[发明专利]一种基于深度学习的X光高分辨率扫描图像下芯片多余物检测系统及方法

说明书

本发明公开了一种基于深度学习的X光高分辨率扫描图像下芯片多余物检测系统，包括：CT扫描仪、运算服务器以及数据存储器，CT扫描仪用于扫描整个芯片内部区域，完成数据采集，基于深度学习模型实现多余物的检测与定位，对高分辨率CT扫描图像分区域进行智能化分类，筛选出含缺陷图像进行训练，使多余物的检测更加高效；运算服务器用于X光高分辨率扫描图像下芯片多余物检测所搭建的深度学习模型的运算，实现多余物位置的精确识别；所述数据存储器用于存储与管理数据。本发明的一种基于深度学习的X光高分辨率扫描图像下芯片多余物检测系统可以提取芯片中多余物特征，自动化检测识别多余物，高效准确地进行多余物检测。

技术领域

本发明涉及多余物检测技术领域，具体涉及一种密闭设备内部芯片多余物检测方法。

背景技术

随着中国航空航天产业的快速发展，在现有的生产过程中，很难确保航天级别设备的高可靠性要求。未来智能制造业主要分为“智能实验室\工厂”及“智能生产”两大主题。智能制造成为未来十年我国制造业转型升级的发展方向，而航空制造业是先进制造技术领航领域，智能实验室作为未来航天产品制造基础设施，其智能化是必然，航天产品研发工艺复杂，产品多属于单件生产，技术状态要求严格，容易因制造工艺及控制方法的限制或人工操作失误等将导线段、焊锡飞溅物、垫圈、螺母甚至毛发等封装在产品内部形成多余物，造成设备短路或误动作从而导致航天器发射失败或失效，多余物生产的原因和环境不同，造成了其突发性和随机性，因此很难被检测和控制。

由于航天产品的特殊性，在我国现有的工艺水平下，航天产品电子装联工艺一般采用手工操作完成，在各个环节之中不可避免的会将铜质导线、合金外壳碎屑、导线皮屑、纤维丝等微小多余物混杂其中。多余物在失重、超重、剧烈振动等条件下容易在器件内部移动，使得其掉落在某些关键部位造成短路、断路、轴承卡死、通道堵塞等严重影响电子装置的情况出现。

为了提高航天产品的安全性与使用年限，需要对航天产品芯片中的多余物进行检测筛除。现阶段，经过我国多年研究发展粒子碰撞噪音探测即PIND已经成为国内外普遍采用的元器件多余物检测方法，并已初步应用于我国产品级航天设备的多余物检测中。但航天电子装置存在体型较大，内部结构模型复杂等特点，存在实验条件严苛、干扰信号严重、脉冲成分构成复杂的现象出现，使得实际检测准确率不稳定，受环境影响大等。基于人工的多余物检测方法主观性强，且只能确保在人眼误差的范围内对多余物进行识别，通常情况下这种误差范围还是超出了航天产品的生产标准，造成不可估量的安全隐患。上述方法难以确保芯片多余物检测的有效性，为后续的芯片加工等工作带来了不可控制的因素，航天产品也会受到一定程度的影响。

发明内容

本发明针对现有技术中的不足，提供一种基于深度学习的X光高分辨率扫描图像下芯片多余物检测方法，以解决上述背景技术中提出的实际问题。

为实现上述目的，本发明采用以下技术方案：

一种基于深度学习的X光高分辨率扫描图像下芯片多余物检测系统，包括：CT扫描仪、运算服务器以及数据存储器，CT扫描仪连接着运算服务器和数据存储器，CT扫描仪用于扫描整个芯片内部区域，完成数据采集，基于深度学习模型实现多余物的检测与定位，构建高分辨率CT扫描图像分区域裁剪图像，其中包括含缺陷图像与不含缺陷的图像，对高分辨率 CT扫描图像分区域进行智能化分类，筛选出含缺陷图像进行训练，使多余物的检测更加高效；运算服务器用于X光高分辨率扫描图像下芯片多余物检测所搭建的深度学习模型的运算，实现多余物位置的精确识别；所述数据存储器用于存储与管理数据。

进一步地，CT扫描仪采集的数据类型为各通用图片格式，包括JPG、PNG、BMP格式。

一种基于深度学习的X光高分辨率扫描图像下芯片多余物检测方法，具体包括以下步骤：

步骤1，CT扫描仪根据芯片对X线的吸收与透过率的不同，对芯片进行扫描，摄下芯片内部的断面或立体的图像，发现芯片内部的细小异物；