CN119515875A 一种芯片缺陷视觉检测方法 （中关村芯园(北京)有限公司）_第1页
CN119515875A 一种芯片缺陷视觉检测方法 （中关村芯园(北京)有限公司）_第2页
CN119515875A 一种芯片缺陷视觉检测方法 （中关村芯园(北京)有限公司）_第3页
CN119515875A 一种芯片缺陷视觉检测方法 （中关村芯园(北京)有限公司）_第4页
CN119515875A 一种芯片缺陷视觉检测方法 （中关村芯园(北京)有限公司）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

积自编码器CAE的深度去噪网络，学习无噪图像段结合自适应增强技术和直方图均衡化优化低2在采集过程中，采用多角度拍摄策略捕获图像数据，并结合自适在增强阶段，采用自适应增强技术对低对比度区域进行处理步骤S3中，采用多尺度卷积网络捕捉焊点裂纹的步骤S4，通过分类模型对提取的微观特性进行缺陷分类和分别为畸变函数D(x,y,t)对x,y坐标的偏导数，用以描述光路偏差在x,y方向3la=F(I;w,b),dcR=-1w*le,4和分别为特征映射Fs在x和y坐标方向上的偏导数，outLC=-⃞1:log(pj)+(1-x)log(1-p)],5v6[0005]本发明提供了一种芯片缺陷视觉检测方法解决焊点区域的疲劳退化难以通过传[0014]步骤S3中，采用多尺度卷积网络捕捉焊点裂纹的边缘变化及材料退化的纹理特7[0035]lu=F(I;w,b),8[0047]对去噪后的图像Id采用自适应增强技术进行优化，增强后的图度学习模型从特征图中提取焊点区域的微观特性[0059]R=-1w*le,e为输入的增强图像，9类模型对提取的微观特性进行缺陷分类与判LC=-⃞1Dyrlog(p)+(1-)log(1-p)],采集阶段实现对光路偏差的实时校正，消除因设备误差或光学畸变导致的像素偏移问题，增强图像数据的全面性和一致性在去噪阶段，同时引入基于卷积自编码器CAE的深度去噪，[0125]la=F(l;w,b),[0137]对去噪后的图像Id采用自适应增强技术进行优化，增强后的图[0149]步骤S3中，采用多尺度卷积网络捕捉焊点裂纹的边缘变化及材料退化的纹理特[0152]R=-1w*le,e为输入的增强图像，[0159]T(r,y)=⃞1G·φ(R,x,y),[0177]LC=-⃞1D:log(p)+(1-y)

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论