半导体芯片广泛用于各个领域和各种电子产品中。它的地位在经济发展和国家信息安全中变得越来越重要,并且对现代人的生活产生了深远的影响。在半导体芯片的制造和包装过程中,不可避免的会产生各种缺陷,这些缺陷直接影响到芯片的工作效率和寿命。传统的手工缺陷检查方法随着技术的发展,越来越无法满足半导体芯片封装和制造的快速准确的检查需求。使用机器视觉缺陷检测技术来检测芯片表面薄膜缺陷的优势主要是其与被检测物体无接触,不会造成被测物体的损伤,检测准确率高,速度快,稳定性强。芯片表面薄膜缺陷的实时检测对图像处理算法的计算精度的要求较高,因此也对实时性能和算法效率有更高的要求。本文将讨论基于机器视觉的芯片表面薄膜缺陷检测系统的方案设计,以及从芯片的图像采集到图像处理,芯片定位检测和芯片表面薄膜缺陷分类中的主要技术。本文的主要研究内容如下:基于机器视觉的芯片表面薄膜缺陷在线检测系统的设计。首先本文分析了产品需求,简述芯片表面薄膜缺陷特点,介绍了系统的整体结构和系统的基本工作流程。其次,根据被检测芯片的缺陷特性和系统的适应性要求,提出了适合于本课题的一种图像采集的照明方案。同时展示了软件功能模块和识别系统的流程。芯片定位检测方法研究。首先,对多种特征提取网络进行了对比,最终提出了一种基于YOLOv5神经网络的,特征提取网络为Mobile Net V3的芯片定位检测算法,该算法用于图像中多个芯片的定位检测,并将芯片按照预测框进行裁剪。方便后续步骤的缺陷分类。芯片表面薄膜缺陷特征及其分类方法。首先介绍了多模型的选择与比较,阐述了多模型融合的方法,展示了数据集构建流程,并与增强预测方法及传统视觉方法进行对比,最终确定了Res Ne Xt-101-32x32d、Efficient Net B7、Dense Net201作为融合的三种模型。系统软硬件设计。介绍了软硬件设计并展示了软件运行流程,并介绍了本文系统的鲁棒性保证,实现了程序运行中常见的错误处理。