摘要
本公开提供了一种芯片引脚锈斑的识别方法、装置及存储介质,包括:采用机器视觉对芯片引脚进行多角度拍摄,得到芯片引脚图像;将芯片引脚图像像素的灰度值输入到芯片引脚锈斑识别分类模型,确定芯片引脚图像所属的类别;其中芯片引脚锈斑识别分类模型基于卷积神经网络模型和隐马尔科夫模型构建;根据芯片引脚图像所属的类别,确定芯片引脚图像是否存在锈斑。本公开与现有技术相比,芯片引脚锈斑识别分类模型基于卷积神经网络模型和隐马尔科夫模型构建,自动化程度高,可以在短时间内完成大量芯片引脚的检测,适合大规模生产中的快速质量检测,且芯片引脚锈斑判断准确性具有明显的提升。
技术关键词
锈斑
转移概率矩阵
卷积神经网络模型
芯片
隐马尔科夫模型
图像像素
识别方法
Softmax函数
参数
ReLU函数
多角度
可读存储介质
图像采集模块
线性
模式
算法
视觉