摘要
本发明公开了一种半导体喷淋头孔洞检测方法、装置和介质,包括将半导体喷淋头放置在绿色LED光源工作台上,获取其表面图像,并对图像数据进行预处理,计算每个孔洞区域的几何特征数据和纹理特征数据,构建每个孔洞的特征向量,建立基于支持向量机(SVM)的监督学习分类模型,利用历史样本训练分类器,将每个孔洞的特征向量数据输入训练好的分类器,得到其缺陷概率,并根据预设概率阈值,确定喷淋头是否合格;本发明通过利用计算机视觉数据分析和机器学习数据处理技术,实现了对喷淋头表面缺陷的自动检测和分类,能够对喷淋头的孔洞数据进行精准的数据判断分析和记录,大大提高了检测的准确性和效率。
技术关键词
孔洞检测方法
喷淋头
纹理特征
半导体
边缘轮廓
监督学习分类模型
坐标点
节点
检测控制系统
绿色LED光源
机器学习数据处理技术
训练分类器
灰度共生矩阵
计算机程序代码
边缘检测算法
编码
列表
训练SVM分类器
系统为您推荐了相关专利信息
多元回归模型
半导体工艺配方
数值
计算机程序指令
良率
高维特征向量
图像块
深度神经网络
视觉
纹理特征
异常检测方法
因果关系模型
贝叶斯推理方法
半导体
物理
电场畸变程度
温升
故障定位方法
检测设备
边缘粗糙度参数