一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法技术

一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，它属于芯片外观缺陷检测技术领域。本发明专利技术本发明专利技术使用基于分数阶小波变换来从芯片外观图像中提取特征，并使用基于变分贝叶斯混合模型来进行特征的降维，最终使用支持向量机来进行缺陷分类。与现有方法相比，采用本发明专利技术方法可以显著提高检测效率以及检测精度。本发明专利技术可以应用于芯片外观缺陷的检测。

【技术实现步骤摘要】
一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法
本专利技术属于芯片外观缺陷检测
，具体涉及一种基于多阶数分数阶小波包变换和基于变分贝叶斯混合模型特征降维的芯片外观缺陷检测方法。
技术介绍
随着集成电路的大规模发展，表面贴装技术得到了越来越广泛的应用。贴装元件在生产，运输，储存过程中可能会发生各种情况，元件有可能出现各种不同的外观缺陷，大致可以分为芯片本体损坏，芯片本体有异物，芯片本体有划痕三类。如果使用了这些缺陷芯片，会对产品甚至人们生命安全造成影响。因此，元件贴装前需要进行芯片缺陷的检测。而传统的检测技术要么忽视对外观缺陷的检测，要么采用人工方式对外观缺陷进行检测，因此，现有检测技术对芯片外观缺陷检测的效率很低，且检测精度较差。
技术实现思路
本专利技术的目的是为解决现有检测技术对芯片外观缺陷检测的效率低，且检测精度差的问题，而提出了一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法。本专利技术为解决上述技术问题采取的技术方案是：一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，所述方法具体包括以下步骤：步骤一、使用单通道黑白相机获取芯片外观图像；步骤二、分别对步骤一获取图像进行整数阶数小波包分解和阶数为p1、p2、p3、p4的分数阶小波包分解，获得整数阶数小波包分解结果和阶数p1、p2、p3、p4对应的分数阶小波包分解结果；步骤三、计算树状子频段分解结果中每个部分对应的矩阵的特征，将计算出的特征作为图像的纹理特征；再提取出图像的几何特征和梯度特征；步骤四、基于变分贝叶斯混合模型将步骤三得到的图像特征进行降维，得到降维后的特征；步骤五、将步骤四得到的降维后特征输入支持向量机分类器中，得到芯片外观缺陷类型分类结果，完成对芯片外观缺陷的检测。本专利技术的有益效果是：本专利技术提出了一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，本专利技术使用基于分数阶小波变换来从芯片外观图像中提取特征，并使用基于变分贝叶斯混合模型来进行特征的降维，最终使用支持向量机来进行缺陷分类。与现有方法相比，采用本专利技术方法可以显著提高检测效率以及检测精度。附图说明图1是本专利技术方法的流程图；图2是采用二维离散小波分解处理图像信号得到分解结果的示意图；图中，↓h(n)代表先进行高通滤波再进行下采样结果，↓l(n)代表先进行低通滤波再进行下采样结果；图3a)是使用工业相机采集的芯片本体损坏缺陷的示意图；图3b)是使用工业相机采集的芯片本体有异物缺陷的示意图；图3c)是使用工业相机采集的芯片本体有划痕缺陷的示意图；图4是获得图像纹理特征的流程图；图中，DWP是二维离散小波包分解。具体实施方式具体实施方式一：结合图1和图2说明本实施方式。本实施方式所述的一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，所述方法具体包括以下步骤：步骤一、使用单通道黑白相机获取芯片外观图像；步骤二、分别对步骤一获取图像进行整数阶数小波包分解和阶数为p1、p2、p3、p4的分数阶小波包分解，获得整数阶数小波包分解结果和阶数p1、p2、p3、p4对应的分数阶小波包分解结果；步骤三、分别计算步骤二得到的分解结果中每个部分对应的矩阵的特征，将计算出的特征作为步骤一获取图像的纹理特征；再提取出步骤一获取图像的几何特征和梯度特征；步骤四、基于变分贝叶斯混合模型将步骤三得到的图像特征进行降维，得到降维后的特征；基于变分贝叶斯混合模型可以自动给出维度数，克服了现有技术中的不足。步骤五、将步骤四得到的降维后特征输入支持向量机分类器中，得到芯片外观缺陷类型分类结果，完成对芯片外观缺陷的检测。支持向量机分类器设定的核函数为k(x,y)＝xTy+c。图3a)、图3b)和图3c)为工业相机采集的芯片表面三种缺陷的示意图。具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二的具体过程为：对步骤一获取的图像进行阶数为p1的分数阶小波包分解(阶数为p1的分数阶小波包分解又包括离散p1阶傅里叶变换和整数阶数小波包分解两个过程)：在行方向上，采用公式(1)对步骤一获取图像的数字信号进行离散p1阶傅里叶变换，得到离散p1阶傅里叶变换结果DFrFTp1(I)；式中，I为步骤一获取图像的数字信号，N为数字信号的长度，WN为N×N的矩阵，和为N×N的对角线矩阵；矩阵WN、和的定义为：式中，WN[m,n]为矩阵WN中第m行第n列的元素，p1为阶数，j是虚数单位，m＝1,2，…，N，n＝1,2，…，N；为矩阵中第n行第n列的元素，Δt为时间域的采样间隔；为矩阵中第n行第n列的元素，Δu为离散p1阶傅里叶变换的采样间隔；Δt和Δu满足如下关系：在列方向上，再对DFrFTp1(I)进行离散p1阶傅里叶变换，得到二维p1阶分数阶傅里叶变换结果；在行方向上，对得到的二维p1阶分数阶傅里叶变换结果进行小波包分解，得到低通滤波结果L和高通滤波结果H，在列方向上，再分别对L和H进行小波包分解，得到二维p1阶分数阶傅里叶变换结果的近似部分(Approximationcoefficients)LL以及细节部分(detailcoefficients)HL、LH和HH；近似部分LL以及细节部分HL、LH和HH组成第一层；同理，再对第一层的每个部分分别进行小波包分解，获得第二层；第二层包括对近似部分LL进行小波包分解获得的1个近似部分和3个细节部分、对细节部分HL进行小波包分解获得的1个近似部分和3个细节部分、对细节部分LH进行小波包分解获得的1个近似部分和3个细节部分、对细节部分HH进行小波包分解获得的1个近似部分和3个细节部分；即获得第二层包含的16个部分；再对第二层的每个部分分别进行小波包分解，获得第三层包含的64个部分，最终获得包含三层的阶数p1对应的分数阶小波包分解结果；再重复上述过程，获得阶数p2对应的分数阶小波包分解结果、阶数p3对应的分数阶小波包分解结果、阶数p4对应的分数阶小波包分解结果；通过对步骤一获取图像直接进行整数阶数(默认为1阶)小波包分解，得到整数阶数小波包分解结果。具体实施方式三：结合图4说明本实施方式。本实施方式与具体实施方式二不同的是：所述步骤三的具体过程为：分别计算出阶数p1对应的分数阶小波包分解结果中每个部分对应的矩阵Ci的特征；其中，Ci为阶数p1对应的分数阶小波包分解结果中的第i个部分对应的矩阵，μ为Ci的均值，σ为Ci的标准差；Ci[m′,n′]为矩阵Ci中第m′行第n′列的元素，M为矩阵Ci的行数，N′为矩阵Ci的列数；同理，计算出阶数p2对应的分数阶小波包分解结果中每个部分对应的矩阵的特征、阶数p3对应的分数阶小波包分解结果中本文档来自技高网...

