一种软硬件协同的封装芯片检测装置、方法及电子设备

1.本发明涉及芯片质检技术领域，尤其涉及一种软硬件协同的封装芯片检测装置、方法及电子设备。


背景技术：

2.芯片的生产流程一般包括芯片设计、晶片制作、芯片封装三个步骤，其中，芯片封装步骤具体是将芯片固定在基底上，再将保护封盖用金属焊料焊接在基底上，在将芯片内外电路连接的同时，起到对内部芯片的保护作用，而且金属封盖还能增强芯片的整体散热性能，因为芯片的制造过程十分复杂，在极高精度下的生产过程中，难以保证每一个步骤都不出现瑕疵缺陷。一旦缺陷未被及时发现，将会对成品芯片的性能和可靠性产生影响，因此，芯片封装作为芯片生产流程的最后一步，其封装质量和封装可靠性影响了整个芯片产品的质量，在生产过程中实时监控芯片封装的质量逐渐成为芯片生产的必要步骤。
3.然而，传统国产芯片的智能质检产线功能较为单一，一台装置只能单一地检测芯片硬件缺陷或软件缺陷，不能同时检测芯片的软、硬件缺陷，检测效率较低，比如：传统芯片质检方法主要采用的技术是单一检测芯片外部缺陷或直接人工本体操作来检测芯片，该检测方式局限于芯片外部缺陷而不能检测芯片内部，单方面检测芯片外部而内部的功能被疏忽，导致芯片的合格率降低，影响了芯片质量，而且人工目检的方式，检测速度和检测精度均较低。


技术实现要素：

4.本发明提供了一种软硬件协同的封装芯片检测装置、方法及电子设备，解决的技术问题是，传统的封装芯片缺陷检测无法同时检测芯片的软硬件缺陷，而且局限于检测芯片外部缺陷而不能检测芯片内部，影响芯片检测效率和质量。
5.为解决以上技术问题，本发明提供了一种软硬件协同的封装芯片检测装置、方法及电子设备。
6.第一方面，本发明提供了一种软硬件协同的封装芯片检测装置，所述装置包括依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块；
7.图像采集模块，用于采集不同排列的芯片图像，并将所述芯片图像输入硬件质检模块；
8.硬件质检模块，用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；
9.软件质检模块，用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；
10.所述后台数据管理模块，用于获取并存储所述芯片图像。
11.在进一步的实施方案中，所述级联卷积神经网络模型包括第一级网络和第二级网
络；
12.第一级网络为轻量级图像分类网络，所述轻量级图像分类网络用于识别所述芯片图像中是否存在带有缺陷的芯片；第二级网络为目标检测网络，所述目标检测网络用于对芯片图像中带有缺陷的芯片进行定位。
13.在进一步的实施方案中，所述轻量级图像分类网络为轻量级卷积神经网络模型，所述目标检测网络为yolov7目标识别模型。
14.在进一步的实施方案中，所述功能测试包括芯片应用设置功能测试以及芯片与协议功能测试。
15.在进一步的实施方案中，还包括贯穿芯片缺陷检测装置的主传送带以及设置在所述主传送带上的分拣机构，分拣机构下方设置有若干条子传送带；
16.所述分拣机构包括机械臂和驱动电机。
17.在进一步的实施方案中，还包括模型训练模块，具体用于：
18.获取芯片表面训练样本图像；
19.对芯片表面训练样本图像进行图像类别标注和芯片表面缺陷位置标注，获取芯片表面标签图像，其中，所述芯片表面缺陷位置包括芯片的中心点位置、像素点及缺陷尺寸；
20.采用多个所述芯片图像和芯片表面标签图像对待训练的级联卷积神经网络模型进行训练，得到训练好的级联卷积神经网络模型。
21.在进一步的实施方案中，所述图像采集模块包括照明机构和摄像模块；
22.所述照明机构采用直射光的环形照明装置。
23.第二方面，本发明提供了一种软硬件协同的封装芯片检测方法，应用如上述所述的软硬件协同的芯片缺陷检测装置，所述方法包括以下步骤：
24.采集不同排列的芯片图像；
25.根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；
26.将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；
27.将与软件运行正常的测试芯片对应的芯片图像输入后台数据管理模块存储。
28.第三方面，本发明还提供了一种电子设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行实现上述方法的步骤。
29.第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
