一种芯片崩边检测方法、电子设备及可读存储介质与流程

本申请涉及半导体检测，为一种封装芯片检测方法，具体为一种芯片崩边检测方法、电子设备及可读存储介质。

背景技术：

1、芯片被广泛应用于各种高科技设备，其性能和质量对整机系统的稳定性和寿命起着关键作用。随着芯片制程的不断缩小和封装技术的日趋复杂，芯片的物理完整性尤为重要，尤其是在芯片边缘区域容易出现的崩边问题。芯片的崩边会直接影响封装质量、信号传输以及芯片本身的可靠性。因此，如何高效、准确地检测芯片的崩边问题是当前芯片检测领域的重要课题之一。

2、随着机器学习技术的发展，尤其是卷积神经网络(cnn)在图像识别中的应用，一些研究尝试将机器学习技术应用于芯片崩边检测。这些方法通过构建和训练大量崩边样本数据，提取崩边特征并进行分类。然而，机器学习方法需要大量标注数据，数据获取难度较大，且对计算资源有较高要求。此外，算法训练时间长，且模型的普适性在不同类型芯片之间存在差异，因此实际应用仍然存在一定的挑战。

技术实现思路

1、为了解决上述现有技术中的技术问题，本申请实施例提供一种芯片崩边检测方法、电子设备及可读存储介质，将卷积神经网络与图像处理方法相结合，基于崩边特征的分布特点提供了一种高效稳定的崩边检测方法，在保证检测准确性的同时提高了检测效率，并降低了检测方案部署的成本。

2、为了达到上述目的，本申请实施例采用的技术方案如下：

3、第一方面，提供一种芯片崩边检测方法，所述方法包括：对获取到的待检测芯片图像基于训练呈收敛的分割模型进行区域分割，得到目标区域所对应的检测区域图像；所述分割模型包括编码器和解码器，所述编码器中设置有多个特征提取模块用于获取所述待检测芯片图像的特征图，所述解码器基于所述特征图生成语义分割掩码，并基于所述语义分割掩码对所述待检测芯片图像进行分割，所述检测区域图像为掩模图；对所述检测区域图像进行轮廓提取，得到关于所述检测区域图像所对应的轮廓点集，并对所述轮廓点集基于面积阈值进行筛选，确定目标轮廓以及对应的所述目标轮廓点集；基于所述目标轮廓点集构建初始边框以及所述初始边框对应的初始顶点，并对所述初始边框进行拟合得到目标边框以及所述目标边框对应的多边形点集，并确定所述多边形点集中多个顶点的角度是否满足第一要求。

4、在一些具体实现方式中，所述方法还包括：确定多个所述目标边框所对应的法向量，并基于所述法向量确定检测区域的空间区域分布，确定第一类型区域和第二类型区域，并确定所述第一类型区域和所述第二类型区域的实时像素分布状态，基于所述实时像素分布状态确定所述检测区域是否满足第二条件；所述第一类型区域和所述第二类型区域在空间关系上相邻。

5、在一些具体实现方式中，所述方法还包括确定所述多边形点集中的多个顶点数量是否满足要求，当满足要求时，确定所述多边形点集中多个顶点的角度是否满足第一要求；具体包括：获取所述多边形点集中多个角点以及所述角点所对应的相邻点，并根据所述角点与所述相邻点的夹角确定所述检测区域是否满足第一要求。

6、在一些具体实现方式中，并对所述轮廓点集基于面积阈值进行筛选，包括：剔除小于预设面积阈值的轮廓点集，仅保留符合预设面积阈值的轮廓点集。

7、在一些具体实现方式中，基于所述目标轮廓点集构建初始边框以及所述初始边框对应的初始顶点，包括：基于所述目标轮廓点集提取最小凸包，以及最小凸包所对应的完整凸包顶点序列；所述最小凸包构建初始轮廓，多个所述凸包顶点构建所述初始边框。

8、在一些具体实现方式中，并对所述初始边框进行拟合得到目标边框以及所述目标边框对应的目标顶点，包括：确定所述初始轮廓所对应的更新轮廓点集，并以所述更新轮廓点集中起始点和终止点构建预设边框，并确定所述更新轮廓点集中任意一个点相对所述预设边框的垂直距离，确定所述垂直距离与预设距离阈值的关系，并基于此关系对所述更新轮廓点集中的点进行筛选，得到目标顶点以及目标边框。

9、在一些具体实现方式中，根据角点与相邻点的夹角确定所述检测区域是否满足第一要求，包括：构建所述角点与两个所述相邻点所对应的第一向量和第二向量，并确定所述第一向量和所述第二向量之间的夹角，当所述第一向量与所述第二向量的夹角满足预设角度要求时，所述检测区域满足第一要求。