【技术保护点】
1.一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，其特征在于，所述方法具体包括以下步骤：/n步骤一、使用单通道黑白相机获取芯片外观图像；/n步骤二、分别对步骤一获取图像进行整数阶数小波包分解和阶数为p1、p2、p3、p4的分数阶小波包分解，获得整数阶数小波包分解结果和阶数p1、p2、p3、p4对应的分数阶小波包分解结果；/n步骤三、分别计算步骤二得到的分解结果中每个部分对应的矩阵的特征，将计算出的特征作为步骤一获取图像的纹理特征；再提取出步骤一获取图像的几何特征和梯度特征；/n步骤四、基于变分贝叶斯混合模型将步骤三得到的图像特征进行降维，得到降维后的特征；/n步骤五、将步骤四得到的降维后特征输入支持向量机分类器中，得到芯片外观缺陷类型分类结果，完成对芯片外观缺陷的检测。/n

【技术特征摘要】
1.一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，其特征在于，所述方法具体包括以下步骤：
步骤一、使用单通道黑白相机获取芯片外观图像；
步骤二、分别对步骤一获取图像进行整数阶数小波包分解和阶数为p1、p2、p3、p4的分数阶小波包分解，获得整数阶数小波包分解结果和阶数p1、p2、p3、p4对应的分数阶小波包分解结果；
步骤三、分别计算步骤二得到的分解结果中每个部分对应的矩阵的特征，将计算出的特征作为步骤一获取图像的纹理特征；再提取出步骤一获取图像的几何特征和梯度特征；
步骤四、基于变分贝叶斯混合模型将步骤三得到的图像特征进行降维，得到降维后的特征；
步骤五、将步骤四得到的降维后特征输入支持向量机分类器中，得到芯片外观缺陷类型分类结果，完成对芯片外观缺陷的检测。


2.根据权利要求1所述的一种基于多阶数分数阶小波包变换的芯片外观缺陷检测方法，其特征在于，所述步骤二的具体过程为：
对步骤一获取的图像进行阶数为p1的分数阶小波包分解：
在行方向上，采用公式(1)对步骤一获取图像的数字信号进行离散p1阶傅里叶变换，得到离散p1阶傅里叶变换结果DFrFTp1(I)；



式中，I为步骤一获取图像的数字信号，N为数字信号的长度，WN为N×N的矩阵，和为N×N的对角线矩阵；
矩阵WN、和的定义为：









式中，WN[m,n]为矩阵WN中第m行第n列的元素，p1为阶数，j是虚数单位，m＝1,2，…，N，n＝1,2，…，N；

为矩阵中第n行第n列的元素，Δt为时间域的采样间隔；

为矩阵中第n行第n列的元素，Δu为离散p1阶傅里叶变换的采样间隔；
Δt和Δu满足如下关系：



在列方向上，再对DFrFTp1(I)进行离散p1阶傅里叶变换，得到二维p1阶分数阶傅里叶变换结果；
在行方向上，对得到的二维p1阶分数阶傅里叶变换结果进行小波包分解，得到低通滤波结果L和高通滤波结果H，在列方向上，再分别对L和H进行小波包分解，得到...

【专利技术属性】
技术研发人员：孙昊，刘伟华，高会军，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙;23