基于机器视觉的芯片缺陷在线检测系统设计OA

针对传统芯片缺陷检测方法效率低、准确率低等问题,设计了基于机器视觉方法的芯片缺陷检测系统。使用HALCON视觉软件平台与Visual Studio 2019联合开发芯片图像采集与缺陷检测软件;基于改进Canny算子,结合模板匹配实现对芯片的精准定位;结合图像差分法检测芯片表面缺陷;利用外接矩形端点坐标计算引脚横纵间距,实现对于引脚缺陷的检测。结果表明:该系统仅需3张图片作为训练样本,即可准确检测芯片表面存在的脏污、划痕、丝印脱落等缺陷,准确率达到99.6%,平均单张检测耗时28 ms;基于外接矩形的引脚测量方法能够精准测量引脚横纵间距,并准确判断引脚缺失、歪斜等缺陷,准确率达到99.5%,平均单张检测耗时40 ms;与传统检测方法相比,该系统的检测准确率和检测效率方面均有所提升。