基于机器视觉与改进YOLOv8n的高精密IC载板表面缺陷智能检测系统研究OA
针对高精密IC载板表面缺陷传统检测方法存在的效率低、漏检率高、微小缺陷识别能力不足等行业痛点,文中研发了一套基于机器视觉与深度学习的IC载板表面缺陷智能检测系统.构建IC载板图像源数据质量评价体系,结合光学离焦模型与牛顿优化算法实现高精度自动对焦;开发自适应图像预处理算法,依托双阈值分割与超像素块区域特征分析实现95%以上的噪声抑制率;提出融合注意力机制与多模态特征的改进YOLOv8n缺陷检测模型,解决复杂纹理背景下微小缺陷特征提取困难的难题.经实验测试与第三方权威机构验证,该改进模型较原始YOLOv8n检测准确率提升了2.7个百分点、平均精度均值(mAP@0.5)提升了3.2个百分点,整体漏检率从1.8%降至0.3%;系统对IC载板常见缺陷的检测准确率达95.2%,整体漏检率低于0.5%,误检率低于3%,单张IC载板检测时间不超过2 s,各项性能指标均可满足工业生产线的实时检测需求,能够为半导体封装产业的智能化升级提供有力技术支撑.
王东辉;杨颖颖;曹坤洋
河南职业技术学院,河南 郑州 450046河南轻工职业学院,河南 郑州 450053河南职业技术学院,河南 郑州 450046
信息技术与安全科学
IC载板缺陷检测机器视觉YOLOv8n图像预处理深度学习
《物联网技术》 2026 (20)
35-40,6
2025年度河南省科技攻关立项项目(252102210220)河南省职业教育和继续教育教学改革研究与实践(重点)项目(豫教[2023]02980)2026年度河南轻工职业学院校级课题:基于Socket自定义协议的机器人与PLC高可靠性互锁系统研究成果(2026XJKT-1)
评论