基于YOLOX的QFN芯片表面缺陷检测技术研究

doi:10.13873/J.1000-9787(2025)03-0046-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于YOLOX的QFN芯片表面缺陷检测技术研究

更新时间：2025-09-11

- 基于YOLOX的QFN芯片表面缺陷检测技术研究
- Issue 3, Pages: 46-49(2025)
- 作者机构：
  
  1. 广西高校先进制造与自动化技术重点实验室(桂林理工大学)
  2. 桂林理工大学机械与控制工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2025)03-0046-04
  CLC： TN40;TP391.41
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (3): 46-49.
DOI：

[J]. 2025, (3): 46-49. DOI： 10.13873/J.1000-9787(2025)03-0046-04.

摘要

为了实现方形扁平无引脚封装(QFN)芯片表面缺陷检测自动化检测，针对现有检测算法耗时长且准确度不高等问题，提出一种基于YOLOX改进算法的QFN芯片表面缺陷检测方法。通过在主干特征提取网络中添加CA注意力模块，并使用VariFocal损失函数代替原模型中的目标分数损失函数，在轻微增加网络参数量的基础上提升了检测精度。通过改进模型YOLOX-PRO、主流算法和添加模块在自制QFN芯片缺陷样本数据集上的训练测试，以及对比分析，实验结果表明：改进后的算法模型能准确地识别划痕、孔洞、引脚缺失三种缺陷，置信度相对较高，并且模型的平均精度均值达到98.61%

单张缺陷图像的检测速度不超过40 ms

优于传统机器学习算法，能够满足工业生产中对QFN芯片缺陷的实时性检测要求。

Abstract

关键词

Keywords

references

薛杨柳.贴片类芯片缺陷检测识别的研究[D].湖北工业大学,2014(09).

SONG Chao-yu,ZHANG Fan,LI Jian-sheng,XIE Jin-yi,YANG Chen,ZHOU Hang,ZHANG Jun-xiong.Detection of maize tassels for UAV remote sensing image with an improved YOLOX Model[J].Journal of Integrative Agriculture,2023(06).

朱智惟,单建华,余贤海,孔德义,王琼,谢晓轩.基于YOLOv5s的番茄采摘机器人目标检测技术[J].传感器与微系统,2023(06).

陈德海,孙仕儒,王昱朝,雷志军.改进SSD算法的小目标检测研究[J].传感器与微系统,2023(03).

杨桂华,唐卫卫,卢澎澎,张为心.基于机器视觉的芯片引脚测量及缺陷检测系统[J].电子测量技术,2021(18).

张若楠,沐超,张固,刘小勤.QFN芯片表面划痕检测定位方法设计[J].大气与环境光学学报,2019(04).

唐芃.基于弱监督学习的物体检测及其在图像分类中的应用[D].华中科技大学,2019(03).

巢渊.基于机器视觉的半导体芯片表面缺陷在线检测关键技术研究[D].东南大学,2017(02).

Zhang Yi,Shen Yongliang,Zhang Jun.An improved tiny-yolov3 pedestrian detection algorithm[J].Optik,2019.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进SSD的车内宠物遗落检测方法

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于特征增强知识蒸馏的目标检测压缩算法

基于深度学习的电解电容识别与极性检测

基于YOLOv5s的番茄采摘机器人目标检测技术

Related Author

潘溢洲

吴恩启

段函作

寇嘉铭

常乾坤

袁杰

段成龙

赵瑛瑛

Related Institution

上海理工大学机械工程学院

新疆大学电气工程学院

西南交通大学机械工程学院

湖北工业大学机械工程学院

中国科学院种子创新研究院

⁰