本發(fā)明涉及攝像頭加工,尤其是指一種基于人工智能模型對攝像頭模組膠水進行檢測的方法。
背景技術(shù):
1、besi先進封裝機臺在半導(dǎo)體行業(yè)中得到了廣泛的應(yīng)用,尤其是在生產(chǎn)高端集成電路、傳感器、微機電系統(tǒng)、攝像頭模組和其他半導(dǎo)體產(chǎn)品時,這些機臺的技術(shù)進步和創(chuàng)新對推動整個半導(dǎo)體行業(yè)的發(fā)展起著重要作用。
2、在進行攝像頭模組底部膠水填充過程中有卡頓現(xiàn)象,并且有導(dǎo)致膠水?dāng)嚅_的情況,這在自動化生產(chǎn)過程中會造成大量的不良,影響產(chǎn)品良率。因此,我們提出一種基于人工智能模型對攝像頭模組膠水進行檢測的方法來解決上述中存在的技術(shù)問題。
技術(shù)實現(xiàn)思路
1、有鑒于此,本發(fā)明針之缺失,其主要目的是提供一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其作用在于解決上述問題。
2、為實現(xiàn)上述目的,本發(fā)明采用如下之技術(shù)方案:所述檢測方法包括:
3、步驟一、半導(dǎo)體組裝設(shè)備在對所述攝像頭模組完成底部填充膠水后,進行機臺自身監(jiān)控,保存監(jiān)控圖片并實時傳送云盤保存;
4、步驟二、制造執(zhí)行系統(tǒng)將云盤實時保存的圖片,實時傳輸給人工智能進行圖片裁剪和屏蔽只保留人工智能需要檢查的部分;
5、步驟三、將裁剪屏蔽完成的圖片進行檢查,與人工智能深度學(xué)習(xí)數(shù)據(jù)庫的進行比對,將不良品標(biāo)注成不良品地圖,并形成新的地圖;
6、步驟四、檢測結(jié)果經(jīng)過形成新的地圖傳輸給拆扳機,所述拆扳機根據(jù)所述新的地圖自動將所述不良品取出,連續(xù)發(fā)生不良停機檢查,防止批量不良產(chǎn)生。
7、作為一種優(yōu)選方案,在所述步驟一中,使用失效模式的產(chǎn)品,導(dǎo)入所述半導(dǎo)體組裝設(shè)備跑出圖片,傳輸給到人工智能深度學(xué)習(xí),人工智能深度學(xué)習(xí)根據(jù)不良圖片進行建立數(shù)據(jù)庫;
8、所述半導(dǎo)體組裝設(shè)備為先進封裝機臺;
9、所述人工智能深度學(xué)習(xí)采用的算法為阿丘深度學(xué)習(xí)算法。
10、作為一種優(yōu)選方案,所述數(shù)據(jù)庫包括裁剪前圖片、裁圖軟件裁剪圖片、不良模型標(biāo)注和參數(shù)設(shè)置;
11、所述參數(shù)設(shè)置包括迭代次數(shù)、訓(xùn)練批次、最大精度以及模型版本。
12、作為一種優(yōu)選方案,所述人工智能深度學(xué)習(xí)的運行方式包括以下步驟:
13、s01、輸入檢查項目;
14、s02、開發(fā)分布式系統(tǒng);
15、s03、部署分布式系統(tǒng)接口,開放服務(wù);
16、s04、調(diào)試接口;
17、s05、獲取需裁切并且屏蔽干擾區(qū)的圖片;
18、s06、調(diào)試接口上傳圖片,接收返回結(jié)果;
19、s07、解析圖片名獲??;
20、s08、并根據(jù)獲取的所述圖片名組成所述新的地圖的數(shù)據(jù)。
21、作為一種優(yōu)選方案,在所述s07中,所述圖片分析包括解析所述圖片名的獲取,所述圖片名包括相機響應(yīng)函數(shù)的標(biāo)識號、空洞填補網(wǎng)絡(luò)的標(biāo)識號、圖片攝取時間以及單顆的算法結(jié)果。
22、作為一種優(yōu)選方案,在所述步驟三中,當(dāng)檢測時,將制造執(zhí)行系統(tǒng)傳輸過來的圖片進行裁剪,并依據(jù)人工智能深度學(xué)習(xí)所建立的數(shù)據(jù)庫進行比對,該檢測方式在線外完成,不影響生產(chǎn)效率。
23、作為一種優(yōu)選方案,在所述步驟二中,由制造執(zhí)行系統(tǒng)將云盤的圖片實時傳輸給人工智能圖片裁剪屏蔽,后根據(jù)人工智能深度學(xué)習(xí)所建立的所述數(shù)據(jù)庫進行圖片分析,自動檢查出所述不良品,并將地圖傳輸給拆板機,拆板機根據(jù)得到的地圖對所述不良品自動拆除。
24、作為一種優(yōu)選方案,在所述步驟四中,所述拆扳機判定所述不良品的圖片,觸發(fā)阿丘工控機的三色燈報警,并進行人工復(fù)判。
25、作為一種優(yōu)選方案,還包括檢測系統(tǒng),所述檢測系統(tǒng)包括:
26、先進封裝機臺,用于所述攝像頭模組膠水的填充,并對膠水的填充位置進行圖片攝取;
27、拆扳機,所述拆扳機用于根據(jù)新的地圖自動將不良品取出;