10、在一些具体实现方式中，基于所述实时像素分布状态确定所述检测区域是否满足第二条件，包括：确定所述检测区域第一类型区域或第二类型区域中实时像素分布是否满足预设像素分布条件，当任一类型区域不满足预设像素分布条件时确定所述检测区域不满足第二条件；所述预设像素分布条件包括第一条件和第二条件，所述第一条件对应第一类型区域设置，所述第二条件对应第二类型区域设置。

11、第二方面，提供一种计算机设备，计算机设备包括处理器、与所述处理器耦接的存储器，所述存储器中存储有程序指令，所述程序指令被所述处理器执行时，使得所述处理器执行如上述中任一项所述的芯片崩边检测方法的步骤。

12、第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述任一项所述的芯片崩边检测方法。

13、本发明实施例带来了以下有益效果：

14、本申请实施例提供的技术方案中，通过对获取到的待检测芯片图像基于训练呈收敛的分割模型进行区域分割，得到目标区域所对应的检测区域图像；然后对所述检测区域图像中的目标边框以及目标边框所对应的多边形点集进行确定，然后通过多边形点集确定检测区域的形态特征或/和颜色特征，并基于形态特征或/和颜色特征确定当前检测区域是否满足第一要求或/和第二要求，当上述任一要求不满足时则确定当前芯片具有崩边异常。本申请实施例相较于现有技术，将神经网络与图像处理算法进行结合，在保证检测准确性的同时提高了检测效率，并降低了检测方案部署的成本。

15、本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

16、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

1.一种芯片崩边检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的芯片崩边检测方法，其特征在于，所述方法还包括：确定多个所述目标边框所对应的法向量，并基于所述法向量确定检测区域的空间区域分布，确定第一类型区域和第二类型区域，并确定所述第一类型区域和所述第二类型区域的实时像素分布状态，基于所述实时像素分布状态确定所述检测区域是否满足第二条件；所述第一类型区域和所述第二类型区域在空间关系上相邻。

3.根据权利要求1所述的芯片崩边检测方法，其特征在于，所述方法还包括确定所述多边形点集中的多个顶点数量是否满足要求，当满足要求时，确定所述多边形点集中多个顶点的角度是否满足第一要求；具体包括：获取所述多边形点集中多个角点以及所述角点所对应的相邻点，并根据所述角点与所述相邻点的夹角确定所述检测区域是否满足第一要求。

4.根据权利要求1所述的芯片崩边检测方法，其特征在于，并对所述轮廓点集基于面积阈值进行筛选，包括：剔除小于预设面积阈值的轮廓点集，仅保留符合预设面积阈值的轮廓点集。

5.根据权利要求1所述的芯片崩边检测方法，其特征在于，基于所述目标轮廓点集构建初始边框以及所述初始边框对应的初始顶点，包括：基于所述目标轮廓点集提取最小凸包，以及最小凸包所对应的完整凸包顶点序列；所述最小凸包构建初始轮廓，多个所述凸包顶点构建所述初始边框。

6.根据权利要求5所述的芯片崩边检测方法，其特征在于，并对所述初始边框进行拟合得到目标边框以及所述目标边框对应的目标顶点，包括：确定所述初始轮廓所对应的更新轮廓点集，并以所述更新轮廓点集中起始点和终止点构建预设边框，并确定所述更新轮廓点集中任意一个点相对所述预设边框的垂直距离，确定所述垂直距离与预设距离阈值的关系，并基于此关系对所述更新轮廓点集中的点进行筛选，得到目标顶点以及目标边框。

7.根据权利要求1所述的芯片崩边检测方法，其特征在于，根据角点与相邻点的夹角确定所述检测区域是否满足第一要求，包括：构建所述角点与两个所述相邻点所对应的第一向量和第二向量，并确定所述第一向量和所述第二向量之间的夹角，当所述第一向量与所述第二向量的夹角满足预设角度要求时，所述检测区域满足第一要求。

8.根据权利要求2所述的芯片崩边检测方法，其特征在于，基于所述实时像素分布状态确定所述检测区域是否满足第二条件，包括：确定所述检测区域第一类型区域或第二类型区域中实时像素分布是否满足预设像素分布条件，当任一类型区域不满足预设像素分布条件时确定所述检测区域不满足第二条件；所述预设像素分布条件包括第一条件和第二条件，所述第一条件对应第一类型区域设置，所述第二条件对应第二类型区域设置。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、与所述处理器耦接的存储器，所述存储器中存储有程序指令，所述程序指令被所述处理器执行时，使得所述处理器执行如权利要求1-8中任一项权利要求所述的芯片崩边检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1-8任一项所述的芯片崩边检测方法。