具体实施方式

一种用于集成电路制造的数据处理方法，所述方法包括如下步骤：

S1：从图像检测组及线激光检测组中获取集成电路板的图像检测图像及线激光检测图像；

S2：根据图像检测组设定的多区域检测图像对图像检测图像进行排序，而后进行图像拼接融合获得集成电路板图像检测图像；

S3：根据线激光检测图像；根据扫描速度及拍摄速度，对图像进行逐帧拼接获得完整集成电路板扫描图像

S4：根据S2获得的集成电路板图像检测图像导入Halcon软件中进行处理获取结果；

S5：根据S3获得的集成电路板扫描图像导入Halcon软件中进行处理获取结果；

S6：利用Halcon软件调用将S2、S3的图像进行处理获取结果；

S7：将S4、S5、S6获取的结果导出进行判别分析。

其中，所述S1中图像检测组及线激光检测组用于检测集成电路板缺陷。

其中，所述S1中图像检测组包含若干个光学成像装置及至少一个LED面光源，用于拍摄集成电路板的不同区域。

其中，所述S1中线激光检测组包括至少一个光学成像装置及至少一个线激光检测光源。

其中，所述S2还包括如下步骤：

S21：对集成电路板每个区域拍摄的图像提取特征点，提取后进行匹配；采用SIFT算法提取特征点，保证图像的匹配精度；

S22：根据S21确定的匹配点集对多张图像进行配准；

S23：配准后对图像进行融合获取单张融合图像；

S24：将单张融合图像依据预先设定好的单张校准好的标准电路板图像进行对照，对融合图像进行校准标定，包括电路板外形、孔及其它机械特征的公差；

S25：最后根据校准好的融合图像依据学习算法对集成电路板瑕疵进行检测。

其中，所述S3还包括如下步骤：

S31：对集成电路板每个道扫描区域所拍摄的图像提取特征点，提取后进行匹配；采用SURF算法提取特征点，保证图像的匹配精度；

S32：根据S31确定的匹配点集对多张图像进行配准；

S33：配准后对图像进行融合获取单张激光扫描融合图像；

S34：将单张激光扫描融合图像依据预先设定好的单张校准好的标准电路板图像进行对照，对融合图像进行校准标定，包括电路板外形尺寸；

S35：最后根据校准好的激光扫描融合图像依据学习算法对集成电路板瑕疵进行检测。

其中，所述S4还包括如下步骤：

S41：将S2的图像进行预处理设定待测数据集；

S42：对图像进行分类和标记建立输入数据集；

S43：划分数据集后进行训练学习构建新的分类网络；

S44：对图像进行缺陷判别。

其中，所述步骤S5还包括如下步骤：

S51：将完整集成电路板扫描图像进行预处理；预处理方式包括提高对比度、降噪；

S52：设定不同缺陷的电路板，并进行检测获取电路板灰度图像，构建缺陷灰度图像数据库；

S53：将参考灰度图像数据库及缺陷灰度图像数据库进行配准；

S54：配准后进行做差及阈值筛选；

S55：利用筛选后的阈值对在线检测的电路板进行匹配分析，判断是否存在缺陷；若小于阈值则说明该电路板合格，否则反之。

其中，所述S6具体的利用S2、S3的图像的缺陷图像进行比对获取比对结果。

其中，所述S7判别分析要素包括：集成电路板的形状、尺寸、孔位、电路板瑕疵。

工作原理：

实施例

本发明所用数据处理办法基于图像检测与激光检测合一的数据处理办法；具体的从图像检测组及线激光检测组中获取集成电路板的图像检测图像及线激光检测图像，具体的图像检测组及线激光检测组用于检测集成电路板缺陷。图像检测组包含若干个光学成像装置及至少一个LED面光源，用于拍摄集成电路板的不同区域，用于构建大像素拼接图像。线激光检测组包括至少一个光学成像装置及至少一个线激光检测光源。