30.本发明提供了一种软硬件协同的封装芯片检测装置、方法及电子设备，所述装置包括依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块，其中，图像采集模块用于采集不同排列的芯片图像，并将所述芯片图像输入硬件质检模块；硬件质检模块用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果；软件质检模块用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定测试芯片内部的软件运行信
息。与现有技术相比，该发明采用基于软硬件协同的封装芯片质检装置，通过部署在质检产线上的图像采集模块和硬件质检模块对工业产线上芯片的表面缺陷进行识别和检测，实现芯片表面硬件质检；通过射频模组检验芯片应用测试功能、安全功能等是否合格，实现芯片内部软件质检，本发明通过硬件质检模块和软件质检模块实现了对芯片软硬件的自动检测，提高了芯片检测的可靠性。
附图说明
31.图1是本发明实施例提供的软硬件协同的封装芯片检测装置框图；
32.图2是本发明实施例提供的封装芯片检测装置正视图；
33.图3是本发明实施例提供的封装芯片检测装置后视图；
34.图4是本发明实施例提供的封装芯片检测装置左视图；
35.图5是本发明实施例提供的封装芯片检测装置右视图；
36.图6是本发明实施例提供的封装芯片检测过程示意图；
37.图7是本发明实施例提供的软硬件协同的封装芯片检测方法流程示意图；
38.图8是本发明实施例提供的电子设备的结构示意图。
具体实施方式
39.下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
40.参见图1，本发明实施例提供了一种软硬件协同的封装芯片检测装置，如图1所示，该装置包括依次连接的图像采集模块11、硬件质检模块12、软件质检模块13和后台数据管理模块14。
41.在本实施例中，如图2、图3、图4、图5所示，封装芯片检测装置还包括贯穿芯片缺陷检测装置的主传送带15以及设置在所述主传送带上的分拣机构，分拣机构下方设置有若干条子传送带，以通过子传送带传送存在软件或者硬件缺陷的芯片，所述分拣机构包括机械臂16和驱动电机17，所述驱动电机用于根据表面缺陷检测结果或软件运行信息，驱动所述机械臂将存在软件或者硬件缺陷的芯片分拣至子传送带上，所述主传送带上设置有支撑杆18，图像采集模块设置于所述支撑杆18上，图像采集模块包括摄像模块111和照明机构，所述照明机构与所述摄像模块设在同一位置处，其中，本实施例优先将整个封装芯片检测装置的高度设置为829.75cm、长度设置为1358.94cm、宽度设置为806.41cm，同时优先将传送带的宽度设置为581.71cm，本领域技术人员可以根据具体实施情况调整装置和传送带等结构的尺寸，不局限于本发明实施例。
42.在芯片质检结果直接关系到芯片的产量和经济效益环节，因此，芯片质检效率和准确性的重要性不言而喻，本实施例针对生产中产检的芯片类型，搭建了一种软硬件协同的封装芯片质检装置，该装置可以分为硬件部分和软件部分，硬件部分包括各个硬件模块的选型与设计，软件部分包括开发平台和开发语言的选择、图像处理的模块设计、芯片定位和芯片分类识别的模块设计和关键技术设计。
43.在一个实施例中，图像采集模块11用于采集不同排列的芯片图像，并将所述芯片
图像输入硬件质检模块。
44.具体地，芯片从主传送带入口输送到本装置后，首先传输至图像采集模块11，以通过图像采集模块11拍摄清晰的芯片表面的图像，在本实施例中，所述图像采集模块11包括摄像模块111和照明机构，所述照明机构与所述摄像模块设在同一位置处，以便于摄像模块能够清晰拍摄到芯片图像，所述照明机构采用直射光的环形照明装置，摄像模块包括ccd相机和镜头，所述ccd相机采用800万像素的工业电子显微镜相机，分辨率为1920
×
1080p，需要说明的是，摄像模块需要满足能够提供可供取视频流的sdk组件的要求，在利用摄像模块进行芯片图像采集时，需要先将摄像头安装到适合拍摄各种不同排列的国产芯片的位置，并将摄像头通过网线连接到后台服务器，以供实时从摄像头前端获取包含集装箱号的视频流，同时，由于芯片在传送带上运送过程中被捕捉的图像存在模糊的问题，几乎使表面划痕不易发现，因此，本实施例采用的摄像模块可快速地对芯片进行补拍筛选，从而大大提高了在实际应用时的效率，本实施例通过照明机构和摄像模块实现对芯片表面缺陷高质量、高效率的图像采集，以便实现后续硬件检测。
