[发明专利]基于SSD算法的激光器芯片缺陷检测及分类方法与系统

说明书

本发明涉及芯片缺陷检测领域，特别是基于SSD算法的激光器芯片缺陷检测及分类方法与系统。本发明搭建SSD网络，按预设参数训练SSD网络；将训练好的SSD网络嵌入计算机；传送带将待检测芯片依次传送至与工业相机相对应的成像位置，工业相机获取待检测芯片的成像图像并传输至计算机；计算机利用训练好的SSD网络识别激光器芯片封装表面的缺陷类型。结合激光器芯片缺陷类型及SSD算法，嵌入SSD算法的计算机与传送带、工业相机、照明系统等相关测量设施相连构成一个完整的激光器芯片缺陷检测与分类系统，提高了激光器芯片缺陷识别检测的实时性及精确度，克服了现有神经网络检测系统的计算量大，实时性差的缺陷，及人工经验判断的精确度差、效率低的缺陷。

技术领域

本发明涉及芯片缺陷检测领域，特别是基于SSD算法的激光器芯片缺陷检测及分类方法与系统。

背景技术

随着人工智能的飞速发展，当今时代的科技进步也更加突飞猛进。就芯片缺陷检测领域来说，计算机视觉技术的日益成熟，为芯片缺陷的检测方法提供了新的思路。

传统芯片缺陷检测方法主要是依靠人力以及经验，依靠人力不可避免地会出现错误，这就给判断结果造成了很大的干扰。而如今，国家对芯片的需求越来越大，同时，芯片缺陷检测的指标要求也越来越高，工作量呈指数型增加，在新时代背景下，依靠人力成本高、效率低且错误率高。所以，在新的时代要求下，将芯片缺陷与计算机视觉相结合的缺陷检测技术应孕而生。目前，已经有相关的基于计算机视觉的缺陷检测系统，例如，基于R-CNN神经网络的缺陷检测系统、基于YOLO神经网络的缺陷检测系统，这些网络与传统的依靠人力以及经验判断已经有了很大的精度，但监测的实时性以及检测精度比较差，尚不能满足目前对芯片检测的需求。

发明内容

本发明的目的在于提供一种基于SSD算法的激光器芯片缺陷检测及分类方法与系统，以满足对激光器芯片缺陷识别检测的实时性、精确度的需求。

为实现上述技术目的，达到上述技术效果，本发明实施例提供了一种基于SSD算法的激光器芯片缺陷检测及分类方法，所述检测及分类方法包括，

搭建SSD网络，按预设参数训练SSD网络；

将训练好的SSD网络嵌入计算机；

传送带将待检测芯片依次传送至与工业相机相对应的成像位置，工业相机获取待检测芯片的成像图像并传输至计算机；

计算机利用训练好的SSD网络识别待检测芯片的激光器芯片封装表面的缺陷类型。

进一步地，所述“按预设参数训练SSD网络”步骤包括，

针对SSD网络中VGG-16部分进行训练，训练的预设参数预设值为：权重下降率0.0005，学习率0.001，学习率下降因子0.94，训练批次大小151；

当训练网络收敛到预设值时，对网络进行微调，参数与训练时的参数在预设范围内相同，学习率改为0.00001，批次大小更改为32。

进一步地，所述检测及分类方法还包括，

预先设置传送带参数、待检测芯片摆放位置及位置间隔、照明系统的位置及角度；

开始检测，工业相机在照明系统的光照下获取位于当前成像位置的待检测芯片的成像图像；

计算机诊断待检测芯片是否合格，若合格则继续检测下一位置的待检测芯片，若不合格，则计算机记录待检测芯片的缺陷类型并报警提示。

进一步地，所述缺陷类型包括表面点蚀、表面划痕、表面裂纹和/或表面擦痕。