其次根据图像检测组设定的多区域检测图像对图像检测图像进行排序，而后进行图像拼接融合获得集成电路板图像检测图像；具体的对集成电路板每个区域拍摄的图像提取特征点，提取后进行匹配；采用SIFT算法提取特征点，保证图像的匹配精度；根据确定的匹配点集对多张图像进行配准；配准后对图像进行融合获取单张融合图像；将单张融合图像依据预先设定好的单张校准好的标准电路板图像进行对照，对融合图像进行校准标定，包括电路板外形、孔及其它机械特征的公差；最后根据校准好的融合图像依据学习算法对集成电路板瑕疵进行检测。

再次根据线激光检测图像；根据扫描速度及拍摄速度，对图像进行逐帧拼接获得完整集成电路板扫描图像；首先对集成电路板每个道扫描区域所拍摄的图像提取特征点，提取后进行匹配；采用SURF算法提取特征点，保证图像的匹配精度；其次根据确定的匹配点集对多张图像进行配准；配准后对图像进行融合获取单张激光扫描融合图像；将单张激光扫描融合图像依据预先设定好的单张校准好的标准电路板图像进行对照，对融合图像进行校准标定，包括电路板外形尺寸；最后根据校准好的激光扫描融合图像依据学习算法对集成电路板瑕疵进行检测。

至此步骤图像检测及激光检测数据整合完毕开始进入后续的分析处理；具体的：

首先根据获得的集成电路板图像检测图像导入Halcon软件中进行处理获取结果；具体的先将集成电路板图像检测图像进行预处理设定待测数据集；其次对图像进行分类和标记建立输入数据集；而后划分数据集后进行训练学习构建新的分类网络；最后对图像进行缺陷判别。

其次根据获得的集成电路板扫描图像导入Halcon软件中进行处理获取结果；先将完整集成电路板扫描图像进行预处理；预处理方式包括提高对比度、降噪；设定不同缺陷的电路板，并进行检测获取电路板灰度图像，构建缺陷灰度图像数据库；将参考灰度图像数据库及缺陷灰度图像数据库进行配准；配准后进行做差及阈值筛选；利用筛选后的阈值对在线检测的电路板进行匹配分析，判断是否存在缺陷；若小于阈值则说明该电路板合格，否则反之。

至此步骤图像检测及激光检测数据已经处理分析完毕，最后进入对比、匹配分析的步骤；先利用Halcon软件调用将集成电路板图像检测图像、集成电路板扫描图像进行处理获取结果；将上述步骤中获取的结果导出进行判别分析，具体的具体的利用两幅图像的缺陷图像进行比对获取比对结果。最后将上述三个步骤中获得的最终检测结果导出，其中各步骤中判别分析的主要因素包括：集成电路板的形状、尺寸、孔位、电路板瑕疵。

本发明的特点在于：

本发明数据处理方法应用建立在传统的图像检测基础上加入激光检测办法的前提下，将两种检测结果进行分析；相较于传统的图像检测，激光检测的优点是适应环境能力强而且检测精度更高。激光传感器检测一些细小的零部件，能实现无接触远距离测量，速度快，精度高，量程大，抗光、电干扰能力强等；利用光学成像设备与线激光检测结合，能构建完整的电路板图像，再与光学图像的配合更加完整的实现精准自动化检测；本发明方法的目的在于将上述检测方法结合之后的具体数据处理提供一种高效便捷的处理方法逻辑，采用不同的算法算例，对不同获取的图像进行预处理、分析、匹配，通过本发明构建的数据处理方法能够更好地整合两部分的数据，更加精准的确定电路板的集成电路板的形状、尺寸、孔位、电路板瑕疵，有助于提高电路板加工效率。

本发明的控制方式是通过人工启动和关闭开关来控制，动力元件的接线图与电源的提供属于本领域的公知常识，并且本发明主要用来保护机械装置，所以本发明不再详细解释控制方式和接线布置。

本发明的控制方式是通过控制器来自动控制，控制器的控制电路通过本领域的技术人员简单编程即可实现，电源的提供也属于本领域的公知常识，并且本发明主要用来保护机械装置，所以本发明不再详细解释控制方式和电路连接。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的前提下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。