基于超像素分割的高密度柔性基板表面线路缺陷检测研究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:dan0030
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
柔性集成电路基板(Flexible Integrated Circuit Substrate,FICS),简称柔性基板,是一种未封装电子器件的电路板裸板,是电子设备的核心组件之一,其质量检测极其重要。随着电子产品的轻薄化发展,电路板的布线也愈加密集,工厂的质检方式已逐渐从人工目检转为基于机器视觉设备检测。因此,本文基于自研的高密度柔性基板视觉检测系统,针对FICS表面线路缺陷的视觉检测技术开展了深入的研究,主要工作如下:(1)提出了一种选择性修正的超像素分割算法(Selective Refinement Superpixel segmentation,Ref-SS)。该算法基于已有超像素分割结果基础,设计了基于区域和像素级别修正的策略,来修正原先分割结果中包含多个对象的不合格超像素,以提高超像素分割结果的边界吻合性能。实验结果表明,在公开的伯克利图像数据集BSDS500上测评后,Ref-SS分割结果的性能有较大提升,尤其在边界召回率上,相比经典算法SLIC平均高7.3%,比SEEDS算法平均高5.9%,比FLIC算法平均高2%。(2)针对柔性基板表面的线路内部孔洞及氧化缺陷,基于(1)中Ref-SS分割柔性基板的结果,提出了一种结合区域显著性检测思想及亮度特征的检测算法。该算法通过对铜面线路上的超像素进行特征提取和分析,以识别出线路内部包含孔洞、氧化缺陷的超像素。实验结果表明,该检测算法对光照、颜色、纹理的鲁棒性高,对于大小为417×417的FICS图像,当缺陷的尺寸大于60个像素时,检测率能达100%。(3)针对柔性基板表面线路边缘的锯齿缺陷,基于(1)中Ref-SS分割柔性基板的结果,提出了一种基于分段拟合的线路宽度测量算法。该算法首先基于Ref-SS分割结果提取铜面区域的轮廓,然后按一定步长进行分段,结合线路特征进行直线拟合及线路分类,最后依据特定类线段来计算线路的平均线宽及最大最小线宽,实现柔性基板线路边缘锯齿缺陷的检测。实验分析表明,本文提出的分段拟合方法比最小二乘法、Hough变换等拟合方法速度更快,并且能够保留线路不平整处的细节信息。本文为高密度柔性基板制造过程提供了基于超像素分割的线路内部及边缘处缺陷检测技术的参考。
其他文献
随着空间数据和数据库的迅速发展和广泛应用,空间数据挖掘越来越重要。在地理空间中,经常位于一起的空间特征子集称为空间(正)co-location模式。虽然全连接、部分连接以及无
电容层析是过程层析技术中被广泛应用于两相流和多相流的一种检测技术,由于其具有结构简单、无辐射和低成本的特点,目前在石油和天然气运输方面工业前景广阔,研究其发展具有
阿尔茨海默病(Alzheimer’s disease,AD)是老年期认知障碍疾病中最常见的类型,该病常起病隐匿,随着病情进展会对老年人的身体健康产生严重危害,如何通过有效的方式对AD患者进
酸性磷酸酶(ACP)是一种广泛存在于生命体内的水解酶,参与多种生理过程。作为前列腺癌等疾病的血清标志物,ACP活性监测对相关疾病的早期诊断具有重要的临床意义。现有的众多ACP
模型驱动的软件开发方式(Model-Driven Development,MDD)目前被广泛应用于面向服务架构的信息系统中,而模型转换作为MDD中的重要环节和核心技术,它的正确性直接影响了基于MDD
统计数据显示:约四分之三的游客在出游前都会去登录主流旅游网站查看用户评论(评分),以确定更好的旅游目的地,同时制定出游路线。旅游景点推荐的研究已取得一定进展,但仍存在数据稀疏、未考虑用户隐性偏好、未深入挖掘景点图像的潜在语义等问题。提出采用分层抽样统计模型获取用户偏好,改进贝叶斯个性化排序(Bayesian Personalized Ranking,简称BPR)及视觉贝叶斯个性化排序(Visual
在超大规模集成电路(Very Large Scale Integration,以下简称VLSI)物理设计中,布局问题将模块放置在一个给定的区域内,在满足模块间不互相重叠的基础上,优化一些相关指标(如
利用语音障碍进行帕金森病检测是目前帕金森病早期诊断的研究热点之一。近年来基于深度学习的语音障碍检测发展迅速,且检测正确率高。由于深度学习固有的特点,使得通过深度学习网络自动学习的语音特征在医学上可解释性较差。针对这一问题该文提出研究帕金森病语音传统特征梅尔频率倒谱系数和语音深度学习特征间的关系。主要使用偏最小二乘法、多任务Lasso(Least absolute shrinkage and sel
超密异构网络(heterogeneous ultra dense network,H-UDN)是在传统的宏基站覆盖范围内密集地部署一层小基站实现无缝覆盖,通过缩短用户与基站之间的距离来提升用户的速率,拥有着处理海量(1000倍)无线数据流量的能力,被认为是实现5G及未来网络的关键技术。然而,随着小基站数量飞速增加,小基站与宏基站之间的回程负担急剧加重,致使回程传输成为了H-UDN性能提升的瓶颈。无
多能体系统的分布式协同控制中每个智能体都能与相邻的智能体进行通信,使得多智能体系统的整体效率和运行能力都有所提高。由于其广泛的实际应用以及低成本、高自适应、易于维护等优点,引起了众多研究者的关注。已有文献大都考虑一阶、二阶或高阶线性动力学的多智能体系统,然而实际物理系统具有复杂的非线性特性,因此研究高阶非线性多智能体系统的一致问题具有重要意义。随着研究的深入和实际需要,对多智能体的性能也提出了新的