公开(公告)号：CN117237297A

公开(公告)日：2023-12-15

申请号：CN202311192540.X

申请日：2023-09-15

Applicant: 厦门福信光电集成有限公司

Inventor： 张文海 ,  赖达炜

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06V10/75 ,  G06V10/774 ,  G06V10/776 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08 ,  G06N5/04 ,  G01N15/14 ,  G01N21/84

Abstract: 本发明公开了基于深度学习的ACF导电粒子检测方法及系统，包括以下步骤：光学系统采集ACF原图像并提取出导电粒子目标区域图像；对所述目标区域图像进行预处理；对所述预处理图像进行标注，将标注后的预处理图像按设定的比例划分为训练集及验证集；构建导电粒子检测网络模型，所述导电粒子检测网络模型基于Yolov7网络模型进行改进；训练网络模型，评估出最佳检测模型；对所述最佳检测模型进行模型量化处理，得到量化模型；检测机台上的光学系统采集实时图像，输入至量化模型对导电粒子进行检测，将检测结果发送回检测机台。该方法对小目标检出率高，检测模型体积小，推理速度快，满足实际工业场景的部署环境要求和检测实时性要求。

公开(公告)号：CN116912189A

公开(公告)日：2023-10-20

申请号：CN202310827632.4

申请日：2023-07-06

Applicant: 厦门福信光电集成有限公司

Inventor： 洪亚德 ,  张文海 ,  何荣茂

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的焊点检测方法及系统，包括以下步骤：采集带有焊锡缺陷的焊点图像；对焊点图像预处理后分类，分类好的预处理图像按设定比例划分为训练集与验证集；构建焊点图像分类网络模型，模型基于ResNeXt网络，包括依序设置的多尺度特征融合层、软池化层、四层残差网络、全局平均池化层及全连接网络；将训练集输入分类网络模型进行训练，利用验证集评估出最佳模型；采集检测台上的焊点实时图像，将实时图像进行图像对齐、通道转换及数据归一化处理后输入最佳模型进行分类，检测结果发送回检测机台。本发明对ResNeXt网络进行改进，使用改进后的分类网络模型对焊点质量进行检测，具有检测效率高，检测精度符合工业在线检测要求的有益效果。

公开(公告)号：CN116168033B

公开(公告)日：2023-08-22

申请号：CN202310453033.0

申请日：2023-04-25

Applicant: 厦门福信光电集成有限公司

Inventor： 洪亚德 ,  张文海 ,  丁凯明 ,  赖达炜

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T7/194 ,  G06T7/60 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的晶圆晶格位错图像检测方法及系统，包括以下步骤：采集带有位错的晶圆晶格图像，并对图像进行预处理；对预处理后的图像进行标注，将标注后的单通道图像按设定的比例划分为训练集及验证集；构建用于晶圆晶格位错图像检测的网络模型，所述网络模型采用PicoDet网络模型；加载用于训练的PicoDet网络模型，利用所述训练集对模型进行训练，利用所述验证集对训练的预测结果进行评估，评估出最佳检测模型；采集晶圆晶格的实时图像，输入至最佳检测模型对晶圆晶格位错进行检测，然后将检测结果发送回检测机台。对于晶圆晶格位错，本发明采用的检测方法对小目标进行了优化，可提高小目标检测的效率及精度。

公开(公告)号：CN117687234A

公开(公告)日：2024-03-12

申请号：CN202311594518.8

申请日：2023-11-24

Applicant: 厦门福信光电集成有限公司

Inventor： 何荣茂 ,  张文海 ,  王士奇 ,  李瑞晟 ,  林中龙 ,  赵凌焜

IPC: G02F1/13 ,  G06T7/00 ,  G06T7/73 ,  G06T5/70 ,  G06T5/94

Abstract: 本发明公开了一种液晶屏导电粒子个数及偏位自动检测方法，包括以下步骤：S1：利用光学系统对待检测区域进行成像，获取待检测导电粒子图像；S2；对待检测导电粒子图像进行图像增强处理，提高图像的对比度，突出导电粒子；S3：对经过图像增强处理的导电粒子图像进行分割，获取bump区域集合；S4：对获取的bump区域集合计算导电粒子个数；S5：将计算得到的导电粒子映射至对应的空白bump投影区域内，计算导电粒子的偏位情况。相应的，本发明还提出了一种液晶屏导电粒子个数及偏位自动检测装置。本发明解决了目前液晶屏导电粒子计数精度低及对导电粒子的偏位情况检测精度低的问题。

公开(公告)号：CN116168033A

公开(公告)日：2023-05-26

申请号：CN202310453033.0

申请日：2023-04-25

Applicant: 厦门福信光电集成有限公司

Inventor： 洪亚德 ,  张文海 ,  丁凯明 ,  赖达炜

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T7/194 ,  G06T7/60 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的晶圆晶格位错图像检测方法及系统，包括以下步骤：采集带有位错的晶圆晶格图像，并对图像进行预处理；对预处理后的图像进行标注，将标注后的单通道图像按设定的比例划分为训练集及验证集；构建用于晶圆晶格位错图像检测的网络模型，所述网络模型采用PicoDet网络模型；加载用于训练的PicoDet网络模型，利用所述训练集对模型进行训练，利用所述验证集对训练的预测结果进行评估，评估出最佳检测模型；采集晶圆晶格的实时图像，输入至最佳检测模型对晶圆晶格位错进行检测，然后将检测结果发送回检测机台。对于晶圆晶格位错，本发明采用的检测方法对小目标进行了优化，可提高小目标检测的效率及精度。