期刊文献+

基于深度学习的芯片位置检测系统 被引量:2

Chip position detection system based on deep learning
下载PDF
导出
摘要 激光bar条是由多个芯片并排形成的激光器单条。工业生产中,需要在激光bar条上找到芯片的位置进行测试和加工。由于人工操作存在着精度低和效率低的缺点,现在一般采用基于传统机器视觉算法的芯片位置检测系统。传统机器视觉算法在芯片位置检测中过程复杂且不具有的通用性。近些年深度学习在机器视觉任务上大放异彩,所以我们开发了一套基于深度学习的高精度芯片位置检测系统。系统利用MV-CE050-30UM黑白相机和光源实时采集高精度图像,再通过深度学习算法精确检测出图像中芯片的位置,最后控制运动平台移动到正确的位置。深度学习算法端到端直接输出图像中芯片的位置,过程简洁。算法通用性强,方便应用在相似的场景中,可以减少重复性开发工作。
作者 左怀见 徐聪 卢胜强 段吉安 ZUO Huai-jian;XU Cong;LU Sheng-qiang;DUAN Ji-an
出处 《制造业自动化》 CSCD 北大核心 2021年第5期18-21,48,共5页 Manufacturing Automation
基金 国家自然科学基金项目:集成光子器件封装固结特性与调控机制(51075402)。
  • 相关文献

参考文献2

二级参考文献62

  • 1Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60 (2) 91 110.
  • 2Dalai N, Triggs B. Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition (CVPR), IEEE Computer Society Conference on. San Diego, USA: IEEE, 2005, 1 886-893.
  • 3Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786) : 504-507.
  • 4Hubel D H, Wiesel T N. Receptive fields, binocular interaction and functional architecture in the catrs visual cortex[J]. The Journal of Physiology, 1962, 160(1): 106-154.
  • 5Fukushima K, Miyake S. Neocognitron: A new algorithm for pattern recognition tolerant of deformations and shifts in posi- tion[J]. Pattern Recognition, 1982, 15(6): 455-469.
  • 6Ruck D W, Rogers S K, Kabrisky M. Feature selection using a multilayer perceptron[J]. Journal of Neural Network Com- puting, 1990, 2(2): 40-48.
  • 7Rumelhart D E, Hinton G E, Williams R J. Learning representations by back-propagating errors[J]. Nature, 1986,3231 533 538.
  • 8LeCun Y, Denker J S, Henderson D, et al. Handwritten digit recognition with a back-propagation network[C]//Advances in Neural Information Processing Systems. Colorado, USA Is. n. ], 1990: 396-404.
  • 9LeCun Y, Cortes C. MNIST handwritten digit database[EB/OL], http//yann, lecun, com/exdb/mnist, 2010.
  • 10Waibe[ A, Hanazawa T, Hinton G, et al. Phoneme recognition using time-delay neural networks[J]. Acoustics, Speech and Signal Processing, IEEF. Transactions on, 1989, 37(3): 328-339.

共引文献547

同被引文献23

引证文献2

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部