1

1。2 倒装芯片技术 1

1。3 倒装芯片缺陷检测技术发展及现状 2

1。4 本文的主要研究工作 3

第 2 章 倒装芯片缺陷的超声波检测技术 5

2。1 超声波检测原理 5

2。2 SAM 检测原理及其测试芯片 6

2。3 本章小结 9

第 3 章  基于 L1 范数的贝叶斯图像超分辨率重构 10

3。1 图像超分辨率重构概述 10

3。2  基于 L1 范数的贝叶斯超分辨率算法 11

3。3 超分辨率重构后的倒装芯片缺陷检测 15

3。4 本章小结 16

第 4 章  信息处理 17

4。1 超声波扫描图像分割方法 17

4。2 焊球的特征提取 21

4。3 支持向量机分类 23

4。4 本章小结 27

第  5  章  全文总结 28

致谢 29

参考文献 30

图清单

图序号 图名称 页码

图 1。1 倒装芯片封装技术 2

图 2。1 超声波扫描设备 Sonoscan D9500 6

图 2。2 SAM 检测原理图 7

图 2。3 倒装芯片光学图片 8

图 2。4 倒装芯片超声波扫描图片 8

图 3。1 原始和旋转网格图像 12

图 3。2 原始检测图像 15

图 3。3 重建后的超声波扫描图像 15

图 4。1 倒装芯片的二值化模板图像 18

图 4。2 填充后的倒装芯片二值化模板图像 18

图 4。3 倒装芯片分割图像 19

图 4。4 焊球提取后的图像 19

图 4。5 超分辨重建图像的二值化模板图 20

图 4。6 超分辨率重建图像分割后的图像 20

图 4。7 超分辨率重建图像焊球提取后的图像 21

图 4。8 支持向量机的原理图 23

图 4。9 原始图像分类结果图 26

上一篇:QC风扇通道固定架注塑模具设计+CAD图纸
下一篇:ADAMS铁路机车曲柄滑块机构分析

起重机械安全隐患与缺陷...

SAM焊球缺陷检测与模糊神经网络分类

基于LVQ神经网络的焊球检测方法

基于SOM神经网络的焊球缺陷检测方法研究

便携式医用超声波雾化吸...

ArbLab温度对超声波传感器的性能影响研究

凸轮轴表面缺陷涡流检测...

我国风险投资的发展现状问题及对策分析

LiMn1-xFexPO4正极材料合成及充放电性能研究

安康汉江网讯

张洁小说《无字》中的女性意识

ASP.net+sqlserver企业设备管理系统设计与开发

老年2型糖尿病患者运动疗...

新課改下小學语文洧效阅...

麦秸秆还田和沼液灌溉对...

网络语言“XX体”研究

互联网教育”变革路径研究进展【7972字】