-
题名基于YOLOX的QFN芯片表面缺陷检测技术研究
被引量：1
- 1
-
-
作者
杨桂华
吴振生
杨子康
-
机构
广西高校先进制造与自动化技术重点实验室(桂林理工大学)
桂林理工大学机械与控制工程学院
-
出处
《传感器与微系统》
北大核心
2025年第3期46-49,共4页
-
基金
国家自然科学基金地区基金资助项目(52065016)。
-
文摘
为了实现方形扁平无引脚封装(QFN)芯片表面缺陷检测自动化检测,针对现有检测算法耗时长且准确度不高等问题,提出一种基于YOLOX改进算法的QFN芯片表面缺陷检测方法。通过在主干特征提取网络中添加CA注意力模块,并使用VariFocal损失函数代替原模型中的目标分数损失函数,在轻微增加网络参数量的基础上提升了检测精度。通过改进模型YOLOX-PRO、主流算法和添加模块在自制QFN芯片缺陷样本数据集上的训练测试,以及对比分析,实验结果表明:改进后的算法模型能准确地识别划痕、孔洞、引脚缺失三种缺陷,置信度相对较高,并且模型的平均精度均值达到98.61%,单张缺陷图像的检测速度不超过40 ms,优于传统机器学习算法,能够满足工业生产中对QFN芯片缺陷的实时性检测要求。
-
关键词
方形扁平无引脚封装缺陷检测
YOLOX
目标检测
深度学习
-
Keywords
quad flat no-lead defect detection
YOLOX
object detection
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种陶瓷方形扁平封装外观缺陷检测方法
被引量：1
- 2
-
-
作者
汪威
李浩然
张开颜
李阳
吴兵硕
-
机构
湖北工业大学现代制造质量工程湖北省重点实验室
中国电子科技集团公司第十三研究所
-
出处
《半导体技术》
CAS
北大核心
2019年第3期210-215,222,共7页
-
基金
湖北省自然科学基金资助项目(2016CFB513)
-
文摘
提出一种基于机器视觉的陶瓷方形扁平封装外观缺陷检测方法。对于封装外形尺寸较大而缺陷较细微的情形,将待检片分为多个区域与标准样片进行比对检测。首先通过Foerstner特征点检测法提取标准片图像的特征点,然后使用随机抽样一致性(RANSAC)图像匹配算法,将所有标准片图像拼接并融合生成一张标准片全幅面模板,再将待检片分区与标准片模板进行序贯比对,以提取可疑区域,最后利用支持向量机(SVM)分类器对可疑区域进行筛选分类。实验结果表明,这种方法不仅克服了传统视觉检测过程中视野范围与图像分辨率相互制约的矛盾,且对陶瓷方形扁平封装表面缺陷具有较高的检出率。
-
关键词
缺陷检测
陶瓷方形扁平封装
图像拼接
样本提取
支持向量机(SVM)分类器
-
Keywords
defect detection
ceramic quad flat package
image stitching
sample extraction
support vector machine(SVM) classifier
-
分类号
TN307
[电子电信—物理电子学]
-