45.在一个实施例中，硬件质检模块12用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常。
46.在本实施例中，所述级联卷积神经网络模型包括第一级网络和第二级网络；其中，第一级网络为轻量级图像分类网络，所述轻量级图像分类网络用于识别所述芯片图像中是否存在带有缺陷的芯片；第二级网络为目标检测网络，所述目标检测网络用于对芯片图像中带有缺陷的芯片进行定位。
47.具体地，图像采集模块11在拍摄到清晰的芯片表面的图像后，将采集到的芯片图像反馈到硬件质检模块中，以通过硬件质检模块12检测芯片表面是否存在缺陷，从而通过硬件质检模块的级联卷积神经网络模型对芯片图像进行预处理、图像分割、缺陷特征提取与分类工作，根据芯片缺陷的分类结果，对芯片进行进一步的检测，在本实施例中，硬件质检模块中的级联卷积神经网络模型包括第一级网络和第二级网络，其中，第一级网络为轻量级图像分类网络，可识别出所述芯片图像中是否存在带有缺陷的芯片，本实施例优先将所述轻量级图像分类网络设置为轻量级卷积神经网络模型；第二级网络为目标检测网络，可以对所述芯片图像中的芯片缺陷进行精准检测和定位，本实施例优先将所述目标检测网络为yolov7目标识别模型。
48.本实施例在硬件质检模块的输入端配置了高清工业级摄像头负责采集芯片样品的图像，所采集的到芯片图像输入基于级联卷积神经网络的级联卷积神经网络模型，从而实现对芯片图像中的芯片缺陷的检测和识别，本实施例通过轻量级图像分类网络先对芯片图像进行分类，可以减少目标检测网络的调用，从而提高芯片硬件质检这一步骤的效率。
49.在一个实施例中，软件质检模块13用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常，所述功能测试包括但不限于芯片应用设置功能测试以及芯片与协议功能测试。
50.具体地，软件质检模块13搭载了射频模组协议测试平台，可通过射频模组协议测试平台进行芯片应用设置功能测试、芯片与协议功能测试等，本实施例通过对芯片基本功
能的测试，可判断芯片内部软件是否运行正常，达到软件质检的目的，需要说明的是，本领域技术人员可根据具体实施情况将功能测试设置为其他的芯片功能测试，不局限于本发明实施例。
51.如图6所示，本实施例在通过硬件质检模块对芯片表面进行识别时，芯片继续由传送带进行传送和分拣，驱动电机根据硬件质检结果控制机械臂阻拦实现分拣效果，传送带将硬件质检合格的芯片传输至软件质检模块，硬件质检不合格的芯片则由传送带上的分拣机构根据缺陷种类自动进行分拣，在将硬件质检合格的芯片传输至软件质检模块后，本实施例采用射频模组对芯片内部线圈检测，再次通过机械臂阻拦分拣，软件质检不合格的芯片则由传送带上的分拣机构自动阻拦分拣，在软硬件双重保障下提高芯片的出厂质量。
52.在一个实施例中，所述后台数据管理模块14用于获取并存储与软件运行正常的测试芯片对应的芯片图像，本实施例采用自动化的方式，将图像采集模块中的摄像模块捕捉到的视频流传到服务器，以通过后台数据管理模块14的调用程序从视频流中调取芯片图像并保存为jpg格式。
53.在一个实施例中，本实施例提供的一种软硬件协同的封装芯片检测装置还包括模型训练模块，具体用于：
54.获取芯片表面训练样本图像；
55.对芯片表面训练样本图像进行图像类别标注和芯片表面缺陷位置标注，获取芯片表面标签图像，其中，所述芯片表面缺陷位置包括芯片的中心点位置、像素点及缺陷尺寸；
56.采用多个所述芯片图像和芯片表面标签图像对待训练的级联卷积神经网络模型进行训练，得到训练好的级联卷积神经网络模型。
57.模型训练模块主要训练用于定位芯片表面缺陷位置的yolov7目标识别模型和用于分类图像中是否包含有缺陷芯片的轻量级卷积神经网络模型，具体为；
58.通过后台数据管理模块14的调用程序从视频流中导出芯片图像作为芯片表面训练样本图像，为了识别的准确性，导出的芯片图像统一设置为jpg格式，对每一张芯片表面训练样本图像进行两类标注，即图像类别标注以及图像中芯片表面缺陷位置标注，得到芯片表面标签图像，该标注过程可以通过人工手动完成，也可以借助标注工具lableimg完成，即，将芯片表面训练样本图像输入标注工具lableimg，手动框出芯片表面缺陷所在位置，并保存标注的结果，此时，软件lableimg会生产一个与图片同名的txt文件，第一位代表类别，行数代表目标数量，第一位后面是缺陷芯片在芯片图片中的位置信息，前两个数字代表中心点位置，像素点/图片尺寸；后两个数字代表宽高，像素/图片尺寸。
