基于CRS-YOLO算法的高密度柔性封装基板缺陷检测方法

针对柔性封装基板表面缺陷尺寸微小、特征不明显,现有检测方案实时性较差的问题,提出了一种基于柔性封装基板目标检测的CRS-YOLO算法。在单阶段网络模型YOLOv5基础上首先在Backbone添加CA注意力机制模块,强化特征提取能力;其次,将原有的SPP池化金字塔替换为性能更佳的Basic RFB池化金字塔,扩大感受野,减少模型漏检率;最后采用SIoU损失函数替换原本的CIoU损失函数,加快训练模型收敛,提高模型的检测能力。实验结果表明,在柔性封装基板缺陷数据集的验证下,CRS-YOLO算法与原网络模型相比,mAP提高了9%,检测速度大幅提升,FPS达到48,满足了柔性封装基板表面缺陷检测的准确性和实时性。

面向高密度柔性集成电路封装基板的精密视觉检测算法

高密度柔性集成电路(IC)封装基板是电子组件的核心载体,其制造过程中的刻蚀、显影等工艺需要严格的品质控制.本文开发了一种融合金相显微镜与工业相机的成像视觉检测系统,用于柔性IC封装基板的图像采集与品质控制.针对显微成像视野小、易离焦等问题,提出了一种基于中值的三元模式局部纹理快速自动对焦算法.此外,针对高倍镜下柔性IC封装氧化缺陷分布不均匀问题,引入微分几何工具,利用曲率等几何特征提出了一种基于动态曲线演化的高精度表面氧化分布特征检测模型.通过定性与定量的实验研究,验证了两种算法在快速性和高精度方面的优越性能.