技术特征：
1.一种倒装焊芯片缺陷检测方法，其特征在于，包括：获取不同缺陷倒装焊芯片振动信号样本；利用多粒度扫描自动提取振动信号样本的特征信息得到变换特征向量；利用kpca特征筛选通道对变换特征向量进行降维，得到降维后的变换特征向量；将振动信号样本的变换特征向量和降维后的变换特征向量输入级联森林进行训练，得到完成训练的倒装焊芯片缺陷检测模型；其中，所述级联森林中每个级联森林层均包含随机分类器、完全随机分类器、xgboost、lightgbm。2.根据权利要求1所述的倒装焊芯片缺陷检测方法，其特征在于，所述获取不同缺陷倒装焊芯片振动信号样本包括：将有不同缺陷的倒装焊芯片放置在气浮隔振平台；使用空气耦合电容式超声换能器激励倒装焊芯片，并使用多普勒激光扫描测振仪获取倒装焊芯片上表面的振动信号样本。3.根据权利要求1所述的倒装焊芯片缺陷检测方法，其特征在于，所述利用多粒度扫描自动提取振动信号样本的特征信息得到变换特征向量包括：使用长度为k的滑动窗口以步长l对振动信号样本进行局部采样得到m组新样本，其中，s为振动信号样本的维度；将m组新样本输入到随机森林分类器中进行特征提取，得到m组维度为c的特征向量，其中，c为倒装焊芯片的缺陷类别数；再将m组新样本输入到完全随机森林分类器中进行特征提取，得到m组维度为c的特征向量；将随机森林分类器得到的m组维度为c的特征向量和完全随机森林分类器得到的m组维度为c的特征向量进行拼接得到维度为2*m*c的变换特征向量x
i
。4.根据权利要求1所述的倒装焊芯片缺陷检测方法，其特征在于，所述利用kpca的特征筛选通道对变换特征向量进行降维，得到降维后的变换特征向量包括：利用非线性映射函数φ：r
m
→
f将变换特征向量x
i
映射至特征空间f，得到变换特征向量在空间f上的协方差矩阵计算协方差矩阵c
f
的特征值λ和特征向量v，其计算公式为：λv＝c
f
v将特征值按照大小排列，选择特征值之和满足设定界限的特征向量进行拼接得到降维后的变换特征向量。5.根据权利要求4所述的倒装焊芯片缺陷检测方法，其特征在于，特征值之和设定界限为：其中，n为协方差矩阵c
f
的特征值数量，p为满足设定界限的特征值数量，cl为设定界限值。6.根据权利要求1所述的倒装焊芯片缺陷检测方法，其特征在于，所述将振动信号样本的变换特征向量和降维后的变换特征向量输入级联森林进行训练，得到完成训练的倒装焊
芯片缺陷检测模型包括：将振动信号样本的变换特征向量输入第一级联森林层，输出增强特征向量；将增强特征向量与降维后的变换特征向量进行拼接输入下一级联森林层，输出新的增强特征向量；级联森林层不断拓展，每拓展一个级联森林层对当前级联森林层进行k折交叉验证，计算当前级联森林层的检测准确率，并计算检测准确率的变化率；当检测准确率的变化率小于预设阈值时，不再拓展级联森林层，当前级联森林即为完成训练的倒装焊芯片缺陷检测模型。7.根据权利要求1所述的倒装焊芯片缺陷检测方法，其特征在于，所述将振动信号样本的变换特征向量和降维后的变换特征向量输入级联森林进行训练，得到完成训练的倒装焊芯片缺陷检测模型后，将待测试倒装焊芯片输入完成训练的倒装焊芯片缺陷检测模型中进行检测。8.一种倒装焊芯片缺陷检测系统，其特征在于，包括：样本采集模块：用于获取不同缺陷倒装焊芯片振动信号样本；特征提取模块：用于利用多粒度扫描自动提振动信号样本的特征信息得到变换特征向量；数据降维模块：用于利用kpca的特征筛选通道对变换特征向量进行降维，得到降维后的变换特征向量；模型训练模块：用于将振动信号样本的变换特征向量和降维后的变换特征向量输入级联森林进行训练，得到完成训练的倒装焊芯片缺陷检测模型。9.一种倒装焊芯片缺陷检测设备，其特征在于，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序时实现权利要求1-7任一项所述的倒装焊芯片缺陷检测方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的倒装焊芯片缺陷检测方法的步骤。
技术总结
本发明涉及一种倒装焊芯片缺陷检测方法及系统，包括：获取不同缺陷的倒装焊芯片振动信号样本并将振动信号样本分为训练样本和测试样本，利用多粒度扫描自动提取训练样本的特征信息得到变换特征向量，利用KPCA特征筛选通道对变换特征向量进行空间降维得到降维后的变换特征向量，将训练样本的变换特征向量和降维后的变换特征向量输入级联森林进行训练得到倒装焊芯片缺陷检测模型。本发明提供的倒装焊芯片缺陷检测模型对倒装焊芯片进行检测，提高了倒装焊芯片检测准确率，且能够实现倒装焊芯片中焊球缺陷种类和缺陷数量的精准检测。芯片中焊球缺陷种类和缺陷数量的精准检测。芯片中焊球缺陷种类和缺陷数量的精准检测。
技术研发人员：宿磊 胡啸 李可 顾杰斐
受保护的技术使用者：江南大学
技术研发日：2022.07.06
技术公布日：2022/9/20