59.本发明实施例提供了一种软硬件协同的封装芯片检测装置，该装置通过硬件质检模块和软件质检模块，利用深度学习算法和射频模组，实现了根据识别芯片外部缺陷或者内部功能测试结果，自动控制机械臂对存在缺陷的芯片阻拦，从而自动化分拣，相比于传统的人工分拣方式，大大提高对存在缺陷的芯片分拣效率。相较于现有技术而言，本实施例通过硬件质检模块和软件质检模块，克服了传统封装芯片检测只能单一检测芯片外部缺陷，无法完全满足芯片质检需求(软、硬件协同质检)的问题，实现了准确高效的芯片表面缺陷和内部软件的联合质检，不仅可以检测划痕、引脚缺失等外观缺陷，而且可以检测芯片内部的基本功能，能够较为准确地反映被检测芯片的缺陷真实情况，保证了芯片的出厂质量，具有高效率且低成本等优点。
60.在一个实施例中，如图7所示，本发明实施例提供了一种软硬件协同的封装芯片检测方法，应用上述的软硬件协同的芯片缺陷检测装置，所述方法包括以下步骤：
61.s1.采集不同排列的芯片图像；
62.s2.根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；
63.s3.将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；
64.s4.将与软件运行正常的测试芯片对应的芯片图像输入后台数据管理模块存储。
65.需要说明的是，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
66.关于一种软硬件协同的封装芯片检测方法的具体限定可以参见上述对于一种软硬件协同的封装芯片检测装置的限定，此处不再赘述。本领域普通技术人员可以意识到，结合本技术所公开的实施例描述的各个模块和步骤，能够以硬件、软件或者两者结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
67.本发明实施例提供了一种软硬件协同的封装芯片检测方法，所述方法包括采集芯片图像，根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果；将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常。采用本发明实施例提供的封装芯片检测方法，可以满足芯片的软、硬件协同质检需求，而且本实施例利用深度学习算法和射频模组，提高了芯片软硬件缺陷检测的准确率，相比于人工检测，大大缩短了检测时间，提高了检测效率，同时提高了芯片良率，且自动化程度高，成本较低，具有广阔的应用前景。
68.图8是本发明实施例提供的一种电子设备，包括存储器、处理器和收发器，它们之间通过总线连接；存储器用于存储一组计算机程序指令和数据，并可以将存储的数据传输给处理器，处理器可以执行存储器存储的程序指令，以执行上述方法的步骤。
69.其中，存储器可以包括易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者；处理器可以是中央处理器、微处理器、特定应用集成电路、可编程逻辑器件或其组合。通过示例性但不是限制性说明，上述可编程逻辑器件可以是复杂可编程逻辑器件、现场可编程逻辑门阵列、通用阵列逻辑或其任意组合。
70.另外，存储器可以是物理上独立的单元，也可以与处理器集成在一起。
71.本领域普通技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有相同的部件布置。
72.在一个实施例中，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
73.本发明实施例提供的一种软硬件协同的封装芯片检测装置、方法及电子设备，其
一种软硬件协同的封装芯片检测装置利用高清工业相机对芯片图像进行捕捉，从而通过深度学习算法进行硬件质检和利用射频模组对芯片内部线圈检测，实现对芯片的软硬件缺陷检测，提高了芯片良率。本技术提供的方案，能够简化对封装芯片检测装置要求的同时提高芯片软硬件缺陷检测的准确性，便于工业场景的大规模应用。
74.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如ssd)等。
75.本领域技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
