[发明专利]一种基于机器学习的集成电路图像的通孔识别装置

权利要求书

1.一种基于机器学习的集成电路图像的通孔识别装置，其特征在于，所述通孔识别装置至少包括初始筛选模块(20)、数据采集模块(30)和识别模块(60)，

所述数据采集模块(30)采集由所述初始筛选模块(20)将待识别图片划分并筛选得到的至少一个选择单元的亮度相关值并建立d维向量

所述识别模块(60)基于所述选择单元的d维向量d维线性映射向量和识别模型确定所述选择单元的一维空间映射值y，其中，

是d维线性映射向量，T是识别阈值，

若一维空间映射值y小于识别阈值T，则所述识别模块(60)确定所述选择单元不含有通孔；

其中，所述通孔识别装置还包括人工标记模块(40)和训练模块(50)，

所述人工标记模块(40)以交互的形式显示至少一个由所述初始筛选模块(20)筛选的样本单元并基于人工标记内容标记所述样本单元的类别；

所述数据采集模块(30)统计样本单元的亮度相关值，并且基于样本单元的四个方向的边界强度、所述亮度相关值建立d维向量

所述训练模块(50)基于由所述数据采集模块(30)建立的所述样本单元的d维向量和人工标记的所述类别建立所述识别模型并确定参数，其中，y是一维空间映射值，是d维线性映射向量，T是识别阈值；

所述训练模块(50)确定d维线性映射向量的训练方法为：

基于所述样本单元的类别分别建立样本单元的d维向量与一维空间映射值的映射关系：

其中，n₁是第一类别的样本单元的个数，n₂是第二类别的样本单元的个数；

基于函数的最大化过程确定参数，其中，

是第一类样本单元的d维向量的平均值，是第二类样本单元的d维向量的平均值，

s₁是的均方差，s₂是的均方差。

2.如权利要求1所述的通孔识别装置，其特征在于，所述初始筛选模块(20)的筛选方式为：

划分图片为至少一个正方形单元，并且基于所述单元所属指定区域的四个方向的边界强度和边界强度阈值筛选并得到至少一个选择单元和/或样本单元。

3.如权利要求2所述的通孔识别装置，其特征在于，所述数据采集模块(30)统计选择单元的亮度相关值，并且基于选择单元的四个方向的边界强度、所述亮度相关值建立d维向量

4.如权利要求3所述的通孔识别装置，其特征在于，所述数据采集模块(30)将选择单元/样本单元再次划分为若干子单元，

统计与所述子单元相应的亮度相关值，并且

基于所述子单元的所属指定区域四个方向的最强边界值、所述亮度相关值建立d维向量

5.如权利要求2所述的通孔识别装置，其特征在于，所述指定区域是由指定单元、与所述指定单元第一边相邻的第一单元、与所述指定单元第二边相邻的第二单元和与所述第一单元和所述第二单元同时相邻的第三单元构成的边长为所述指定单元的2倍边长的正方形区域。

6.如权利要求1所述的通孔识别装置，其特征在于，所述人工标记模块(40)以输入和/或选择的方式录入标记人员反馈的标记内容并标记相应的样本单元的类别，

所述人工标记模块(40)基于所述标记人员的指令调整并显示所述样本单元的结构部分。

7.如权利要求1所述的通孔识别装置，其特征在于，所述亮度相关值至少包括亮度平均值、亮度均方差值及亮度平均值或亮度均方差值位于至少一个亮度阈值区间的选择单元和/或样本单元的像素值。

8.一种基于机器学习的集成电路图像的通孔识别方法，其特征在于，所述通孔识别方法的步骤包括：

划分样本图片并筛选得到至少一个样本单元；

采集所述样本单元的亮度相关值并基于所述样本单元的最强边界值和所述亮度相关值建立对应的d维向量

人工标记所述样本单元的类别；

基于样本单元的所述类别、亮度相关值和d维向量建立识别模型其中，y是一维空间映射值，是d维线性映射向量，T是识别阈值；

将待识别图片划分并筛选得到至少一个选择单元，

采集所述选择单元的亮度相关值并建立d维向量和

基于所述选择单元的d维向量d维线性映射向量和识别模型确定所述选择单元的一维空间映射值y，

若一维空间映射值y小于识别阈值T，则确定所述选择单元不含有通孔；

以交互的形式显示至少一个筛选的样本单元并基于人工标记内容标记所述样本单元的类别；

所述数据采集模块(30)统计样本单元的亮度相关值，并且基于样本单元的四个方向的边界强度、所述亮度相关值建立d维向量

基于所述样本单元的d维向量和人工标记的所述类别建立所述识别模型并确定参数，其中，y是一维空间映射值，是d维线性映射向量，T是识别阈值；

其中，确定d维线性映射向量的训练方法为：

基于所述样本单元的类别分别建立样本单元的d维向量与一维空间映射值的映射关系：

其中，n₁是第一类别的样本单元的个数，n₂是第二类别的样本单元的个数；

基于函数的最大化过程确定参数，其中，

是第一类样本单元的d维向量的平均值，是第二类样本单元的d维向量的平均值，

s₁是的均方差，s₂是的均方差。