(duì)所述第二圖像集中的圖像建立二維最大條件熵模型，使用群智能優(yōu)化算法對(duì)對(duì)二維最大熵問(wèn)題尋優(yōu)求解出最優(yōu)閾值，從而對(duì)芯片焊接線圖像實(shí)現(xiàn)有效的二維閾值分割，為下一步缺陷檢測(cè)提供高質(zhì)量待測(cè)圖像； 具體的運(yùn)算過(guò)程包括以下，設(shè)為圖像中某個(gè)像素灰度值和領(lǐng)域平均灰度圖像對(duì)應(yīng)位置的像素灰度值共同出現(xiàn)的頻數(shù)，定義聯(lián)合概率密度為，是圖像的尺寸，圖像灰度級(jí)數(shù)為，背景區(qū)域A（0~s,0~t）的概率密度為，目標(biāo)區(qū)域Bs~L-1,t~L-1的概率密度為； 歸一化得,； 定義背景區(qū)域A和目標(biāo)區(qū)域B的二維熵分別為： ； ； 則定于閾值所對(duì)應(yīng)的圖像二維熵為： ； 根據(jù)最大熵原理，若在,處取得最大值，則為A、B區(qū)域的最優(yōu)分割閾值解，即 ； 將上述二維最大熵模型作為群智能優(yōu)化算法的目標(biāo)函數(shù)，通過(guò)智能優(yōu)化算法求解出最優(yōu)閾值對(duì)圖像進(jìn)行分割。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人廣東工業(yè)大學(xué)，其通訊地址為：510006 廣東省廣州市番禺區(qū)小谷圍街廣州大學(xué)城外環(huán)西路100號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。