76.以上所述实施例仅表达了本技术的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本技术的保护范围。因此，本技术专利的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种软硬件协同的封装芯片检测装置，其特征在于，所述装置包括依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块；图像采集模块，用于采集不同排列的芯片图像，并将所述芯片图像输入硬件质检模块；硬件质检模块，用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；软件质检模块，用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；所述后台数据管理模块，用于获取并存储所述芯片图像。2.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述级联卷积神经网络模型包括第一级网络和第二级网络；第一级网络为轻量级图像分类网络，所述轻量级图像分类网络用于识别所述芯片图像中是否存在带有缺陷的芯片；第二级网络为目标检测网络，所述目标检测网络用于对芯片图像中带有缺陷的芯片进行定位。3.如权利要求2所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述轻量级图像分类网络为轻量级卷积神经网络模型，所述目标检测网络为yolov7目标识别模型。4.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述功能测试包括芯片应用设置功能测试以及芯片与协议功能测试。5.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：还包括贯穿芯片缺陷检测装置的主传送带以及设置在所述主传送带上的分拣机构，分拣机构下方设置有若干条子传送带；所述分拣机构包括机械臂和驱动电机，所述驱动电机用于根据表面缺陷检测结果或软件运行信息，驱动所述机械臂分拣芯片。6.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于，还包括模型训练模块，具体用于：获取芯片表面训练样本图像；对芯片表面训练样本图像进行图像类别标注和芯片表面缺陷位置标注，获取芯片表面标签图像，其中，所述芯片表面缺陷位置包括芯片的中心点位置、像素点及缺陷尺寸；采用多个所述芯片图像和芯片表面标签图像对待训练的级联卷积神经网络模型进行训练，得到训练好的级联卷积神经网络模型。7.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述图像采集模块包括照明机构和摄像模块；所述照明机构采用直射光的环形照明装置。8.一种软硬件协同的封装芯片检测方法，其特征在于，应用如权利要求1至7任一所述的软硬件协同的芯片缺陷检测装置，所述方法包括以下步骤：采集不同排列的芯片图像；根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；
将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；将与软件运行正常的测试芯片对应的芯片图像输入后台数据管理模块存储。9.一种电子设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如权利要求8所述的方法。10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求8所述的方法。

技术总结
本发明涉及芯片质检技术领域，尤其涉及一种软硬件协同的封装芯片检测装置、方法及电子设备，包括：依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块；图像采集模块用于采集芯片图像；硬件质检模块用于根据训练好的级联卷积神经网络模型确定芯片图像的表面缺陷检测结果；软件质检模块用于通过射频模组协议测试平台对芯片进行功能测试，确定芯片内部的软件运行信息。本发明通过硬件质检模块和软件质检模块实现芯片的软硬件协同检测，利用深度学习算法和射频模组实现了同时检测芯片的软硬件缺陷，提升了芯片缺陷的检测准确度，具有高效率、低成本且检测准确性高等优点。等优点。等优点。


技术研发人员：唐鹤芳 林浩静 陈伟迅 孟思明 江跃龙 魏童
受保护的技术使用者：广州铁路职业技术学院
技术研发日：2023.05.17
技术公布日：2023/10/8