28、蜂鳴器,當(dāng)出現(xiàn)所述不良品時,進行蜂鳴以提示工作人員;
29、三色燈,判定結(jié)果為不良的圖片,還通過所述三色燈報警;
30、顯示器,用于實時顯示產(chǎn)品狀態(tài)。
31、作為一種優(yōu)選方案,所述拆扳機還包括設(shè)置在其上的載具蓋板、真空吸取部件和不良品存放區(qū),所述載具蓋板用于去除所述真空吸取部件,所述真空吸取部件用于去除所述不良品,所述不良品存放區(qū)用于存放不良品。
32、本發(fā)明與現(xiàn)有技術(shù)相比具有明顯的優(yōu)點和有益效果,具體而言,由上述技術(shù)方案可知,其主要是:
33、本裝置對于底部填充膠水?dāng)嚅_不良的檢查,可以準(zhǔn)確的將所有的膠水?dāng)嚅_進行檢出,優(yōu)化了目前無法在生產(chǎn)過程中監(jiān)控底部膠水填充斷開的問題,當(dāng)發(fā)現(xiàn)底部膠水填充斷開時,能馬上停機檢查設(shè)備,對不良品進行攔截,在工藝過程早期查找和消除錯誤,以實現(xiàn)良好的過程控制,防止批量不良的發(fā)生,提高自動化生產(chǎn)過程中的產(chǎn)品質(zhì)量和效率。
34、為更清楚地闡述本發(fā)明的結(jié)構(gòu)特征和功效,下面結(jié)合附圖與具體實施例來對本發(fā)明進行詳細說明。
1.一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于,所述檢測方法包括:
2.根據(jù)權(quán)利要求1所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:在所述步驟一中,使用失效模式的產(chǎn)品,導(dǎo)入所述半導(dǎo)體組裝設(shè)備跑出圖片,傳輸給到人工智能深度學(xué)習(xí),人工智能深度學(xué)習(xí)根據(jù)不良圖片進行建立數(shù)據(jù)庫;
3.根據(jù)權(quán)利要求2所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:所述數(shù)據(jù)庫包括裁剪前圖片、裁圖軟件裁剪圖片、不良模型標(biāo)注和參數(shù)設(shè)置;
4.根據(jù)權(quán)利要求3所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:所述人工智能深度學(xué)習(xí)的運行方式包括以下步驟:
5.根據(jù)權(quán)利要求3所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:在所述s07中,所述圖片分析包括解析所述圖片名的獲取,所述圖片名包括相機響應(yīng)函數(shù)的標(biāo)識號、空洞填補網(wǎng)絡(luò)的標(biāo)識號、圖片攝取時間以及單顆的算法結(jié)果。
6.根據(jù)權(quán)利要求1所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:在所述步驟三中,當(dāng)檢測時,將制造執(zhí)行系統(tǒng)傳輸過來的圖片進行裁剪,并依據(jù)人工智能深度學(xué)習(xí)所建立的數(shù)據(jù)庫進行比對,該檢測方式在線外完成,不影響生產(chǎn)效率。
7.根據(jù)權(quán)利要求1所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:在所述步驟二中,由制造執(zhí)行系統(tǒng)將云盤的圖片實時傳輸給人工智能圖片裁剪屏蔽,后根據(jù)人工智能深度學(xué)習(xí)所建立的所述數(shù)據(jù)庫進行圖片分析,自動檢查出所述不良品,并將地圖傳輸給拆板機,拆板機根據(jù)得到的地圖對所述不良品自動拆除。
8.根據(jù)權(quán)利要求1所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:在所述步驟四中,所述拆扳機判定所述不良品的圖片,觸發(fā)阿丘工控機的三色燈報警,并進行人工復(fù)判。
9.一種如權(quán)利要求1至8任一項所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:還包括檢測系統(tǒng),所述檢測系統(tǒng)包括:
10.根據(jù)權(quán)利要求9所述的一種基于人工智能模型對攝像頭模組膠水進行檢測的方法,其特征在于:所述拆扳機還包括設(shè)置在其上的載具蓋板、真空吸取部件和不良品存放區(qū),所述載具蓋板用于去除所述真空吸取部件,所述真空吸取部件用于去除所述不良品,所述不良品存放區(qū)用于存放不良品。