[发明专利]芯片封装缺陷检测方法和检测装置

权利要求书

1.一种芯片封装缺陷检测方法，包括：

获取待检测的芯片图像；

利用基于深度学习的目标检测网络模型，从所述待检测的芯片图像中获得目标位置信息；

根据所述目标位置信息，判断所述待检测的芯片的缺陷。

2.根据权利要求1所述的芯片封装缺陷检测方法，其特征在于，所述目标位置信息包括芯片引脚位置信息，根据所述目标位置信息，判断所述待检测的芯片的缺陷包括：

根据所述芯片引脚位置信息，确定引脚数量和引脚间距；

根据引脚数量和引脚间距，判断所述待检测的芯片的缺陷。

3.根据权利要求2所述的芯片封装缺陷检测方法，其特征在于，所述目标位置信息还包括引脚标记位置信息，根据所述目标位置信息，判断所述待检测的芯片的缺陷还包括：根据所述引脚标记位置信息，判断所述待检测的芯片的缺陷。

4.根据权利要求1至3中任一项所述的芯片封装缺陷检测方法，其特征在于，所述方法还包括：

利用基于深度学习的光学字符识别网络模型，从所述芯片图像获得芯片的文字信息；

根据所述文字信息，判断所述待检测的芯片的缺陷。

5.根据权利要求4所述的芯片封装缺陷检测方法，其特征在于，所述基于深度学习的目标检测网络模型包括MobileNet模块和普通卷积模块。

6.根据权利要求5所述的芯片封装缺陷检测方法，其特征在于，所述基于深度学习的目标检测网络模型是通过以下步骤训练得到的：

将经人工标记的训练图像输入到基于深度学习的目标检测网络，获得向前传播的结果；

将向前传播的结果与人工标记的类别信息以及待检测的目标坐标进行比较，获得误差信息；

通过将所述误差信息进行反向传播，优化基于深度学习的目标检测网络，获得基于深度学习的目标检测网络模型。

7.根据权利要求6所述的芯片封装缺陷检测方法，其特征在于，所述基于深度学习的光学字符识别网络模型是通过以下步骤训练得到的：

将经人工标记的训练图像输入到基于深度学习的光学字符识别网络，获得向前传播的结果；

将向前传播的结果与人工标记的字符类别信息进行比较，获得误差信息；

通过将所述误差信息进行反向传播，优化基于深度学习的光学字符识别网络，获得基于深度学习的光学字符识别网络模型。

8.根据权利要求6或7所述的芯片封装缺陷检测方法，其特征在于，所述训练图像包括有缺陷的芯片图像和无缺陷的芯片图像。

9.一种芯片封装缺陷检测装置，包括：

获取单元，用于获取待检测的芯片图像；

检测单元，用于利用基于深度学习的目标检测网络模型，从所述待检测的芯片图像中获得目标位置信息；

第一判断单元，用于根据所述目标位置信息，判断所述待检测的芯片的缺陷。

10.根据权利要求9所述的芯片封装缺陷检测装置，其特征在于，所述目标位置信息包括芯片引脚位置信息。

11.根据权利要求10所述的芯片封装缺陷检测装置，其特征在于，所述目标位置信息还包括引脚标记位置信息，所述第一判断单元进一步被配置为：根据所述引脚标记位置信息，判断所述待检测的芯片的缺陷。

12.根据权利要求9至11中任一项所述的芯片封装缺陷检测装置，其特征在于，所述装置还包括：

识别单元，用于利用基于深度学习的光学字符识别网络模型，从所述芯片图像获得芯片的文字信息；

第二判断单元，用于根据所述文字信息，判断所述待检测的芯片的缺陷。

13.根据权利要求12所述的芯片封装缺陷检测装置，其特征在于，所述基于深度学习的目标检测网络模型包括MobileNet模块和普通卷积模块。