论文部分内容阅读
芯片作为核心部件广泛应用于各种电子产品和工业设备中,已经成为日常生活和工业生产不可或缺的一部分。芯片以料盘的形式进行组装,在出厂之前需要对每个料盘内的芯片数目进行计数。传统通过长度或质量进行人工估算计数的方法存在操作繁琐、速度慢、计数精度低等问题,不能完全满足生产的需要。本文设计了一种基于深度学习的芯片视觉计数算法,能有效解决目前芯片计数的问题,满足实际生产的需求。本文主要工作有以下几个方面:(1)根据芯片计数要求,采用X光成像方案,并设计了基于深度学习的芯片计数算法的总体流程。(2)针对人工标注数据集操作过程比较繁琐的问题,设计了一种基于自适应阈值分割的半监督自动标注算法,并与人工校检配合,可简化数据标注工作,提高工作效率。(3)针对训练模型耗时过长的问题,结合先验信息,设计了一种基于冗余剔除的样本选择策略来精简样本,在保证模型精度的同时加快训练速度。(4)将芯片计数抽象为一个目标检测问题,设计了一种基于YOLOv3网络的芯片计数算法。(5)将本文以上算法通过编程实现为标注模块、训练模块和测试模块,并集成为一套芯片计数用软件,在样机上实现整盘芯片的自动计数。采用实际样品对本文设计算法进行了实验验证,实验结果表明,经过冗余剔除分析后的训练时间提高了33%,自动计数平均准确率为98.6%,每盘料平均耗时1.14s,基本满足生产要求。